移除背景

Question

我正在做 OCR 以从 ID 卡中提取信息。但是，准确度相当低。

我的假设是去除背景会使 OCR 更准确。

我使用身份证扫描机（link）获取下面的灰度图。看来机器使用的是IR而不是图像处理。

有谁知道如何使用 Opencv 或工具（photoshop、gimp 等）获得相同的结果？

提前致谢。

Answer 1

编辑：

由于光照条件不同，这里增加了对比度调整。

我认为解决您的问题的简单方法是：由于不需要的背景颜色是绿色和红色，而所需的字体颜色是黑色，只需按如下方式抑制红色和绿色：

import numpy as np
import matplotlib.pyplot as plt
from skimage.io import imread, imsave
from skimage.color import rgb2gray
from skimage.filters import threshold_otsu
from skimage import exposure


def adjustContrast(img):
    p2, p98 = np.percentile(img, (2, 98))
    img_rescale = exposure.rescale_intensity(img, in_range=(p2, p98))
    return img_rescale

# Read the image
img = imread('ID_OCR.jpg')

# Contrast Adjustment for each channel

img[:,:,0] = adjustContrast(img[:,:,0]) # R
img[:,:,1] = adjustContrast(img[:,:,1]) # G
img[:,:,2] = adjustContrast(img[:,:,2]) # B

# # Supress unwanted colors

img[img[...,0] > 100] = 255 # R
img[img[...,1] > 100] = 255 # B


# Convert the image to graylevel
img = rgb2gray(img)

# Rescale into 0-255
img = 255*img.astype(np.uint8)

# Save the results
imsave('Result.png', img)

图像将如下所示：

结果不是最佳的，因为您的图像分辨率不高。

最后，有很多解决方案和改进，你也可以使用 Morphology 让它看起来更好，这只是解决问题的简单建议。

Answer 2

这里还有两种方法：自适应阈值化和除法归一化。

输入：

import cv2
import numpy as np

# read image
img = cv2.imread("green_card.jpg")

# convert img to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# do adaptive threshold on gray image
thresh1 = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 51, 25)

# write results to disk
cv2.imwrite("green_card_thresh1.jpg", thresh1)


# apply morphology
kernel = cv2.getStructuringElement(cv2.MORPH_RECT , (11,11))
morph = cv2.morphologyEx(gray, cv2.MORPH_DILATE, kernel)

# divide gray by morphology image
division = cv2.divide(gray, morph, scale=255)

# threshold
thresh2 = cv2.threshold(division, 0, 255, cv2.THRESH_OTSU )[1] 

# write results to disk
cv2.imwrite("green_card_thresh2.jpg", thresh2)

# display it
cv2.imshow("thresh1", thresh1)
cv2.imshow("thresh2", thresh2)
cv2.waitKey(0)

自适应阈值结果：

除法归一化结果：