如何从图像中分离噪声和文本以进行 OCR 预处理

Question

我正在对电视镜头中的字幕应用 OCR。 （我正在使用带有 C++ 的 Tesseact 3.x）我正在尝试将文本和背景部分拆分为 OCR 的预处理。

这是原图：

还有，预处理图像：

OCR 结果为：Sicemn 克隆

如上图所示，字母周围还残留着一些“雾”，这会阻止 OCR 模块正常工作。

有什么方法可以通过编程识别那些“雾”来移除，或者做一些图像处理来从预处理图像中移除/减少它？

由于预处理逻辑经过大量优化以处理不同的图像，我宁愿找到一种方法来“清理”预处理图像，而不是修改预处理逻辑（因为优化此图片会影响其他图片）

非常欢迎任何建议。

---

更新

显然，sixela 的答案很棒，并且适用于大多数情况。 它不起作用的情况是背景也包括相似颜色的文本

无效案例示例：

结果示例：

看起来，高斯过滤器似乎在这类素材中造成了问题。 这意味着，不同的镜头可能需要不同的方法。

Answer 1

通过使用形态学运算和阈值处理，我设法获得了更清晰（不完美）的图像。

方法如下：

1. 我首先将原始图像转换为灰度
2. 应用高斯模糊（9x9 内核）对灰度图像进行去噪
3. Top Hat Morphological 运算（3x3 内核）获取白色文本
4. Otsu 阈值法
5. 扩张
6. 反转二进制阈值以获得黑色的白色文本

我终于得到了下图

作为 OCR 结果，这给出了以下文本：“Since vou don'k”

PS：这个结果当然可以通过调整参数（例如内核大小）来改善，但我希望它可以指导你。我在 Python 中使用 OpenCv 来快速尝试这些方法。

import cv2

image = cv2.imread('./inputImg.png', 0)
imgBlur = cv2.GaussianBlur(image, (9, 9), 0)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
imgTH = cv2.morphologyEx(imgBlur, cv2.MORPH_TOPHAT, kernel)
_, imgBin = cv2.threshold(imgTH, 0, 250, cv2.THRESH_OTSU)

imgdil = cv2.dilate(imgBin, kernel)
_, imgBin_Inv = cv2.threshold(imgdil, 0, 250, cv2.THRESH_BINARY_INV)

cv2.imshow('original', image)
cv2.imshow('bin', imgBin)
cv2.imshow('dil', imgdil)
cv2.imshow('inv', imgBin_Inv)

cv2.imwrite('./output.png', imgBin_Inv)
cv2.waitKey(0)

在此之后，我使用以下命令尝试了 Tesseract 上的输出图像：

tesseract output.png stdout