处理图像以获得良好的 OCR 识别
Process the image for good OCR recognition
我正在尝试处理图片。最初，有很多噪音，但我正在尝试进行一些改进。不幸的是，这并没有给出太多结果。有可能实现这样的事情，即以某种方式 select 单词中每个黑线字母的中心，并做一些类似于它们的骨架的事情。我不知道该怎么做，所以请在这里帮忙。
我现在使用的代码：
word = cv2.resize(word, (word.shape[1]*2, word.shape[0]*2))
kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
word = cv2.filter2D(word, -1, kernel)
word[np.where((word >= [180,180,180]).all(axis=2))] = [255,255,255]
word[np.where((word <= [179,179,179]).all(axis=2))] = [0,0,0]
cv2.imshow(str(i), word)
它给出了这个结果： from this:
尝试cv2.erode()。
cv2.bitwise_not(img,img)
kernel = np.ones((3,3),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)
我正在尝试处理图片。最初，有很多噪音，但我正在尝试进行一些改进。不幸的是，这并没有给出太多结果。有可能实现这样的事情，即以某种方式 select 单词中每个黑线字母的中心，并做一些类似于它们的骨架的事情。我不知道该怎么做，所以请在这里帮忙。 我现在使用的代码：
word = cv2.resize(word, (word.shape[1]*2, word.shape[0]*2))
kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])
word = cv2.filter2D(word, -1, kernel)
word[np.where((word >= [180,180,180]).all(axis=2))] = [255,255,255]
word[np.where((word <= [179,179,179]).all(axis=2))] = [0,0,0]
cv2.imshow(str(i), word)
它给出了这个结果：
尝试cv2.erode()。
cv2.bitwise_not(img,img)
kernel = np.ones((3,3),np.uint8)
erosion = cv2.erode(img,kernel,iterations = 1)