收据上字符褪色的部分可以恢复吗？

Question

我有一些包含扫描收据的文件，我需要使用 OCR 从中提取文本。由于收据上打印的字会在一段时间后淡出，导致收据上有些字不清晰，影响OCR结果。

一些褪色的单词示例：

有什么方法可以恢复褪色的部分，从而改善 OCR 结果吗？

我在OpenCV中尝试过图像阈值化和图像平滑，但结果不是很令人满意。图像可以进一步处理吗？

平均然后高斯阈值

高斯模糊然后高斯阈值

Answer 1

此方法并不完美，并不适用于所有字符（最好指定字符范围，将它们分开，然后在单独的字符上尝试此方法）。这是一个基本的想法；也许你可以完成它。最终字符看起来不像原始字体，可能只是更具可读性。考虑到所选择的方法，这似乎很自然；由于字符损坏，识别初始字体的名称和类型并不容易。

import sys
import cv2
import numpy as np

# Load and resize image
im = cv2.imread(sys.path[0]+'/im.png')
H, W = im.shape[:2]
S = 4
im = cv2.resize(im, (W*S, H*S))

# Convert to binary
msk = im.copy()
msk = cv2.cvtColor(msk, cv2.COLOR_BGR2GRAY)
msk = cv2.threshold(msk, 200, 255, cv2.THRESH_BINARY)[1]

# Glue char blobs together
kernel1 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (11, 13))
kernel2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (4, 5))
msk = cv2.medianBlur(msk, 3)
msk = cv2.erode(msk, kernel1)
msk = cv2.erode(msk, kernel2)

# Skeletonization-like operation in OpenCV
thinned = cv2.ximgproc.thinning(~msk)

# Make final chars
msk = cv2.cvtColor(msk, cv2.COLOR_GRAY2BGR)
thinned = cv2.cvtColor(thinned, cv2.COLOR_GRAY2BGR)
thicked = cv2.erode(~thinned, np.ones((9, 15)))
thicked = cv2.medianBlur(thicked, 11)

# Save the output
top = np.hstack((im, ~msk))
btm = np.hstack((thinned, thicked))
cv2.imwrite(sys.path[0]+'/im_out.png', np.vstack((top, btm)))

有关模块及其许可证的更多信息： OpenCV, NumPy

请注意，thinning 算法位于 opencv_contrib 存储库中；因此，请考虑其使用许可。

收据上字符褪色的部分可以恢复吗？

Can the faded parts of a character in a receipt be restored?

python

ocr

opencv

image-processing

receipt