计算机视觉 / 系统课时
增强文档可读性
增强文档可读性
文档照片常同时存在彩色背景、轻微噪点、阴影和断裂笔画。本节把这些干扰拆成灰度化、降噪、自适应阈值和形态学四步,最终得到更适合阅读、打印或后续 OCR 的黑白文档图像。
学习目标
- 理解灰度、降噪、自适应阈值和形态学在文档增强中的职责
- 使用 OpenCV 组合出可直接运行的文档二值化流程
- 根据阴影、细字和噪点现象调整关键参数
处理链路
文档增强不是“把图片变黑白”这么简单。灰度化先去掉颜色维度,轻度模糊抑制传感器噪点,自适应阈值针对不同局部亮度分别计算阈值,最后再用形态学操作修补断裂笔画或清理小噪点。

自适应阈值最适合存在渐变光照或局部阴影的纸张照片。它按邻域计算阈值,因此比单个全局阈值更能保住暗角中的文字,但邻域过小会放大纹理,过大又可能重新受整体亮度影响。
组合实现
下面的程序读取一张文档照片,生成黑底白字的中间二值图,对文字区域做闭运算,再反相为常见的白底黑字结果。blockSize 必须是大于 1 的奇数,C 用来控制局部阈值偏移量。
import argparse
from pathlib import Path
import cv2
def enhance_document(input_path: str, output_path: str) -> None:
image = cv2.imread(input_path)
if image is None:
raise FileNotFoundError(f"无法读取图像: {input_path}")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
denoised = cv2.GaussianBlur(gray, (3, 3), 0)
# 先反相,让文字成为形态学操作中的白色前景。
binary_inv = cv2.adaptiveThreshold(
denoised,
255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY_INV,
31,
15,
)
# 小尺寸闭运算用于连接轻微断裂笔画,避免把相邻字符过度粘连。
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
repaired = cv2.morphologyEx(binary_inv, cv2.MORPH_CLOSE, kernel)
result = cv2.bitwise_not(repaired)
output = Path(output_path)
output.parent.mkdir(parents=True, exist_ok=True)
if not cv2.imwrite(str(output), result):
raise OSError(f"无法写入图像: {output}")
black_pixels = result.size - cv2.countNonZero(result)
print(f"saved: {output.resolve()}")
print(f"size: {result.shape[1]}x{result.shape[0]}")
print(f"black_ratio: {black_pixels / result.size:.4f}")
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument("input", help="输入文档图片")
parser.add_argument("output", help="输出增强图片")
args = parser.parse_args()
enhance_document(args.input, args.output)预期输出
saved: <PATH>
size: <VALUE>x<VALUE>
black_ratio: <VALUE><PATH> 与 <VALUE> 会随输入图片和保存位置变化。输出图应主要由 0 和 255 两种像素构成,文字保持连续,纸张阴影明显减弱。
调整参数时看现象
如果细字被吃掉,先减小 C,或把 blockSize 从 31 调小到 21,让局部阈值更贴近文字区域。若纸张纹理和灰尘变成大量黑点,可以适度增大 C,或把高斯核从 3×3 提到 5×5,但过强降噪会损失小字号笔画。
形态学核也应尽量小。闭运算适合连接断裂文字,核过大会让相邻字符粘连;若主要问题是孤立白点或黑点,应根据当前前景极性选择开运算或先反相再处理,而不是机械地增加迭代次数。
判断结果是否真的更清楚
不要只看“画面更白”就认为增强成功。优先检查小字号、细横线、表格边框和阴影区域:文字笔画应连续,字符之间仍有间隔,纸张背景尽量统一,同时不能出现大片误连区域。
如果增强结果还要交给 OCR,最可靠的验收方式是用同一页原图和增强图分别识别,再比较字符准确率或关键字段命中率。视觉上更锐利并不一定意味着 OCR 更准确,参数应以最终识别任务为准。