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。

文档增强四阶段处理链路

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。

python
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

text
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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

增强文档可读性

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通