收据中字符的褪色部分可以恢复吗？

问题描述

我有一些文件包含一些扫描的收据，我需要使用OCR从其中提取文本。由于收据中打印的文字会在一段时间后淡出，因此收据中的某些文字不清晰，会影响OCR结果。

淡出单词的一些示例：

有什么方法可以恢复褪色的部分，以便我可以改善OCR结果？

我在OpenCV中尝试了图像阈值和图像平滑，但效果不是很理想。是否可以进一步处理该图像？

先取平均值，然后取高斯阈值

先是高斯模糊，然后是高斯阈值

---

解决方案

此方法并不完美，也不适用于所有字符(最好指定字符范围，将其分隔，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。最后的字符看起来不像原始字体，可能只是更具可读性。考虑到选择的方法，这似乎很自然；由于字符受到破坏，识别初始字体的名称和类型并非易事。

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详细信息： OpenCV，NumPy

请注意，细化算法位于OpenCV_Conrib存储库中；因此，请考虑使用其许可证。