1
我想通過使用Otsu的閾值機制從背景中分離文本。儘管該算法將文本與背景分離,但由此產生的文本具有粗糙的邊緣,這反過來降低了文本識別的準確性。應用Otsu的閾值進行文本提取後的粗邊文本
輸入圖像和應用門檻後的輸出圖像給出如下:
我能做些什麼只刪除背景?我想保留文字,因爲它的原始圖像邊緣清晰,沒有中斷或變薄。
我想通過使用Otsu的閾值機制從背景中分離文本。儘管該算法將文本與背景分離,但由此產生的文本具有粗糙的邊緣,這反過來降低了文本識別的準確性。應用Otsu的閾值進行文本提取後的粗邊文本
輸入圖像和應用門檻後的輸出圖像給出如下:
我能做些什麼只刪除背景?我想保留文字,因爲它的原始圖像邊緣清晰,沒有中斷或變薄。
使用本地閾值操作而不是像Otsu這樣的全局閾值操作可以獲得更好的結果。
但你不應該期待太多。平滑的邊緣是在場景和背景之間進行漸變過渡的結果。您將最有可能,你會考慮前景和其他你會考慮背景相同的字符...
如果你想要更好的效果,你應該提高你的輸入圖像的質量相同值的像素。
請仔細閱讀[問] ...「任何人可以幫助嗎?」這不是一個很好的問題。你想知道什麼? 輸出正是你期望從大津應用期望。二值圖像總是看起來有點粗糙,你沒有任何梯度邊緣過渡了...... – Piglet
你可以嘗試像Niblack門檻,門檻Sauvola甚至楓的方法的局部區域的閾值技術。他們專注於基於區域的閾值 –
在嘗試上述步驟之前,您還可以嘗試局部直方圖均衡 –