验证码汉字图二值化处理

需求

把下图中汉字图片标准化处理，与背景分离，白字黑底

转为灰度图

emmm,勉强还是看得清的

灰度图直方图如下

直方图均衡化

均衡化后的直方图

对应灰度图

二值化

二值化之后遇到一个问题，白字or黑字？需要统一一下

黑字白底的情况下，需要进行反色处理

判别条件：边界像素中，白色像素比黑色像素少

根据条件反色后的灰度图如下

代码

#coding=utf-8
import os
import cv2
import numpy as np
import matplotlib.pyplot as plt


def invert(img):
    y,x=img.shape
    left=[[[]
    right=[[[]
    for i in range(y):
        left.append(img[[i,0[])
        right.append(img[[i,x-1[])
    blackPoints=list(img[[0[]).count(0)+list(img[[y-1[]).count(0)+left.count(0)+right.count(0)
    blackRate=float(blackPoints/(x[*2+y[*2-4))
    if blackRate<0.5:#边界黑像素比例
        for i in range(y):#反色
            for j in range(x):
                img[[i,j[] = 255 - img[[i,j[]
    return img

path='D:[[[[Desktop[[[[2022[_03[_08[_15[_04[_37[[[['
files=os.listdir(path)
for i in range(40):
    img=cv2.imdecode(np.fromfile(path+files[[i[], dtype=np.uint8),-1)

    # B,G,R = cv2.split(img) #get single 8-bits channel
    # EB=cv2.equalizeHist(B)
    # EG=cv2.equalizeHist(G)
    # ER=cv2.equalizeHist(R)
    # img=cv2.merge([[EB,EG,ER[])  #merge it back

    img=cv2.cvtColor(img,cv2.COLOR[_BGR2GRAY)#灰度图
    #img=cv2.GaussianBlur(img,(3,3),0,)#高斯平滑
    img=cv2.equalizeHist(img)#直方图均衡化
    r,img=cv2.threshold(img,127,255,cv2.THRESH[_BINARY)#二值化
    img=invert(img)#如果字体是黑的，反色处理
    plt.subplot(5,8,i+1)
    plt.imshow(img,cmap='gray')
    plt.axis('off')
plt.savefig('均衡化+二值化+白字[_灰度图.jpg',dpi=800)
plt.show()

总结

1.基本达到要求，但部分图片肉眼可见无法识别

2.在彩色图像上比较好区分，但第一步就转为了灰度图，丢失了很多信息，这里应该还有很大的提升空间