去污文件 - OCR

Posted 2023-04-17

【中文标题】去污文件 - OCR

【英文标题】：Despeckling documents - OCR

【发布时间】：2016-02-11 14:12:15

【问题描述】：

我已经搜索过，但找不到在扫描文档中进行去斑的算法。我已经使用中值过滤器去除了一些较小的斑点。

我需要一种从文档中去除大斑点的算法，我曾尝试使用连接组件标签（使用 Aforge），但如果对象大于 X 像素，则无法将其着色为白色（将其去除）。

有什么方法可以删除图片上大于 X 像素的对象（斑点、斑点、噪点）？

编辑：

这是我正在尝试为 OCR 准备的文档。 Original Document

我们可以看到，文本左侧有很多噪音。然后我使用 Blur 来模糊左侧的噪点，然后我对文档进行二值化，得到类似 After Binarization

现在我需要从左侧删除大的黑色区域。我只是不知道该怎么做...

【问题讨论】：

你试过使用tesseract吗？

能否请您张贴图片或图片链接？对于图像处理问题，假设您应该始终发布示例图像。即使您在文档中看到许多不同类型的斑点/噪点，拥有一些示例图像也会帮助那些试图给您建议的人。消除斑点/斑点的方法有很多，但会根据您通常看到的噪声类型选择不同的技术。

感谢您的回答。我已经编辑了问题并添加了更多信息和图像。我没有尝试过使用tesseract，我正在尝试自己实现所有算法...

是否可以选择裁剪图像？即找到黑色区域并裁剪到它的内边缘

【参考方案1】：

在 Matlab 中尝试一下。

img = imread('xWFEC.png');
img = imcomplement(imclearborder(imcomplement(img)));
figure; imshow(img);

输出：

【讨论】：

想补充说明这是如何工作的，特别是因为这是一个C# 问题，据我所知，这些功能或类似功能在标准C# 中不可用，所以会需要用户自己实现。

@TheLethalCoder，再次感谢。据我所知，我们可以在 C# 中使用“EmguCV”（emgu.com/wiki/index.php/Main_Page）。这个 SO 答案 (***.com/questions/24731810/…) 清楚地解释了如何使用 OpenCV 实现 Matlab 'imclearborder'。