python+opencv——去除图像光照不均匀

使用python版本的opencv去除图像中的光照不均匀

在图像处理中，如果图像中存在光照不均匀，则会影响图像处理的效果，比如在图像文本识别和图像分割中。本博客对于图像均衡化的处理主要参考文章：一种基于亮度均衡的图像阈值分割技术，以有关于C++的实现代码：opencv 一种不均匀光照的补偿方法

使用该方法主要的原因是最近在弄Tesseract的文字识别，需要识别拍摄照片中的字母，但是照片为室外拍摄，具有不同的光照影响，导致识别率很低，因此采用该方法进行处理，最后有效的提升了识别率，实现有光照影响的Tesseract文字识别。

全部代码如下：

import cv2
import numpy as npdef unevenLightCompensate(img, blockSize):gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)average = np.mean(gray)rows_new = int(np.ceil(gray.shape[0] / blockSize))cols_new = int(np.ceil(gray.shape[1] / blockSize))blockImage = np.zeros((rows_new, cols_new), dtype=np.float32)for r in range(rows_new):for c in range(cols_new):rowmin = r * blockSizerowmax = (r + 1) * blockSizeif (rowmax > gray.shape[0]):rowmax = gray.shape[0]colmin = c * blockSizecolmax = (c + 1) * blockSizeif (colmax > gray.shape[1]):colmax = gray.shape[1]imageROI = gray[rowmin:rowmax, colmin:colmax]temaver = np.mean(imageROI)blockImage[r, c] = temaverblockImage = blockImage - averageblockImage2 = cv2.resize(blockImage, (gray.shape[1], gray.shape[0]), interpolation=cv2.INTER_CUBIC)gray2 = gray.astype(np.float32)dst = gray2 - blockImage2dst = dst.astype(np.uint8)dst = cv2.GaussianBlur(dst, (3, 3), 0)dst = cv2.cvtColor(dst, cv2.COLOR_GRAY2BGR)return dstif __name__ == '__main__':file = 'refined_receipt.jpg'blockSize = 16img = cv2.imread(file)dst = unevenLightCompensate(img, blockSize)result = np.concatenate([img, dst], axis=1)cv2.imshow('result', result)cv2.waitKey(0)

效果如下所示：

调节的参数有blockSize的尺寸，以及最后的高斯去噪GaussianBlur和其核的大小，本文取的3.

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！