我有一些包含一些扫描收据的文件，我需要使用 OCR 从中提取文本。由于收据上打印的文字在一段时间后会褪色，导致收据上的某些文字不清晰，影响OCR结果。
褪色单词的一些示例：
有什么方法可以恢复褪色的部分，以便提高 OCR 结果吗？
我在OpenCV中尝试过图像阈值处理和图像平滑，但结果不是很令人满意。图像可以进一步处理吗？
Averaging then Gaussian Threshold
Gaussian Blur then Gaussian Threshold
这种方法并不完美，并不适合所有字符（最好指定字符范围，将它们分开，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。最终的字符看起来不像原始字体，可能只是更易读。考虑到所选择的方法，这似乎很自然；由于字符的损坏，识别初始字体的名称和类型并不容易。
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更多信息：OpenCV https://github.com/opencv, NumPy https://numpy.org/about/
请注意，thinning算法位于opencv_contrib存储库；因此，请考虑其使用许可。