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 np
def 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 * blockSize
rowmax = (r + 1) * blockSize
if (rowmax > gray.shape[0]):
rowmax = gray.shape[0]
colmin = c * blockSize
colmax = (c + 1) * blockSize
if (colmax > gray.shape[1]):
colmax = gray.shape[1]
imageROI = gray[rowmin:rowmax, colmin:colmax]
temaver = np.mean(imageROI)
blockImage[r, c] = temaver
blockImage = blockImage - average
blockImage2 = cv2.resize(blockImage, (gray.shape[1], gray.shape[0]), interpolation=cv2.INTER_CUBIC)
gray2 = gray.astype(np.float32)
dst = gray2 - blockImage2
dst = dst.astype(np.uint8)
dst = cv2.GaussianBlur(dst, (3, 3), 0)
dst = cv2.cvtColor(dst, cv2.COLOR_GRAY2BGR)
return dst
if __name__ == '__main__':
file = 'refined_receipt.jpg'
blockSize = 16
img = 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.
如果觉得《python去除图像光照不均匀_python+opencv——去除图像光照不均匀》对你有帮助，请点赞、收藏，并留下你的观点哦！
