5. 图片预处理：低质量图也能识别

这是什么：图片预处理 = 识别之前先把照片「洗干净」：转灰度、二值化、去噪、放大。

为什么用：现实里拍出来的图常是暗、糊、背景杂、对比度低，OCR 模型最怕这种图，直接喂进去多半认出一堆乱码。预处理就是先递一张模型看得清的干净图过去。

如何用：本章用 OpenCV 一步步做灰度、二值化和去噪，每一步都拿同一张烂图对比前后效果。

5.1 先装 OpenCV

pip install opencv-python

版本说明：OpenCV 当前最新是 5.0.0.93。但注意 EasyOCR 会带 opencv-python-headless，PaddleOCR 则由 paddlex 固定 opencv-contrib-python==4.10.0.84——三者都提供同一个 cv2 模块，同一环境里只能留一个，详见 5.5。

5.2 灰度：去掉颜色噪音

import cv2

img = cv2.imread('test.png', cv2.IMREAD_GRAYSCALE)   # 1 通道灰度图
cv2.imwrite('gray.png', img)

彩色图里的渐变、彩色噪点会干扰后面的阈值分割；先转灰度，文字和背景的明暗差才拉得开。

5.3 二值化：黑白分明

_, binary = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)  # 阈值 150
cv2.imwrite('binary.png', binary)

threshold 的规则是：像素值 > 阈值 → 255（白），≤ 阈值 → 0（黑）。所以选阈值就是选「文字和背景的分界线」：

类型	适用场景	说明
`THRESH_BINARY`	亮背景 + 暗文字（绝大多数截图）	背景变白、文字变黑
`THRESH_BINARY_INV`	暗背景 + 亮文字（深色模式、翻拍）	背景变黑、文字变白

口诀：亮底暗字用 BINARY，暗底亮字用 INV；阈值卡在文字和背景中间。

阈值没有万能值：文字灰度约 60、背景灰度约 220，阈值取 140 左右最好；先取 128~160 试，再按效果微调。

5.4 去噪与放大：小字救命

# 高斯模糊（降低高频噪音）
blurred = cv2.GaussianBlur(img, (5, 5), 0)

# 放大 2 倍
resized = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)

和 EasyOCR 的 mag_ratio 原理一样，放大是提升小字命中率最有效的手段（放大后再二值化再识别）。模糊别过头——它会让细笔画糊成一团。

5.5 光照不均：自适应二值化

普通阈值是「一刀切」：整张图用同一个分界线。但手机拍的照片常常一半亮一半暗（有阴影），这时一刀切必然顾此失彼——亮的一边好好的，暗的一边文字糊成黑块。

自适应阈值（adaptive threshold）的思路是：分区域来定阈值，每个小块按自己的亮度算分界线：

binary = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                               cv2.THRESH_BINARY, blockSize=31, C=2)

参数	含义	调整方向
`blockSize`	每个小块的边长（必须是奇数）	块越大越平滑，块太小容易把笔画切断
`C`	从局部均值里减掉的偏移量	调大 → 更多像素判为黑（文字更粗）

用不上自适应就别用：它比普通阈值慢，而且干净截图上效果反而更差。先试普通阈值，不行再上自适应。

5.6 链条式预处理管线

def preprocess(img_path, threshold=150, scale=2):
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    if img is None:
        raise FileNotFoundError(f'读不出图片：{img_path}')

    # 1. 放大
    img = cv2.resize(img, None, fx=scale, fy=scale, interpolation=cv2.INTER_CUBIC)

    # 2. 去噪
    img = cv2.GaussianBlur(img, (5, 5), 0)

    # 3. 二值化
    _, binary = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)

    return binary

binary_img = preprocess('test.png', threshold=130, scale=2)
cv2.imwrite('preprocessed.png', binary_img)

常见场景的参数经验：

场景	阈值	放大
手机截图（亮背景）	140–160	1.5–2
扫描件 / 深色模式（暗背景）	90–110 + `BINARY_INV`	2–3
代码截图（小字）	120–140	2–3

5.7 常见翻车现场

报错 / 现象	原因	修法
`import cv2` 报错	多个 OpenCV 发行版打架	`pip list \| findstr opencv`，只留一个
`cv2.imshow` 报 `can't display`	装成了 headless 版	装 `opencv-python`（非 headless）
二值化后文字糊成一团	阈值压到笔画里了	阈值往上调 10~20 再试
二值化后背景全是黑字	暗底亮字用了 `BINARY`	改用 `THRESH_BINARY_INV`
放大后识别反而更差	模糊过度	去掉高斯模糊，或把核从 (5,5) 降到 (3,3)

5.8 动手改

找一张暗图 / 小图，分别跑原图和预处理图，对比 EasyOCR 的命中率
调整 threshold 和 scale，把二值化结果存成 png 肉眼看效果
写个脚本：遍历文件夹，批量预处理并识别

5.9 小结

预处理四步：灰度 → 放大 → 去噪 → 二值化
阈值按「文字 vs 背景」的灰度分界来定，暗底亮字记得用 BINARY_INV
放大 + 阈值调优是小字暗图的救星
一个环境只留一个 OpenCV 发行版

下一章：综合练习：批量图片转文本 🐸