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.