4、图像预处理技术：灰度化、去噪、二值化、倾斜校正、透视变换
各位同学，欢迎来到第四讲。上一章我们聊了图像采集的硬件选型，今天咱们正式进入「让图像变干净」的环节。
说实话，在货架标签识别这个场景里，原始图像的质量往往惨不忍睹。光照不均、角度歪斜、背景杂乱……这些问题如果不处理，后面的OCR识别基本就是白费力气。我最早做这个项目时，就吃过这个亏——采集的图像直接扔进识别模型，结果准确率不到30%。后来老老实实把预处理做扎实，准确率直接飙到95%以上。
好，咱们一个一个来。
4.1 灰度化：去掉颜色，保留结构
为什么要灰度化？说白了，颜色信息对识别标签上的文字和条码来说，基本是冗余的。你想想看，货架标签上的文字是黑白的，条码也是黑白的，保留RGB三个通道只会增加计算量，还容易引入噪声。
常用的灰度化方法有三种：
| 方法 | 公式 | 特点 |
|---|---|---|
| 最大值法 | Gray = max(R, G, B) | 亮度偏高，细节保留一般 |
| 平均值法 | Gray = (R + G + B) / 3 | 均衡，但对比度可能下降 |
| 加权法（推荐） | Gray = 0.299R + 0.587G + 0.114B | 符合人眼感知，效果最好 |
我个人习惯用加权法。OpenCV里一行代码搞定：
import cv2
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)4.2 去噪：把「雪花」扫干净
灰度化之后，下一步就是去噪。货架场景下，噪声主要来自两个地方：一是光照反射产生的亮点，二是摄像头传感器本身的热噪声。
常用的去噪方法有：
- 高斯滤波： 适合去除高斯噪声，对边缘保留较好。我一般用5x5的核。
- 中值滤波： 对椒盐噪声（就是那种黑白点）效果奇好。我在超市货架项目里遇到过标签上有污渍的情况，中值滤波直接搞定。
- 双边滤波： 既能去噪又能保边，但速度慢。适合对质量要求极高的场景。
代码示例：
# 高斯滤波
img_gaussian = cv2.GaussianBlur(img_gray, (5, 5), 0)
# 中值滤波
img_median = cv2.medianBlur(img_gray, 5)
# 双边滤波
img_bilateral = cv2.bilateralFilter(img_gray, 9, 75, 75)4.3 二值化：让文字「跳」出来
二值化的目标很简单——把图像变成纯黑和纯白。这样文字区域就是黑色，背景就是白色，OCR识别起来就轻松多了。
但这里有个坑：货架标签的光照往往不均匀。比如标签上半部分被灯光直射，下半部分在阴影里。如果用全局阈值，要么上半部分过曝，要么下半部分全黑。
怎么办？用自适应阈值。
# 全局阈值（不推荐用于光照不均场景）
_, img_binary = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
# 自适应阈值（推荐）
img_adaptive = cv2.adaptiveThreshold(img_gray, 255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
cv2.THRESH_BINARY, 11, 2)参数说明：11是邻域大小，2是常数修正值。这两个值需要根据实际图像微调。我在项目中一般从11和2开始试，效果不行再调。
4.4 倾斜校正：把歪的标签「掰正」
货架标签很少是正对着摄像头拍的。要么是员工随手一拍，要么是标签贴歪了。倾斜角度一大，OCR识别率直线下降。
怎么做？核心思路是找到图像中的直线，计算角度，然后旋转回来。
具体步骤：
- 用Canny边缘检测提取边缘
- 用霍夫变换检测直线
- 计算直线的平均角度
- 用仿射变换旋转图像
代码示例：
import numpy as np
# 边缘检测
edges = cv2.Canny(img_binary, 50, 150, apertureSize=3)
# 霍夫变换检测直线
lines = cv2.HoughLines(edges, 1, np.pi/180, 200)
# 计算平均角度
angles = []
for rho, theta in lines[:, 0]:
angle = theta * 180 / np.pi - 90
angles.append(angle)
avg_angle = np.mean(angles)
# 旋转校正
(h, w) = img.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, avg_angle, 1.0)
img_rotated = cv2.warpAffine(img, M, (w, h),
flags=cv2.INTER_CUBIC,
borderMode=cv2.BORDER_REPLICATE)4.5 透视变换：从「斜着拍」到「正着看」
倾斜校正只能处理旋转，但解决不了透视变形。什么叫透视变形？就是你从侧面拍一个标签，它看起来是梯形的，而不是矩形。这时候就需要透视变换。
透视变换的原理很简单：找到原始图像中四个角点，映射到目标矩形的四个角点。
步骤：
- 找到标签的四个角点（可以用轮廓检测）
- 定义目标矩形的四个角点
- 计算透视变换矩阵
- 应用变换
# 假设我们已经找到了四个角点 pts_src
# 目标矩形的四个角点
pts_dst = np.array([
[0, 0],
[width-1, 0],
[width-1, height-1],
[0, height-1]
], dtype='float32')
# 计算透视变换矩阵
M = cv2.getPerspectiveTransform(pts_src, pts_dst)
# 应用变换
img_warped = cv2.warpPerspective(img, M, (width, height))4.6 预处理流程总结
好了，五个步骤都讲完了。在实际项目中，我一般按这个流程走：
| 步骤 | 操作 | 目的 |
|---|---|---|
| 1 | 灰度化 | 去除颜色冗余，降低计算量 |
| 2 | 去噪 | 消除光照反射和传感器噪声 |
| 3 | 二值化 | 分离文字和背景 |
| 4 | 倾斜校正 | 纠正旋转角度 |
| 5 | 透视变换 | 纠正透视变形 |
当然，这个顺序不是死的。比如有些场景下，先做透视变换再做二值化效果更好。我建议你们多试几种组合，找到最适合自己数据的那一套。
下一章，咱们聊聊特征提取和匹配。到时候你会看到，预处理做得好，后面的工作有多轻松。