牛奶盒喷码字符识别（基于opencv）————（一）图片预处理
我的环境：
Win 10
python 3.6.3
import cv2
import numpy as np
import math
效果：
还是老规矩，先上图
不受光照影响，噪点完全消除。
要做到高识别率的话，我先给大家分析一下难点：（避坑指南）
1.杂点太多，会影响分割
2.亮度不一，会影响阈值处理
3.断点字符，影响分割和识别
开始吧！
图片预处理：
这一点非常重要，图片处理不当，无法分割字符直接影响到后续的操作。
步骤：
1. 原图去噪二值化：
这里我直接使用中值滤波函数，然后阈值处理（为了避免光照影响，必须采用自适应阈值cv2.adaptiveThreshold函数，参数可根据自己实际情况调整）
img=cv2.medianBlur(img,5)
img = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,101,41)
2. 再一次去噪：
可以发现我们已经去除了大部分噪点，但是还是有一些漏网之鱼，我们对原图在进行一次闭运算，选用椭圆核
kernel1 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(9, 9))
img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel1)
3. 膨胀
由于切割算法基于每一行，每一列的像素投影，断点会影响切割效果，所以进行膨胀操作，依然选择椭圆核
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(6, 6))
img = cv2.erode(img, kernel)
到这里，已经完全去除了噪声影响，可以进行下一步分割了。
想了想 还是分为三篇写吧，增加一些文章数 哈哈