tesseract OCR 文本识别的最大挑战之一是图像的不均匀照明。我需要一种算法来确定图像是否包含不均匀的照明。

测试图像

我附上了no illumination image,glare image( white-spotted image)和的图像shadow containing image。如果我们给算法一个图像，算法应该分为两类

1. 没有不均匀的照明 - 我们no illumination image将属于这一类。
2. 不均匀的照明 - 我们的glare image( white-spotted image), shadow containing image将属于这一类。

无照明图像 - A 类

不均匀照明图像（眩光图像（白斑图像））B 类

不均匀照明图像（包含图像的阴影）B 类

初始方法

1. 将色彩空间更改为 HSV

2. HSV值通道直方图分析识别光照不均。

代替前两步，我们可以使用感知亮度通道代替HSV的值通道

3. 设置低阈值以获取小于低阈值的像素数

4. 设置高阈值以获取高于高阈值的像素数

5. 低像素值百分比和高像素值百分比检测不均匀闪电情况（百分比设置阈值）

但我找不到不均匀照明图像之间的大相似之处。我刚刚通过直方图分析发现有些像素的值较低，而有些像素的值较高。

基本上我的感觉是，如果在低阈值中设置一些阈值并找出有多少像素小于低阈值，并设置一些高阈值以找出有多少像素大于该阈值。有了像素数，我们可以得出结论来检测图像中不均匀的闪电条件吗？这里我们需要敲定两个阈值和像素数的百分比来得出结论。

def  show_hist_v(img_path):
    img = cv2.imread(img_path)
    hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    h,s,v  = cv2.split(hsv_img)
    histr =cv2.calcHist(v, [0], None, [255],[0,255])
    plt.plot(histr) 
    plt.show() 
    low_threshold =np.count_nonzero(v < 50)
    high_threshold =np.count_nonzero(v …