Chỉnh sáng tự động cho văn bản scan

Bạn chụp ảnh/scan tài liệu và có thể độ sáng sẽ không đủ, khi đó bạn có thể chỉnh sửa bằng Photoshop. Bài viết này hướng dẫn cách chỉnh sáng tự động cho văn bản scan bằng OpenCV Python.

Lý thuyết

Đối với ảnh khi scan xong thì thường sẽ tối 1 chút nếu chụp bằng điện thoại. Histogram của ảnh có dạng như hình

Sau đó kéo thanh trượt về đúng vị trí max-value như hình dưới để ảnh đúng sáng

Việc này khá đơn giản, đoạn code bên dưới sẽ giúp bạn làm tự động công việc này. Bên dưới là kết quả được thực hiện tự động bởi thuật toán

Source code

Save đoạn code bên dưới thành file auto_brighness.py

import cv2
import numpy as np
from matplotlib import pyplot as plt

# Automatic brightness and contrast optimization with optional histogram clipping
def automatic_brightness_and_contrast(image, clip_hist_percent=1):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # Calculate grayscale histogram
    hist = cv2.calcHist([gray],[0],None,[256],[0,256])
    hist_size = len(hist)
    
    # Calculate cumulative distribution from the histogram
    accumulator = []
    accumulator.append(float(hist[0]))
    for index in range(1, hist_size):
        accumulator.append(accumulator[index -1] + float(hist[index]))
    
    # Locate points to clip
    maximum = accumulator[-1]
    clip_hist_percent *= (maximum/100.0)
    clip_hist_percent /= 2.0
    
    # Locate left cut
    minimum_gray = 0
    while accumulator[minimum_gray] < clip_hist_percent:
        minimum_gray += 1
    
    # Locate right cut
    maximum_gray = hist_size -1
    while accumulator[maximum_gray] >= (maximum - clip_hist_percent):
        maximum_gray -= 1
    
    # Calculate alpha and beta values
    alpha = 255 / (maximum_gray - minimum_gray)
    beta = -minimum_gray * alpha
    
    '''
    # Calculate new histogram with desired range and show histogram 
    new_hist = cv2.calcHist([gray],[0],None,[256],[minimum_gray,maximum_gray])
    plt.plot(hist)
    plt.plot(new_hist)
    plt.xlim([0,256])
    plt.show()
    '''

    auto_result = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)
    return (auto_result, alpha, beta)

image = cv2.imread('z4195065105621.jpg')

auto_result, alpha, beta = automatic_brightness_and_contrast(image)
print('alpha', alpha)
print('beta', beta)
cv2.imwrite("result.jpg", auto_result)

import cv2

import numpy as np

from matplotlib import pyplot as plt

# Automatic brightness and contrast optimization with optional histogram clipping

def automatic_brightness_and_contrast(image, clip_hist_percent=1):

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Calculate grayscale histogram

hist = cv2.calcHist([gray],[0],None,[256],[0,256])

hist_size = len(hist)

# Calculate cumulative distribution from the histogram

accumulator = []

accumulator.append(float(hist[0]))

for index in range(1, hist_size):

accumulator.append(accumulator[index -1] + float(hist[index]))

# Locate points to clip

maximum = accumulator[-1]

clip_hist_percent *= (maximum/100.0)

clip_hist_percent /= 2.0

# Locate left cut

minimum_gray = 0

while accumulator[minimum_gray] < clip_hist_percent:

minimum_gray += 1

# Locate right cut

maximum_gray = hist_size -1

while accumulator[maximum_gray] >= (maximum - clip_hist_percent):

maximum_gray -= 1

# Calculate alpha and beta values

alpha = 255 / (maximum_gray - minimum_gray)

beta = -minimum_gray * alpha

'''

# Calculate new histogram with desired range and show histogram

new_hist = cv2.calcHist([gray],[0],None,[256],[minimum_gray,maximum_gray])

plt.plot(hist)

plt.plot(new_hist)

plt.xlim([0,256])

plt.show()

'''

auto_result = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)

return (auto_result, alpha, beta)

image = cv2.imread('z4195065105621.jpg')

auto_result, alpha, beta = automatic_brightness_and_contrast(image)

print('alpha', alpha)

print('beta', beta)

cv2.imwrite("result.jpg", auto_result)

Link Jupiter notebook: https://github.com/thigiacmaytinh/TGMTpython/tree/main/brightness

Lý thuyết

Source code

Leave a Reply Cancel reply