OpenCV—python 发票印章去除或分割（图像内容识别预处理）
前言
在做发票内容识别时，发现发票的印章遮挡住文字信息，尤其在合计金额处，导致这一处的信息提取出问题，于是想到去除发票印章。
思路一：通过颜色通道获取所需信息图
（代码主要是参考 http://www.deanhan.com/2018/06/15/channel/）
- 读取原始图像A
- 提取图像的红色通道，得到红色通道灰度值图片B
- 计算B的统计直方图C，确定最佳的阈值threshold
- 根据阈值，对B进行二值化，得到最终图片D
- （可选）应用膨胀算子对D进行操作，得到图片E
#去除印章
import cv2
import numpy as np
import matplotlib.pyplot as plt
image0=cv2.imread("fapiao.png",cv2.IMREAD_COLOR) # 以BGR色彩读取图片
image = cv2.resize(image0,None,fx=0.5,fy=0.5,
interpolation=cv2.INTER_CUBIC) # 缩小图片0.5倍（图片太大了）
cols,rows,_=image.shape # 获取图片高宽
B_channel,G_channel,R_channel=cv2.split(image) # 注意cv2.split()返回通道顺序
cv2.imshow('Blue channel',B_channel)
cv2.imshow('Green channel',G_channel)
cv2.imshow('Red channel',R_channel)
pixelSequence=R_channel.reshape([rows*cols,]) # 红色通道的histgram 变换成一维向量
numberBins=256 # 统计直方图的组数
plt.figure() # 计算直方图
manager = plt.get_current_fig_manager()
histogram,bins,patch=plt.hist(pixelSequence,
numberBins,
facecolor='black',
histtype='bar') # facecolor设置为黑色
#设置坐标范围
y_maxValue=np.max(histogram)
plt.axis([0,255,0,y_maxValue])
#设置坐标轴
plt.xlabel("gray Level",fontsize=20)
plt.ylabel('number of pixels',fontsize=20)
plt.title("Histgram of red channel", fontsize=25)
plt.xticks(range(0,255,10))
#显示直方图
plt.pause(0.05)
plt.savefig("histgram.png",dpi=260,bbox_inches="tight")
plt.show()
#红色通道阈值(调节好函数阈值为160时效果最好，太大一片白，太小干扰点太多)
_,RedThresh = cv2.threshold(R_channel,160,255,cv2.THRESH_BINARY)
#膨胀操作（可以省略）
element = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))
erode = cv2.erode(RedThresh, element)
#显示效果
cv2.imshow('original color image',image)
cv2.imshow("RedThresh",RedThresh)
cv2.imshow("erode",erode)
# 保存图像
cv2.imwrite('scale_image.jpg',image)
cv2.imwrite('RedThresh.jpg',RedThresh)
cv2.imwrite("erode.jpg",erode)
cv2.waitKey(0)
cv2.destroyAllWindows()
思路二：通过HSV颜色空间先提取印章，再获取所需信息
关于颜色空间查看：https://blog.csdn.net/wsp_1138886114/article/details/80660014
---------------------提取印章---------------------
import cv2
import numpy as np
np.set_printoptions(threshold=np.inf)
image=cv2.imread("fapiao.png")
hue_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
low_range = np.array([150, 103, 100])
high_range = np.array([180, 255, 255])
th = cv2.inRange(hue_image, low_range, high_range)
index1 = th == 255
img = np.zeros(image.shape, np.uint8)
img[:, :] = (255,255,255)
img[index1] = image[index1]#(0,0,255)
cv2.imshow('original_img', image)
cv2.imshow('extract_img', img)