c++ - opencv BGR2GRAY 和 Pillow 转换函数之间的区别

Question

我正在尝试使用带有 opencv 和 c++ 的 Tesseract 库对包含数字和字符的图像进行 OCR。在调用 tesseract 库之前，我曾经用 opencv 对图像进行灰度化

cvtColor(roiImg,roiImg,CV_BGR2GRAY);

这是

这张图片的 OCR 结果并非 100% 准确。

然后用 python 的 pillow 库测试了相同的图像。使用以下方法对原始图像进行灰度化。

gray = image.convert('L')

这是

后者提到的灰度图像给出了 100% 准确的结果。

我在互联网上搜索后提到 opencv BGR2Gray 和 pillow img.convert 方法都使用相同的亮度变换算法。

两个不同的OCR结果是什么原因？

提前致谢

Answer 1

Pillow对于彩色图像只能读取 3x8 位像素。

这里有一个快速测试，看看两个库如何舍入值:

• OpenCV代码:

  cv::Mat img(2, 1, CV_8UC3), img_gray;
  img.at<cv::Vec3b>(0, 0) = cv::Vec3b(248, 249, 249); //BGR
  img.at<cv::Vec3b>(1, 0) = cv::Vec3b(249, 248, 248); //BGR
  
  cv::cvtColor(img, img_gray, cv::COLOR_BGR2GRAY);
  std::cout << "img:\n" << img << std::endl;
  std::cout << "img_gray:\n" << img_gray << std::endl;
  
  float val1 = 249*0.299f + 249*0.587f + 248*0.114f; //RGB
  float val2 = 248*0.299f + 248*0.587f + 249*0.114f; //RGB
  std::cout << "val1=" << val1 << std::endl;
  std::cout << "val2=" << val2 << std::endl;
  

img:

[248, 249, 249;

249, 248, 248]

img_gray:

[249;

248]

val1=248.886

val2=248.114

• Python代码:

  rgbArray = np.zeros((2,1,3), 'uint8')
  rgbArray[0,0,0] = 249 #R
  rgbArray[0,0,1] = 249 #G
  rgbArray[0,0,2] = 248 #B
  rgbArray[1,0,0] = 248 #R
  rgbArray[1,0,1] = 248 #G
  rgbArray[1,0,2] = 249 #B
  
  img = Image.fromarray(rgbArray)
  imgGray = img.convert('L')
  
  print("rgbArray:\n", rgbArray)
  print("imgGray:\n", np.asarray(imgGray))
  print("np.asarray(imgGray).dtype: ", np.asarray(imgGray).dtype)
  

rgbArray:

[[[249 249 248]]

[[248 248 249]]]

imgGray:

[[248]

[248]]

np.asarray(imgGray).dtype: uint8