[OpenCV][Python]OCV應用CLAHE增強對比

[OpenCV][Python]影像增強對比_自適應直方圖均衡化

在上一篇文章，我們有比較過自適應直方圖均衡化與直方圖均衡化的差異。

本文將主要應用在OCV檢測上，應用這兩種方法將會有那些不一樣的差異。內文中的OCV檢測，主要涵蓋OCR的文字高寬及面積。

測試圖

就利用這看起來雜訊特多的圖。在現實當中沒有乾淨的OCV等著辨識，肯定帶了許多髒汙的，我們要如何完美的呈現文字的特徵來做OCV的檢測呢

OCV（Optical Character Verification）一般譯為「光學文字驗證」。

OCV 主要用於驗證已識別的文字是否與預期的字符匹配。這與 OCR（光學字符識別，Optical Character Recognition）不同，OCR 是識別圖像中的文字，而 OCV 是在已經識別的基礎上進行檢查和驗證，通常應用於工業自動化、條碼和標籤檢驗等領域，以確保印刷或刻印的文字符合規範。

結果圖

直方圖均衡化會根據圖中灰階的分布散落，進而影響強化對比的效果，就會造成若OCV使用了直方圖均衡化，ROI的設定大小就會很大的影響了OCV檢測的結果。相反的自適應直方圖均衡化影響的幅度就較小一點。