图像增强：

有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要，图像增强可分成两大类：频率域法和空间域法。

频率域法是把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。

空域法是对图像中的像素点进行操作，用公式描述如下：

g(x,y)=f(x,y)*h(x,y)

其中是f(x,y)是原图像；h(x,y)为空间转换函数；g(x,y)表示进行处理后的图像。

图像差分：

选取背景中的一幅或几幅图像的平均作为背景图像，然后把特定图像和背景图像相减，以削弱图像的相似部分，突出显示图像的变化部分。

基于上述原理，我司设计了一种背景干扰下的字符识别算法。如下图为一种产品的生产日期字符，其中“22：19”下方的“原味”尤为突出，在字符的提取过程中造成较大干扰，单纯地通过阈值等操作很难提取。我司设计的基于图像增强和图像差分算法可以彻底地去除“原味”背景，是字符提取过程中的重要一步，效果如下：

         图1    拍摄原图

                   图2    处理后增强效果图

由增强图可以看出，“22：19”字符和“原味”背景的对比度更为明显

            图3    处理后结果图

由结果图可以看出，处理后的图像中背景被完全去除，字符清晰地呈现出来，后期通过简单的阈值分割即可准确提取字符，解决了复杂背景下的字符识别问题。

该算法可应用于：

1.食品包装袋图案背景上的字符识别

2.缺陷检测中背景去除

3.深度学习中目标物提取