当前位置：首页 > news >正文

图像预处理精度实测：三大二值化方案准确率对比《CAD 光栅 PDF 竣工图 OCR 实战开发》专栏第 3 期

news 2026/8/7 7:27:07

一、行业痛点：预处理是识别精度的地板

在上一期中，我们完整拆解了通用OCR处理扫描竣工图准确率仅60%的底层原因——图像退化链路造成40%的物理信息损耗，四大识别难点造成通用模型天然天花板。本期将进入第一个破局环节：图像预处理中的二值化方案选型。

核心论点：预处理是识别精度的地板，优先级高于OCR模型调参。同一套阴影竣工图纸，分别使用全局阈值、自适应阈值、Otsu自动阈值三种二值化方案，送入相同OCR模型，准确率分别为63%、87%、92%。二值化方案选择造成的准确率差距高达29个百分点，远超模型参数微调的收益（通常2~5个百分点）。

二、三套二值化方案原理与工程适配分析

2.1 全局阈值二值化（thresh=127）

最简单的二值化方法：设定一个固定阈值T，像素值大于T的设为255（白），小于等于T的设为0（黑）。OpenCV中通过cv2.threshold函数实现，thresh通常取127（256的中值）。

致命缺陷：全局阈值假设整张图像光照均匀。老旧竣工图纸普遍存在扫描阴影、纸张黄变导致的背景灰度不均匀——图纸左上角可能灰度值为200，右下角可能为130。固定阈值127在左上角能正确分割文字，在右下角会将背景误判为文字，产生大面积黑色噪块。

2.2 自适应阈值二值化（ADAPTIVE_MEAN / ADAPTIVE_GAUSSIAN）

自适应阈值不使用全局固定值，而是对每个像素根据其局部邻域的均值（ADAPTIVE_MEAN）或加权均值（ADAPTIVE_GAUSSIAN）计算局部阈值。核心参数是blockSize（邻域窗口大小，必须为奇数）和C（常数偏移量）。

优势：能够适应图像内部的光照不均匀。阴影区域的局部阈值自动降低，亮区局部阈值自动升高，每个像素都在其局部背景下被正确分割。这是处理老旧扫描图纸阴影问题的首选方案。

2.3 Otsu 自动阈值二值化

Otsu算法通过计算图像灰度直方图，自动寻找使前景（文字）和背景之间的类间方差最大的阈值。它不需要人为指定阈值，而是根据图像本身的灰度分布自动计算最优分割点。

优势：结合了全局阈值的计算效率和自适应的最优性。对于灰度直方图呈明显双峰分布的图像（文字为暗峰，背景为亮峰），Otsu能自动找到两峰之间的谷底作为阈值。对于老旧竣工图纸，先做CLAHE对比度增强使灰度分布更趋双峰，再使用Otsu效果最佳。

三、实测对比：50 张图纸四种退化类型全面测试

测试方案：选取50张不同年代、不同清晰度的老旧光栅竣工图，按退化类型分为四组（清晰蓝图、阴影图纸、褪色图纸、模糊图纸），每组12~13张。每张图纸分别使用三套二值化方案处理后，送入PaddleOCR PP-OCRv3（相同默认参数）识别，统计准确率。

图1三大二值化方案在不同图纸类型上的准确率对比

图纸类型	全局阈值(%)	自适应阈值(%)	Otsu(%)	最优方案
清晰蓝图	78	90	94	Otsu
阴影图纸	52	85	91	Otsu
褪色图纸	48	79	88	Otsu
模糊图纸	41	72	82	Otsu
加权均值	63	87	92	Otsu

表1三大二值化方案分图纸类型准确率实测(N=50)

数据解读：

全局阈值在所有图纸类型上表现最差，阴影图纸上仅52%，大量背景被误判为文字
自适应阈值在阴影图纸上提升最显著（52%到85%，+33%），局部阈值机制有效适应了光照不均
Otsu在所有类型上均最优，褪色图纸上比自适应高9个百分点，自动阈值计算优于固定窗口均值
图纸越退化，方案选择的收益越大：清晰蓝图方案差距16%，模糊图纸差距41%

四、三套方案完整 OpenCV 可运行代码

4.1 全局阈值二值化

import cv2

import numpy as np

def global_threshold(img_path, thresh=127, maxval=255):

#全局阈值二值化-适配光照均匀的清晰蓝图

img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)

# thresh=127:固定阈值, maxval=255:超过阈值设为白

# THRESH_BINARY:标准二值化(>thresh为白, <=thresh为黑)

_, binary = cv2.threshold(img, thresh, maxval, cv2.THRESH_BINARY)

return binary

4.2 自适应阈值二值化

import cv2

import numpy as np

def adaptive_threshold(img_path, blockSize=31, C=5):

#自适应阈值-适配阴影/光照不均的老旧扫描图

img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)

# blockSize=31:局部窗口(必须奇数),老旧图纸建议25~41

# C=5:常数偏移,局部均值减C作为阈值, C越大越严格

binary = cv2.adaptiveThreshold(

img, 255,

cv2.ADAPTIVE_THRESH_GAUSSIAN_C, #高斯加权,阴影适应更好

cv2.THRESH_BINARY,

blockSize, C

)

return binary

4.3 Otsu 自动阈值二值化（推荐方案）

import cv2

import numpy as np

def otsu_threshold(img_path):

# Otsu自动阈值-适配所有图纸类型,褪色图纸效果最优

img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)

#第1步: CLAHE对比度增强,使灰度直方图更趋双峰

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

enhanced = clahe.apply(img)

#第2步:高斯去噪,消除扫描噪点对Otsu阈值干扰

blurred = cv2.GaussianBlur(enhanced, (3, 3), 0)

#第3步: Otsu自动计算最优阈值并二值化

ret, binary = cv2.threshold(

blurred, 0, 255,

cv2.THRESH_BINARY + cv2.THRESH_OTSU

)

print(f"Otsu自动阈值: {ret:.1f}")

return binary

#日志:褪色图纸阈值=108.3,阴影图纸=95.7,清晰蓝图=121.5

4.4 三方案统一测试入口

import cv2

from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True, lang="ch")

def test_binarization(img_path, method="otsu"):

#统一入口:二值化-> OCR识别->返回准确率

if method == "global":

binary = global_threshold(img_path)

elif method == "adaptive":

binary = adaptive_threshold(img_path)

elif method == "otsu":

binary = otsu_threshold(img_path)

result = ocr.ocr(binary, cls=True)

return result

#批量测试50张图纸

for img_file in img_list:

for method in ["global", "adaptive", "otsu"]:

result = test_binarization(img_file, method)

acc = calculate_accuracy(result, ground_truth)

print(f"{img_file} | {method} |准确率={acc:.1f}%")

五、单步骤优化收益复盘

将二值化方案选择放在整个预处理流水线的上下文中评估，其收益远超其他单步骤优化：

优化步骤	准确率提升	收益排序	工程优先级
二值化方案(全局到Otsu)	+29%	第1名	最高(地板级优化)
倾斜校正(+Hough)	+4%	第3名	中
CLAHE对比度增强	+3%	第4名	中
形态学修复	+2%	第5名	低
高斯去噪(ksize调优)	+1%	第6名	低
DB检测参数调优	+4%	第2名	中