【短道速滑八】文字影像背景純淨化（含光照不均勻圖）演算法初探。

文字影像在影像處理中也是佔用了一個比較大的空間，市面上也有著不少這方面的專業軟體，其中有一個比較重要的過程就是對文字影像背景的純化，因為背景複雜了後，對於後續的識別，包括二值化都會帶來不利的影響。本文介紹三種不同的背景純化方式。

第一種方式：借用Photoshop的一個演算法，名字叫影印，英文名是PhotoCopy，這個演算法的效果如下：

這裡借用了一個網路上的圖片，細節和暗度的引數分別為5和10，執行完成後進行了反色操作。

這個演算法的核心還是高斯模糊，細節引數就是高斯模糊的半徑。

第二個演算法：使用了一個網友的提供的演算法，就叫他背景移除演算法吧。

具體的可以在https://www.cnblogs.com/jsxyhelu這個大俠的部落格中查詢。

這個演算法的基礎其實也是高斯模糊，一個簡答的程式碼如下所示：

    for (int Y = 0; Y < Height * Width; Y++)
    {
        if (Blur[Y] != 0)    Dest[Y] = IM_ClampToByte(Src[Y] * 255 / Blur[Y]);
    }

第三個演算法：我們姑且叫他背景純化吧。

這個演算法呢和Sauvola二值化有一定的聯絡，我們知道Sauvola二值化一直是區域性閾值方法的標杆，他的核心是計算某個區域性區域的的均值和方差，這裡也是把影像先分塊，然後按照某種原則，計算每個塊內的均值和方差，接著呢對每個畫素位置使用均布均值和方差按照一定的原則確定其最後的顯示值，當然，由於只計算了塊內的方差和均值，因此，每個畫素處的均值和方差可以用類似CLAHE演算法裡的方式進行插值獲取，或者已經有的資料進行曲線擬合後在計算得到，前者速度快，後者更精確。