图像预处理算法：灰度化与缩放如何提升 OCR 效果
OCR 文字识别的技术挑战与破局之道
光学字符识别（Optical Character Recognition, OCR）是将图像中的文字内容转化为可编辑文本的关键技术，广泛应用于文档数字化、票据识别、车牌提取等场景。然而，在真实业务中，输入图像往往存在光照不均、模糊、倾斜、背景复杂等问题，直接送入模型会导致识别准确率大幅下降。
传统的 OCR 系统通常依赖高质量的扫描件或清晰拍摄图，但在移动端、监控摄像头或老旧档案数字化等场景下，这种假设难以成立。因此，如何在模型推理前对图像进行有效预处理，成为提升 OCR 鲁棒性的核心环节。
本文聚焦于一个基于 CRNN（Convolutional Recurrent Neural Network）架构的轻量级通用 OCR 服务，深入剖析其内置的两大关键图像预处理技术——灰度化与尺寸缩放，揭示它们如何协同作用，显著提升复杂环境下中英文混合文本的识别精度。
CRNN 模型为何需要智能图像预处理？
模型架构回顾：从 ConvNextTiny 到 CRNN 的跃迁
该项目原采用 ConvNextTiny 作为特征提取 backbone，虽具备轻量化优势，但在中文手写体和低质量印刷体识别上表现有限。升级为 CRNN 模型后，整体识别能力实现质的飞跃：
- CNN 部分：提取局部视觉特征（如笔画、边缘）
- RNN 部分（双向 LSTM）：建模字符序列的上下文关系
- CTC 损失函数：实现无需对齐的端到端训练
核心优势：CRNN 能够理解'字序'信息，尤其适合处理无固定格式的自然场景文本，例如发票条目、表格内容或手写笔记。
但即便如此强大的模型，也面临输入数据分布不一致的问题：不同设备拍摄的图片分辨率差异大、色彩噪声干扰多、字体大小不一。这就引出了预处理模块的设计必要性。
图像预处理双引擎：灰度化 + 尺寸缩放
为了确保输入图像符合模型期望的格式并最大化保留语义信息，系统集成了基于 OpenCV 的自动预处理流水线。其中，灰度化与尺寸缩放是最基础也是最关键的两个步骤。
1. 灰度化：剥离冗余色彩，突出文字结构
为什么要做灰度化？
彩色图像包含 RGB 三个通道，每个像素需存储 3 个数值（0~255），而大多数 OCR 任务中，颜色本身并不携带语义信息。相反，色彩偏差（如偏黄的老化纸张、阴影遮挡）会引入噪声，影响边缘检测和特征提取。
通过灰度化，我们将图像转换为单通道强度图，仅保留亮度信息，具有以下优势：
- 减少计算量（通道数从 3→1）
- 增强对比度，便于后续二值化处理
- 抑制非结构性干扰（如背景花纹、渐变色）
技术实现原理
最常用的灰度化公式为加权平均法，考虑人眼对不同颜色的敏感度：
import cv2
import numpy as np
def rgb_to_grayscale(image: np.ndarray) -> np.ndarray:
"""
使用标准权重将 RGB 图像转为灰度图
权重来源：ITU-R BT.601 标准
"""
return cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 示例调用
img = cv2.imread("invoice.jpg")
gray_img = rgb_to_grayscale(img)
cv2.imwrite("gray_invoice.jpg", gray_img)
注释说明：
