如何提高 canny 边缘的清晰度以改善检测？

Question

我正在尝试检测覆盖在移动背景上的文本。我已经使用 canny 几乎完美地去除了背景，但我留下了几乎模糊的文本，我无法获得清晰的检测。

例如，对于 canny，我似乎无法获得比 96% 更好的匹配率。然而，如果我换回仅使用 matchTemplate 而不使用 canny，我可以在同一张图像上获得大约 98% 的匹配率。

我有数千张图像，其中一些像上面的图像是简单的拉丁字符，但我也有很多亚洲字符集和西里尔文字。例如，虽然上面的示例确实返回了 96% 的阳性检测结果，但下面的示例则下降了 40-50%。

我将图像加载到数组中，并生成精明的帧来运行检测。我使用 ImageGrab 获取屏幕裁剪，将其加载到 numpy 数组中，使用 GuassianBlur 模糊边缘，然后对模糊图像运行检测。然后我返回边缘来运行检测。

对于我的实际检测，我使用 matchTemplate。我迭代加载的图像，从检测中获取最大值，如果它大于 90，我会将其打印到终端。

import cv2 as cv
import numpy as np
import glob
from PIL import ImageGrab

def loadImages(directory):
    image_list = []
    for i in directory:
        img = cv.imread(i, cv.IMREAD_GRAYSCALE)
        image_list.append((img))
    return image_list

def videoLoop():
    haystack_img = ImageGrab.grab(bbox=(750, 33, 1150, 70))
    haystack_img_np = np.array(haystack_img )
    img_blur = cv.GaussianBlur(haystack_img_np, (3,3), 0)
    edges = cv.Canny(image=img_blur, threshold1=200, threshold2=500)
    return edges

def shipDetection(image_list, threshold, haystack, a):
        for i in image_list:
            result = cv.matchTemplate(haystack, i, cv.TM_CCORR_NORMED)
            min_val, max_val, min_loc, max_loc = cv.minMaxLoc(result)
            if max_val >= 90:
                print(max_val)

def detection():
    test = glob.glob(r"C:\Users\*.png")
    images = loadImages(test)

    while True:
        window = videoLoop()
        shipDetection(images, 0.96, window)

detection()

我想要运行检测的图像是使用它生成的；

import numpy as np
import cv2
import os
import sys
from pathlib import Path

if __name__ == "__main__":

    image_dir = r"C:\test\images"
    output_dir = r"C:\test\canny"

    for _, _, image_names in os.walk(image_dir):
        for image_name in image_names:
            if '.png' in image_name:
                filepath = os.path.join(image_dir, image_name)
                dstpath = os.path.join(output_dir, image_name)
                image = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)
                img_blur = cv2.GaussianBlur(image, (3,3), 0)
                edges = cv2.Canny(image=img_blur, threshold1=200, threshold2=400)
                cv2.imwrite(dstpath, edges)