使用Python从图像中删除特定颜色的所有内容（具有颜色变化容差）。

Question

使用Python从图像中删除特定颜色的所有内容（具有颜色变化容差）。

pythonopencvimage-processingcolorspython-imaging-library

3

我有一些文本是蓝色 #00a2e8，还有一些黑色文本在 PNG 图像上（白色背景）。

如何使用 Python PIL 或 OpenCV 删除图像中的所有蓝色内容（包括蓝色文本），并对颜色变化有一定的容忍度？

实际上，每个文本像素的颜色并不完全相同，存在蓝色的变化和阴影。

这是我想到的：

从 RGB 转换为 HSV
查找蓝色的 Hue h0
对于 Hue 在区间 [h0-10, h0+10] 中的 Numpy 掩码
将这些像素设置为白色

在编写代码之前，是否有更标准的方法可以使用 Python PIL 或 OpenCV 实现此功能？

示例 PNG 文件：应删除 foo 和 bar 块

- Basj

1

你刚刚问如何使用cv.inRange？ - Christoph Rackwitz

请查看 https://dev59.com/12gu5IYBdhLWcg3w9br_ - Jeru Luke

当你“移除”蓝色时，会剩下什么？会是黑色吗？还是白色？或者是透明的？ - Mark Setchell

@MarkSetchell 白色。如果您有任何想法，感谢！示例PNG：https://i.stack.imgur.com/nwP8M.png - Basj

3个回答

0

我认为你正在寻找函数inRange：

thresh = 5
bgr = [255 - thresh, thresh , thresh ]
minBGR = np.array([bgr[0] - thresh, bgr[1] - thresh, bgr[2] - thresh])
maxBGR = np.array([bgr[0] + thresh, bgr[1] + thresh, bgr[2] + thresh])
maskBGR = cv2.inRange(image, minBGR, maxBGR)
resultBGR = cv2.bitwise_or(image, maskBGR)

- Duloren

谢谢@duloren。你会用哪个bgr和thresh来处理这个例子？https://i.stack.imgur.com/nwP8M.png 要去除的颜色是十六进制 #00a2e8。你有适用于这种情况的示例吗？ - Basj

0

我想提出一种不同的方法。我的基本思路是将图像从BGR转换为LAB颜色空间，并确定是否可以分离出蓝色区域。这可以通过专注于LAB中的b分量来完成，因为它代表从黄色到蓝色的颜色。代码

img = cv2.imread('image_path', cv2.IMREAD_UNCHANGED)
lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
b_component = lab[:,:,2]

注意：蓝色区域实际上相当暗，因此可以轻松地隔离出来。

th = cv2.threshold(b_component,127,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)[1]

但是在应用阈值后，图像中包含一些不想考虑的数字文本区域周围的不必要的白色像素。

为了避免不需要的区域，我尝试了以下方法：

查找面积大于某个值的轮廓，并将它们绘制在2通道掩模上
对每个轮廓的矩形边界框区域进行掩蔽
定位该边界框区域内阈值图像上值为255（白色）的像素
将这些像素值在原始PNG图像上改变为白色。

代码如下：

# finding contours
contours = cv2.findContours(th, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contours = contours[0] if len(contours) == 2 else contours[1]

# initialize a mask of image shape and make copy of original image
black = np.zeros((img.shape[0], img.shape[1]), np.uint8)
res = img.copy()

# draw only contours above certain area on the mask
for c in contours:
    area = cv2.contourArea(c)
    if int(area) > 200:
            cv2.drawContours(black, [c], 0, 255, -1)

如果您看到以下掩码，则已将轮廓内的所有像素都用白色包围起来。但是，单词“bar”内的像素不应被考虑在内。

只隔离蓝色像素区域，我们使用阈值图像“AND”运算。

mask = cv2.bitwise_and(th, th, mask = black)

我们得到了实际想要的口罩。在mask中是白色的区域，在原始图像的副本res中也被变成了白色。

res[mask == 255] = (255, 255, 255, 255)

但上述图像并不完美。单词“foo”的边缘周围仍有一些区域可见。接下来，我们会膨胀“mask”并重复操作。

res = img.copy()
kernel_ellipse = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
dilate = cv2.dilate(mask, kernel_ellipse, iterations=1) 
res[dilate == 255] = (255, 255, 255, 255)

注意：使用LAB颜色空间的A和B分量，您可以轻松地分离不同的颜色，而无需花费时间寻找范围。还可以分割具有相邻阴影和饱和度的颜色。

- Jeru Luke

这里再次使用“滑动条”可能会很有用。 - fmw42

@fmw42 是的，我同意。 - Jeru Luke

不可复制 - undefined

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Mark Setchell · Accepted Answer

您的图像存在一些问题。首先，它具有完全不必要的 alpha 通道，可以忽略。其次，您的蓝色周围的颜色与蓝色相差相当大！

我使用了您计划中的方法，发现移除效果非常差：

#!/usr/bin/env python3

import cv2
import numpy as np

# Load image
im = cv2.imread('nwP8M.png')

# Define lower and upper limits of our blue
BlueMin = np.array([90,  200, 200],np.uint8)
BlueMax = np.array([100, 255, 255],np.uint8)

# Go to HSV colourspace and get mask of blue pixels
HSV  = cv2.cvtColor(im,cv2.COLOR_BGR2HSV)
mask = cv2.inRange(HSV, BlueMin, BlueMax)

# Make all pixels in mask white
im[mask>0] = [255,255,255]
cv2.imwrite('DEBUG-plainMask.png', im)

这样就得到了这个结果：

如果你扩大范围，以获得更加平滑的边缘，你会开始影响到绿色字母，因此我膨胀了掩模，使空间上靠近蓝色的像素以及在色彩上靠近蓝色的像素都变成白色：

# Try dilating (enlarging) mask with 3x3 structuring element
SE   = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
mask = cv2.dilate(mask, kernel, iterations=1)

# Make all pixels in mask white
im[mask>0] = [255,255,255]
cv2.imwrite('result.png', im)

这将为您提供以下效果：

您可能希望对其他图像的实际值进行微调，但原理是相同的。