从带有Python的图像中删除特定颜色的所有内容（具有颜色变化的耐受性）

Question

我在蓝色＃00A2E8中有一些文本，在png图像（白色背景）上用黑色文字。

如何用python pil或openCV在图像上以蓝色（包括蓝色的文本）删除所有内容，并且对颜色的变化具有一定的容忍度？

的确，文本的每个像素都不是完美的相同的颜色，有变化，蓝色阴影。

这是我在想的是：

• 从RGB转换为HSV
• 查找蓝色的色调H0
• 在间隔[H0-10，H0+10]中为色相做一个numpy掩码。 >
• 在编码此之前，将这些像素设置为白色

，是否有一种更标准的方法可以使用PIL或OPENCV PYTHON来执行此操作？

示例 png file ：foo和bar应删除块

Answer 1

您的图像有一些问题。首先，它具有完全多余的α通道，可以忽略。其次，蓝色周围的颜色与蓝色相当长！

我使用了您的计划方法，发现删除非常差：

#!/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)

这给出了：

如果您扩大了范围，要获得粗糙的边缘，您就开始影响绿色字母因此，在蓝色附近的空间上，像素 是白色的，像素 在蓝色附近：

# 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)

<

a href =“ https：//i.sstatic 。

​具有其他图像的实际值，但原理是相同的。

Answer 2

我想用另一种方法来鸣叫。我的基本想法是将图像从bgr转换为实验室色彩空间如果我可以将区域隔离为蓝色。这可以通过关注实验室的B组件来完成，因为它代表了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： 蓝色区域实际上更暗，因此可以很容易地隔离。）

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

i.sstatic.net/oxokj.jpg“ rel =“ nofollow noreferrer 应用阈值后，图像在包含数字文本的区域周围包含一些不需要的白色像素，我们不想考虑这些文本。

为了避免有多余的区域，我尝试了以下内容：

• 在特定区域上方找到轮廓，并在
• 每个轮廓的矩形边界框架区域上绘制每个区域的每个区域。
• 在阈值图像上的那个边界框区域中找到255（白色）的像素
• 将这些像素值更改为原始PNG图像上的白色。

在下面的代码中：

# 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)

如果您看到以下蒙版，它将所有像素的所有像素都包含在轮廓中。但是，“ bar”一词中的像素应不考虑 。

仅隔离具有蓝色像素的区域，我们执行”和“用阈值图像th

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

我们实际上得到了我们真正想要的掩码。 蒙版中的白色区域在原始图像res的副本中制成白色：

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

但是上面的图像不是不是完美。 Foo一词的边缘周围仍然可以看到一些区域。

在以下内容中，我们扩张掩码并重复。

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： 使用实验室颜色空间的A和B组件，您可以很容易地隔离不同的颜色，而无需花费时间搜索范围。还可以分割带有阴影和饱和的颜色。

Answer 3

我认为您正在寻找功能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)