• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    python 基于opencv去除图片阴影

    一、前言

    如果你自己打印过东西,应该有过这种经历。如果用自己拍的图片,在手机上看感觉还是清晰可见,但是一打印出来就是漆黑一片。比如下面这两张图片:

    因为左边的图片有大片阴影,所以打印出来的图片不堪入目(因为打印要3毛钱,所以第二张图片只是我用程序模拟的效果)。

    那有什么办法可以解决吗?答案是肯定的,今天我们就来探讨几个去除阴影的方法。

    二、如何去除阴影?

    首先为了方便处理,我们通常会对图片进行灰度转换(即将图片转换成只有一个图层的灰色图像)。

    然后我们分析一下,在上面的图片中有三个主色调,分别是字体颜色(黑色)、纸张颜色(偏白)、阴影颜色(灰色)。知道这点后我们就好办了。我们只需要把灰色和白色部分都处理为白色就好了。

    那要我怎么才知道白色和灰色区域呢?对于一个8位的灰度图,黑色部分的像素大致在0-30左右。白色和灰色应该在31-255左右(这个范围只是大致估计,实际情况需要看图片)。如图:

    左边是原图,右边是处理后的图片。我们将灰色和接近白色的部分都处理成了白色。

    那下面我们就开始处理吧。

    三、numpy的ndarray数组

    可能有些读者没有接触过numpy,这里简单说一下。

    numpy是一个第三方的模块,用它我们可以很方便的处理多维数组(ndarray数组)。而图片在OpenCV中的存储方式正好是ndarray,所以我们对数组的操作就是对图片的操作。

    在使用之前我们需要安装一下OpenCV模块:

    pip install opencv-python

    在安装OpenCV时会自动安装numpy。

    下面我们主要是看看布尔索引的操作,先看下面代码:

    import numpy as np
    # 创建一个元素为1, 0, 1, 1的ndarray数组
    arr = np.array([1, 0, 1, 1])
    # 判断数组中有没有0
    res = arr == 0
    # 将数组中为0的元素赋值为10
    arr[res] = 10

    如果没有接触过numpy会不太理解上面的语法。我们来详细说一下:

    1.创建ndarray数组:我们通过np.array可以将现有的列表转换成一个ndarray对象,这个很好理解

    2.判断数组中有没有0:我们可以直接用ndarray对象来判断,比如:arr == 0,他会返回一个元素结构和数量一样的ndarray对象。但是返回的对象原始类型是bool,我们来看看res的输出:

    [False True False False]

    从结果可以看出,我们比较arr==0就是对数组中每个元素进行比较,并返回比较的布尔值。

    3.将数组中为0的元素赋值为10:而最难理解的arr[res]操作。它其实就是拿到res中为True的视图,比如上面的结果是第二个为True则只会返回第二个元素的视图。我们执行下面的代码:

    arr[res] = 10

    就是把对应res为True的部分赋值为10,也就是将arr中值为0的部分赋值为10。

    下面是arr最后的结果:

    [ 1 10 1 1]

    可以看到原本的0处理为了10。

    四、去除阴影

    现在我们知道了布尔索引,我们可以对图片进行处理了。我们只需要读取图片,然后将像素值大于30的部分处理为白色就好了。下面是我们的代码:

    import cv2
    # 读取图片
    img = cv2.imread('page.jpg', 0)
    # 将像素值大于30的部分修改为255(白色)
    img[img > 30] = 255
    # 保存修改后的图片
    cv2.imwrite('res.jpg', img)

    上面的代码非常简单,我们使用cv2.imread函数读取图片,第一个参数是图片路径,第二个参数表示读取为灰度图。我们来看看效果图:

    可以看到阴影部分被很好地去除了。有些字比较模糊,我们可以通过调节灰白色的范围调整。比如:

    img[img > 40] = 255

    具体的值就要根据要处理的图片来决定了。

    五、改进

    对于上面的处理,还可以做一个小小的改进。我们可以让纸张颜色不那么白,我们来看改进后的代码:

    import cv2
    import numpy as np
    img = cv2.imread('page.jpg', 0)
    # 计算灰白色部分像素的均值
    pixel = int(np.mean(img[img > 140]))
    # 把灰白色部分修改为与背景接近的颜色
    img[img > 30] = pixel
    cv2.imwrite('res.jpg', img)

    在上面的代码中我们不再是将灰白色部分设置为255,而是事先计算了一个数值。

    pixel = int(np.mean(img[img > 140]))

    猜测阴影部分的颜色值小于140,因此先索引出图像中大于140的部分。然后求平均值,这样我们算出来的大致就是原图的背景颜色,然后将图片不是文字的部分处理为背景颜色,就是最终结果了。下面是我们的效果图:

    可以看到这次效果要更好了。但是因为背景都是一个颜色,所以看起来还是会有一些差别。

    不过有一点需要说一下,上面的操作只适用于比较简单的图片,比如试卷这种。

    以上就是python 基于opencv去除图片阴影的详细内容,更多关于python 去除图片阴影的资料请关注脚本之家其它相关文章!

    您可能感兴趣的文章:
    • Python OpenCV实现传统图片格式与base64转换
    • 详解Python+opencv裁剪/截取图片的几种方式
    • Python基于Opencv识别两张相似图片
    • python解决OpenCV在读取显示图片的时候闪退的问题
    • 浅谈Python实现opencv之图片色素的数值运算和逻辑运算
    上一篇:python中用ggplot绘制画图实例讲解
    下一篇:python利用appium实现手机APP自动化的示例
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    python 基于opencv去除图片阴影 python,基于,opencv,去除,图片,