如何使用 OpenCV 检测大量白色像素的区域？

Question

我想检测图像中的徽标以将其删除。我有一个想法是寻找具有大量像素然后删除的对象。另一个想法是遍历所有白色像素（我已经反转了我的图像）并寻找形成大区域的像素，然后删除该区域。有没有比这个更好的算法。此外，OpenCV 中的哪些方法可以帮助我检测大像素数的对象。

Answer 1

您可以使用形态过滤器（可能是交替顺序过滤器）来简化您的多色图像，然后使用分水岭或某些粒度方法等分割算法并选择最大的对象。您可能会在网上找到几个实现。但这仅在徽标是离散的（例如不在背景上）时才有效

Answer 2

我有办法做到这一点。我不知道这种方法是否适用于所有人，但在这里效果很好。

下面是代码（Python）：

首先将图像转换为灰度，调整图像大小，应用阈值，并制作与调整大小的灰度图像相同大小和类型的蒙版图像。 （蒙版图像只是黑色图像）

import cv2
import numpy as np

img = cv2.imread('bus.png')
img = cv2.resize(img,(400,500))
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,gray = cv2.threshold(gray,127,255,0)
gray2 = gray.copy()
mask = np.zeros(gray.shape,np.uint8)

现在在阈值图像中找到轮廓。过滤 500 到 5000 之间区域的轮廓。它很可能是一个大的白色斑点，显然不是字母。 （记住，这个区域是这个图像的特殊区域。我不知道你的其他图像。你必须自己找到它）。现在在填充了白色的蒙版图像上绘制此轮廓。

contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    if 200<cv2.contourArea(cnt)<5000:
        cv2.drawContours(img,[cnt],0,(0,255,0),2)
        cv2.drawContours(mask,[cnt],0,255,-1)

Below is the detected contour image:

Next is the mask image:

现在您使用cv2.bitwise_not 函数反转图像。您可以选择在我们提供遮罩图像的地方提供遮罩，以便该功能仅在输入图像中遮罩图像中有白色的区域上运行。

cv2.bitwise_not(gray2,gray2,mask)

最后显示图片：

cv2.imshow('IMG',gray2)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

---

注意：

上述方法用于将“ORANGE”保留在白色方块中。这就是为什么存在一些文物的原因。如果你也不想要那个橙色，它会更准确。

只需找到区域过滤轮廓的边界矩形并绘制填充黑色的矩形。

代码：

import cv2
import numpy as np

img = cv2.imread('bus.png')
img = cv2.resize(img,(400,500))
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,gray = cv2.threshold(gray,127,255,0)
gray2 = gray.copy()

contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    if 200<cv2.contourArea(cnt)<5000:
        (x,y,w,h) = cv2.boundingRect(cnt)
        cv2.rectangle(gray2,(x,y),(x+w,y+h),0,-1)

cv2.imshow('IMG',gray2)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

检测到的边界矩形：

然后用黑色填充这些矩形：

比以前的要好，当然如果你不想要“ORANGE”）