当同时存在白色和黑色背景时，如何将整个图像的背景转换为白色？

Question

表单图像包含不同背景的文本。图像需要转换为一种背景（此处为白色），因此标题需要转换为黑色。

输入图像：

输出图像：

我的方法是检测网格（水平线和垂直线并将它们相加），然后将网格的每个部分裁剪成新的子图像，然后检查大部分像素颜色并进行变换因此。但是在实施之后，蓝色背景图像没有被检测到并被裁剪如下：

所以我试图将整个表单图像转换为一个背景，这样我就可以避免这种结果。

Answer 1

这是一种不同的处理方式，可以处理 “反向视频”为黑色，而不是依靠一些颜色饱和度来找到它。

#!/usr/bin/env python3

import cv2
import numpy as np

# Load image, greyscale and threshold
im = cv2.imread('form.jpg',cv2.IMREAD_GRAYSCALE)

# Threshold and invert
_,thr = cv2.threshold(im,127,255,cv2.THRESH_BINARY)
inv   = 255 - thr

# Perform morphological closing with square 7x7 structuring element to remove details and thin lines
SE = np.ones((7,7),np.uint8)
closed = cv2.morphologyEx(thr, cv2.MORPH_CLOSE, SE)
# DEBUG save closed image
cv2.imwrite('closed.png', closed)

# Find row numbers of dark rows
meanByRow=np.mean(closed,axis=1)
rows = np.where(meanByRow<50)

# Replace selected rows with those from the inverted image
im[rows]=inv[rows]

# Save result
cv2.imwrite('result.png',im)

结果如下：

中间的closed 图像看起来像这样——我人为地添加了一个红色边框，这样你就可以在 Stack Overflow 的白色背景上看到它的范围：

您可以阅读有关形态学的信息 here 和 Anthony Thyssen 的精彩描述 here。

Answer 2

这是一种可能的方法。如果转换为 HSV 色彩空间，蓝色阴影将显示出比黑色和白色更高的饱和度，所以...

• 转换为 HSV
• 查找每行的平均饱和度并选择平均饱和度超过阈值的行
• 对这些行进行灰度化、反转和阈值化

如果反向（突出）背景是黑色或白色以外的任何颜色，则此方法应该有效。根据您的示例，它假设您已将图像去偏，使其真正垂直/水平。

在 Python 中可能看起来像这样：

#!/usr/bin/env python3

import cv2
import numpy as np

# Load image
im = cv2.imread('form.jpg')

# Make HSV and extract S, i.e. Saturation
hsv = cv2.cvtColor(im, cv2.COLOR_BGR2HSV)
s=hsv[:,:,1]
# Save saturation just for debug
cv2.imwrite('saturation.png',s)

# Make greyscale version and inverted, thresholded greyscale version
gr = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
_,grinv = cv2.threshold(gr,127,255,cv2.THRESH_BINARY_INV)

# Find row numbers of rows with colour in them
meanSatByRow=np.mean(s,axis=1)
rows = np.where(meanSatByRow>50)

# Replace selected rows with those from the inverted, thresholded image
gr[rows]=grinv[rows]

# Save result
cv2.imwrite('result.png',gr)

结果如下：

饱和图像如下所示 - 请注意，饱和颜色（即蓝色）显示为浅色，其他所有颜色均显示为黑色：

灰度反转图像如下所示：