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我们其它相关文章！

赞 (0)

相关推荐

  • python3+openCV 获取图片中文本区域的最小外接矩形实例

    我就废话不多说了,大家还是直接看代码吧! print("thresh =",thresh) coords = np.column_stack(np.where(thresh > 0))//获取thresh二值灰度图片中的白色文字区域的点 print("coords =",coords) min_rect = cv2.minAreaRect(coords)//由点集获取最小矩形(包含中心坐标点.宽和高.偏转角度) print("min_rec =&qu

  • opencv python 图片读取与显示图片窗口未响应问题的解决

    显示图像是 Opencv最基本的操作之一, imshow()函数可以实现该操作.如果使用过其他GUI框架背景,就会很自然地调用 imshow来显示一幅图像.但这个观点并不完全正确,因为图像确实会显示出来,但随即会消失. 例如下面代码: import cv2 import numpy as np img = cv2.imread('C://Users/yefci/Pictures/0.2.jpg') cv2.imshow('C://Users/yefci/Pictures/0.2.jpg',img

  • python实现图像，视频人脸识别(opencv版)

    图片人脸识别 import cv2 filepath = "img/xingye-1.png" img = cv2.imread(filepath) # 读取图片 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换灰色 # OpenCV人脸识别分类器 classifier = cv2.CascadeClassifier( "C:\Python36\Lib\site-packages\opencv-master\data\haar

  • Python + opencv对拍照得到的图片进行背景去除的实现方法

    有时候我们没办法得到pdf或者word文档,这个时候会使用手机或者相机进行拍照,往往会出现背景,打印出来就是灰色的或者有黑色的背景,这个时候影响视野观看,通过代码实现对背景去除,还原清晰图像.代码如下: #!/usr/bin/python3.6 # -*- coding: utf-8 -*- # @Time : 2020/11/17 19:06 # @Author : ptg # @Email : zhxwhchina@163.com # @File : 去背景.py # @Software:

  • Python+OpenCV图像处理——打印图片属性、设置存储路径、调用摄像头

    一. 打印图片属性.设置图片存储路径 代码如下: #打印图片的属性.保存图片位置 import cv2 as cv import numpy as np #numpy是一个开源的Python科学计算库 def get_image_info(image): print(type(image)) #type() 函数如果只有第一个参数则返回对象的类型 在这里函数显示图片类型为 numpy类型的数组 print(image.shape) #图像矩阵的shape属性表示图像的大小,shape会返回tup

  • python openCV实现摄像头获取人脸图片

    本文实例为大家分享了python openCV实现摄像头获取人脸图片的具体代码,供大家参考,具体内容如下 在机器学习中,训练模型需要大量图片,通过openCV中的库可以快捷的调用摄像头,截取图片,可以快速的获取大量人脸图片 需要注意将CascadeClassifier方法中的地址改为自己包cv2包下面的文件 import cv2 def load_img(path,name,mun = 100,add_with = 0): # 获取人脸识别模型 # # #以下路径需要更改为自己环境下xml文件

  • Python+Opencv实现把图片、视频互转的示例

    1. 安装Opencv包 pip install opvencv-python 2.实现代码: 视频转为图片: import cv2 cap=cv2.VideoCapture('E:/video/video-02.mp4') # 获取一个视频打开cap isOpened=cap.isOpened # 判断是否打开 print(isOpened) fps=cap.get(cv2.CAP_PROP_FPS) print(fps) # 获取宽度 width=int(cap.get(cv2.CAP_PR

  • Opencv+Python识别PCB板图片的步骤

    Opencv+Python识别PCB板图片的步骤

    任务要求: 基于模板匹配算法识别PCB板型号 使用工具: Python3.OpenCV 使用模板匹配算法,模板匹配是一种最原始.最基本的模式识别方法,研究某一特定对象物的图案位于图像的什么地方,进而识别对象物,模板匹配具有自身的局限性,主要表现在它只能进行平行移动,即原图像中的匹配目标不能发生旋转或大小变化. 事先准备好待检测PCB与其对应的模板: 子模版: 基本流程如下: 1.在整个图像区域发现与给定子图像匹配的小块区域 2.选取模板图像T(给定的子图像) 3.另外需要一个待检测的图像--源图

  • python opencv把一张图片嵌入（叠加）到另一张图片上的实现代码

    python opencv把一张图片嵌入(叠加)到另一张图片上 1.背景: 最近做了个烟火生成系统的界面设计,需要将烟雾图片嵌入到任意一张图片中,因此需要python opencv把一张图片嵌入(叠加)到另一张图片上的知识.(图中红框最终生成图片没有的,只是界面有这个功能) 2.代码 resized1[global_y0:height+global_y0, global_x0:weight+global_x0] = resized0 resized0是小图 resized1是大图,其他参数是左上

  • Opencv python 图片生成视频的方法示例

    本文主要介绍了Opencv图片生成视频,分享给大家,具体如下: 生成视频 import random as rd import cv2 as cv import numpy as np # 保存视频 class RecordMovie(object): def __init__(self, img_width, img_height): self.video_writer = None # 视频对象 self.is_end = False # 结束保存视频 self.img_width = im

  • Python Opencv中用compareHist函数进行直方图比较对比图片

    图像直方图 图像直方图是反映一个图像像素分布的统计表,其实横坐标代表了图像像素的种类,可以是灰度的,也可以是彩色的.纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的百分比. 图像是由像素构成,因为反映像素分布的直方图往往可以作为图像一个很重要的特征.在实际工程中,图像直方图在特征提取.图像匹配等方面都有很好的应用. 直方图比较 1. 图像相似度比较 如果我们有两张图像,并且这两张图像的直方图一样,或者有极高的相似度,那么在一定程度上,我们可以认为这两幅图是一样的,这就是直方图比较的

  • Python OpenCV实现测量图片物体宽度

    一. 题目描述 测量所给图片的高度,即上下边缘间的距离. 思路: 将图片进行阈值操作得到二值化图片. 截取只包含上下边框的部分,以便于后续的轮廓提取 轮廓检测 得到结果 二. 实现过程 1.用于给图片添加中文字符 #用于给图片添加中文字符 def ImgText_CN(img, text, left, top, textColor=(0, 255, 0), textSize=20): if (isinstance(img, np.ndarray)): #判断是否为OpenCV图片类型 img =

随机推荐