如何使用opencv检测大量白色像素的区域？

Question

我想检测内部图像的徽标，以消除它，我有一个想法是寻找具有大量像素然后删除的对象，另一个想法是循环所有的白色像素（我已倒置我的形象），并寻找形成一个大区域的像素，然后去除这个区域，有没有更好的算法，这个，还有opencv中的哪些方法将帮助我检测大像素数目的对象。

Answer 1

我有一个方法可以做到这一点。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（在Python）：

首先转换图像为灰度，调整大小图像，应用阈值，并进行相同的尺寸和的该尺寸调整灰度图像的类型的掩模图像。 （遮罩图像只是一个黑色图像）

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之间的轮廓。它最可能是一个大的白色斑点，显然不是字母。 （记住，这个区域特别适合这张图片，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:

现在你使用cv2.bitwise_not功能反转图像。您可以选择在掩模图像的哪个位置放置掩模，以便该功能仅在输入图像中掩模图像中存在白色的区域进行操作。

cv2.bitwise_not(gray2,gray2,mask) 

最后显示的图像：

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

，这里是结果：

---

注：

以上方法是为了在白色方块中保存“橙色”。这就是为什么有些神器出现在那里。如果你不想那个橘子，它可以更准确。

只需找到区域过滤轮廓的边界矩形和填充黑色的绘制矩形。

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：

检测边界rects：

然后fillout与黑色矩形的那些：

它比以前的更好，当然如果你不想“ORANGE”）

Answer 2

您可以使用形态滤波器（也许交替顺序滤波），以简化您的多彩色图像，然后使用分割算法像分水岭或粒度的一些方法和选择的最大对象。您可能会在网上找到几个实现。但是，只有徽标是离散的（例如不在背景中），这才能起作用。