如何将含白色文字的黑色背景图片改为灰色且无文字像素损失

核心思路 #

精准识别图片中的黑色背景像素，仅对该区域进行颜色替换，完全不修改白色文字的像素值，避免文字丢失或模糊。

彩色图片处理代码 #

import cv2
import numpy as np

# 读取目标图片（OpenCV默认以BGR格式加载）
img = cv2.imread('bus_image.jpg')

# 定义黑色像素的范围（可根据实际图片微调上下限，适配非纯黑背景）
lower_black = np.array([0, 0, 0], dtype=np.uint8)
upper_black = np.array([30, 30, 30], dtype=np.uint8)

# 创建掩码：标记所有黑色区域（掩码中255对应黑色像素）
mask = cv2.inRange(img, lower_black, upper_black)

# 仅将掩码标记的黑色区域替换为灰色（BGR格式的灰色为(128,128,128)）
img[mask == 255] = [128, 128, 128]

# 保存处理后的图片并预览
cv2.imwrite('bus_gray_bg.jpg', img)
cv2.imshow('Processed Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

灰度图片处理代码 #

如果原始图片是灰度格式，可使用以下简化版本：

import cv2
import numpy as np

# 以灰度模式读取图片
gray_img = cv2.imread('bus_image.jpg', cv2.IMREAD_GRAYSCALE)

# 定义黑色像素的灰度范围
lower_black = 0
upper_black = 30

# 创建掩码
mask = cv2.inRange(gray_img, lower_black, upper_black)

# 替换黑色区域为灰色（灰度值128）
gray_img[mask == 255] = 128

# 保存结果
cv2.imwrite('bus_gray_bg_gray.jpg', gray_img)

关键注意事项 #

• 黑色范围调整：如果背景存在偏灰的噪点或非纯黑区域，可适当提高upper_black的数值（如调整至40），确保仅选中目标背景；如果文字边缘有被误替换的情况，降低upper_black数值即可。
• 避免过度处理：不要使用模糊、阈值二值化等可能破坏文字像素的预处理步骤，直接通过掩码定位替换是最安全的方式。

内容的提问来源于stack exchange，提问作者Nitya Rakhe