如何使用Python去除图像中的残留元素

示例图像 #

• 原始图像（含残留元素的矩形）：
  
• 期望效果：
  

需求说明 #

我希望用Python基于Image1实现与Image2一致的效果，但不确定可行性及具体方法。曾尝试利用图像透明度去除残留元素，不确定该思路是否可行。

可行实现方法 #

方法一：OpenCV 阈值分割+区域填充 #

针对残留元素与矩形主体/背景有明显颜色差异的场景，可通过轮廓检测+颜色填充实现：

1. 读取图像并转为灰度图，通过阈值分割区分前景（矩形+残留）与背景
2. 提取矩形轮廓，确定其边界范围
3. 采样矩形内部干净区域的颜色，作为填充色
4. 识别矩形内的残留区域并填充为目标颜色

示例代码：

import cv2
import numpy as np

# 读取图像（替换为你的图像路径）
img = cv2.imread("input_image.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 阈值分割（调整阈值参数适配你的图像）
_, thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)

# 提取轮廓，取面积最大的作为目标矩形
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
max_contour = max(contours, key=cv2.contourArea)
x, y, w, h = cv2.boundingRect(max_contour)

# 采样矩形内部干净区域的平均颜色
roi = img[y+10:y+30, x+10:x+30]
avg_color = np.mean(roi, axis=(0,1)).astype(np.uint8)

# 创建矩形掩码，筛选内部残留区域
mask = np.zeros_like(gray)
cv2.drawContours(mask, [max_contour], -1, 255, -1)
# 找出与主体颜色差异较大的区域（残留）
color_range = cv2.inRange(img, avg_color-10, avg_color+10)
residual_mask = cv2.bitwise_not(color_range) & mask

# 填充残留区域
img[residual_mask == 255] = avg_color

# 保存结果
cv2.imwrite("cleaned_image.png", img)

方法二：Pillow 颜色遍历替换 #

若背景色单一，可直接遍历矩形区域，替换残留颜色：

from PIL import Image

img = Image.open("input_image.png")
pixels = img.load()

# 手动指定矩形区域坐标（或通过自动检测获取）
x_start, y_start, x_end, y_end = 50, 50, 200, 150
# 采样矩形内干净区域的颜色
target_color = pixels[x_start+10, y_start+10]

# 遍历矩形区域，替换残留（调整容差适配你的图像）
tolerance = 10
for x in range(x_start, x_end):
    for y in range(y_start, y_end):
        current_r, current_g, current_b = pixels[x, y]
        t_r, t_g, t_b = target_color
        # 判断是否为残留颜色
        if abs(current_r - t_r) > tolerance or abs(current_g - t_g) > tolerance or abs(current_b - t_b) > tolerance:
            pixels[x, y] = target_color

img.save("cleaned_image.png")

关于透明度方法的说明 #

如果你的图像是带Alpha通道的PNG，透明度方法是可行的：可将残留区域的Alpha值设为0实现透明效果，但前提是能精准识别残留区域，且场景允许背景透明。从你的示例图来看，背景为白色，直接填充主体颜色的方法更适配。

内容的提问来源于stack exchange，提问作者mahaha3211