如何为图像彩色高亮区域创建掩码并精准检测多色区域

你的问题在于原代码仅针对粉红和红色设定了颜色范围，未覆盖黄色等其他彩色高亮区域。要检测所有彩色高亮且不遗漏粉红、黄色等区域，可以通过基于饱和度的掩码提取实现——彩色高亮区域的饱和度远高于白色背景，利用这一点能一次性覆盖所有彩色高亮。

具体步骤： #

• 将图像转换到HSV色彩空间，重点利用S通道（饱和度）区分彩色与背景
• 设定饱和度阈值，提取所有高饱和度区域作为初始掩码
• 通过形态学操作（膨胀+腐蚀）优化掩码，消除噪声并填补高亮区域的空隙
• 用优化后的掩码提取最终的高亮区域

修改后的代码： #

import cv2
import numpy as np

def detect_highlighted_text(image_path):
    # 读取图像
    image = cv2.imread(image_path)
    # 转换到HSV空间
    hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    # 分离饱和度通道
    s_channel = hsv_image[:, :, 1]
    
    # 设定饱和度阈值，提取高饱和度区域（彩色高亮）
    _, saturation_mask = cv2.threshold(s_channel, 40, 255, cv2.THRESH_BINARY)
    
    # 形态学操作：先膨胀填补空隙，再腐蚀去除噪声
    kernel = np.ones((3, 3), np.uint8)
    saturation_mask = cv2.dilate(saturation_mask, kernel, iterations=1)
    saturation_mask = cv2.erode(saturation_mask, kernel, iterations=1)
    
    # 提取高亮区域
    highlighted_text = cv2.bitwise_and(image, image, mask=saturation_mask)
    
    cv2.imshow("Highlighted Text", highlighted_text)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

detect_highlighted_text("path/to/your/image.jpg")

代码说明： #

• 饱和度阈值设为40是针对你的输入图像调整的，可根据实际图像微调（值越小会包含更多低饱和区域，值越大则只保留高饱和彩色）
• 形态学操作的核大小和迭代次数也可根据图像噪声情况调整，目的是让高亮区域更完整、噪声更少

内容的提问来源于stack exchange，提问作者Edward