基于np.where的Python图像处理：保留指定颜色实现图像净化

首先直接回答你的第一个疑问：
当你使用 np.where(img_rgb == targetColorPix, img_rgb, 255) 时，不是做整个RGB像素的完全匹配——NumPy在这里会对每个通道单独进行相等判断。也就是说，每个像素的R、G、B通道会分别和目标颜色的对应通道比较，然后np.where会逐个通道决定是保留原数值还是设为255。这就会导致很多混合色残留，比如某个像素只有一个通道匹配目标颜色，那另外两个通道会被设为255，最终变成一个奇怪的混合色，而不是被完全替换成白色。

接下来解释为什么黑色区域会被错误保留：
你的目标颜色是亮蓝色RGB(255,255,0)，而Windows的黑色区域是RGB(0,0,0)。按照你之前的代码逻辑，黑色像素的B通道（对应RGB的第三个通道）是0，和目标颜色的B通道0匹配，所以这个通道会被保留；但R和G通道不匹配，会被设为255。最终这个黑色像素会被转换成RGB(255,255,0)——也就是你的目标颜色！看起来像是黑色区域被保留了，实际上是被错误地替换成了目标颜色，这就是你看到的奇怪现象。

再看看你代码里的其他问题：

• 缺少PIL.Image的导入，运行时会报错；
• 多余的rescaled缩放步骤完全没必要，反而可能破坏颜色；
• 颜色通道转换的写法可以更简洁，但核心问题还是匹配逻辑不对。

下面是修正后的代码，我已经帮你解决了所有问题：

import cv2
import numpy as np
import pyautogui
from PIL import Image  # 补上缺失的PIL导入

def clean_image_to_target_color(color_image_path):
    # 读取目标颜色样本图（OpenCV默认BGR格式）
    target_color_img = cv2.imread(color_image_path)
    # 取样本图中(1,1)位置的像素BGR值
    target_bgr = target_color_img[1, 1]
    # 转换为RGB格式（因为pyautogui截图是RGB）
    target_rgb = target_bgr[::-1]  # 反转数组直接实现BGR转RGB，更简洁
    
    # 获取屏幕截图并保存原始图
    screenshot = pyautogui.screenshot()
    screenshot.save('inputfile.png')
    img_rgb = np.array(screenshot)
    
    # 关键：判断每个像素是否与目标RGB完全匹配
    # axis=-1表示沿着颜色通道维度检查，只有三个通道都匹配时才返回True
    is_target_color = np.all(img_rgb == target_rgb, axis=-1)
    
    # 生成净化后的图像：匹配的像素保留原颜色，否则设为白色
    # 把二维布尔数组扩展为三维（H×W×1），确保和原图维度一致
    cleaned_img = np.where(is_target_color[..., np.newaxis], img_rgb, [255, 255, 255])
    cleaned_img = cleaned_img.astype(np.uint8)  # 确保数据类型为uint8
    
    # 保存结果
    result = Image.fromarray(cleaned_img)
    result.save('cleaned.png')

# 调用示例：传入你的目标颜色样本图路径
clean_image_to_target_color('target_color.png')

核心修正点说明： #

• 完全像素匹配：用np.all(img_rgb == target_rgb, axis=-1)生成一个二维布尔矩阵，每个元素代表对应像素是否完全匹配目标RGB颜色，这样就能确保只有完全符合的像素才会被保留。
• 维度匹配：通过is_target_color[..., np.newaxis]把二维布尔数组扩展成三维，让np.where可以对整个像素进行判断，而不是逐个通道处理。
• 移除多余操作：删掉了不必要的颜色缩放步骤，直接处理并保存正确的uint8类型图像。
• 补全依赖：添加了PIL.Image的导入，避免运行时报错。

内容的提问来源于stack exchange，提问作者ProjectM681