如何保留图像高亮区域并提升输出可读性与清晰度？

一、可以原样保留高亮区域，将非高亮转为白色 #

核心思路是精准识别高亮区域的掩码，再把原图像的高亮部分直接复制到全白背景上，完全保留高亮区的原始像素：

具体实现代码（以绿色高亮为例） #

import cv2
import numpy as np

# 读取目标图像
img = cv2.imread("your_input_image.jpg")
# 转换到HSV色彩空间（比RGB更适合颜色阈值筛选）
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 自定义绿色高亮的HSV阈值（需根据你的图像实际调整）
# 可搭配滑块工具实时调试，确保只选中目标高亮区域
lower_green = np.array([35, 40, 50])
upper_green = np.array([75, 255, 255])

# 生成高亮区域的二进制掩码
highlight_mask = cv2.inRange(hsv_img, lower_green, upper_green)

# 掩码优化：去除小噪点、填补高亮区的小漏洞
kernel = np.ones((3, 3), np.uint8)
highlight_mask = cv2.morphologyEx(highlight_mask, cv2.MORPH_CLOSE, kernel)
highlight_mask = cv2.morphologyEx(highlight_mask, cv2.MORPH_OPEN, kernel)

# 创建全白背景图像
white_bg = np.ones_like(img) * 255
# 将原图像的高亮区域复制到白背景上
white_bg[highlight_mask == 255] = img[highlight_mask == 255]

# 保存结果
cv2.imwrite("highlight_only_result.jpg", white_bg)

二、若高亮区域本身模糊，提升可读性与清晰度的优化方案 #

如果高亮区原始像素就存在模糊问题，可通过以下针对性步骤优化：

• 精细化掩码生成
  用轮廓检测提取高亮区域的完整边界，生成更精准的掩码，避免误包含模糊的边缘噪点：

  # 从掩码中提取轮廓
  contours, _ = cv2.findContours(highlight_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  # 创建空掩码，填充轮廓得到精细化掩码
  refined_mask = np.zeros_like(highlight_mask)
  cv2.drawContours(refined_mask, contours, -1, 255, thickness=cv2.FILLED)
  

• 仅对高亮区域做对比度增强
  避免全局增强放大噪点，只对高亮区应用CLAHE（限制对比度自适应直方图均衡）：

  # 对高亮区域的每个通道单独做CLAHE增强
  clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
  enhanced_img = img.copy()
  # 遍历BGR通道
  for channel in range(3):
      channel_data = enhanced_img[refined_mask == 255, channel]
      enhanced_channel = clahe.apply(channel_data)
      enhanced_img[refined_mask == 255, channel] = enhanced_channel
  

• 非破坏性锐化高亮区域
  使用USM（非锐化掩模）锐化，只作用于高亮区，避免放大非高亮区的噪点：

  # 生成模糊掩模
  blur_mask = cv2.GaussianBlur(enhanced_img, (5, 5), 0)
  # USM锐化计算
  usm_sharpened = cv2.addWeighted(enhanced_img, 1.5, blur_mask, -0.5, 0)
  # 仅保留高亮区的锐化效果
  final_result = white_bg.copy()
  final_result[refined_mask == 255] = usm_sharpened[refined_mask == 255]
  

• 边缘修复
  如果高亮区边缘有锯齿，可对掩码做轻微高斯模糊后再二值化，让边缘更平滑：

  blurred_mask = cv2.GaussianBlur(refined_mask, (3, 3), 0)
  smooth_mask = cv2.threshold(blurred_mask, 127, 255, cv2.THRESH_BINARY)[1]
  

内容的提问来源于stack exchange，提问作者curse