如何提取图像中文本颜色并隔离对应彩色文本？

你现在遍历所有颜色逐个掩蔽的方法，确实会生成大量无效图像，这里给你几个更高效的思路，直接定位文本对应的颜色：

方法一：先通过OCR定位文本区域，再提取区域内主颜色 #

既然已经在用pytesseract，可以先让它识别文本的位置，只在这些区域里统计颜色，不用处理整张图的所有颜色，直接锁定文本的颜色范围：

步骤：

• 用pytesseract获取每个文本块的边界框
• 裁剪出所有文本区域，合并成掩码区域
• 在掩码区域内统计颜色频率，取占比最高的颜色作为文本色
• 基于该颜色生成掩膜，保留文本内容

代码示例：

import cv2
import numpy as np
from PIL import Image
import pytesseract
from pytesseract import Output

# 读取图像
img = cv2.imread('z.jpg')
rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
pil_img = Image.fromarray(rgb_img)

# 用pytesseract获取文本区域的边界框
d = pytesseract.image_to_data(pil_img, output_type=Output.DICT)
n_boxes = len(d['text'])

# 创建文本区域掩码
mask = np.zeros(img.shape[:2], dtype=np.uint8)
for i in range(n_boxes):
    if int(d['conf'][i]) > 60:  # 过滤低置信度识别结果
        (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
        mask[y:y+h, x:x+w] = 255

# 提取文本区域的像素
text_pixels = rgb_img[mask == 255]
if len(text_pixels) == 0:
    print("未识别到有效文本区域")
    exit()

# 统计文本区域内的颜色频率
from collections import Counter
color_counts = Counter([tuple(p) for p in text_pixels])
# 取占比最高的颜色（文本色）
dominant_color = color_counts.most_common(1)[0][0]
print(f"识别到的文本主颜色：{dominant_color}")

# 生成颜色掩膜（考虑颜色容差）
tol = 5
lower = np.array([dominant_color[0]-tol, dominant_color[1]-tol, dominant_color[2]-tol], dtype=np.uint8)
upper = np.array([dominant_color[0]+tol, dominant_color[1]+tol, dominant_color[2]+tol], dtype=np.uint8)
# 转换为OpenCV的BGR格式
lower_bgr = lower[::-1]
upper_bgr = upper[::-1]

text_mask = cv2.inRange(img, lower_bgr, upper_bgr)
# 保留文本内容，其余置为黑色
result = cv2.bitwise_and(img, img, mask=text_mask)

cv2.imshow('Text Only', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

方法二：用颜色聚类区分文本与背景 #

如果OCR定位不准，还可以用K-means聚类把图像颜色分成两类（文本和背景），再结合形态学特征判断哪一类是文本：

步骤：

• 将图像像素转为二维数组，用K-means聚成2类
• 分别生成两类的掩膜，通过连通域分析判断哪个是文本（文本通常是分散的小连通域，面积占比更小）
• 保留对应类的颜色

代码示例：

import cv2
import numpy as np
from sklearn.cluster import KMeans

img = cv2.imread('z.jpg')
rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 转换为二维像素数组
pixels = rgb_img.reshape((-1, 3))
# K-means聚类成2类
kmeans = KMeans(n_clusters=2, random_state=0).fit(pixels)
labels = kmeans.labels_.reshape(rgb_img.shape[:2])

# 获取两类的颜色
colors = kmeans.cluster_centers_.astype(np.uint8)

# 生成两个掩膜
mask0 = (labels == 0).astype(np.uint8)*255
mask1 = (labels == 1).astype(np.uint8)*255

# 判断哪个掩膜是文本：文本连通域数量通常更多
def is_text_mask(mask):
    num_labels, _ = cv2.connectedComponents(mask)
    return num_labels > 10  # 阈值可根据实际情况调整

text_mask = mask1 if is_text_mask(mask1) else mask0
text_color = colors[1] if is_text_mask(mask1) else colors[0]
print(f"聚类得到的文本颜色：{text_color}")

# 生成最终结果
result = cv2.bitwise_and(img, img, mask=text_mask)
cv2.imshow('Text Only', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

现有代码的问题修正 #

你原来的代码有两个小问题：

• colors = sorted(image.getcolors(...)) 里的image应该是cimage，因为你用cimage = Image.open(...)初始化的图像对象
• PIL的RGB格式和OpenCV的BGR格式不匹配，直接用cimage给OpenCV处理会导致颜色判断错误，需要先转换格式

内容的提问来源于stack exchange，提问作者kadash12