如何用Python去除图像渐变？获取单一颜色黄色圆形

你用K-means没得到预期结果，大概率是因为全局聚类把背景色也包含进去了，没法精准锁定圆形区域的黄色。试试下面的方法，用OpenCV就能实现：

• 先定位黄色圆形区域
  优先用霍夫圆检测锁定圆形的位置和半径，这样能精准只处理目标区域：

  import cv2
  import numpy as np
  
  # 读取图像
  img = cv2.imread("你的图片路径.png")
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  # 霍夫圆检测（参数可根据实际图像微调）
  circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)
  
  if circles is not None:
      circles = np.uint16(np.around(circles))
      # 取检测到的第一个圆形（如果只有一个的话）
      circle = circles[0, 0]
      center = (circle[0], circle[1])
      radius = circle[2]
  

• 提取圆形内的主黄色
  做一个圆形掩码，只提取圆形区域的像素，再计算这个区域的平均颜色——这比全局K-means精准得多：

  # 创建圆形掩码
  mask = np.zeros(img.shape[:2], np.uint8)
  cv2.circle(mask, center, radius, 255, -1)
  # 提取圆形内的所有像素
  circle_pixels = img[mask == 255]
  # 计算区域内的平均黄色，作为填充色
  target_yellow = np.mean(circle_pixels, axis=0).astype(np.uint8)
  

• 填充为单一黄色
  用计算好的黄色替换圆形内的所有像素：

  img[mask == 255] = target_yellow
  # 保存处理后的图像
  cv2.imwrite("单一黄色圆形.png", img)
  

• 备选方案：颜色阈值法
  如果霍夫圆检测效果不好，直接用HSV颜色阈值提取黄色区域，再处理：

  hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
  # 黄色的HSV范围（可根据你的图像调整上下限）
  lower_yellow = np.array([20, 100, 100])
  upper_yellow = np.array([30, 255, 255])
  # 提取黄色掩码
  yellow_mask = cv2.inRange(hsv_img, lower_yellow, upper_yellow)
  # 形态学闭运算，消除掩码上的小缝隙
  kernel = np.ones((5,5), np.uint8)
  yellow_mask = cv2.morphologyEx(yellow_mask, cv2.MORPH_CLOSE, kernel)
  # 计算掩码内的平均黄色并填充
  target_yellow = np.mean(img[yellow_mask == 255], axis=0).astype(np.uint8)
  img[yellow_mask == 255] = target_yellow
  cv2.imwrite("结果图.png", img)
  

核心思路就是只针对圆形区域做颜色提取，而不是全局处理，这样就能避免K-means把背景色混进来的问题。

内容的提问来源于stack exchange，提问作者정성헌