使用OpenCV替换图像两种背景色为黑色并优化文字显示

问题分析 #

你之前的代码仅通过bitwise_and保留了掩码内的区域，但未将文字转为纯白色，且颜色范围定义不准确，导致背景未完全变为黑色。

修正后的代码 #

import cv2
import numpy as np

# 读取目标图像
image = cv2.imread("image1.png")

# 转换为HSV色彩空间，更易区分绿色与灰色背景
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义绿色的HSV范围（可根据实际图像微调）
lower_green = np.array([35, 40, 40])
upper_green = np.array([85, 255, 255])
# 定义灰色的HSV范围（低饱和度、亮度适中）
lower_gray = np.array([0, 0, 50])
upper_gray = np.array([180, 50, 200])

# 分别生成绿色、灰色背景的掩码
mask_green = cv2.inRange(hsv, lower_green, upper_green)
mask_gray = cv2.inRange(hsv, lower_gray, upper_gray)
# 合并背景掩码
mask_background = cv2.bitwise_or(mask_green, mask_gray)

# 创建全黑的结果图像
result = np.zeros_like(image)
# 生成文字区域掩码（背景掩码取反）
mask_text = cv2.bitwise_not(mask_background)

# 可选：形态学闭运算，消除文字边缘模糊
kernel = np.ones((2, 2), np.uint8)
mask_text = cv2.morphologyEx(mask_text, cv2.MORPH_CLOSE, kernel)

# 将文字区域设为纯白色
result[mask_text > 0] = [255, 255, 255]

# 保存结果
cv2.imwrite("processed_image.png", result)
# 显示结果
cv2.imshow("Processed Image", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明 #

1. HSV空间处理：相比BGR，HSV能更精准区分绿色（通过H通道范围）和灰色（通过低S通道）。
2. 掩码合并：将绿色和灰色背景的掩码合并，一次性定位所有需要转为黑色的区域。
3. 文字区域处理：对背景掩码取反得到文字区域，直接将该区域设为纯白色。
4. 形态学操作：可选的闭运算可以消除文字边缘的模糊感，让文字更锐利。

内容的提问来源于stack exchange，提问作者Colateral