如何用OpenCV识别图像文本颜色？KMeans方法适配性差

问题核心 #

• 阈值分割/位掩码仅适用于白色背景，复杂背景下完全失效
• MiniBatchKMeans主色调提取易受文本笔画间隙、字体粗细干扰，导致颜色判断偏差

可行解决思路 #

1. 文本区域精准像素掩码过滤 #

利用EasyOCR返回的文本bounding box裁剪出目标区域后，通过边缘检测生成仅覆盖文本像素的掩码，过滤无效间隙像素：

import cv2
import numpy as np

# 假设已获取EasyOCR返回的bbox，格式为[[x1,y1],[x2,y2],[x3,y3],[x4,y4]]
bbox = [[10,10],[100,10],[100,30],[10,30]]
x_min, y_min = min(p[0] for p in bbox), min(p[1] for p in bbox)
x_max, y_max = max(p[0] for p in bbox), max(p[1] for p in bbox)

# 裁剪文本区域
text_region = img[y_min:y_max, x_min:x_max]
# 边缘检测生成文本掩码
gray = cv2.cvtColor(text_region, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)
mask = cv2.dilate(edges, np.ones((2,2), np.uint8), iterations=1)
# 仅保留掩码内的有效文本像素
masked_pixels = text_region[mask == 255]

2. 加权像素均值替代主色调聚类 #

放弃单纯的KMeans聚类，改用掩码内像素的RGB均值统计——文本有效像素占比远高于间隙，均值更能反映真实文本颜色：

# 计算有效像素的RGB均值
text_color = np.mean(masked_pixels, axis=0).astype(int)
print(f"文本颜色RGB值: {text_color}")

如果是多色文本，可结合文本内容判断颜色数量后，再对掩码内像素做限定聚类数的KMeans分析。

3. 背景色预消除（针对单一背景场景） #

若背景颜色相对统一，先提取背景基准色再差分：

• 在文本bbox外围扩展5~10像素取背景区域，统计背景RGB均值
• 从文本区域像素中减去背景均值后再做颜色统计，进一步降低背景干扰

关键注意事项 #

• 依赖EasyOCR的bbox精准度，若定位偏差会引入过多背景像素
• 细字体场景下，需调小边缘检测的膨胀迭代次数，避免掩码过度覆盖有效文本像素

内容的提问来源于stack exchange，提问作者Arnav