如何使用OpenCV提取图像中的不规则形状区域（以耐克标志提取为例）

你提供的示例图中耐克标志为深色，和白色鞋身、浅灰色背景的色差非常明显，用颜色阈值结合轮廓筛选的方案就能精准提取，具体步骤和代码如下：

• 预处理阶段：将原图从BGR格式转成HSV颜色空间，相比RGB更适合做颜色区间筛选，设置对应深色的HSV阈值，得到包含目标标志的初始二值蒙版。
• 蒙版降噪：对初始蒙版做形态学开运算去除细碎噪点，再做闭运算补全标志内部可能存在的小缺口。
• 轮廓筛选：在处理完成的蒙版上提取所有外轮廓，按面积从大到小排序，最大的轮廓即为你需要的耐克标志区域。
• 结果提取：用筛选后的轮廓生成最终蒙版，和原图做按位与操作，即可得到单独的耐克标志提取结果。

示例代码 #

import cv2
import numpy as np

# 读取本地图片
img = cv2.imread("shoe_sample.png")
# 转换为HSV颜色空间
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 黑色标志的HSV阈值区间，*可根据实际图片效果微调*
lower_dark = np.array([0, 0, 0])
upper_dark = np.array([180, 255, 80])

# 生成初始二值蒙版
init_mask = cv2.inRange(hsv_img, lower_dark, upper_dark)

# 形态学操作降噪补洞
kernel = np.ones((5, 5), np.uint8)
init_mask = cv2.morphologyEx(init_mask, cv2.MORPH_OPEN, kernel)
init_mask = cv2.morphologyEx(init_mask, cv2.MORPH_CLOSE, kernel)

# 提取所有外轮廓
contours, _ = cv2.findContours(init_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 按轮廓面积降序排序，取最大的轮廓为目标
contours_sorted = sorted(contours, key=cv2.contourArea, reverse=True)
target_contour = contours_sorted[0]

# 生成最终精准蒙版
final_mask = np.zeros_like(init_mask)
cv2.drawContours(final_mask, [target_contour], -1, 255, -1)

# 提取目标区域
extract_result = cv2.bitwise_and(img, img, mask=final_mask)

# 保存结果
cv2.imwrite("extracted_nike_logo.png", extract_result)

如果后续需要处理标志和背景对比度较低的场景，可以替换阈值步骤，改用grabCut算法结合少量人工标注实现更高精度的提取。

内容的提问来源于stack exchange，提问作者ailsin