不使用OpenCV提取图像mask的问题咨询及通用方法求荐

你当前代码失效的核心原因是使用了固定的0.8灰度阈值，仅能适配前景背景灰度差异完全符合预设的特定场景，无法覆盖灰度分布不固定的各类图像。

改进后的可自动计算阈值的实现方案 #

import numpy as np
import skimage.color
import skimage.filters
import skimage.io

filename = 'pathToImage'
image = skimage.io.imread(fname=filename)

# 灰度转换+高斯模糊逻辑保持不变
gray = skimage.color.rgb2gray(image)
blur = skimage.filters.gaussian(gray, sigma=2)

# 替换固定阈值为大津法自动计算最优全局阈值，无需手动设置参数
threshold = skimage.filters.threshold_otsu(blur)
mask = blur < threshold

# 生成带白色背景的前景提取结果，匹配预期的mask效果
sel = np.full_like(image, fill_value=255)
sel[mask] = image[mask]

# 可视化/保存结果
skimage.io.imshow(sel)
skimage.io.imsave('extracted_mask.png', mask.astype(np.uint8) * 255)

无需自定义调参的通用mask提取方法 #

如果需要适配不同场景的主体mask提取，不需要手动调整任何参数，可以使用显著目标检测的预训练方案，这类方案专门用于自动识别图像中的核心主体区域，常规的自然图像、产品图像都可以直接适配。常用的轻量实现如U2Net，仅需加载预训练权重即可直接输出符合要求的mask，全程不需要手动调整阈值、滤波参数等配置。

内容的提问来源于stack exchange，提问作者azal