仅当图像为暗背景或暗主题时执行颜色反转的实现方法

核心判断逻辑 #

针对传统统计0值像素仅能识别纯黑背景的问题，我们改用感知亮度加权统计方案，可覆盖所有深色系暗主题场景：

该方案完全覆盖纯黑、深蓝色、深灰等所有深色系背景场景，解决了传统统计0值像素只能识别纯黑背景的缺陷，适配绝大多数常见的暗主题GUI界面。

判断逻辑分三步：

• 第一步：将RGB图像转换为灰度值时采用人眼感知亮度公式计算，公式为L = 0.299 * R + 0.587 * G + 0.114 * B，亮度取值范围0-255，数值越低颜色越深。
• 第二步：设置暗亮度阈值（默认推荐85，可根据场景调整），统计整图中亮度低于阈值的像素占总像素的比例。
• 第三步：设置暗像素占比阈值（默认推荐0.6，即60%），当占比超过阈值时判定为暗主题背景。

代码实现（Python + OpenCV 为例） #

暗主题判断函数 #

import cv2
import numpy as np

def is_dark_theme(img, brightness_threshold=85, dark_pixel_ratio_threshold=0.6):
    # 兼容单通道灰度图和三通道RGB图输入
    if len(img.shape) == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img
    # 统计暗像素占比
    dark_pixel_count = np.sum(gray < brightness_threshold)
    total_pixel_count = img.shape[0] * img.shape[1]
    dark_ratio = dark_pixel_count / total_pixel_count
    return dark_ratio >= dark_pixel_ratio_threshold

条件反转逻辑 #

def conditional_invert_image(img):
    # 仅暗主题背景时执行反转
    if is_dark_theme(img):
        return 255 - img
    return img

优化方案 #

• 针对GUI窗口场景，可以先提取窗口的边缘空白区域做亮度统计，排除按钮、文本等前景元素的干扰，判断准确率会更高
• 两个阈值可通过你常用的暗主题窗口样本测试调整，比如常见的深蓝色暗主题亮度普遍在30-70区间，默认85的阈值可完全覆盖
• 处理带透明通道的图像时，需提前过滤透明像素，避免其亮度值干扰统计结果

内容的提问来源于stack exchange，提问作者AKMalkadi