快捷導(dǎo)航

OpenCV如何去除圖片中的陰影的實(shí)現(xiàn)

更新時(shí)間：2021年03月29日 14:07:59 作者：ZackSock

這篇文章主要介紹了OpenCV如何去除圖片中的陰影的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

一、前言

如果你自己打印過(guò)東西，應(yīng)該有過(guò)這種經(jīng)歷。如果用自己拍的圖片，在手機(jī)上看感覺(jué)還是清晰可見(jiàn)，但是一打印出來(lái)就是漆黑一片。比如下面這兩張圖片：

在這里插入圖片描述

因?yàn)樽筮叺膱D片有大片陰影，所有打印出來(lái)的圖片不堪入目（因?yàn)榇蛴∫?毛錢，所以第二張圖片只是我用程序模擬的效果）。

那有什么辦法可以解決嗎？答案是肯定的，今天我們就來(lái)探討幾個(gè)去除陰影的方法。

二、如何去除陰影？

首先為了方便處理，我們通常會(huì)對(duì)圖片進(jìn)行灰度轉(zhuǎn)換（即將圖片轉(zhuǎn)換成只有一個(gè)圖層的灰色圖像）。

然后我們分析一下，在上面的圖片中有三個(gè)主色調(diào)，分別是字體顏色（黑色）、紙張顏色（偏白）、陰影顏色（灰色）。知道這點(diǎn)后我們就好辦了。我們只需要把灰色和白色部分都處理為白色就好了。

那要我怎么才知道白色和灰色區(qū)域呢？對(duì)于一個(gè)8位的灰度圖，黑色部分的像素大致在0-30左右。白色和灰色應(yīng)該在31-255左右（這個(gè)范圍只是大致估計(jì)，實(shí)際情況需要看圖片）。如圖：

在這里插入圖片描述

左邊是原圖，右邊是處理后的圖片。我們將灰色和接近白色的部分都處理成了白色。

那下面我們就開(kāi)始處理吧。

三、numpy的ndarray數(shù)組

可能有些讀者沒(méi)有接觸過(guò)numpy，這里簡(jiǎn)單說(shuō)一下。

numpy是一個(gè)第三方的模塊，用它我們可以很方便的處理多維數(shù)組（ndarray數(shù)組）。而圖片在OpenCV中的存儲(chǔ)方式正好是ndarray，所以我們對(duì)數(shù)組的操作就是對(duì)圖片的操作。

在使用之前我們需要安裝一下OpenCV模塊：

pip install opencv-python

在安裝OpenCV時(shí)會(huì)自動(dòng)安裝numpy。

下面我們主要是看看布爾索引的操作，先看下面代碼：

import numpy as np
# 創(chuàng)建一個(gè)元素為1, 0, 1, 1的ndarray數(shù)組
arr = np.array([1, 0, 1, 1])
# 判斷數(shù)組中有沒(méi)有0
res = arr == 0
# 將數(shù)組中為0的元素賦值為10
arr[res] = 10

如果沒(méi)有接觸過(guò)numpy會(huì)不太理解上面的語(yǔ)法。我們來(lái)詳細(xì)說(shuō)一下：

創(chuàng)建ndarray數(shù)組：我們通過(guò)np.array可以將現(xiàn)有的列表裝換成一個(gè)ndarray對(duì)象，這個(gè)很好理解

判斷數(shù)組中有沒(méi)有0：我們可以直接用ndarray對(duì)象來(lái)判斷，比如：arr == 0，他會(huì)返回一個(gè)元素結(jié)構(gòu)和數(shù)量一樣的ndarray對(duì)象。但是返回的對(duì)象原始類型式bool，我們來(lái)看看res的輸出：

[False True False False]

從結(jié)果可以看出，我們比較arr==0就是對(duì)數(shù)組中每個(gè)元素進(jìn)行比較，并返回比較的布爾值。

將數(shù)組中為0的元素賦值為10：而最難理解的arr[res]操作。它其實(shí)就是拿到res中為True的視圖，比如上面的結(jié)果是第二個(gè)為True則只會(huì)返回第二個(gè)元素的視圖。我們執(zhí)行下面的代碼：

arr[res] = 10

就是把對(duì)應(yīng)res為True的部分賦值為10，也就是將arr中值為0的部分賦值為10。

下面是arr最后的結(jié)果：

[ 1 10 1 1]

可以看到原本的0處理為了1。

四、去除陰影

現(xiàn)在我們知道了布爾索引，我們可以對(duì)圖片進(jìn)行處理了。我們只需要讀取圖片，然后將像素值大于30的部分處理為白色就好了。下面是我們的代碼：

import cv2
# 讀取圖片
img = cv2.imread('page.jpg', 0)
# 將像素值大于30的部分修改為255（白色）
img[img > 30] = 255
# 保存修改后的圖片
cv2.imwrite('res.jpg', img)

上面的代碼非常簡(jiǎn)單，我們使用cv2.imread函數(shù)讀取圖片，第一個(gè)參數(shù)是圖片路徑，第二個(gè)參數(shù)表示讀取為灰度圖。我們來(lái)看看效果圖：

在這里插入圖片描述

可以看到陰影部分被很好地去除了。有些字比較模糊，我們可以通過(guò)調(diào)節(jié)灰白色地范圍調(diào)整。比如：

img[img > 40] = 255

具體的值就要根據(jù)要處理的圖片來(lái)決定了。

五、改進(jìn)

對(duì)于上面地處理，還可以做一個(gè)小小地改進(jìn)。我們可以讓紙張顏色不那么白，我們來(lái)看改進(jìn)后的代碼：

import cv2
import numpy as np
img = cv2.imread('page.jpg', 0)
# 計(jì)算灰白色部分像素的均值
pixel = int(np.mean(img[img > 140]))
# 把灰白色部分修改為與背景接近的顏色
img[img > 30] = pixel
cv2.imwrite('res.jpg', img)

在上面的代碼中我們不再是將灰白色部分設(shè)置為255，而是事先計(jì)算了一個(gè)數(shù)值。