Opencv 估计白背景

我有白色不均匀背景的图像（由于照明）。我试图估计背景颜色，并将图像转换为具有真实白色背景的图像。为此，我根据亮度估计每个15x15像素块的白色。所以我得到了下面的地图（在右边）：

---

现在我想对颜色进行插值，这样从15x15块到相邻块的过渡会更平滑，另外我想消除异常值（左侧的粉红色点）。有谁能为这一点提出好的技术/算法吗？（理想情况下在OpenCV库中，但不是必需的）

从该图像开始：

您可以在白板上找到具有高梯度的图像部分的文本，并对文本的厚部分进行一些放大处理。你会得到一个能很好地将背景和前景分开的遮罩：

背景：

前景：

然后，您可以在原始图像上使用计算出的遮罩进行应用（您需要OpenCV contrib module

photo

）：

---

为了证明这与文本颜色无关，我尝试了不同的图像：

导致：

---

代码：

#包括
#包括
使用名称空间cv；
无效findText（常数Mat3b和src、Mat1b和掩码）
{
//转换为灰度
Mat1b灰色；
CVT颜色（src、灰色、灰色）；
//计算梯度大小
Mat1f dx、dy、mag；
Sobel（灰色，dx，CV_32F，1,0）；
Sobel（灰色，dy，CV_32F，0,1）；
震级（dx、dy、mag）；
//删除低幅值，仅保留文本
掩模=mag>10；
//应用扩展来处理厚文本
Mat1b K=getStructuringElement（变形椭圆，大小（3,3））；
扩张（面罩，面罩，K）；
}
int main（int argc，const char*argv[]
{
Mat3b img=imread（“路径到图像”）；
//分段白色
Mat1b面罩；
findText（img，mask）；
//显示中间图像
Mat3b background=img.clone（）；
背景设置为（0，掩码）；
Mat3b前台=img.clone（）；
设置为（0，~mask）；
//修补
修复的Mat3b；
修补（img、面罩、修补、21、CV_修补_TELEA）；
imshow（“原件”，img）；
imshow（“前景”，前景）；
imshow（“背景”，背景）；
imshow（“修复的”，修复的）；
waitKey（）；
返回0；
}

您可以发布原始图像吗？你是否也需要分割文本？@Miki原始图像在左边，我的预处理在我上传的图像的右边。那是你的原始图像？还是程序显示的原始图像？另外，您是否有更好的图像质量（例如png）？@窗口“Board image”（左侧）中的Miki Yes图像是原始图像。我尝试将灰色阴影转换为纯白背景。对不起，我没有更好的原始图像，因为我是从互联网上得到的。如果你想测量“白色”背景的照明度，也许可以使用红色通道，因为文字在那里显示得最少，这样文字对你的测量影响最小。您的计算图像非常块状，如果将每个像素设置为其周围50x50像素块的平均值，则结果应该非常平滑。你的图像质量也很差：-（感谢分享你的方法，但不幸的是，这种背景估计并不理想。一旦我计算出来，如果我认为原始图像中的像素属于背景，我会用白色像素替换它（L2标准距离<阈值）。而且它没有给我想要的结果-。而且这种方法对我的应用程序来说太慢了（在我的笔记本电脑上修复需要约10秒，我计划在移动设备上运行此代码）。但无论如何，谢谢你。大多数（99%）大部分时间用于修复。如果你有另一种方法来重建背景，你会赢得很多时间。如果你在问题中分享你的代码，我们可能会想出更好的方法。我现在正在研究另一种方法-一旦我有了大致的背景（通过使用上面解释的15x15块），我想将平面拟合到RGB空间中，这样这些粉红色的点将被插值并替换为邻居的颜色。然后我的计划是从图像中减去这个背景（目前还不知道具体如何）好的。但我仍然不明白找到清洁白板的必要性。我只是好奇…你在做什么样的应用程序？正如我上面提到的，我想要清洁白板，以便从原始白板中减去它，只接收文本。它还应该修复文本中的任何照明（如果有）。最终我的应用程序将对白板内容进行OCR

#include <opencv2/opencv.hpp>
#include <opencv2/photo.hpp>
using namespace cv;

void findText(const Mat3b& src, Mat1b& mask)
{
    // Convert to grayscale
    Mat1b gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);

    // Compute gradient magnitude
    Mat1f dx, dy, mag;
    Sobel(gray, dx, CV_32F, 1, 0);
    Sobel(gray, dy, CV_32F, 0, 1);
    magnitude(dx, dy, mag);

    // Remove low magnitude, keep only text
    mask = mag > 10;

    // Apply a dilation to deal with thick text
    Mat1b K = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
    dilate(mask, mask, K);
}

int main(int argc, const char * argv[])
{
    Mat3b img = imread("path_to_image");

    // Segment white
    Mat1b mask;
    findText(img, mask);

    // Show intermediate images
    Mat3b background = img.clone();
    background.setTo(0, mask);

    Mat3b foreground = img.clone();
    foreground.setTo(0, ~mask);

    // Apply inpainting
    Mat3b inpainted;
    inpaint(img, mask, inpainted, 21, CV_INPAINT_TELEA);

    imshow("Original", img);
    imshow("Foreground", foreground);
    imshow("Background", background);
    imshow("Inpainted", inpainted);
    waitKey();

    return 0;
}