Python 使用OpenCV删除背景

我需要一点帮助：）

我正在尝试删除我拍摄的图像的背景

图中显示了一块穿过机器的木头：

现在我想移除背景，这样只有一块木头可见，它应该是这样的：

我试着用颜色检测、抓取切割和边缘检测来实现这一点。我能够去掉一点背景，但我并没有得到好的结果。我希望能够使用这个小程序来处理我将来拍摄的所有图像

其他信息：

图像的照明条件可能总是有点不同

木材的宽度总是略有不同。这意味着我不能对它应用“坐标系”

木材的颜色有时会稍微浅一点或深一点。这使得我很难仅仅应用颜色检测

下面是我尝试的颜色检测，例如：

from PIL import ImageGrab
from win32 import win32gui
import cv2
import numpy as np


while True:
    frame = cv2.imread('Wood.png')

    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    lower_blue = np.array([0, 0, 110])
    upper_blue = np.array([120, 255, 255])
    mask = cv2.inRange(hsv, lower_blue, upper_blue)
    result = cv2.bitwise_and(frame, frame, mask=mask)

    cv2.imshow("Result", result)
    key = cv2.waitKey(1)

    if key == 27:
        break

cap.release()
cv2.destroyAllWindows()

有什么想法吗

---

提前谢谢。

从计算机视觉的角度来看，这可能很困难，因为背景颜色几乎相同。你可以试着研究边缘检测，这样做。你可以访问没有木头的背景图像吗？是的，我可以访问没有木头的背景图像。不过，每幅图像的照明条件可能略有不同。你可以利用这样一个事实：你有原始背景，而你的相机看起来是静态的。你可以通过使用高斯混合模型（GMM）来解释像素级的细微运动和闪电变化所产生的噪声。这是最流行的背景减法算法之一。您可以更进一步，实现一个像素分类器，在各种闪电条件下从关键帧中采样像素，并生成概率分布，以找到光噪声之间的关系，背景模型和前景对象。查看OpenCV的GMM。从计算机视觉的角度来看，这可能很困难，因为背景几乎是相同的颜色。你可以试着研究边缘检测，这样做。你可以访问没有木头的背景图像吗？是的，我可以访问没有木头的背景图像。不过，每幅图像的照明条件可能略有不同。你可以利用这样一个事实：你有原始背景，而你的相机看起来是静态的。你可以通过使用高斯混合模型（GMM）来解释像素级的细微运动和闪电变化所产生的噪声。这是最流行的背景减法算法之一。你可以更进一步，实现一个像素分类器，在各种闪电条件下从关键帧采样像素，并生成概率分布，以找到光噪声、背景模型和前景对象之间的关系。