Python 如何去除噪声图像的背景并提取透明对象？

我有一个无法解决的图像处理问题。我有一套像下面（1）一样的375张图片。我正试图去除背景，以便进行“背景减除”（或“前景提取”）并仅在普通背景（黑/白/…）上获得浪费

我尝试了很多东西，包括OpenCV中的createBackgroundSubtractorMOG2或threshold。我还试图通过从前景中减去背景来逐个像素地去除背景，因为我有一组237幅背景图像（2）（没有垃圾的地毯，但与有物体的图像有一点偏移）。背景图像的亮度也有变化

下面是一个我能够测试的代码示例，它给出了下面（3）和（4）的结果。我使用Python 3.8.3

# Function to remove the sides of the images
def delete_side(img, x_left, x_right):
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            if j<=x_left or j>=x_right:
                img[i,j] = (0,0,0)
    return img

# Intialize the background model
backSub = cv2.createBackgroundSubtractorMOG2(history=250, varThreshold=2, detectShadows=True)

# Read the frames and update the background model
for frame in frames:
    if frame.endswith(".png"):
        filepath = FRAMES_FOLDER + '/' + frame
        img = cv2.imread(filepath)
        img_cut = delete_side(img, x_left=190, x_right=1280)
        gray = cv2.cvtColor(img_cut, cv2.COLOR_BGR2GRAY)
        mask = backSub.apply(gray)
        newimage = cv2.bitwise_or(img, img, mask=mask)
        img_blurred = cv2.GaussianBlur(newimage, (5, 5), 0)
        gray2 = cv2.cvtColor(img_blurred, cv2.COLOR_BGR2GRAY)
        _, binary = cv2.threshold(gray2, 10, 255, cv2.THRESH_BINARY)
        final = cv2.bitwise_or(img, img, mask=binary)
        newpath = RESULT_FOLDER + '/' + frame
        cv2.imwrite(newpath, final)

#删除图像侧面的功能
def delete_侧（img，左x_，右x_）：
对于范围内的i（img.shape[0]）：
对于范围内的j（img.形状[1]）：
如果j=x_右：
img[i，j]=（0,0,0）
返回img
#初始化背景模型
backSub=cv2.createBackgroundSubtractorMOG2（历史=250，varThreshold=2，detectShadows=True）
#读取帧并更新背景模型
对于帧中帧：
如果frame.endswith（“.png”）：
filepath=FRAMES\u文件夹+'/'+FRAMES
img=cv2.imread（文件路径）
img\u剪切=删除侧（img，x\u左=190，x\u右=1280）
灰色=cv2.CVT颜色（img\U切割，cv2.COLOR\U BGR2GRAY）
遮罩=后遮罩应用（灰色）
newimage=cv2.按位_或（img，img，mask=mask）
img_模糊=cv2.高斯模糊（新图像，（5,5,0）
gray2=cv2.CVT颜色（img_模糊，cv2.COLOR_BGR2GRAY）
_，binary=cv2.threshold（灰度2，10，255，cv2.THRESH_binary）
final=cv2.按位_或（img，img，mask=binary）
newpath=RESULT_FOLDER+'/'+frame
cv2.imwrite（新路径，最终）

我的灵感来自Stackoverflow或其他网站上发现的许多其他案例（示例：）

不幸的是，结果图片上仍然有很多噪音

作为“背景减法”的初学者，我没有获得最佳解决方案的所有关键。如果有人想以一种更高效、更干净的方式完成这项任务（有没有处理透明物体的特殊方法？能否更有效地消除物体上的噪音？等等），我很感兴趣：）

---

谢谢你的回答。作为参考，我只是简单地改变了方法，并使用一个带有两个标签（前景、背景）的分割模型（U-Net）来识别背景。很好用。

谢谢你的回答。作为参考，我只是简单地改变了方法，并使用一个带有两个标签（前景、背景）的分割模型（U-Net）来识别背景。它工作得很好。

应用程序中的背景是否已固定？我不认为分割这些物体会很容易；不过，在收购过程中控制一些因素将使这一过程变得相当容易。感谢您的回复。是的，拍照的相机是固定的，背景的传送带总是一样的。亮度可能只有变化。@cam1234我建议使用。这是一个GUI应用程序，您可以在其中拖放/连接图像处理过滤器，然后将代码导出到Python。应用程序中的背景是否固定？我不认为分割这些物体会很容易；不过，在收购过程中控制一些因素将使这一过程变得相当容易。感谢您的回复。是的，拍照的相机是固定的，背景的传送带总是一样的。亮度可能只有变化。@cam1234我建议使用。它是一个GUI应用程序，您可以在其中拖放/连接图像处理过滤器，然后将代码导出到Python。