Python 在不干扰原始图像的情况下，将灰色背景转换为白色背景

我裁剪了一些有灰色背景的图像，需要将它们转换为白色背景，以便与参考图像进行比较

我实现了以下代码以进行转换：

import cv2
im_gray = cv2.imread('gray_bg.png', cv2.IMREAD_GRAYSCALE)
(thresh, im_bw) = cv2.threshold(im_gray, 255, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
cv2.imwrite('white_bg.png', im_bw)

输入：

输出：

预期产出：

若你们观察，我的输出图像在原始图像的边缘有一些噪声（我希望我说的没错）。因此，在将输出与参考图像进行比较时，我没有得到所需的输出。有人能建议我怎么做吗

下面是我们编写的用于比较两幅图像的程序：

SourceImagePath = r'white_bg.png'
TemplateImagePath = r'ex_white_bg.png'
#def IconValidation(self,SourceImagePath,TemplateImagePath):
sourceImg=cv.imread(SourceImagePath)
templateImg=cv.imread(TemplateImagePath)
_,tempwidth,tempheight=templateImg.shape[::-1]
srcheight = np.size(sourceImg, 0)
srcwidth = np.size(sourceImg, 1)
if(srcwidth < tempwidth) and (srcheight < tempheight):
    print("comparison")

resultImg = cv.matchTemplate(sourceImg,templateImg,cv.TM_CCOEFF_NORMED)
matchVal = resultImg[0][0]
threshold=0.95
if(matchVal>threshold):
    print("passed")

else:
    print("failed")

SourceImagePath=r'white\u bg.png'
TemplateImagePath=r'ex_white_bg.png'
#def IconValidation（self、SourceImagePath、TemplateImagePath）：
sourceImg=cv.imread（SourceImagePath）
templateImg=cv.imread（TemplateImagePath）
_，tempwidth，tempheight=templateImg.shape[：-1]
srchheight=np.size（sourceImg，0）
srcwidth=np.size（sourceImg，1）
如果（srcwidth阈值）：
打印（“通过”）
其他：
打印（“失败”）

避免颜色编码的更改可获得最佳效果。代码如下：

im_gray = cv2.imread('gray_bg.png', cv2.IMREAD_UNCHANGED)
b, g, r = cv2.split(im_gray)

t = [None] * 3
u = [None] * 3
for i, im in enumerate([b, g, r]):
    t[i], u[i] = cv2.threshold(im, 255, 255, cv2.THRESH_BINARY + cv2.THRESH_TRIANGLE)

dst = cv2.merge((*u,))
cv2.imwrite('white_bg.png', dst)

通过与原始值进行比较，得出

99.99%

相等

如果您真的需要，您可以使用

cv2.cvtColor（src，cv2.COLOR\u bgr2 gray）

将图像转换为灰度编码

结果vs需要：

---

您看到的是混叠，而不是噪声。它的出现是因为硬阈值

您输入的图像确实有一些噪声，您可以通过放大（可能是由于某些阶段的有损压缩）看到这些噪声，但它并没有锯齿

通过应用1.4的增益（灰度约为180），可以将灰色背景变为白色，同时保持黑色。这将避免引入别名

---

了解如何将输出与预期输出进行比较会很有用；考虑到这是引发问题的操作。更新了代码。请注意您的问题的更新，为了更好地回答您的需求，如果您还共享模型图像以及您是如何获得它的，这将非常有用，以便其他人可以测试比较是否失败。为了进行比较，我使用了图像像素总和的差值（以百分比表示）。这根本不能解决二值化引起的问题。亲爱的@yvesdao谢谢您的考虑。如果你读得很好，你会看到这样一个问题：“因此，在将我的输出与参考图像进行比较时，我没有得到所需的输出。”在我所做的所有测试中，我给出的代码示例给出了最好的相等性比较结果。我没有像你那样处理噪音问题，但至少我给出了一些工作代码。你不明白。您没有避免别名，并且您的输出与OP获得的结果相同。放大图像，无需插值即可查看。