从图像opencv python中删除背景色

我有很多标本的图像，它们的背景颜色无法控制。其中一些有黑色背景。其中一些有白色背景。其中一些有绿色背景等

我想删除给定图像的这些背景色，其中图像中的对象只是一个样本。我尝试了这段代码，但它没有像我期望的那样工作

def get_holes(image, thresh):
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

        im_bw = cv2.threshold(gray, thresh, 255, cv2.THRESH_BINARY)[1]
        im_bw_inv = cv2.bitwise_not(im_bw)

        _, contour, _ = cv2.findContours(im_bw_inv, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
        for cnt in contour:
            cv2.drawContours(im_bw_inv, [cnt], 0, 255, -1)

        nt = cv2.bitwise_not(im_bw)
        im_bw_inv = cv2.bitwise_or(im_bw_inv, nt)
        return im_bw_inv


    def remove_background(image, thresh, scale_factor=.25, kernel_range=range(1, 15), border=None):
        border = border or kernel_range[-1]

        holes = get_holes(image, thresh)
        small = cv2.resize(holes, None, fx=scale_factor, fy=scale_factor)
        bordered = cv2.copyMakeBorder(small, border, border, border, border, cv2.BORDER_CONSTANT)

        for i in kernel_range:
            kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2*i+1, 2*i+1))
            bordered = cv2.morphologyEx(bordered, cv2.MORPH_CLOSE, kernel)

        unbordered = bordered[border: -border, border: -border]
        mask = cv2.resize(unbordered, (image.shape[1], image.shape[0]))
        fg = cv2.bitwise_and(image, image, mask=mask)
        return fg

file = your_file_location
img = cv2.imread(file)
nb_img = dm.remove_background(img, 255)

以下是一些示例图像

---

我可以听听你的建议吗？

这里有一个简单的方法，假设每张图像只有一个样本

Kmeans颜色量化。我们加载图像，然后执行Kmeans颜色量化，将图像分割为指定的颜色簇。例如，使用

clusters=4

，图像将被标记为四种颜色

获取二值图像。转换为灰度、高斯模糊、自适应阈值

在遮罩上绘制最大的包围圈。找到轮廓，使用轮廓区域过滤对最大轮廓进行排序，然后使用过滤将最大的包围圈绘制到遮罩上

按位and.因为我们已经分离出要提取的所需部分，所以我们只需按位and掩码和输入图像

---

输入图像

->

Kmeans

->

二进制图像

检测到最大的封闭圆

->

掩码

->

结果

这是第二幅图像的输出

输入图像

->

Kmeans

->

二进制图像

检测到最大的封闭圆

->

掩码

->

结果

代码

---

如果我的样本不是圆形而是椭圆形呢。我想我应该把cv2.MineConcloseingCircle（c）这行修改成其他的东西。我可以听听你的建议吗？你可以尝试另一种方法。如果它不是一个完美的圆，但椭圆不是使用一些圆/椭圆拟合函数来获得遮罩，你可以简单地使用

cv2来查找轮廓。查找轮廓
然后使用
cv2来绘制最大轮廓。在遮罩上绘制轮廓
。它应该适合任何方向
import cv2
import numpy as np

# Kmeans color segmentation
def kmeans_color_quantization(image, clusters=8, rounds=1):
    h, w = image.shape[:2]
    samples = np.zeros([h*w,3], dtype=np.float32)
    count = 0

    for x in range(h):
        for y in range(w):
            samples[count] = image[x][y]
            count += 1

    compactness, labels, centers = cv2.kmeans(samples,
            clusters, 
            None,
            (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10000, 0.0001), 
            rounds, 
            cv2.KMEANS_RANDOM_CENTERS)

    centers = np.uint8(centers)
    res = centers[labels.flatten()]
    return res.reshape((image.shape))

# Load image and perform kmeans
image = cv2.imread('2.jpg')
original = image.copy()
kmeans = kmeans_color_quantization(image, clusters=4)

# Convert to grayscale, Gaussian blur, adaptive threshold
gray = cv2.cvtColor(kmeans, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,21,2)

# Draw largest enclosing circle onto a mask
mask = np.zeros(original.shape[:2], dtype=np.uint8)
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for c in cnts:
    ((x, y), r) = cv2.minEnclosingCircle(c)
    cv2.circle(image, (int(x), int(y)), int(r), (36, 255, 12), 2)
    cv2.circle(mask, (int(x), int(y)), int(r), 255, -1)
    break

# Bitwise-and for result
result = cv2.bitwise_and(original, original, mask=mask)
result[mask==0] = (255,255,255)

cv2.imshow('thresh', thresh)
cv2.imshow('result', result)
cv2.imshow('mask', mask)
cv2.imshow('kmeans', kmeans)
cv2.imshow('image', image)
cv2.waitKey()