Python 第二种滤除非黑像素方法的实现

所以我在分析相机图像，想从中提取黑色字母。首先，我为所有通道定义了阈值，并将其应用于图像，例如

low = [0, 0, 0]
up = [0.42, 0.42, 0.42]

然后，我检索了一个面具，通过使用

遮罩=cv2.inRange（图像，低，向上）

直到我发现不同的光照条件让我遇到了问题，这才奏效。例如，如果图像更亮，我可以将上限阈值调整为

0.65

，这足以在我分析的所有情况下区分黑白。但是：现在其他颜色会产生问题，因为更多的颜色在这个间隔内。我认为第二个条件将所有可能的值限制为灰色会起作用，即，只允许每个像素的三个通道的值之间存在一定的差异

现在的问题是，我如何能够以平滑的方式实现第二个条件，以便将具有

[0.4,0.6,0.4]

的像素踢出，而具有

[0.6,0.62,0.57]

的像素保留（随机示例，我会自己调整参数）？将这两种方法结合起来，而不需要在整个图像上进行及时迭代的最平滑的方法是什么

---

非常感谢，这会很有帮助的

通道的强度范围是沿轴2的最大和最小强度之间的差值。您可以利用NumPy开发完全矢量化的解决方案：

import numpy as np

def in_range(rgb, rgb_min, rgb_max):
    masks = np.logical_and(rgb >= rgb_min, rgb <= rgb_max)
    return np.all(masks, axis=2)

def small_deviation(rgb, rgb_dev):
    return (np.max(rgb, axis=2) - np.min(rgb, axis=2)) < rgb_dev

阈值设置为

low=[.0,0,0]

，

up=[.6,5,0.7]

和

dev=.4

In [84]: low = [.0, .0, .0]

In [85]: up = [.6, .5, 0.7]

In [86]: mask1 = in_range(image, low, up)

In [87]: mask1
Out[87]: 
array([[False,  True, False, False, False],
       [False, False, False, False, False],
       [False,  True, False, False, False],
       [False,  True, False,  True,  True]], dtype=bool)

In [88]: dev = .4

In [89]: mask2 = small_deviation(image, dev)

In [90]: mask2
Out[90]: 
array([[ True,  True, False, False, False],
       [False,  True,  True, False, False],
       [False, False,  True,  True, False],
       [False,  True, False, False,  True]], dtype=bool)

In [91]: mask = np.logical_and(mask1, mask2)

In [92]: mask
Out[92]: 
array([[False,  True, False, False, False],
       [False, False, False, False, False],
       [False, False, False, False, False],
       [False,  True, False, False,  True]], dtype=bool)

---

我不完全清楚你想要实现什么。你能举个例子吗（例如一个3x3“图像”作为输入和预期输出）。你最好转换成HSL或YUV colorspsce，在那里你有一个更简单的灰度度量。最后，我想得到一个所有“或多或少的灰度”像素都为真的遮罩，然后设置阈值。由于图像中的黑色可能具有值[0.4,0.38,0.41]，并且颜色在其中一个通道中具有更高的偏差（例如[0.4,0.58,0.41]），因此我需要第二个条件，即不允许每个像素的通道之间存在超过一定差异。我会查看上面提到的渠道，但仍然希望有一个具体的解决方案。现在清楚一点了吗？谢谢你的回答，这正是我想要的！但我可以投票给你，少了2个代表；）

In [84]: low = [.0, .0, .0]

In [85]: up = [.6, .5, 0.7]

In [86]: mask1 = in_range(image, low, up)

In [87]: mask1
Out[87]: 
array([[False,  True, False, False, False],
       [False, False, False, False, False],
       [False,  True, False, False, False],
       [False,  True, False,  True,  True]], dtype=bool)

In [88]: dev = .4

In [89]: mask2 = small_deviation(image, dev)

In [90]: mask2
Out[90]: 
array([[ True,  True, False, False, False],
       [False,  True,  True, False, False],
       [False, False,  True,  True, False],
       [False,  True, False, False,  True]], dtype=bool)

In [91]: mask = np.logical_and(mask1, mask2)

In [92]: mask
Out[92]: 
array([[False,  True, False, False, False],
       [False, False, False, False, False],
       [False, False, False, False, False],
       [False,  True, False, False,  True]], dtype=bool)