Python 如何在OpenCV中提取具有特定颜色的图像片段？

我使用徽标和其他简单的图形，其中没有渐变或复杂的图案。我的任务是从带有字母和其他元素的徽标片段中提取

为了做到这一点，我定义了背景颜色，然后我通过图片来分割图像。以下是我的代码，以便于进一步理解：

MAXIMUM_COLOR_TRANSITION_DELTA = 100  # 0 - 765


def expand_segment_recursive(image, unexplored_foreground, segment, point, color):
    height, width, _ = image.shape
    # Unpack coordinates from point
    py, px = point

    # Create list of pixels to check
    neighbourhood_pixels = [(py, px + 1), (py, px - 1), (py + 1, px), (py - 1, px)]

    allowed_zone = unexplored_foreground & np.invert(segment)

    for y, x in neighbourhood_pixels:
        # Add pixel to segment if its coordinates within the image shape and its color differs from segment color no
        # more than MAXIMUM_COLOR_TRANSITION_DELTA
        if y in range(height) and x in range(width) and allowed_zone[y, x]:
            color_delta = np.sum(np.abs(image[y, x].astype(np.int) - color.astype(np.int)))
            print(color_delta)
            if color_delta <= MAXIMUM_COLOR_TRANSITION_DELTA:
                segment[y, x] = True
                segment = expand_segment_recursive(image, unexplored_foreground, segment, (y, x), color)
                allowed_zone = unexplored_foreground & np.invert(segment)

    return segment


if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("Pass image as the argument to use the tool")
        exit(-1)

    IMAGE_FILENAME = sys.argv[1]
    print(IMAGE_FILENAME)

    image = cv.imread(IMAGE_FILENAME)
    height, width, _ = image.shape

    # To filter the background I use median value of the image, as background in most cases takes > 50% of image area.
    background_color = np.median(image, axis=(0, 1))
    print("Background color: ", background_color)

    # Create foreground mask to find segments in it (TODO: Optimize this part)
    foreground = np.zeros(shape=(height, width, 1), dtype=np.bool)
    for y in range(height):
        for x in range(width):
            if not np.array_equal(image[y, x], background_color):
                foreground[y, x] = True

    unexplored_foreground = foreground

    for y in range(height):
        for x in range(width):
            if unexplored_foreground[y, x]:
                segment = np.zeros(foreground.shape, foreground.dtype)
                segment[y, x] = True
                segment = expand_segment_recursive(image, unexplored_foreground, segment, (y, x), image[y, x])

                cv.imshow("segment", segment.astype(np.uint8) * 255)

                while cv.waitKey(0) != 27:
                    continue

MAXIMUM_COLOR_TRANSITION_DELTA=100#0-765
def expand_segment_recursive（图像、未探测的_前景、段、点、颜色）：
高度、宽度，u=image.shape
#从点解包坐标
py，px=点
#创建要检查的像素列表
邻域像素=[（py，px+1），（py，px-1），（py+1，px），（py-1，px）]
允许的\u区域=未勘探的\u前景和np.反转（段）
对于y，x邻域像素：
#如果像素在图像形状中的坐标及其颜色不同于段颜色编号，则向段添加像素
#超过最大值\u颜色\u过渡\u增量
如果y在范围（高度）内，x在范围（宽度）内，且允许_区[y，x]：
color_delta=np.sum（np.abs（图像[y，x].astype（np.int）-color.astype（np.int）））
打印（颜色增量）
如果颜色增量为图像面积的50%。
背景颜色=np.中间值（图像，轴=（0,1））
打印（“背景色：”，背景色）
#创建前景遮罩以查找其中的分段（TODO:优化此部分）
前景=np.zero（形状=（高度，宽度，1），数据类型=np.bool）
对于范围内的y（高度）：
对于范围内的x（宽度）：
如果不是np.数组（图像[y，x]，背景色）：
前景[y，x]=真
未勘探的前景=前景
对于范围内的y（高度）：
对于范围内的x（宽度）：
如果未探测到前景[y，x]：
段=np.0（前台.shape，前台.dtype）
段[y，x]=真
分段=展开分段递归（图像、未探索的前景、分段（y，x）、图像[y，x]）
cv.imshow（“段”，段.aType（np.uint8）*255）
而cv.waitKey（0）！=27:
持续

以下是期望的结果：

在运行时结束时，我预计将提取13个分离的片段（对于此特定图像）。但是我得到了RecursionError：超过了最大递归深度，这并不奇怪，因为可以为图像的每个像素调用expand_segment_recursive（）。因为即使使用600x500的小图像分辨率，我最多也能接到300K的电话

我的问题是，在这种情况下，如何摆脱递归，并可能使用Numpy或OpenCV算法优化算法？

您可以实际使用图像（二进制）并通过几个步骤完成这项工作。此外，您可以使用或其他方法

代码如下：

import numpy as np
import cv2

# load image as greyscale
img = cv2.imread("hp.png", 0)

# puts 0 to the white (background) and 255 in other places (greyscale value < 250)
_, thresholded = cv2.threshold(img, 250, 255, cv2.THRESH_BINARY_INV)

# gets the labels and the amount of labels, label 0 is the background
amount, labels = cv2.connectedComponents(thresholded)

# lets draw it for visualization purposes
preview = np.zeros((img.shape[0], img.shape[2], 3), dtype=np.uint8)

print (amount) #should be 3 -> two components + background

# draw label 1 blue and label 2 green
preview[labels == 1] = (255, 0, 0)
preview[labels == 2] = (0, 255, 0)

cv2.imshow("frame", preview)
cv2.waitKey(0)

结果是：

---

也许您可以提供另一个示例，另外，请提供您希望作为“结果”获得的结果？哇，循环/递归看起来是个坏主意。您可以尝试进行二值化（阈值），然后连接组件？或者，如果它像这个标志可能会转换为HSV颜色空间，并在范围内选择蓝色部分？在这种特殊情况下，您甚至可以只做一个阈值来获得“蓝色”的遮罩part@api55关键是我们有几个相同颜色的片段。如果我对图像应用阈值，我将在一张图像中获得该颜色的所有片段。这不合适，在这种情况下，段必须分开。连接的组件看起来很相关，你有一个使用它的好例子吗？啊，好的，现在它是有意义的，但是先设置阈值，然后连接组件就可以了。给我一分钟，我写下来作为答案。这个问题可能也很有用：使用

cv:：inRange

（OpenCV）选择正确的HSV上下边界进行颜色检测谢谢，@api55作为示例。它为我解释了一个解决方案。由于图像上可能有不同颜色的片段（刚刚意识到此示例并没有涵盖任务的所有边缘情况），我将对每种颜色的几个inRange（）矩阵执行connectedComponents（）。您应该为我放置一个具有更多颜色的示例图像，以便更好地帮助您。。。连接的组件有时很昂贵，所以在大图像中多次连接可能需要几秒钟的时间来处理。。。也许另一种方法更好。。。。您也可以尝试分水岭算法。现在你可以看到图像实际上可以有不同颜色的片段，并且每个片段都必须被提取出来。@Ruslan有时候，当新问题不同并且答案被接受时，最好打开一个新问题。无论如何，我更新了我的答案以匹配新的标志。。。它不像以前那么干净，因为徽标的彩色部分周围有一些非纯白色

import numpy as np
import cv2

img = cv2.imread("total.png", 0)

# background to black
img[img>=200] = 0
# get edges
canny = cv2.Canny(img, 60, 180)
# make them thicker
kernel = np.ones((3,3),np.uint8)
canny = cv2.morphologyEx(canny, cv2.MORPH_DILATE, kernel)
# apply edges as border in the image
img[canny==255] = 0

# same as before
amount, labels = cv2.connectedComponents(img)
preview = np.zeros((img.shape[0], img.shape[1], 3), dtype=np.uint8)
print (amount) #should be 14 -> 13 components + background

# color them randomly
for i in range(1, amount):
  preview[labels == i] = np.random.randint(0,255, size=3, dtype=np.uint8)

cv2.imshow("frame", preview )
cv2.waitKey(0)