使用OpenCV自动去除背景色-技术圈

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

几天前，我遇到了一个项目，要求将草图放到某个文件夹中时删除草图的白色背景。这都是在硬件扫描仪中发生的。

下面是一个草图示例：

第一步是安装此项目的依赖关系，具体需要内容我们将在下面列出。此外，我们还将使用Python 3.7。

opencv_python==4.1.0.25pip install opencv-pythonnumpy==1.16.4pip install numpy

之后，我们将导入项目所需的所有模块

import cv2import osimport stringimport randomfrom os import listdirfrom os.path import isfile, join, splitextimport timeimport sysimport numpy as npimport argparse

然后，我们创建三个不同的变量：要处理的文件夹的名称，图像在处理后存储的文件夹的名称，以及在监视文件夹时的轮询时间（即，它检查文件夹中更改的频率，在我们这里设置的是一秒钟）

watch_folder = ‘toprocess’processed_folder = ‘processed’poll_time = 1

文件夹“ toprocess”和“ processed”放置在和我们的python脚本的同一目录中。

然后，我们将介绍我们程序主要功能的代码，它将监视我们的“ toprocess”目录，如果没有发生任何更改，程序将处理存入在该文件夹的所有图像。

before = dict([(f, None) for f in os.listdir(watch_folder)])while 1:  time.sleep(poll_time)  after = dict([(f, None) for f in os.listdir(watch_folder)])  added = [f for f in after if not f in before]  removed = [f for f in before if not f in after]  if added:    print(“Added “, “, “.join(added))  if added[0] is not None:    processImage(added[0])  if removed:    print(“Removed “, “, “.join(removed))  before = after

这段代码将无限循环运行，直到脚本被杀死为止。启动后，它将文件存储在名为“ before”的词典目录中。接下来，下面将分解介绍无限循环中的步骤：

睡眠指定的poll_time（1秒）。
将文件信息存储在名为after的字典目录中。
通过比较之后的IN和之前的NOT来存储已添加的内容
检查最后添加的元素（added [0]）（如果存在），然后调用一个函数，我们将在文件上稍作介绍的processImage进行讨论。
如果已删除，请通过打印一些信息来让用户知道。
最后，将目录中的最新文件进行更新。

接下来介绍processImage函数，这是程序的核心。这就是OpenCV后台删除魔术发生的地方。下面的注释解释了该代码（需要基本的OpenCV知识）：

def processImage(fileName):  # Load in the image using the typical imread function using our watch_folder path, and the fileName passed in, then set the final output image to our current image for now  image = cv2.imread(watch_folder + ‘/’ + fileName)  output = image  # Set thresholds. Here, we are using the Hue, Saturation, Value color space model. We will be using these values to decide what values to show in the ranges using a minimum and maximum value. THESE VALUES CAN BE PLAYED AROUND FOR DIFFERENT COLORS  hMin = 29  # Hue minimum  sMin = 30  # Saturation minimum  vMin = 0   # Value minimum (Also referred to as brightness)  hMax = 179 # Hue maximum  sMax = 255 # Saturation maximum  vMax = 255 # Value maximum  # Set the minimum and max HSV values to display in the output image using numpys' array function. We need the numpy array since OpenCVs' inRange function will use those.  lower = np.array([hMin, sMin, vMin])  upper = np.array([hMax, sMax, vMax])  # Create HSV Image and threshold it into the proper range.  hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # Converting color space from BGR to HSV  mask = cv2.inRange(hsv, lower, upper) # Create a mask based on the lower and upper range, using the new HSV image  # Create the output image, using the mask created above. This will perform the removal of all unneeded colors, but will keep a black background.  output = cv2.bitwise_and(image, image, mask=mask)  # Add an alpha channel, and update the output image variable  *_, alpha = cv2.split(output)  dst = cv2.merge((output, alpha))  output = dst  # Resize the image to 512, 512 (This can be put into a variable for more flexibility), and update the output image variable.  dim = (512, 512)  output = cv2.resize(output, dim)  # Generate a random file name using a mini helper function called randomString to write the image data to, and then save it in the processed_folder path, using the generated filename.  file_name = randomString(5) + ‘.png’  cv2.imwrite(processed_folder + ‘/’ + file_name, output)

接下来是一个非常简单的功能，可以正确地完成工作。再次强调，使用阈值可以提供更好的结果。我们需要讨论的最后一件事是mini helper函数，该函数为文件名生成随机字符串。

def randomString(length):  letters = string.ascii_lowercase  return ‘’.join(random.choice(letters) for i in range(length))

这是一个简单的功能。它使用“string”库获取字母，然后根据我们传入的长度加入随机选择的字符。传入5的长度将生成5个字符的字符串。

整个程序的处理结果如下所示：

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~