如何使用numpy为图像的所有相对白色部分创建遮罩？

Question

假设我有2张白色图像（RGB 800x600图像），在某些未知位置上是“脏”的，我想创建一个包含两个图像所有脏部分的最终组合图像。

只需将图像加在一起即可减少每个斑点的“脏污”，因为我将像素值减半，然后将它们相加（以保持在0-> 255 rgb范围内），所以当您拥有2个以上图像时，会放大

我要做的是为3通道图像中所有相对白色的像素创建一个蒙版，我已经看到，如果所有RGB值都在彼此的10-15之内，则一个像素就相对白色。我将如何使用numpy创建此蒙版？

我想做什么的伪代码：

img = cv2.imread(img) #BGR image
mask = np.where( BGR within 10 of each other)

然后，我可以使用第一张图像，并在未遮盖第二张图片的地方替换其上的像素，从而使“脏污程度”相对较脏。 （我知道第二张图片有些肮脏会取代第一张图片，但这没关系）

编辑： 人们要求提供图像，所以我创建了一些示例图像，白色并不总是像这些示例中那样完全白，这就是为什么我需要使用“ 10 BGR以内”范围的原因。

图片1

图片2

图片3（组合起来，忽略从图片2到此处的黄色斑点的差异，它们应该相同）

Answer 1

您要的是像素之间的颜色之间的距离小于10。

在这里，翻译为numpy。

img = cv2.imread(img) #  assuming rgb image in naming
r = img[:, :, 0]
g = img[:, :, 1]
b = img[:, :, 2]
rg_close = np.abs(r - g) < 10
gb_close = np.abs(g - b) < 10
br_close = np.abs(b - r) < 10

all_close = np.logical_and(np.logical_and(rg_close, gb_close), br_close)

但是，我确实相信这不是您真正想要的。

我认为您想要在分割背景的蒙版中得到什么。

假设背景是完全白色的，这实际上更简单：

img = cv2.imread(img)
background_mask = 245 * 3 < img[: ,: ,0] + img[: ,: ,1] + img[: ,: ,2]

请注意，此代码需要阈值游戏，并且仅显示一个概念。

Answer 2

我建议您转换为HSV colourspace并寻找像这样的饱和（彩色）像素：

import cv2

# Load background and foreground images
bg = cv2.imread('A.jpg')
fg = cv2.imread('B.jpg')

# Convert to HSV colourspace and extract just the Saturation
Sat = cv2.cvtColor(fg, cv2.COLOR_BGR2HSV)[..., 1]

# Find best (Otsu) threshold to divide black from white, and apply it
_ , mask = cv2.threshold(Sat,0,1,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# At each pixel, choose foreground where mask is set and background elsewhere
res = np.where(mask[...,np.newaxis], fg, bg)

# Save the result
cv2.imwrite('result.png', res)

请注意，如果它拾取太多或太少的彩色像素，则可以对其进行修改。如果拾取的东西太少，则可以扩张面罩；如果拾取的东西太多，则可以腐蚀面罩。您还可以在遮罩之前稍微模糊图像，这可能不是一个坏主意，因为它是带有压缩伪像的“讨厌” JPEG。如果您只想允许某些颜色通过，或者某种亮度或某种组合，则可以更改饱和度测试，使其更具临床意义和针对性。