如何从python中的图像中消除白色模糊感

Question

我正在尝试从产品图片中删除背景，将它们另存为透明png，以至于我无法弄清楚如何以及为什么使产品周围的白线像模糊不清（请参见第二张图片） ）不知道效果的真实含义。我也失去了白色的耐克耐克鞋:(

from PIL import Image

img = Image.open('test.jpg')
img = img.convert("RGBA")
datas = img.getdata()


newData = []


for item in datas:
    if item[0] > 247 and item[1] > 247 and item[2] > 247:
        newData.append((255, 255, 255, 0))
    else:
        newData.append(item)

img.putdata(newData)
img.save("test.png", "PNG")

有什么想法我可以解决这个问题，以便获得清晰的选择，边缘吗？

Answer 1

复制图像并使用PIL / Pillow的ImageDraw.floodfill（）以合理的公差从左上角进行填充-这样，您将只填充到衬衫的边缘并避免使用Nike徽标

然后将背景轮廓设为白色，将其他所有颜色设为黑色，然后尝试应用某种形态（可能来自scikit图像）以将白色扩大一些以隐藏锯齿。

最后，使用putalpha()将生成的新层放入图像中。

---

我真的很想争取时间，但这是它的关键。只是在开始时丢失了原始图像的副本，而在结尾时丢失了新的alpha层的putalpha() ...

from PIL import Image, ImageDraw
import numpy as np
import skimage.morphology

# Open the shirt
im = Image.open('shirt.jpg')

# Make all background pixels (not including Nike logo) into magenta (255,0,255)
ImageDraw.floodfill(im,xy=(0,0),value=(255,0,255),thresh=10)

# DEBUG
im.show()

此处具有阈值（thresh）的实验。如果您将其设置为50，它的工作原理将更加整洁，可能足以将其停止。

# Make into Numpy array
n = np.array(im)

# Mask of magenta background pixels
bgMask =(n[:, :, 0:3] == [255,0,255]).all(2)

# DEBUG
Image.fromarray((bgMask*255).astype(np.uint8)).show()

# Make a disk-shaped structuring element
strel = skimage.morphology.disk(13)

# Perform a morphological closing with structuring element
closed = skimage.morphology.binary_closing(bgMask,selem=strel)

# DEBUG
Image.fromarray((closed*255).astype(np.uint8)).show()

如果您不熟悉形态学，那么安东尼·蒂森（Anthony Thyssen）有一些值得一读的here知识点。

顺便说一句，您也可以使用potrace稍微平滑轮廓。

---

我今天有更多时间，所以这里是一个更完整的版本。您可以根据图像尝试形态磁盘的大小和填充阈值，直到找到适合自己需求的内容为止：

#!/bin/env python3

from PIL import Image, ImageDraw
import numpy as np
import skimage.morphology

# Open the shirt and make a clean copy before we dink with it too much
im = Image.open('shirt.jpg')
orig = im.copy()

# Make all background pixels (not including Nike logo) into magenta (255,0,255)
ImageDraw.floodfill(im,xy=(0,0),value=(255,0,255),thresh=50)

# DEBUG
im.show()

# Make into Numpy array
n = np.array(im)

# Mask of magenta background pixels
bgMask =(n[:, :, 0:3] == [255,0,255]).all(2)

# DEBUG
Image.fromarray((bgMask*255).astype(np.uint8)).show()

# Make a disk-shaped structuring element
strel = skimage.morphology.disk(13)

# Perform a morphological closing with structuring element to remove blobs
newalpha = skimage.morphology.binary_closing(bgMask,selem=strel)

# Perform a morphological dilation to expand mask right to edges of shirt
newalpha = skimage.morphology.binary_dilation(newalpha, selem=strel)

# Make a PIL representation of newalpha, converting from True/False to 0/255
newalphaPIL = (newalpha*255).astype(np.uint8)
newalphaPIL = Image.fromarray(255-newalphaPIL, mode='L')

# DEBUG
newalphaPIL.show()

# Put new, cleaned up image into alpha layer of original image
orig.putalpha(newalphaPIL)
orig.save('result.png')

---

关于使用potrace平滑轮廓，您可以将new alphaPIL保存为PGM格式的图像，因为potrace就像输入一样。这样就可以了：

newalphaPIL.save('newalpha.pgm')

现在您可以玩了，哎呀，我的意思是用potrace来“仔细实验” 以平滑Alpha轮廓。基本命令是：

potrace -b pgm newalpha.pgm -o smoothalpha.pgm

然后可以将图像smoothalpha.pgm重新加载到Python中，并在putalpha()调用的最后一行使用它。这是原始的未平滑的alpha与平滑的alpha之间的差异的动画：

仔细查看边缘以发现差异。您可能需要尝试将alpha大小调整为两倍大小或一半大小，然后再进行平滑处理以查看效果如何。