一、前言

如果你自己打印過東西，應該有過這種經歷。如果用自己拍的圖片，在手機上看感覺還是清晰可見，但是一打印出來就是漆黑一片。比如下面這兩張圖片：

因為左邊的圖片有大片陰影，所以打印出來的圖片不堪入目（因為打印要3毛錢，所以第二張圖片只是我用程序模擬的效果）。

那有什么辦法可以解決嗎？答案是肯定的，今天我們就來探討幾個去除陰影的方法。

二、如何去除陰影？

首先為了方便處理，我們通常會對圖片進行灰度轉換（即將圖片轉換成只有一個圖層的灰色圖像）。

然后我們分析一下，在上面的圖片中有三個主色調，分別是字體顏色（黑色）、紙張顏色（偏白）、陰影顏色（灰色）。知道這點后我們就好辦了。我們只需要把灰色和白色部分都處理為白色就好了。

那要我怎么才知道白色和灰色區域呢？對于一個8位的灰度圖，黑色部分的像素大致在0-30左右。白色和灰色應該在31-255左右（這個范圍只是大致估計，實際情況需要看圖片）。如圖：

左邊是原圖，右邊是處理后的圖片。我們將灰色和接近白色的部分都處理成了白色。

那下面我們就開始處理吧。

三、numpy的ndarray數組

可能有些讀者沒有接觸過numpy，這里簡單說一下。

numpy是一個第三方的模塊，用它我們可以很方便的處理多維數組（ndarray數組）。而圖片在OpenCV中的存儲方式正好是ndarray，所以我們對數組的操作就是對圖片的操作。

在使用之前我們需要安裝一下OpenCV模塊：

pip install opencv-python

在安裝OpenCV時會自動安裝numpy。

下面我們主要是看看布爾索引的操作，先看下面代碼：

import numpy as np
# 創建一個元素為1, 0, 1, 1的ndarray數組
arr = np.array([1, 0, 1, 1])
# 判斷數組中有沒有0
res = arr == 0
# 將數組中為0的元素賦值為10
arr[res] = 10

如果沒有接觸過numpy會不太理解上面的語法。我們來詳細說一下：

1.創建ndarray數組：我們通過np.array可以將現有的列表轉換成一個ndarray對象，這個很好理解

2.判斷數組中有沒有0：我們可以直接用ndarray對象來判斷，比如：arr == 0，他會返回一個元素結構和數量一樣的ndarray對象。但是返回的對象原始類型是bool，我們來看看res的輸出：

[False True False False]

從結果可以看出，我們比較arr==0就是對數組中每個元素進行比較，并返回比較的布爾值。

3.將數組中為0的元素賦值為10：而最難理解的arr[res]操作。它其實就是拿到res中為True的視圖，比如上面的結果是第二個為True則只會返回第二個元素的視圖。我們執行下面的代碼：

arr[res] = 10

就是把對應res為True的部分賦值為10，也就是將arr中值為0的部分賦值為10。

下面是arr最后的結果：

[ 1 10 1 1]

可以看到原本的0處理為了10。

四、去除陰影

現在我們知道了布爾索引，我們可以對圖片進行處理了。我們只需要讀取圖片，然后將像素值大于30的部分處理為白色就好了。下面是我們的代碼：

import cv2
# 讀取圖片
img = cv2.imread('page.jpg', 0)
# 將像素值大于30的部分修改為255（白色）
img[img > 30] = 255
# 保存修改后的圖片
cv2.imwrite('res.jpg', img)

上面的代碼非常簡單，我們使用cv2.imread函數讀取圖片，第一個參數是圖片路徑，第二個參數表示讀取為灰度圖。我們來看看效果圖：

可以看到陰影部分被很好地去除了。有些字比較模糊，我們可以通過調節灰白色的范圍調整。比如：

img[img > 40] = 255

具體的值就要根據要處理的圖片來決定了。

五、改進

對于上面的處理，還可以做一個小小的改進。我們可以讓紙張顏色不那么白，我們來看改進后的代碼：

import cv2
import numpy as np
img = cv2.imread('page.jpg', 0)
# 計算灰白色部分像素的均值
pixel = int(np.mean(img[img > 140]))
# 把灰白色部分修改為與背景接近的顏色
img[img > 30] = pixel
cv2.imwrite('res.jpg', img)

在上面的代碼中我們不再是將灰白色部分設置為255，而是事先計算了一個數值。

pixel = int(np.mean(img[img > 140]))

猜測陰影部分的顏色值小于140，因此先索引出圖像中大于140的部分。然后求平均值，這樣我們算出來的大致就是原圖的背景顏色，然后將圖片不是文字的部分處理為背景顏色，就是最終結果了。下面是我們的效果圖：

可以看到這次效果要更好了。但是因為背景都是一個顏色，所以看起來還是會有一些差別。

不過有一點需要說一下，上面的操作只適用于比較簡單的圖片，比如試卷這種。

以上就是python 基于opencv去除圖片陰影的詳細內容，更多關于python 去除圖片陰影的資料請關注腳本之家其它相關文章！