Python OpenCV 实现拍照图片背景去除

背景去除的实现原理

在使用手机或相机拍摄包含文字或文档的图片时，往往会带入灰色或黑色的背景。这种背景不仅影响视觉观感，还会干扰后续的图像识别与打印效果。利用 Python 的图像处理能力，我们可以自动识别前景并去除背景，从而还原清晰的图像内容。

环境准备与代码实现

实现该功能主要依赖 cv2 和 numpy 两个库。核心思路是先通过灰度转换与自适应阈值处理提取前景文字，再通过形态学操作优化掩膜，最后利用位运算将前景与背景分离。

#!/usr/bin/python3.6
# -*- coding: utf-8 -*-
# @Time : 2020/11/17 19:06
# @Author : ptg
# @Email : zhxwhchina@163.com
# @File : 去背景.py
# @Software: PyCharm

import cv2 as cv
import numpy as np

# 读取图像并转换为灰度图
image = cv.imread("text1.png",cv.IMREAD_GRAYSCALE)

# 自适应阈值处理，提取前景文字
binary = cv.adaptiveThreshold(image,255,
        cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY_INV,25,15)

# 构建结构元素并进行形态学闭运算，连接断裂的文字部分
se = cv.getStructuringElement(cv.MORPH_RECT,(1,1))
se = cv.morphologyEx(se, cv.MORPH_CLOSE, (2,2))

# 膨胀操作生成背景掩膜
mask = cv.dilate(binary,se)
cv.imshow("image",image)

# 反转掩膜，获取文字区域的掩膜
mask1 = cv.bitwise_not(mask)

# 将原图与文字掩膜进行位与运算，保留文字部分
binary =cv.bitwise_and(image,mask)

# 将文字部分与反转的背景掩膜相加，得到最终结果
result = cv.add(binary,mask1)
cv.imshow("reslut",result)

# 保存处理后的图像
cv.imwrite("reslut00.jpg",result)

# 等待按键关闭窗口
cv.waitKey(0)
cv.destroyAllWindows()

处理流程解析

1. 灰度转换：使用 cv.IMREAD_GRAYSCALE 读取图像，简化后续处理。
2. 自适应阈值：利用 cv.adaptiveThreshold 将图像二值化，cv.THRESH_BINARY_INV 确保文字部分为白色（255），背景为黑色（0）。
3. 形态学处理：通过 cv.morphologyEx 进行闭运算，修复文字内部的空洞；再通过 cv.dilate 膨胀操作生成背景掩膜。
4. 位运算合成：利用 cv.bitwise_not 反转掩膜，结合 cv.bitwise_and 和 cv.add 将前景文字与白色背景合并，实现背景去除。

应用场景

该技术不仅用于图像美化，还可结合 Python 的文字识别功能，将处理后的清晰图像转换为 PDF 等文档，广泛应用于自动化办公与文档数字化场景。

以上就是 Python + opencv 对拍照得到的图片进行背景去除的实现方法的详细内容，更多关于 Python 图像处理与自动化办公的资料请关注本站其它相关文章！