Python如何批量去除图片上的LOGO（针对LOGO色素不复杂情况）

使用框架 OpenCV

1.先看处理前与处理后的效果

处理前

处理后

操作流程

首先我们需要获取LOGO图片中含有的色素信息：

通过肉眼可以看到处理亲图片中的LOGO中包含三种颜色、白色、黄色、绿色。

这时我们需要精确获取这这三种颜色的HSV的值。

我们需要选择一张图片，然后点击图片上的LOGO位置的色素信息，之后采取鼠标位置点的BGR的值，然后转化成HSV值，代码如下：

import cv2

# 定义鼠标交互函数
def mouseColor(event, x, y, flags, param):
    if event == cv2.EVENT_LBUTTONDOWN:
        print('HSV:', hsv[y, x])  #输出图像坐标(x,y)处的HSV的值

img = cv2.imread('/Users/peng/Desktop/sy/WX20201218-180236@2x.png')  #读进来是BGR格式
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  #变成HSV格式
cv2.namedWindow("Color Picker")
cv2.setMouseCallback("Color Picker", mouseColor)
cv2.imshow("Color Picker", img)
if cv2.waitKey(0):
    cv2.destroyAllWindows()

分别得到白色、黄色、绿色HSV如下：

# 处理白色
0, 0, 240  #上限
255, 10, 255 #下限

# 处理绿色
80, 190, 134  #上限
85, 235, 182 #下限

# 处理黄色
20, 220, 220  #上限
33, 255, 255 #下限

得到颜色数据后我们需要对图片上的三种颜色进行处理依次处理

处理白色

# 读取图片
img = '/Users/peng/Desktop/sy/1608197551135.jpg'
img = cv2.imread(img)


x = 0
y = 0
w = img.shape[1]
h = img.shape[0]
#print(roi)
roi = img[y:y + h, x:x + w]

# 处理白色
lowerb  = np.array([0, 0, 240])  # 白色下限
upperb = np.array([255, 10, 255])  # 白色上限
roi_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # BGR转HSV，处理更精确
mask_blue = cv2.inRange(roi_hsv, lowerb, upperb)  # 蒙版
cv2.imshow('2', mask_blue)
kernel = np.ones((20, 20), np.uint8)  # 卷积核
mask_blue = cv2.dilate(mask_blue, kernel, iterations=1)  # 膨胀
roi = cv2.inpaint(roi, mask_blue, 5, flags=cv2.INPAINT_TELEA)  # 重绘

处理绿色

lowerb = np.array([80, 190, 134])
upperb = np.array([85, 235, 182])
roi_hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
mask_red = cv2.inRange(roi_hsv, lowerb, upperb)
mask_red = cv2.dilate(mask_red, kernel, iterations=1)
roi = cv2.inpaint(roi, mask_red, 3, flags=cv2.INPAINT_TELEA)

处理黄色

# 处理黄色
lowerb  = np.array([20, 220, 220])  # 黄色下限
upperb = np.array([33, 255, 255])  # 黄色上限
roi_hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)  # BGR转HSV，处理更精确
mask_blue = cv2.inRange(roi_hsv, lowerb, upperb)  # 蒙版
#cv2.imshow('2', mask_blue)
kernel = np.ones((20, 20), np.uint8)  # 卷积核
mask_blue = cv2.dilate(mask_blue, kernel, iterations=1)  # 膨胀
roi = cv2.inpaint(roi, mask_blue, 5, flags=cv2.INPAINT_TELEA)  # 重绘

最后重新保存

# 重新填充
img[y:y + h, x:x + w] = roi
#cv2.imshow('after', img)

cv2.imwrite('/Users/peng/Desktop/sy/result13.jpg', img)

批量执行代码如下：

#获取文件下所有文件
def get_img_list(dir, firelist, ext=None):
    newdir = dir
    if os.path.isfile(dir):  # 如果是文件
        firelist.append(dir)
    elif os.path.isdir(dir):  # 如果是目录
        for s in os.listdir(dir):
            newdir = os.path.join(dir, s)
            get_img_list(newdir, firelist, ext)

    return firelist

def read_img():
    image_path = '/opt/sy/bip/car1/product_image'
    imglist = get_img_list(image_path, [], 'bmp')
    imgall = []
    for imgpath in imglist:
        # print(imgpath)
        try:
            imgpath2 = imgpath.replace("car1", "car3")

            temppath = imgpath2[0:imgpath2.rfind("/",1)]

            if not os.path.exists(temppath):
                os.makedirs(temppath)

            img = cv2.imread(imgpath)
            #cv2.imshow('original', img)

            # 选择ROI
            # roi = cv2.selectROI(windowName="original", img=img, showCrosshair=False, fromCenter=False)
            # x, y, w, h = roi

            x = 0
            y = 0
            w = img.shape[1]
            h = img.shape[0]
            # print(roi)
            roi = img[y:y + h, x:x + w]
            # cv2.imshow('1', roi)

            # 处理百色
            lowerb = np.array([0, 0, 240])  # 百色下限
            upperb = np.array([255, 10, 255])  # 百色上限
            roi_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # BGR转HSV，处理更精确
            mask_blue = cv2.inRange(roi_hsv, lowerb, upperb)  # 蒙版
            #cv2.imshow('2', mask_blue)
            kernel = np.ones((20, 20), np.uint8)  # 卷积核
            mask_blue = cv2.dilate(mask_blue, kernel, iterations=1)  # 膨胀
            roi = cv2.inpaint(roi, mask_blue, 5, flags=cv2.INPAINT_TELEA)  # 重绘
            # cv2.imshow('2', roi)

            # 处理绿色
            lowerb = np.array([80, 190, 134]) # 绿色下限
            upperb = np.array([85, 235, 182]) # 绿色上限
            roi_hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
            mask_red = cv2.inRange(roi_hsv, lowerb, upperb)
            mask_red = cv2.dilate(mask_red, kernel, iterations=1)
            roi = cv2.inpaint(roi, mask_red, 5, flags=cv2.INPAINT_TELEA)

            # 处理黄色
            lowerb = np.array([20, 220, 220])  # 黄色下限
            upperb = np.array([33, 255, 255])  # 黄色上限
            roi_hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)  # BGR转HSV，处理更精确
            mask_blue = cv2.inRange(roi_hsv, lowerb, upperb)  # 蒙版
            # cv2.imshow('2', mask_blue)
            kernel = np.ones((20, 20), np.uint8)  # 卷积核
            mask_blue = cv2.dilate(mask_blue, kernel, iterations=1)  # 膨胀
            roi = cv2.inpaint(roi, mask_blue, 5, flags=cv2.INPAINT_TELEA)  # 重绘

            # 重新填充
            img[y:y + h, x:x + w] = roi
            # cv2.imshow('after', img)

            cv2.imwrite(imgpath2, img)
            print(imgpath2)
        except:
            print("错误异常："+imgpath)

    return imgall

read_img()

cv2.waitKey(0)
cv2.destroyAllWindows()

结果展示