淘宝店铺白底图过滤算法

这个标题有点标题党的意思，首先我不在阿里上班，在其他电商公司。淘宝过滤白底图具体用的什么算法我也不清楚，只不过我的算法用在店铺过滤效果不错，方法实现简单。
首先来说一下什么是白底图
过滤这种白底图首先想到深度学习做一个2分类行不行。但是对于目前情况并没有label,所以只能用无监督学习。无监督学习首先想到了近邻算法。将图片做一个灰度处理，再做阈值分割。但是对于实际应用，有些店铺商品并没有上传白底图，如果用近邻算法，那么会在没有白底图的商品中迭代出白底图，造成判别错误。所以改用图像处理方法。
针对这种白底图，首先灰度处理，阈值分割。将白色区域掩码设置为0，非白色背景区域掩码设置为1。我们根据这个掩码图判断掩码矩阵的第一行、第一列、最后一行、最后一列，通过每一行求和的方式判断该图是否白底图。如果4个边之和非常接近0即为白底图。但是仅仅依靠这一判别方法还不够，因为商家也够狡猾，如下图，我们的方法会失效

于是我又做加入了2个判别方法，外接矩形面积和掩码求和
外接矩形，即是非背景部分的最小外接矩形，上图中外接矩形很明显，就是非白色背景区域的矩形，也就是商家截出的区域，那么在上图中，白色背景区域占比整张图为（1-外接矩形/整图）。
掩码求和即是掩码矩阵所有的0，1元素相加。0表示白色背景，1表示非背景，那么上图中白色背景区域掩码占比整张图像=（1-mask.sum/(w*h)）。
重点部分来了，在回到第一张图，在真正的白底图中，如果我们画出外接矩形，会发现外接矩形内，有很大一部分为纯正的白色背景区域，即在真正的白底图内，外接矩形占比一定小于背景区域掩码占比，而且小很多。而在绝大多数非白底图，外接矩形内部纯白色区域并不多。所以非白底图外接矩形占比稍微小于背景区域掩码占比。
即，通过对比掩码图4个边，可以过滤出真正的白底图，但会有很一些非白底图也被当作白底图。再加上判别条件：掩码和之比大于外接矩形之比（至于大多少，可以自己设置阈值）可以筛选90%的非白底图。

在做这个算法时，没有任何支持。业务只是提了一个需求，我只是个入职2周的宝宝啊，还是在校实习生，所以理解他们业务花了好长时间，还要在数据库查表，结果数据库中的字段和业务说的名词并没有很好的对应，又花了一些时间，然后导出数据库文件，自己又写爬虫去店铺爬图片。这花了我好几天的时间。然后设计算法，设计算法大概花了30分钟吧，然后开始写代码，花了几个小时，又调bug花了几个小时。代码运行起来，业务看到运行结果，很满意，作出的效果非常好，然后业务又提新需求。我又改代码。。。。又加班到晚上10点多