---

一，简介

本项目旨在开发一个基于OpenCV的图像处理工具，实现根据颜色从图片中自动抠图的功能。通过该项目，用户可以轻松指定一种颜色，系统将自动识别并提取该颜色的所有像素，生成新的图像。

二，实现方案

本方案基于OpenCV的图像处理，通过指定颜色范围，从输入图像中自动识别并提取该颜色的所有像素，生成新的图像。首先，通过颜色空间转换和掩码生成，实现颜色识别；然后，通过形态学操作修正掩码；最后抠出图像中对应掩码的区域。

三、算法实现步骤

3.1 cv2.inRange（）选择抠出的颜色
将图像转化为hsv颜色空间，按照上表中的数值进行颜色选择，本次选择的颜色为红色,使用的函数为cv2.inRange（），
cv2.inRange 是 OpenCV 中的一个函数，用于生成一个掩码，该掩码包含在指定范围内的所有像素。

函数介绍：
src: 输入的图像，可以是灰度图或彩色图。
lowerb: 表示颜色范围的最低边界。它是一个数组，包含三个值：蓝色通道的下限、绿色通道的下限和红色通道的下限。
upperb: 表示颜色范围的最高边界。它也是一个数组，包含三个值：蓝色通道的上限、绿色通道的上限和红色通道的上限。
cv2.inRange 函数返回一个与 src 图像大小相同的掩码图像。在这个掩码图像中，像素值在 lowerb 和 upperb 范围内的像素会被设置为255（白色），表示这些像素属于指定的颜色范围；而其他像素则被设置为0（黑色），表示这些像素不属于指定的颜色范围。

使用方法：

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 生成检测红色区域的掩码
lower_red = np.array([0, 43, 46])
upper_red = np.array([10, 255, 255])
mask1 = cv2.inRange(hsv, lower_red, upper_red)
lower_red = np.array([156, 43, 46])
upper_red = np.array([180, 255, 255])
mask2 = cv2.inRange(hsv, lower_red, upper_red)
mask1 = mask1 + mask2

3.2 处理颜色蒙版：

在图像处理中，为了提高颜色识别的准确性和鲁棒性，我们通常会采用以下步骤：

1. 执行形态学开运算：通过先腐蚀再膨胀的方式，去除掩码中的小噪声点和细小的白色区域。
2. 执行膨胀操作：增加掩码中白色区域的面积，填充前景对象中的小孔或间隙。
3. 执行取反操作：将掩码中的白色区域变为黑色，黑色区域变为白色，有助于将背景区域与前景区域区分开来。
   通过这些步骤，原始的颜色识别掩码被细化和改善，使得后续的图像处理步骤更加准确和有效。

实现方法：

mask1 = cv2.morphologyEx(mask1, cv2.MORPH_OPEN, np.ones((3, 3), np.uint8), iterations=2)
mask1 = cv2.dilate(mask1, np.ones((3, 3), np.uint8), iterations=1)
mask2 = cv2.bitwise_not(mask1)

3.3 取出图片中蒙版对应区域

代码：

res1 = cv2.bitwise_and(img, img, mask=mask1)
res2 = cv2.bitwise_and(img, img, mask=mask2)

四，整体代码

import cv2
import numpy as np

# 指定图像路径
image_path = r"F:\OIP-C.jfif"

# 加载图像
img = cv2.imread(image_path)

# 检查图像是否加载成功
if img is None:
    print("Error: Image cannot be loaded. Please check the path.")
    exit()

# 将颜色空间从BGR转换为HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 生成检测红色区域的掩码
lower_red = np.array([0, 43, 46])
upper_red = np.array([10, 255, 255])
mask1 = cv2.inRange(hsv, lower_red, upper_red)

lower_red = np.array([156, 43, 46])
upper_red = np.array([180, 255, 255])
mask2 = cv2.inRange(hsv, lower_red, upper_red)

mask1 = mask1 + mask2
# 细化检测到的红色区域对应的掩码
mask1 = cv2.morphologyEx(mask1, cv2.MORPH_OPEN, np.ones((3, 3), np.uint8), iterations=2)
mask1 = cv2.dilate(mask1, np.ones((3, 3), np.uint8), iterations=1)
mask2 = cv2.bitwise_not(mask1)

# 生成最终输出
res1 = cv2.bitwise_and(img, img, mask=mask1)
res2 = cv2.bitwise_and(img, img, mask=mask2)
# 显示融合后的图像
cv2.imshow('roi', res1)
cv2.imshow('background', res2)

# 等待按键
cv2.waitKey(0)
# 销毁所有窗口
cv2.destroyAllWindows()

五，效果：

原图：

前景和背景：