Nuestros desarrolladores estrellas agotaron sus provisiones de café, en su búsqueda noche y día por la respuesta, hasta que Virginia encontró el arreglo en GitHub y en este momento la compartimos con nosotros.
Solución:
No estoy seguro de si la siguiente solución es aceptable en su caso. Pero creo que funciona un poco mejor y no le importa la forma de la marca de agua.
-
Elimina los trazos usando el filtrado morfológico. Esto debería darle una imagen de fondo.
-
Calcule la imagen de diferencia: diferencia = fondo – inicial, y el umbral: binario = umbral (diferencia)
- Umbral de la imagen de fondo y extraer la región oscura cubierta por la marca de agua
- De la imagen inicial, extraiga los píxeles dentro de la región de la marca de agua y establezca el umbral de estos píxeles, luego péguelos en la imagen binaria anterior
Arriba hay una descripción aproximada. El siguiente código debería explicarlo mejor.
Mat im = [load the color image here];
Mat gr, bg, bw, dark;
cvtColor(im, gr, CV_BGR2GRAY);
// approximate the background
bg = gr.clone();
for (int r = 1; r < 5; r++)
Mat kernel2 = getStructuringElement(MORPH_ELLIPSE, Size(2*r+1, 2*r+1));
morphologyEx(bg, bg, CV_MOP_CLOSE, kernel2);
morphologyEx(bg, bg, CV_MOP_OPEN, kernel2);
// difference = background - initial
Mat dif = bg - gr;
// threshold the difference image so we get dark letters
threshold(dif, bw, 0, 255, CV_THRESH_BINARY_INV | CV_THRESH_OTSU);
// threshold the background image so we get dark region
threshold(bg, dark, 0, 255, CV_THRESH_BINARY_INV | CV_THRESH_OTSU);
// extract pixels in the dark region
vector darkpix(countNonZero(dark));
int index = 0;
for (int r = 0; r < dark.rows; r++)
for (int c = 0; c < dark.cols; c++)
if (dark.at(r, c))
darkpix[index++] = gr.at(r, c);
// threshold the dark region so we get the darker pixels inside it
threshold(darkpix, darkpix, 0, 255, CV_THRESH_BINARY | CV_THRESH_OTSU);
// paste the extracted darker pixels
index = 0;
for (int r = 0; r < dark.rows; r++)
for (int c = 0; c < dark.cols; c++)
if (dark.at(r, c))
bw.at(r, c) = darkpix[index++];
Una versión Python de la respuesta de dhanushka
# Import the necessary packages
import cv2
import numpy as np
def back_rm(filename):
# Load the image
img = cv2.imread(filename)
# Convert the image to grayscale
gr = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Make a copy of the grayscale image
bg = gr.copy()
# Apply morphological transformations
for i in range(5):
kernel2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,
(2 * i + 1, 2 * i + 1))
bg = cv2.morphologyEx(bg, cv2.MORPH_CLOSE, kernel2)
bg = cv2.morphologyEx(bg, cv2.MORPH_OPEN, kernel2)
# Subtract the grayscale image from its processed copy
dif = cv2.subtract(bg, gr)
# Apply thresholding
bw = cv2.threshold(dif, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
dark = cv2.threshold(bg, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
# Extract pixels in the dark region
darkpix = gr[np.where(dark > 0)]
# Threshold the dark region to get the darker pixels inside it
darkpix = cv2.threshold(darkpix, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
# Paste the extracted darker pixels in the watermark region
bw[np.where(dark > 0)] = darkpix.T
cv2.imwrite('final.jpg', bw)
back_rm('watermark.jpg')
Aquí esta el resultado final:
El tiempo de procesamiento es muy corto usando numpy
time python back_rm.py
real 0m0.391s
user 0m0.518s
sys 0m0.185s
Calificaciones y comentarios
No se te olvide difundir este ensayo si te ayudó.