opencv去除 图片 中 某一颜色（python实现） 一 打开 图片 ​ 打开 图片 的时候最好使用windows自带的“画图”软件查看（在画图软件下通过句柄精灵获得点的 RGB 值与opencv 中 获得的是一样的），在“画图”的左下角可以看到图像 中 某个点的坐标值如（344,123），如果要在opencv 中 处理该点的话，需要把坐标值反一下即 img[123, 344]才能取得该点 二 使用句柄精灵等软件获得想要改变的颜色的 RGB 值 ​ 需要注意的是opencv 中 的R与B通道是反着的（后面代码 中 有相应说明） # 将灰度图像进行二值化处理 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 对二值化图像进行形态学操作，去除噪点 kernel = np.ones((3,3), np.uint8) opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2) # 找到轮廓 contours, hierarchy = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 循环遍历每个轮廓 for contour in contours: # 计算轮廓面积 area = cv2.contourArea(contour) if area < 100: continue # 找到轮廓的外接矩形 x, y, w, h = cv2.boundingRect(contour) # 裁剪出数字图像 digit_roi = opening[y:y+h, x:x+w] # 调整数字图像大小 resized_digit_roi = cv2.resize(digit_roi, (28, 28)) # 将数字图像转化为 MNIST 数据集的格式 mnist_digit = resized_digit_roi.reshape(1, 28, 28, 1).astype('float32') / 255.0 # 使用训练好的模型进行数字识别 prediction = model.predict(mnist_digit) digit = np.argmax(prediction) # 在原图像上绘制识别结果 cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.putText(img, str(digit), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2) # 显示结果图像 plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2 RGB )) plt.show() 该代码使用了OpenCV库对银行卡数字进行了识别。其 中 ，首先读取了银行卡图像，然后将图像转化为灰度图像，再进行二值化处理，去除噪点，找到数字轮廓，裁剪数字图像，将数字图像转化为MNIST数据集的格式，使用训练好的模型进行数字识别，最后在原图像上绘制识别结果。需要注意的是，该代码 中 的模型需要自己训练或者使用已经训练好的模型进行识别。