一、前言
如果你自己打印过东西，应该有过这种经历。如
本文来源gao!daima.com搞$代!码网
果用自己拍的图片，在手机上看感觉还是清晰可见，但是一打印出来就是漆黑一片。比如下面这两张图片：
因为左边的图片有大片阴影，所以打印出来的图片不堪入目（因为打印要3毛钱，所以第二张图片只是我用程序模拟的效果）。
那有什么办法可以解决吗？答案是肯定的，今天我们就来探讨几个去除阴影的方法。
二、如何去除阴影？
首先为了方便处理，我们通常会对图片进行灰度转换（即将图片转换成只有一个图层的灰色图像）。
然后我们分析一下，在上面的图片中有三个主色调，分别是字体颜色（黑色）、纸张颜色（偏白）、阴影颜色（灰色）。知道这点后我们就好办了。我们只需要把灰色和白色部分都处理为白色就好了。
那要我怎么才知道白色和灰色区域呢？对于一个8位的灰度图，黑色部分的像素大致在0-30左右。白色和灰色应该在31-255左右（这个范围只是大致估计，实际情况需要看图片）。如图：
左边是原图，右边是处理后的图片。我们将灰色和接近白色的部分都处理成了白色。
那下面我们就开始处理吧。
三、numpy的ndarray数组
可能有些读者没有接触过numpy，这里简单说一下。
numpy是一个第三方的模块，用它我们可以很方便的处理多维数组（ndarray数组）。而图片在OpenCV中的存储方式正好是ndarray，所以我们对数组的操作就是对图片的操作。
在使用之前我们需要安装一下OpenCV模块：
pip install opencv-python
在安装OpenCV时会自动安装numpy。
下面我们主要是看看布尔索引的操作，先看下面代码：
import numpy as np # 创建一个元素为1, 0, 1, 1的ndarray数组 arr = np.array([1, 0, 1, 1]) # 判断数组中有没有0 res = arr == 0 # 将数组中为0的元素赋值为10 arr[res] = 10
如果没有接触过numpy会不太理解上面的语法。我们来详细说一下：
1.创建ndarray数组：我们通过np.array可以将现有的列表转换成一个ndarray对象，这个很好理解
2.判断数组中有没有0：我们可以直接用ndarray对象来判断，比如：arr == 0，他会返回一个元素结构和数量一样的ndarray对象。但是返回的对象原始类型是bool，我们来看看res的输出：
[False True False False]
从结果可以看出，我们比较arr==0就是对数组中每个元素进行比较，并返回比较的布尔值。
3.将数组中为0的元素赋值为10：而最难理解的arr[res]操作。它其实就是拿到res中为True的视图，比如上面的结果是第二个为True则只会返回第二个元素的视图。我们执行下面的代码：
arr[res] = 10
就是把对应res为True的部分赋值为10，也就是将arr中值为0的部分赋值为10。
下面是arr最后的结果：
[ 1 10 1 1]
可以看到原本的0处理为了10。
四、去除阴影
现在我们知道了布尔索引，我们可以对图片进行处理了。我们只需要读取图片，然后将像素值大于30的部分处理为白色就好了。下面是我们的代码：
import cv2
# 读取图片
img = cv2.imread('page.jpg', 0)
# 将像素值大于30的部分修改为255（白色）
img[img > 30] = 255
# 保存修改后的图片
cv2.imwrite('res.jpg', img)
转载请注明原文链接：python 基于opencv去除图片阴影
