最近一段时间的工作都是研究如何去除图片中的红色印章，在网上查找了大量的大佬写过的方法，发现大多数是采取颜色通道分离法来做，并且效果还不错。站在前人的肩膀上，我又做了些许调整，谈不上是改进，但是能应对更对的情况总还是好的，特此记录。

  拿发票做例子，印章相较于其它部分最大的不同就是印章是红色的，而其它部分不是（这是一句废话）。

  

 

  那么第一步当然就是将红色分离出来，这一步可以采用Python第三方库OpenCV里的 cv2.split()方法，该方法是把RGB图像的三个通道拆分开来，得到的是蓝色、绿色和红色通道的灰度图。

Blue通道：

Green通道：

Red通道：

前2张与原图相差不大，所以用处也不大，有用的是第3张图。原始图中越红的像素点在图4中的灰度值就越大，越接近255，在图4中看起来就越白。

这时，我们可以采取OpenCV中的cv2.threshold()方法对图4进行二值化，即将一个灰色的图片，设定一个阈值，像素灰度值大于这个阈值的处理成白色，小于阈值的处理成黑色，这样就能将图片处理成下图中的样子：

可以说效果还是不错的，但是这个阈值应该怎么定呢？

通过参考的几个大佬的方法，基本都是将红色通道灰度值输出成一个直方图，人为观察一个最佳的阈值，然后设定这个阈值。不过这样一来就没办法应对多张图片的情况了，总不能一张图片设定一个阈值吧。

幸好cv2.threshold()还支持一种写法，就是多传入一个参数cv2.THRESH_OTSU，并且把阈值thresh设为0，算法会找到最优阈值：

cv2.threshold(red_c, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

具体原理这里不多赘述，大家可以自行了解，我只是将大概的思路说一下，接下来贴代码：

# -*- encoding: utf-8 -*-
import cv2
import numpy as npclass SealRemove(object):"""印章处理类"""def remove_red_seal(self, image):"""去除红色印章"""# 获得红色通道blue_c, green_c, red_c = cv2.split(image)# 多传入一个参数cv2.THRESH_OTSU，并且把阈值thresh设为0，算法会找到最优阈值thresh, ret = cv2.threshold(red_c, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)# 实测调整为95%效果好一些filter_condition = int(thresh * 0.95)_, red_thresh = cv2.threshold(red_c, filter_condition, 255, cv2.THRESH_BINARY)# 把图片转回 3 通道result_img = np.expand_dims(red_thresh, axis=2)result_img = np.concatenate((result_img, result_img, result_img), axis=-1)return result_imgif __name__ == '__main__':image = 'D:/test/test.png'img = cv2.imread(image)seal_rm = SealRemove()rm_img = seal_rm.remove_red_seal(img)cv2.imwrite("D:/test/result.png",rm_img)

参考：基于颜色通道分离法去除图像中印章，http://deanhan.com/2018/06/15/channel/#comments