作者 | 努比 责编 | 张文
头图 | CSDN 下载自东方 IC
来源 | 小白学视觉（ID：NoobCV）
我们经常需要通过扫描将纸上的全部内容转换为图像。有很多在线工具可以提高图像的亮度，或者消除图像中的阴影。那我们可以手动删除阴影吗？
答案是当然可以。我们只需要将图像加载到相应的代码中，无需任何应用程序即可在几秒钟内获得输出。这个代码可以通过 Numpy 和 OpenCV 基本函数来实现。
为了说明该过程，使用了以下图像进行操作。
Test_image
图像中有一个非常明显的阴影需要删除。
导入软件包
首先当然是将必要的软件包导入环境。代码如下：
注意事项
删除阴影时，有两件事要注意。由于图像是灰度图像，如果图像背景较浅且对象较暗，则必须先执行最大滤波，然后再执行最小滤波。如果图像背景较暗且物体较亮，我们可以先执行最小滤波，然后再进行最大滤波。
那么，最大过滤和最小过滤到底是什么？
最大滤波
让我们假设我们有一定大小的图像 I。我们编写的算法应该逐个遍历 I 的像素，并且对于每个像素（x，y），它必须找到该像素周围的邻域（大小为 N x N 的窗口）中的最大灰度值，并进行写入 A 中相应像素位置（x，y）的最大灰度值。所得图像 A 称为输入图像I的最大滤波图像。现在让我们通过代码来实现这个概念。
max_filtering（）函数接受输入图像和窗口大小 N；
它最初在输入数组周围创建一个“墙”（带有-1的填充），当我们遍历边缘像素时会有所帮助；
然后，我们创建一个“ temp”变量，将计算出的最大值复制到其中；
然后，我们遍历该数组并围绕大小为 N x N 的当前像素创建一个窗口；
然后，我们使用“ amax（）”函数在该窗口中计算最大值，并将该值写入 temp 数组；
我们将该临时数组复制到主数组 A 中，并将其作为输出返回。
A 是输入 I 的最大滤波图像。
最小滤波
此算法与最大滤波完全相同，但是我们没有找到附近的最大灰度值，而是在该像素周围的 N x N 邻域中找到了最小值，并将该最小灰度值写入 B 中的（x，y）。所得图像 B 称为图像 I 的经过最小滤波的图像，代码如下。
如果图像的背景较浅，我们要先执行最大过滤，这将为我们提供增强的背景，并将该最大过滤后的图像传递给最小过滤功能，该功能将负责实际的内容增强。
获得图像
执行最小-最大滤波后，我们获得的值不在 0-255 的范围内。因此，我们必须归一化使用背景减法获得的最终阵列，该方法是将原始图像减去最小-最大滤波图像，以获得去除阴影的最终图像。
输出图像
变量 N（用于过滤的窗口大小）将根据图像中粒子或内容的大小进行更改。对于测试图像，选择大小 N = 20。增强后的最终输出图像如下所示：
Test_image_output
输出图像相较于原始图像已经没有任何的阴影啦。
代码链接：https://github.com/kavyamusty/Shading-removal-of-images