我有一种方法可以做到这一点。我不知道这种方法是否适用于所有人，但在这里效果很好。

下面是代码（在Python中）：

首先将图像转换为灰度，调整图像大小，应用阈值，并制作与调整后的灰度图像大小和类型相同的蒙版图像。 （蒙版图像只是黑色图像）

import cv2
import numpy as np

img = cv2.imread('bus.png')
img = cv2.resize(img,(400,500))
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,gray = cv2.threshold(gray,127,255,0)
gray2 = gray.copy()
mask = np.zeros(gray.shape,np.uint8)

现在在阈值图像中找到轮廓。过滤轮廓，范围在500到5000之间。它很可能是一个大的白色斑点，显然不是字母。 （请记住，该区域专用于此图像。我不知道您的其他图像。您必须自己找到它）。现在，在填充有白色的蒙版图像上绘制此轮廓。

contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    if 200<cv2.contourArea(cnt)<5000:
        cv2.drawContours(img,[cnt],0,(0,255,0),2)
        cv2.drawContours(mask,[cnt],0,255,-1)

Below is the detected contour image:

Next is the mask image:

现在，您可以使用cv2.bitwise_not函数反转图像。您可以在提供蒙版图像的位置提供蒙版选项，以便该功能仅在输入图像中蒙版图像中存在白色的区域上起作用。

cv2.bitwise_not(gray2,gray2,mask)

最后显示图片：

cv2.imshow('IMG',gray2)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

注意：

完成上述方法后，将“ ORANGE”保留为白色正方形。这就是为什么有些文物在那里的原因。如果您也不想要那个橙色，它可能会更准确。

只需找到区域过滤轮廓的边界矩形，然后绘制填充黑色的矩形即可。

代码：

import cv2
import numpy as np

img = cv2.imread('bus.png')
img = cv2.resize(img,(400,500))
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,gray = cv2.threshold(gray,127,255,0)
gray2 = gray.copy()

contours, hier = cv2.findContours(gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    if 200<cv2.contourArea(cnt)<5000:
        (x,y,w,h) = cv2.boundingRect(cnt)
        cv2.rectangle(gray2,(x,y),(x+w,y+h),0,-1)

cv2.imshow('IMG',gray2)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

检测到的边界矩形：

然后用黑色填充这些矩形：

如果您不想使用“ ORANGE”，它比以前的要好）