这里讨论背景元素简单的纯色背景的情况。
过程如下：
- 取图像开头的像素得到背景颜色
- 对图像做边缘检测
- 使用形态学操作平滑边缘
- 对边缘做轮廓检测，并做孔洞填充
- 遍历原图的所有像素，如果该像素坐标位于字体轮廓内，且与背景颜色并不相似，则对其颜色进行计数，像素出现次数最多的颜色就是字体的颜色。
问题：
因为文字和背景过度区域有很多中间颜色的像素，所以需要进行去除，主要是判断和背景颜色是否相似。那如何判断和背景颜色相似？很多背景颜色和文字颜色都是蓝色，只是一个深一点，一个浅一点，这样将RGB转换到HSB比较色调是不行的。我还是采用了比较RGB值的差的方法。
2020-03-03更新
之前的方法在背景颜色检测方面太过简单。这里提出一个基于KMeans聚类获得图像主色(Dominant Color)的方法。
背景颜色通常在图像中占据较大的比例，是图像主要包含的颜色。
微软和谷歌的计算机视觉服务能够检测图片的配色，详见两者的文档：检测图像中的配色方案 - 微软、检测图片属性 - 谷歌。
那具体怎么实现呢？检测主要颜色的方法有很多，常用的是KMeans，还有一种方法是颜色量化(Color Quantization)。KMeans是一种无监督的聚类方法，可以将数据聚成指定数量的类别，下面是操作步骤：
我们首先将图片缩放，然后获取每个像素的RGB值。生成如下的csv表：
r,g,b
255,255,255
202,202,202
39,39,39
0,0,0
1,1,1
0,0,0
之后进行聚类，每个类别的质心就是该类别对应的颜色。Java的话可以使用weka包含的SimpleKMeans类进行操作。
背景颜色出现的次数应该最多，所以包含像素最多的那个类别是背景颜色所在的类别。该类别质心对应的颜色就是背景颜色。
相关链接：