python - 如何使用 numpy 为图像的所有相对白色部分创建蒙版？

Question

假设我有 2 个在某些未知位置“脏”的白色图像(RGB 800x600 图像)，我想创建一个包含两个图像的所有脏部分的最终组合图像。
只需将图像添加在一起就可以减少每个 blob 的“脏度”，因为我将像素值减半，然后添加它们(保持在 0-> 255 rgb 范围内)，当您有超过 2 个图像时，这会被放大。
我想要做的是为 3 channel 图像中所有相对白色的像素创建一个蒙版，我已经看到，如果所有 RGB 值都在彼此之间的 10-15 范围内，则一个像素是相对白色的。我将如何使用 numpy 创建这个掩码？
我想做的伪代码:

img = cv2.imread(img) #BGR image
mask = np.where( BGR within 10 of each other)

然后我可以使用第一张图片，并替换第二张图片没有被遮盖的像素，保持“脏度级别”相对脏。 (我知道第二张图片的一些脏污会取代第一张，但没关系)
编辑:
人们要求提供图像，因此我创建了一些示例图像，白色并不总是像这些示例中那样完全白色，这就是为什么我需要使用“10 BGR 以内”范围的原因。
图 1

图 2

图3(合并，忽略图2到这里黄色 Blob 的区别，应该是一样的)

Answer 1

您要求的是具有颜色之间距离小于 10 的像素。
在这里，翻译成 numpy。

img = cv2.imread(img) #  assuming rgb image in naming
r = img[:, :, 0]
g = img[:, :, 1]
b = img[:, :, 2]
rg_close = np.abs(r - g) < 10
gb_close = np.abs(g - b) < 10
br_close = np.abs(b - r) < 10

all_close = np.logical_and(np.logical_and(rg_close, gb_close), br_close)

然而，我相信这不是你真正想要的。
我认为您在分割背景的蒙版中想要什么。
这实际上更简单，假设背景是完全白色的:

img = cv2.imread(img)
background_mask = 245 * 3 < img[: ,: ,0] + img[: ,: ,1] + img[: ,: ,2]

请注意此代码需要阈值游戏，并且仅显示一个概念。