基于颜色空间的方法：将图像从RGB颜色空间转换到HSV或YCbCr颜色空间，这样可以将阴影区域和背景区域分离出来。在HSV或YCbCr颜色空间中，阴影通常具有低饱和度和低亮度，而背景区域通常具有高饱和度和高亮度。通过对阴影区域进行二值化或者像素分类，可以得到阴影的位置和形状。写一个脚本

以下是一个基于OpenCV库的Python脚本，可以使用HSV颜色空间来检测图像中的阴影并将其标记出来：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 将图像从RGB颜色空间转换到HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 设定阴影的颜色范围
lower_color = np.array([0, 0, 0], dtype=np.uint8)
upper_color = np.array([180, 255, 80], dtype=np.uint8)

# 提取阴影区域
mask = cv2.inRange(hsv, lower_color, upper_color)

# 对阴影区域进行二值化处理
thresh = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY)[1]

# 标记阴影区域
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)

# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个脚本首先将图像从RGB颜色空间转换到HSV颜色空间，然后设定阴影的颜色范围，并使用cv2.inRange函数提取阴影区域。接着使用cv2.threshold函数二值化阴影区域，最后使用cv2.findContours函数找到阴影区域的轮廓并将其标记出来。