写代码实现（棕色的马图）Fig.6.6.1的背景消除

实现棕色的马图Fig.6.6.1的背景消除，可以使用以下步骤：

1. 读取原始图像并将其转换为灰度图像。
2. 对图像进行高斯滤波，以平滑图像并去除噪声。
3. 使用Otsu二值化方法将灰度图像转换为二值图像，以便分离前景和背景。
4. 进行形态学操作，例如开运算和闭运算，以去除小的噪点并填充前景中的空洞。
5. 使用连通组件标记算法标记前景中的所有对象。
6. 对于每个对象，计算其边界框并提取其像素值。
7. 将对象像素值复制到新的图像中，以生成没有背景的图像。

下面是Python代码实现：

import cv2
import numpy as np

# 读取原始图像并将其转换为灰度图像
img = cv2.imread('horse.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对图像进行高斯滤波
blur = cv2.GaussianBlur(gray, (5, 5), 0)

# Otsu二值化
ret, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# 形态学操作
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=2)
closing = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel, iterations=2)

# 连通组件标记
n, labels, stats, centroids = cv2.connectedComponentsWithStats(closing)

# 提取对象像素值并生成新的图像
output = np.zeros_like(img)
for i in range(1, n):
    x, y, w, h, area = stats[i]
    if area < 100:  # 去除小的噪点
        continue
    mask = np.zeros_like(img)
    mask[labels==i] = 255
    mask = cv2.bitwise_and(img, mask)
    output[mask!=0] = mask[mask!=0]

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Output', output)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行代码后，将显示原始图像和去除背景后的结果。