如何自动裁剪这张图片中灰色内的白色部分？

Question

我想裁剪掉灰色中的白色部分，并将其保存为数千张图片的新图片。这可以通过 PIL 或 opencv 来完成吗？如果有怎么办？ 图片可以是这样的：

我知道 PIL 库有 n 个裁剪，但是如何让脚本自动找到灰色中的白色部分？白色部分有时包含其他图像，有时也包含文本。所以白色部分并不总是像示例中那样是空白的白色或只有黑色的框架。

Answer 1

如果您愿意使用 ImageMagick，这可以在一行代码中使用它的 -trim 函数完成两次，对于两个灰色区域（暗区和亮区）各一次。修剪功能在背景中寻找几乎恒定的区域并将其移除。 -fuzz XX% 是每个区域中灰色颜色的百分比变化，被认为是相同的颜色。

Imagemagick 已经安装在大多数 Linux 发行版中，它也可用于 Windows 和 Mac OSX。

输入：

convert 0.png -fuzz 30% -trim +repage -trim +repage 0_trim.png

事实上，您可以使用 ImageMagick mogrify 而不是转换来处理整个文件夹的图像。

Create a new directory to hold the output
Change directory to the one containing your images
mogrify -path path_to/new_directory -fuzz 30% -trim +repage -trim +repage *

您还可以使用基于 ImageMagick 的 Python Wand。请参阅http://docs.wand-py.org/en/latest/wand/image.html 的修剪。这是魔杖代码：

#!/bin/python3.7

from wand.image import Image

with Image(filename='0.png') as img:
    img.trim(fuzz=0.3*img.quantum_range)
    img.save(filename='0_wand_trim.png')

如果您想这样做，也可以从 Python 对 ImageMagick 进行子进程调用。

#!/opt/local/bin/python3.7

import subprocess

cmd = 'convert 0.png -fuzz 30% -trim +repage -trim +repage 0_trim.png'
subprocess.check_output(cmd, shell=True, universal_newlines=True)

您可能需要提供要转换的路径，如果它不在您的 PATH 环境变量中。

Answer 2

这里是主要思想：

• 将图像转换为灰度和模糊图像
• 执行精确边缘检测
• 查找图像的轮廓并查找每个轮廓的区域
• 过滤最大轮廓区域并裁剪 ROI 部分

Canny 边缘检测

现在我们遍历每个轮廓并过滤以绿色突出显示的最大轮廓。

从边界框坐标裁剪 ROI

import numpy as np
import cv2

original_image = cv2.imread("1.png")
image = original_image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)
canny = cv2.Canny(blurred, 120, 255, 1)

# Find contours in the image
cnts = cv2.findContours(canny.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

# Obtain area for each contour
contour_sizes = [(cv2.contourArea(contour), contour) for contour in cnts]

# Find maximum contour and crop for ROI section
if len(contour_sizes) > 0:
    largest_contour = max(contour_sizes, key=lambda x: x[0])[1]
    x,y,w,h = cv2.boundingRect(largest_contour)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)
    ROI = original_image[y:y+h, x:x+w]
    cv2.imshow("ROI", ROI) 

cv2.imshow("canny", canny) 
cv2.imshow("detected", image) 
cv2.waitKey(0)