用于自动裁剪的 Opencv 和 python

Question

我想自动裁剪图像。

我为此使用 ImageMagick。

我正在使用的命令

 convert  3.jpg  -fuzz 10%  -trim     trim.jpg

我该如何解决这个问题。

我认为设置的模糊因子有问题。

Answer 1

Kamyar Infinity 方法的问题是当某些背景颜色区域靠近对象时，您无法获得对象的正确边界。

设置为math.floor(numpy.average(imgray)) 的阈值对您没有帮助... 例如：

即使阈值是完美的（手动调整），你也不能忽视图像右上角的那个小点。您需要过滤掉一些区域。 例如：

opencv官方给出了实现方法。

Creating Bounding boxes and circles for contours

这里给出的另一种方法可能有用。 （与 Kamyar Infinity 基本相同，但添加了 cv.inRandge）

Dealing with contours and bounding rectangle in OpenCV 2.4 - python 2.7

Answer 2

如果你想用 OpenCV 做到这一点，一个好的起点可能是在做一些简单的处理以去除图像中的噪声和小细节之后，你可以找到图像的边缘，然后找到边界框并裁剪到那个区域。但是对于第二张图像，您可能需要进行一些后期处理，因为原始边缘可能会包含一些噪点和边界。您可以逐个像素地执行此操作，或者另一种可能过度杀伤的方法是找到图像中的所有轮廓并找到最大的边界框。使用它，您可以获得以下结果：

第二个：

需要工作的部分是找到适用于所有图像的适当阈值方法。在这里，我使用不同的阈值来制作二值图像，因为第一个大部分是白色的，而第二个则有点暗。第一个猜测是使用平均强度作为线索。

希望这会有所帮助！

编辑

这就是我如何使用一些预处理和一个动态阈值来使其适用于两个图像：

im = cv2.imread('cloth.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
imgray = cv2.blur(imgray,(15,15))
ret,thresh = cv2.threshold(imgray,math.floor(numpy.average(imgray)),255,cv2.THRESH_BINARY_INV)
dilated=cv2.morphologyEx(thresh, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(10,10)))
_,contours,_ = cv2.findContours(dilated,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)

我还检查了轮廓区域以删除非常大的轮廓：

new_contours=[]
for c in contours:
    if cv2.contourArea(c)<4000000:
        new_contours.append(c)

数字4000000 是对图像大小（宽*高）的估计，大轮廓应该有一个接近图像大小的区域。

然后你可以迭代所有的轮廓，找到整体的边界框：

best_box=[-1,-1,-1,-1]
for c in new_contours:
   x,y,w,h = cv2.boundingRect(c)
   if best_box[0] < 0:
       best_box=[x,y,x+w,y+h]
   else:
       if x<best_box[0]:
           best_box[0]=x
       if y<best_box[1]:
           best_box[1]=y
       if x+w>best_box[2]:
           best_box[2]=x+w
       if y+h>best_box[3]:
           best_box[3]=y+h

那么你就有了best_box数组内所有轮廓的边界框。

这是第三张图片的结果：

Answer 3

您可以尝试隔离饱和通道，并按预期进行修剪。

# Convert to HSV, isolate saturation channel, and switch to format
# that supports extended paging.
convert source.jpg -colorspace HSV -channel S -separate /tmp/saturation.png

# Trim as before
convert /tmp/saturation.png -trim /tmp/trim.png

# Capture results of -trim
GEO=$(identify -format '%wx%h%X%Y' /tmp/trim.png)

1232x1991+384+336

# Apply results to original image
convert source.jpg -crop $GEO trim.jpg