如何在 Python 中检测边缘并裁剪图像

Posted 2023-02-23

【中文标题】如何在 Python 中检测边缘并裁剪图像

【英文标题】：How to detect edge and crop an image in Python

【发布时间】：2017-11-07 01:39:34

【问题描述】：

我是 Python 图像处理的新手，我正在尝试解决一个常见问题。我有一张带有一个人签名的图片。我想找到边缘并对其进行裁剪以适合图像中的签名。

输入图像

预期输出

我尝试了 Canny 边缘检测并使用 PIL、CV2 的现有解决方案列表（文章和答案）裁剪图像，但似乎没有一个有效。我正在寻找可行的解决方案。

我尝试过的一些解决方案：

https://www.quora.com/How-can-I-detect-an-object-from-static-image-and-crop-it-from-the-image-using-openCV

Crop Image from all sides after edge detection

How to crop biggest rectangle out of an image

还有更多......虽然看起来很简单，但没有任何效果。使用任何现有解决方案时，我遇到了错误或没有预期的输出。

【问题讨论】：

当你想要的是二值化时，为什么还要进行边缘检测？？

遍历所有点并始终保留max(x) 和max(y), 和min(x) 和min(y). 然后您的签名包含在上面最后一个值的矩形中。使用max(y)+d, min(y)-d, 等添加一些空格（d）。

【参考方案1】：

您需要的是阈值化。在 OpenCV 中，您可以使用 cv2.threshold() 完成此操作。

我拍了一张。我的方法如下：

转换为灰度 对图像设置阈值以仅获取签名而没有其他内容 找到那些像素在阈值图像中的位置 在原始灰度中围绕该区域进行裁剪 从对显示不那么严格的裁剪创建一个新的阈值图像

这是我的尝试，我认为效果很好。

import cv2
import numpy as np

# load image
img = cv2.imread('image.jpg') 
rsz_img = cv2.resize(img, None, fx=0.25, fy=0.25) # resize since image is huge
gray = cv2.cvtColor(rsz_img, cv2.COLOR_BGR2GRAY) # convert to grayscale

# threshold to get just the signature
retval, thresh_gray = cv2.threshold(gray, thresh=100, maxval=255, type=cv2.THRESH_BINARY)

# find where the signature is and make a cropped region
points = np.argwhere(thresh_gray==0) # find where the black pixels are
points = np.fliplr(points) # store them in x,y coordinates instead of row,col indices
x, y, w, h = cv2.boundingRect(points) # create a rectangle around those points
x, y, w, h = x-10, y-10, w+20, h+20 # make the box a little bigger
crop = gray[y:y+h, x:x+w] # create a cropped region of the gray image

# get the thresholded crop
retval, thresh_crop = cv2.threshold(crop, thresh=200, maxval=255, type=cv2.THRESH_BINARY)

# display
cv2.imshow("Cropped and thresholded image", thresh_crop) 
cv2.waitKey(0)

结果如下：

【讨论】：

哇，它就像一个魅力......！感谢您的回答。为了保存图像，我只是将最后两行替换为cv2.imwrite('output.png',thresh_crop)

是的！请注意我调整了它的大小，所以如果你想要原始大小，最好注释掉调整大小的行并在下一行的cvtColor() 中输入img 而不是rsz_img。

@KartikRokde 请注意，如果您要对可能更糟的图像（较暗的阴影、纸张稍微卷曲、纸张后面的背景）执行此操作，您可能需要使用更复杂的方法。 This Overflow answer 通过首先处理这些困难更加健壮。值得一看！