使用 Python 修剪（噪声）图像中的空白

Question

假设我有一张如下图：

如您所见，除了一个大的绿色正方形（正方形随机放置在左下角）之外，图像还包含空白/白色空间（带有小绿点的噪点）。 我想要做的是裁剪图像/修剪白色空间，最后只得到大的绿色方块。
感谢 Stackoverflow 社区，我找到了一种修剪空白的方法（如果它不包含噪音）in this answer;这是我使用的代码：

from PIL import Image, ImageChops

def trim(im):
    bg = Image.new(im.mode, im.size, im.getpixel((0,0)))
    diff = ImageChops.difference(im, bg)
    diff = ImageChops.add(diff, diff, 2.0, -100)
    diff.show()
    bbox = diff.getbbox()
    if bbox:
        return im.crop(bbox)

im = Image.open("noised.jpg")
im = trim(im)
im.save('output.png')

由于空白/白色空间包含噪声，我得到的裁剪图像如下所示：

所以脚本在遇到第一个非白色（噪声）像素时裁剪了图像。
我的问题是：有没有办法在不影响图像（绿色方块）的情况下去噪空白区域，或者即使有噪声也可以直接修剪空白区域？
感谢您的帮助！

Answer 1

我的建议是纯粹使用 OpenCV 和 Numpy 库。

假设您的原始图像具有“input_green.jpg”的文件名。该方法基于轮廓检测算法。

首先，导入并加载输入图像，制作相关的灰度图像对象。

import cv2
import numpy as np
img = cv2.imread("input_green.jpg", 1)
image_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

其次，应用图像模糊和二值化方法，然后检测任何轮廓。

image_gray = 255 - cv2.GaussianBlur(image_gray, (3,3), 0)
# clean the image based on gray value
image_gray = np.where(image_gray <= 50, 0, image_gray)
image_gray = np.where(image_gray > 50, 255, image_gray)
_,image_gray = cv2.threshold(image_gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# draw a bounding box around the whole image
h, w = image_gray.shape[:2]
cv2.rectangle(image_gray, (0,0), (w, h), 0, 5)

第三，按区域对轮廓进行检测和排序

_,contours,_ = cv2.findContours(image_gray,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
contours_sorted = sorted(contours, key=cv2.contourArea, reverse=True)

最后，将最大的轮廓作为图像上的绿色矩形，从原始图像中裁剪出来。

green_rect = contours_sorted[0]
img_copy = img.copy()
cv2.drawContours(img_copy, [green_rect], 0, (0, 0, 255), 2)
cv2.imshow("result", img_copy)
#cv2.imwrite("result_green_rect.jpg", img_copy)
cv2.waitKey()

临时结果：

# crop the green rect
(x, y, w, h) = cv2.boundingRect(green_rect)
crop_result = img[y:y+h, x:x+w]
cv2.imshow("crop_result", crop_result)
#cv2.imwrite("result_green_rect_crop.jpg", crop_result)
cv2.waitKey()

裁剪结果：

Answer 2

这可以通过 OpenCV 来完成，方法是检测绿色区域，然后挑选出最大的区域。有几种方法可以检测绿色区域，包括cv2.inRange 和cv2.threshold。

1。识别绿色区域

cv2.inRange

使用inRange，您可以识别一定范围内的颜色。例如：

lower_bound = (0,100,0)
upper_bound = (10,255,10)

因此可以识别颜色介于lower_bound 和upper_bound 之间的像素以创建带有

的蒙版

mask = cv2.inRange(im, lower_bound, upper_bound)

这是绿色区域的mask：

cv2.threshold

同样，阈值化将创建绿色区域的蒙版。首先，将图像转为灰度。

imgray = cv2.cvtColor(im, cv2.COLOR_RGB2GRAY)

但是，如果您对该图像进行阈值处理，它将识别出白色区域，因此我们希望得到 cv2.THRESH_BINARY_INV 找到的阈值的倒数

ok, thresh = cv2.threshold(imgray, 200, 255, cv2.THRESH_BINARY_INV)

这是阈值图像：

可以看出，thresh 和 mask 标识绿色区域。

2。轮廓

一旦我们有了掩码或阈值图像，我们就可以通过寻找轮廓来识别白色区域。我将使用mask 图像（thresh 也可以使用）。

(im2, contours, hierarchy)  = cv2.findContours(mask, cv2.RETR_EXTERNAL,
                                cv2.CHAIN_APPROX_SIMPLE)

我们特别想要contours，它提供了一组可用于勾勒绿色区域的点。我们想要创建最大轮廓区域的轮廓，我们可以通过首先将它们从大到小排列，然后取第一个来找到它。

ordered_cnts = sorted(contours, key=cv2.contourArea, reverse=True)
largest_cnt = ordered_cnts[0]

largest_cnt 是以下一组点：

[[[  0 701]]
 [[  0 999]]
 [[298 999]]
 [[298 701]]
 [[289 701]]
 [[288 702]]
 [[287 701]]]

这些点可用于勾勒图像左下角的绿色框。我们只需要一个矩形，因此我们可以通过找到包围所有这些点的最小矩形来勾勒整个轮廓。

rect = cv2.minAreaRect(largest_cnt)
box = cv2.boxPoints(rect)

box 给出了rect 四个角的点列表。我们可以使用numpy 转换为整数点，并获取框的限制来裁剪图像。

box = np.array(box, dtype=int)
x0, y0 = np.min(box,axis=0)
x1, y1 = np.max(box,axis=0)
crop = im[y0:y1, x0:x1]

crop 图片：

组合代码

lower_bound = (0,100,0)
upper_bound = (10,255,10)
mask = cv2.inRange(im, lower_bound, upper_bound)
(im2, cnts, hierarchy) = cv2.findContours(mask, cv2.RETR_EXTERNAL,
                                    cv2.CHAIN_APPROX_SIMPLE)
ordered_cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
largest_cnt = ordered_cnts[0]
rect = cv2.minAreaRect(largest_cnt)
box = cv2.boxPoints(rect)
box = np.array(box, dtype=int)
x0, y0 = np.min(box,axis=0)
x1, y1 = np.max(box,axis=0)
crop = im[y0:y1, x0:x1]