如何在高分辨率图像中提取对象？

【问题标题】：How to extract object in high resolution images?如何在高分辨率图像中提取对象？
【发布时间】：2020-02-15 10:09:11
【问题描述】：

我有一张通过数码单反相机拍摄的封闭图像，但它的背景也可以看到放置对象的位置。我想从背景中裁剪对象。图片大小为(3456,5184,3)

示例图片：

我尝试了各种可用的解决方案，例如，使用 openCV 方法，例如使用抓取切割的前景提取、图像阈值处理和遮罩、边缘检测结果不理想。

请提出正确的方法。

【问题讨论】：

欢迎来到 Stack Overflow。请考虑taking the tour，并在此处查看how to ask（好）问题。请为您的问题提供minimal reproducible example，并显示您迄今为止尝试过的任何相关代码。
一个好的方法是用对比背景，没有阴影和良好的照明更优化地拍摄您的对象......

标签： image opencv deep-learning computer-vision crop

【解决方案1】：

这是一种使用阈值+轮廓提取的方法

灰度然后高斯模糊
二值图像的 Otsu 阈值
扩张以连接成单个轮廓
使用 numpy 切片提取 ROI

转换为灰度和高斯模糊后，我们大津的阈值

现在我们有了所需的白色前景对象，因此我们膨胀以连接轮廓以形成单个轮廓

最后我们得到边界框坐标并提取 ROI

import cv2

# Grayscale, Blur, Otsu's threshold then dilate
image = cv2.imread('1.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5,5), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25,25))
dilate = cv2.dilate(thresh, kernel, iterations=3)

# Extract ROI
x,y,w,h = cv2.boundingRect(dilate)
ROI = image[y:y+h, x:x+w]

cv2.imshow('thresh', thresh)
cv2.imshow('dilate', dilate)
cv2.imshow('ROI', ROI)
cv2.waitKey()

【讨论】：