我在背景上有一张便签的图像（比如墙壁或笔记本电脑），我想检测便签的边缘（粗略检测也可以正常工作），以便我可以对其进行裁剪.
我计划使用 ImageMagick 进行实际裁剪，但一直在检测边缘。
理想情况下，我的输出应该为我提供 4 个边界点的 4 个坐标，以便我可以对其进行裁剪。
我应该如何处理这个？
【问题讨论】：
标签： python imagemagick image-manipulation edge-detection
您可以使用 ImageMagick 做到这一点。
人们可以想出不同的 IM 方法。这是我想到的第一个算法。它假设“便笺”在较大的图像上没有倾斜或旋转：
此命令将创建一个黑白图像，描绘原始图像中的所有边缘：
convert \
http://i.stack.imgur.com/SxrwG.png \
-canny 0x1+10%+30% \
canny-edges.png
假设图像大小为XxY 像素。然后，您可以将图像大小调整为1xY 列和Xx1 像素行，其中每个像素的颜色值是与相应列位于同一行或同一列的所有像素的相应像素的平均值/行像素。
作为可以在下面看到的示例，我将首先将新的 canny-edges.png 调整为 4xY 和 Xx4 图像：
identify -format " %W x %H\n" canny-edges.png
400x300
convert canny-edges.png -resize 400x4\! canny-4cols.png
convert canny-edges.png -resize 4x300\! canny-4rows.png
canny-4cols.pngcanny-4rows.png现在前面的图像已经将图像压缩调整为几列或几行像素将实现什么效果，让我们用单列和单行来实现。同时我们将输出格式改为text，而不是PNG，以便得到这些白色像素的坐标：
convert canny-edges.png -resize 400x1\! canny-1col.txt
convert canny-edges.png -resize 1x300\! canny-1row.txt
这是canny-1col.txt的部分输出：
# ImageMagick pixel enumeration: 400,1,255,gray
0,0: (0,0,0) #000000 gray(0)
1,0: (0,0,0) #000000 gray(0)
2,0: (0,0,0) #000000 gray(0)
[....]
73,0: (0,0,0) #000000 gray(0)
74,0: (0,0,0) #000000 gray(0)
75,0: (10,10,10) #0A0A0A gray(10)
76,0: (159,159,159) #9F9F9F gray(159)
77,0: (21,21,21) #151515 gray(21)
78,0: (156,156,156) #9C9C9C gray(156)
79,0: (14,14,14) #0E0E0E gray(14)
80,0: (3,3,3) #030303 gray(3)
81,0: (3,3,3) #030303 gray(3)
[....]
162,0: (3,3,3) #030303 gray(3)
163,0: (4,4,4) #040404 gray(4)
164,0: (10,10,10) #0A0A0A gray(10)
165,0: (7,7,7) #070707 gray(7)
166,0: (8,8,8) #080808 gray(8)
167,0: (8,8,8) #080808 gray(8)
168,0: (8,8,8) #080808 gray(8)
169,0: (9,9,9) #090909 gray(9)
170,0: (7,7,7) #070707 gray(7)
171,0: (10,10,10) #0A0A0A gray(10)
172,0: (5,5,5) #050505 gray(5)
173,0: (13,13,13) #0D0D0D gray(13)
174,0: (6,6,6) #060606 gray(6)
175,0: (10,10,10) #0A0A0A gray(10)
176,0: (10,10,10) #0A0A0A gray(10)
177,0: (7,7,7) #070707 gray(7)
178,0: (8,8,8) #080808 gray(8)
[....]
319,0: (3,3,3) #030303 gray(3)
320,0: (3,3,3) #030303 gray(3)
321,0: (14,14,14) #0E0E0E gray(14)
322,0: (156,156,156) #9C9C9C gray(156)
323,0: (21,21,21) #151515 gray(21)
324,0: (159,159,159) #9F9F9F gray(159)
325,0: (10,10,10) #0A0A0A gray(10)
326,0: (0,0,0) #000000 gray(0)
327,0: (0,0,0) #000000 gray(0)
[....]
397,0: (0,0,0) #000000 gray(0)
398,0: (0,0,0) #000000 gray(0)
399,0: (0,0,0) #000000 gray(0)
如您所见，从文本中检测到的边缘也会影响像素的灰度值。所以我们可以在我们的命令中引入一个额外的-threshold 50% 操作，以获得纯黑白输出：
convert canny-edges.png -resize 400x1\! -threshold 50% canny-1col.txt
convert canny-edges.png -resize 1x300\! -threshold 50% canny-1row.txt
这里就不引用新文本文件的内容了，有兴趣的可以自己试试看。相反，我会做一个捷径：我会将像素颜色值的文本表示输出到<stdout>，并直接对所有非黑色像素进行 grep：
convert canny-edges.png -resize 400x1\! -threshold 50% txt:- \
| grep -v black
# ImageMagick pixel enumeration: 400,1,255,srgb
76,0: (255,255,255) #FFFFFF white
78,0: (255,255,255) #FFFFFF white
322,0: (255,255,255) #FFFFFF white
324,0: (255,255,255) #FFFFFF white
convert canny-edges.png -resize 1x300\! -threshold 50% txt:- \
| grep -v black
# ImageMagick pixel enumeration: 1,300,255,srgb
0,39: (255,255,255) #FFFFFF white
0,41: (255,255,255) #FFFFFF white
0,229: (255,255,255) #FFFFFF white
0,231: (255,255,255) #FFFFFF white
从上面的结果可以得出结论，四个像素坐标 另一张图片内的注释是：
(323|40)
(77|230)
区域的宽度为 246 像素，高度为 190 像素。
（ImageMagick 假定其坐标系的原点位于图像的左上角。）
现在要从原始图像中剪切便笺，您可以这样做：
convert http://i.stack.imgur.com/SxrwG.png[246x190+77+40] sticky-note.png
autotrace通过将中间的“canny-edges.png”转换为 SVG 矢量图形，例如通过@987654347 运行它，您可以进一步简化上述过程（如果需要，甚至可以将其转换为自动运行的脚本） @...
如果您的便签倾斜或旋转，这可能会很有用。
一旦你有了“canny”线，你也可以对它们应用霍夫线检测算法：
convert \
canny-edges.png \
-background black \
-stroke red \
-hough-lines 5x5+20 \
lines.png
请注意，-hough-lines 运算符将检测到的线从原始图像的一个边缘（具有浮点值）延伸并绘制到另一边缘。
虽然前面的命令最终将行转换为 PNG，但 -hough-lines 运算符确实会生成 MVG 文件（Magick Vector Graphics) 内部。这意味着您实际上可以阅读 MVG 文件的源代码，并确定“红线”图像中描绘的每一行的数学参数：
convert \
canny-edges.png \
-hough-lines 5x5+20 \
lines.mvg
这更复杂，也适用于不是严格水平和/或垂直的边缘。
但您的示例图像确实使用水平和垂直边缘，因此您甚至可以使用简单的 shell 命令来发现这些。
生成的MVG文件共有80行描述。您可以识别该文件中的所有水平线：
cat lines.mvg \
| while read a b c d e ; do \
if [ x${b/0,/} == x${c/400,/} ]; then \
echo "$a $b $c $d $e" ; \
fi; \
done
line 0,39.5 400,39.5 # 249
line 0,62.5 400,62.5 # 48
line 0,71.5 400,71.5 # 52
line 0,231.5 400,231.5 # 249
现在识别所有垂直线：
cat lines.mvg \
| while read a b c d e; do \
if [ x${b/,0/} == x${c/,300} ]; then \
echo "$a $b $c $d $e" ; \
fi; \
done
line 76.5,0 76.5,300 # 193
line 324.5,0 324.5,300 # 193
【讨论】：
上周我遇到了类似的检测图像边界（空白）的问题，花了很多时间尝试各种方法和工具，最终使用熵差计算方法解决了这个问题，所以这里是 JFYI 算法。
假设您想检测您的 200x100px 图像顶部是否有边框：
upper and lower pieces depicted
并将此算法应用于图像的每一面。
这是一段代码，用于检测图像是否有上边框并找到其近似坐标（从顶部偏移），将灰度（'L'模式）枕头图像传递给扫描函数：
import numpy as np
MEDIAN = 0.5
def scan(im):
w, h = im.size
array = np.array(im)
center_ = None
diff_ = None
for center in reversed(range(1, h // 4 + 1)):
upper = entropy(array[0: center, 0: w].flatten())
lower = entropy(array[center: 2 * center, 0: w].flatten())
diff = upper / lower if lower != 0.0 else MEDIAN
if center_ is None or diff_ is None:
center_ = center
diff_ = diff
if diff < diff_:
center_ = center
diff_ = diff
top = diff_ < MEDIAN and center_ < h // 4, center_, diff_
带有已处理边框和清晰（无边框）图像示例的完整源代码在此处：https://github.com/embali/enimda/
【讨论】：