如何在 Python 中使用 OpenCv 裁剪图像中的小像素区域

Question

我想在图像中裁剪出一个充满小曲线的区域。

原图如下：

使用 opening 变形，我可以消除大部分噪音。结果是这样的：

我尝试使用 dilate 将这些像素连接到我想要的区域，但结果并不理想。

opencv中有没有可以定位这个区域的函数？

Answer 1

你在正确的轨道上，这是一种使用形态变换的方法

• 将图像转换为灰度和高斯模糊
• 大津的门槛
• 执行形态学操作
• 使用最大面积查找轮廓和过滤
• 提取投资回报率

---

这个想法是将所需区域连接到单个轮廓中，然后使用最大面积进行过滤。这样，我们可以将区域作为一个整体来抓取。这是检测到的区域

之后，我们可以用 Numpy 切片提取区域

import cv2

image = cv2.imread('1.jpg')
original = image.copy()
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (9,9), 0)
thresh = cv2.threshold(gray,0,255,cv2.THRESH_OTSU + cv2.THRESH_BINARY)[1]

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
dilate_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9))
dilate = cv2.dilate(opening, dilate_kernel, iterations=5)

cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)

for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)
    ROI = original[y:y+h, x:x+w]
    break

cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('dilate', dilate)
cv2.imshow('image', image)
cv2.imshow('ROI', ROI)
cv2.waitKey(0)

Answer 2

这是我使用 NumPy 的 sum 的方法。只需将沿 x 和 y 轴的像素值分别求和，为描述所需区域的最小像素数设置一些阈值，并获得适当的列和行索引。

让我们看看下面的代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# Read input image; get shape
img = cv2.imread('images/UKf5Z.jpg', cv2.IMREAD_GRAYSCALE)
w, h = img.shape[0:2]

# Threshold to prevent JPG artifacts
_, img = cv2.threshold(img, 240, 255, cv2.THRESH_BINARY)

# Sum pixels along x and y axis
xSum = np.sum(img / 255, axis=0)
ySum = np.sum(img / 255, axis=1)

# Visualize curves
plt.plot(xSum)
plt.plot(ySum)
plt.show()

# Set up thresholds
xThr = 15
yThr = 15

# Find proper row indices
tmp = np.argwhere(xSum > xThr)
tmp = tmp[np.where((tmp > 20) & (tmp < w - 20))]
x1 = tmp[0]
x2 = tmp[-1]

# Find proper column indices
tmp = np.argwhere(ySum > yThr)
tmp = tmp[np.where((tmp > 20) & (tmp < h - 20))]
y1 = tmp[0]
y2 = tmp[-1]

# Visualize result
out = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
cv2.rectangle(out, (x1, y1), (x2, y2), (0, 0, 255), 4)
cv2.imshow('out', out)
cv2.waitKey(0)

求和曲线如下所示（仅用于可视化目的）：

而且，为了可视化，我只画了一个由找到的索引描述的红色矩形。

如您所见，我手动排除了一些 20 像素的“边框”区域，因为存在一些较大的伪影。根据您所需区域的位置，这可能就足够了。否则，应保留您使用形态学开放的方法。

希望有帮助！

---

编辑： 正如 Mark in his answer 所建议的那样，使用 mean 而不是 sum 可以避免对不同图像尺寸的适应。适当地更改代码留给读者。 :-)

Answer 3

与@HansHirse 的出色答案的想法相同，但我制作了一个无法在 cmets 中分享的图表。