在 OpenCV C++ 中拼接 2 个图像后去除图像的黑色部分答案

【问题标题】：Removing a black part of image after stitching 2 images in OpenCV C++在 OpenCV C++ 中拼接 2 个图像后去除图像的黑色部分
【发布时间】：2020-05-04 20:36:55
【问题描述】：

所以我在 OpenCV C++ 中拼接了 2 个图像，但我知道图像中有一个全黑部分，我想将其删除。该怎么走？

这是我的图像输出：

【问题讨论】：

首先是编写一些人们可以提供输入的代码。目前，只有两张照片。有人能对这些说些什么吗？创建minimal reproducible example。

标签： c++ image opencv image-processing computer-vision

【解决方案1】：

这个想法是对每一列的像素求和，然后遍历数据以构建新图像。如果一列的值为零，则表示它是黑色的，因此我们忽略它，否则我们将列 ROI 连接到最终图像。这是列像素的总和：

结果

我在 Python 中实现了它，但您可以将类似的想法应用于 C++

import cv2
import numpy as np 
# import matplotlib.pyplot as plt

# Load image, convert to grayscale, and sum column pixels
image = cv2.imread('1.jpg')
h, w = image.shape[:2]
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
first_pass = True
pixels = np.sum(gray, axis=0).tolist()

# Build new image
for index, value in enumerate(pixels):
    if value == 0:
        continue
    else:
        ROI = image[0:h, index:index+1]
        if first_pass:
            result = image[0:h, index+1:index+2]
            first_pass = False
            continue
        result = np.concatenate((result, ROI), axis=1)

cv2.imshow('result', result)
cv2.imwrite('result.png', result)
# Uncomment for plot visualization
# plt.plot(pixels, color='teal')
# plt.show()
cv2.waitKey()

【讨论】：

【解决方案2】：

注意： 根据 nathancy 的回答，我刚刚使用 C++ 进行了编码：

#include <iostream>
#include <opencv2/highgui/highgui.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat img = imread("/your/image/directory/image.jpg");

    for(int i=0;i<img.cols;i++)
    {
        int black_cnt = 0;
      for(int j=0;j<img.rows;j++)
      {
         if(img.at<cv::Vec3b>(j,i)[0]==0)
             black_cnt++;
      }
      if(black_cnt==img.rows)
          continue;
      else
      {
          Rect roi(i,0,img.cols-i,img.rows);
          img = img(roi);
          break;
      }
    }    
    imshow("Result",img);        
    waitKey(0);        
    return 0;

}

【讨论】：

【解决方案3】：

快速的方法是使用 OpenCv 的cv::reduce 函数并找到每列的最大值。它比制作元素的总和要快。如果列中的最大值为0，则表示该列是黑色的。

cv::reduce 的输入是二维数组：

[a b c]
[d e f]
[g h i]

作为输出将得到矩阵 2d 与一行 - 向量。

[max(a,d,g) max(b,e,h) max(c,f,i)]

然后你需要找到cutOff index - 第一个非黑色列，并提取ROI：

cv::Mat img = imread("test.jpg");
cv::Mat out;
cv::reduce(img, out, 0, cv::REDUCE_MAX);
int cutOffIdx = 0;
for (int col = 0; col < out.cols; ++col) {
    const cv::Vec3b& vec = out.at<Vec3b>(0, col);
    if (vec[0] || vec[1] || vec[2]) {
        cutOffIdx = col;
        break;
    }
}
cv::imshow("test",img(cv::Rect(cutOffIdx,0,img.cols-cutOffIdx-1,img.rows)));
cv::waitKey(0);

【讨论】：

【解决方案4】：

我会这样做：

灰度图像阈值化
在图像中寻找最外层的轮廓
从等高线中找出最大的那个
获取该轮廓的边界框
通过该边界框裁剪图像

以及代码（C++ opencv）：

Mat K,J,I = imread("D:/1.jpg",1);

cvtColor(I, K, CV_BGR2GRAY);
threshold(K, J, 0, 255, THRESH_BINARY);

vector<vector<Point>> contours;
vector< Vec4i > hierarchy;

findContours(J, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE); # Gives the outer contours

Mat tmp = Mat::zeros(I.size(), CV_8U);
int k = 0;
double max = -1;

for (size_t i = 0; i < contours.size(); i++) # Of course in this case, There is only one external contour but I write the loop for more clarification
{
    double area = contourArea(contours[i]);
    if (area > max)
    {
        k = i;
        max = area;
    }
}

drawContours(tmp, contours, k, Scalar(255, 255, 255), -1); # You can comment this line. I wrote it just for showing the procedure
Rect r = cv::boundingRect(contours[k]);

Mat output;
I(r).copyTo(output);

imshow("0", I);
imshow("1", J);
imshow("2", tmp);
imshow("3", output);
waitKey(0);

【讨论】：