opencv轮廓检测后裁剪图片

目的是提高数字在图片中的占比，先用边缘检测找到数字的轮廓，然后得到最小矩形框，再裁剪图片

效果

原始图像为完全透明背景的数字，效果如下：

处理后的图将背景变为不透明的白色，然后裁剪掉周围的空白，大小变为28X28

代码

import cv2
import numpy as np

def detCut(imgPath,savePath="./result"):
    # 将透明背景图片转换为白色背景
    image = cv2.imread(imgPath,-1)
    if(len(image[0,0]) >= 4): 
        image[image[:,:,3]==0] = [255,255,255,255]
    # else:
    #     print("不是RGBA,不进行透明度处理")
    # 将图片转为单通道
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 边缘检测
    edges = cv2.Canny(gray, 0, 100)
    contours,hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    # 得到矩形框
    allarea = np.concatenate(contours)#合并所有轮廓点集合
    rect = cv2.minAreaRect(allarea) # 获取最小矩形
    box = np.int0(cv2.boxPoints(rect)) # 通过box会出矩形框
    # 坐标最大值
    max_x = np.max(box[:, 0])
    max_y = np.max(box[:, 1])
    # 坐标最小值
    min_x = np.min(box[:, 0])
    min_y = np.min(box[:, 1])
    # 坐标偏移
    offset = 2
    # 裁剪
    crop_img = image[min_y - offset:max_y + offset, min_x - offset:max_x + offset]
    # 改变大小
    crop_img = cv2.resize(crop_img, (28, 28))
    # cv2.imshow("22222", image)
    # cv2.imshow("crop_img", crop_img)
    # cv2.waitKey(0)

    # 查看文件夹是否存在
    if not os.path.exists(savePath):
        os.makedirs(savePath)
    outName = imgPath.split("\\")[-1].split(".")[0] + "_result.jpg"
    savePath = os.path.join(savePath,outName)
    print("输出: {}".format(savePath))
    cv2.imwrite(savePath,crop_img)

import os
# 将指定文件夹中图片全部转化
def changeImgFolder(ImgFolderPath,outPath):
    for root, dirs, files in os.walk(ImgFolderPath):
        for file in files:
            if file.endswith(".png"):
                #print(os.path.join(root, file))
                detCut(os.path.join(root, file),outPath)


changeImgFolder("./testImg","./resultImg")

函数cv2.findContours(image, mode, method[, offset])

参数

image：单通道二值图，白色是前景
mode:轮廓检索的方式：

• cv2.RETR_EXTERNAL:只检索外部轮廓
• cv2.RETR_LIST: 检测所有轮廓且不建立层次结构
• cv2.RETR_CCOMP: 检测所有轮廓，建立两级层次结构
• cv2.RETR_TREE: 检测所有轮廓，建立完整的层次结构
  method:轮廓近似的方法
• cv2.CHAIN_APPROX_NONE:存储所有的轮廓点
• cv2.CHAIN_APPROX_SIMPLE:压缩水平，垂直和对角线段，只留下端点。 例如矩形轮廓可以用4个点编码。
• cv2.CHAIN_APPROX_TC89_L1,cv2.CHAIN_APPROX_TC89_KCOS:使用Teh-Chini chain近似算法

返回值

contours:轮廓点。列表，每一个元素为一个3维数组（其形状为（n,1,2），其中n表示轮廓点个数，2表示像素点坐标）,表示一个轮廓
hierarchy:轮廓间的层次关系,为三维数组，形状为（1,n,4），其中n表示轮廓总个数，4指的是用4个数表示各轮廓间的相互关系。第一个数表示同级轮廓的下一个轮廓编号，第二个数表示同级轮廓的上一个轮廓的编号，第三个数表示该轮廓下一级轮廓的编号，第四个数表示该轮廓的上一级轮廓的编号

函数cv2.getStructuringElement(shape,ksize)

参数

shape:核的形状

• cv2.MORPH_RECT:矩形
• cv2.MORPH_ELLIPSE:椭圆
• cv2.MORPH_CROSS:十字形
  ksize:核的大小

返回值

核

函数cv2.erode

腐蚀，去毛刺
传入三个参数，图、核、迭代次数
cv2.erode(binary, erode_kernel, iterations=1)

函数cv2.dilate

膨胀便圆润
传入三个参数，图、核、迭代次数
cv2.dilate(erosion, dilation_kernel, iterations = 1)

函数cv2.threshold(src, thresh, maxval, type[, dst])

根据设定的值处理图像的灰度值，例如大于设定值就保留或者修改
src：是灰度图像
thresh：起始阈值
maxval：是最大值
type：处理方式，有如下类型

• cv2.THRESH_BINARY:大于阈值的像素点赋值为maxval，小于阈值的像素点赋值为0
• cv2.THRESH_BINARY_INV:大于阈值的像素点赋值为0，小于阈值的像素点赋值为maxval
• cv2.THRESH_TRUNC:大于阈值的像素点赋值为thresh，小于阈值的像素点不变
• cv2.THRESH_TOZERO:大于阈值的像素点不变，小于阈值的像素点赋值为0
• cv2.THRESH_TOZERO_INV:大于阈值的像素点赋值为0，小于阈值的像素点不变

返回值：ret,thresh1
ret：阈值
thresh1：处理后的图像