直接上代码
# -*- coding:utf-8 -*-
import cv2
import numpy as np
image = cv2.imread('table.png')
# 灰度图
img=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化
ret , thresh = cv2.threshold(img, 230, 255, cv2.THRESH_BINARY_INV)
# cv2.findContours() 函数来查找物体轮廓
# cv2.RETR_EXTERNAL 只检测外轮廓
# cv2.CHAIN_APPROX_SIMPLE 压缩水平方向 ,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需要4个点来保存轮廓信息
# 返回两个值,一个是轮廓本身,一个是每条轮廓对应的属性
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
dot=[] # 用来保存所有轮廓返回的坐标点。
for c in contours:
# 找到边界坐标
min_list=[] # 保存单个轮廓的信息,x,y,w,h,area。 x,y 为起始点坐标
x, y, w, h = cv2.boundingRect(c) # 计算点集最外面的矩形边界
min_list.append(x)
min_list.append(y)
min_list.append(w)
min_list.append(h)
min_list.append(w*h) # 把轮廓面积也添加到 dot 中
dot.append(min_list)
# 找出最大矩形的 x,y,w,h,area
max_area=dot[0][4] # 把第一个矩形面积当作最大矩形面积
for inlist in dot:
area=inlist[4]
if area >= max_area:
x=inlist[0]
y=inlist[1]
w=inlist[2]
h=inlist[3]
max_area=area
# 在原图上画出最大的矩形
cv2.rectangle(image, (x, y), (x + w , y + h ), (0, 255, 0), 1)
# cv2.namedWindow('img',cv2.WINDOW_NORMAL)
# cv2.resizeWindow('img', 1000,900)
#cv2.imshow('img',image)
cv2.imwrite('big.jpg',image)
cv2.waitKey(0)
原图1:
结果1:
原图2:
结果2:
还可以把矩形块截取出来
# 截图
from PIL import Image
img = Image.open('test.jpg')
region = img.crop((x, y, x + w, y + h))
region.save('result.jpg')
结果1:
结果2: