在处理批量有黑边的图片数据的时候采用的这个方法,有点笨方法,速度有点慢,遍历了目标物体的所有像素物体。但是实现效果还是可以的。有更加高效方法的可以提出你的见解
"""author:youngkun;date:20180608;function:裁剪照片的黑边"""
import cv2
import os
import datetime
def change_size(read_file):
image=cv2.imread(read_file,1) #读取图片 image_name应该是变量
img = cv2.medianBlur(image,5) #中值滤波,去除黑色边际中可能含有的噪声干扰
b=cv2.threshold(img,15,255,cv2.THRESH_BINARY) #调整裁剪效果
binary_image=b[1] #二值图--具有三通道
binary_image=cv2.cvtColor(binary_image,cv2.COLOR_BGR2GRAY)
print(binary_image.shape) #改为单通道
x=binary_image.shape[0]
print("高度x=",x)
y=binary_image.shape[1]
print("宽度y=",y)
edges_x=[]
edges_y=[]
for i in range(x):
for j in range(y):
if binary_image[i][j]==255:
edges_x.append(i)
edges_y.append(j)
left=min(edges_x) #左边界
right=max(edges_x) #右边界
width=right-left #宽度
bottom=min(edges_y) #底部
top=max(edges_y) #顶部
height=top-bottom #高度
pre1_picture=image[left:left+width,bottom:bottom+height] #图片截取
return pre1_picture #返回图片数据
source_path="./training_data/1/" #图片来源路径
save_path="./out/" #图片修改后的保存路径
if not os.path.exists(save_path):
os.mkdir(save_path)
file_names=os.listdir(source_path)
starttime=datetime.datetime.now()
for i in range(len(file_names)):
x=change_size(source_path + file_names[i]) #得到文件名
cv2.imwrite(save_path+file_names[i],x)
print("裁剪:",file_names[i])
print("裁剪数量:",i)
while(i==2600):
break
print("裁剪完毕")
endtime = datetime.datetime.now()#记录结束时间
endtime = (endtime-starttime).seconds
print("裁剪总用时",endtime)
这种方法只能裁剪出矩形的图像,具有一定的局限性,利用了opencv的二值化来分离出前景和背景