自定义方法对图像目标物体进行裁剪

图像裁剪

• 先用Otsu方法对图像二值化
• 对二值化后的图像进行边缘搜寻，记下边缘像素的坐标，找到目标物体水平和垂直方向坐标的最大最小值，分别为xmax，xmin，ymax，ymin，以坐标（xmin,xmax,ymin,ymax）来设定裁剪的矩形范围，对原图进行裁剪，以此方法裁剪后的图像可以准确的抠出目标物体

代码

img_coal1 = cv2.imread('E:/EdgeReinforceGlcm/pythonProject1/pytorch_Lenet/image_reinforce/datas_mei/Mei-11.jpg')  # 读入图像
img_coal = cv2.cvtColor(img_coal1, cv2.COLOR_BGR2GRAY)  # 转为灰度图像
blur1 = cv2.GaussianBlur(img_coal, (5, 5), 0)  # 高斯滤波，（5,5）为高斯核的大小，0为标准差
ret1, th1 = cv2.threshold(blur1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)  # 对原图像进行二值化
# 对原图像进行裁剪（利用图像边缘坐标的最大最小值来裁剪）
img_coal_H = th1.shape[0]
img_coal_W = th1.shape[1]
positions_1 = []
# 找到二值图像边缘的坐标并添加进列表
for y in range(img_coal_H):
    for x in range(img_coal_W):
        if th1[y, x] == 0:
            positions_1.append((y, x))
#  找到二值图像边缘行的最大值和最小值
y_max = positions_1[0][0]
y_min = positions_1[0][0]
for y1, x1 in positions_1:
    if y1 > y_max:
        y_max = y1

for y2, x2 in positions_1:
    if y2 < y_min:
        y_min = y2

# 找到二值图像边缘列的最大值和最小值
x_max = positions_1[0][1]
x_min = positions_1[0][1]
for y1, x1 in positions_1:
    if x1 > x_max:
        x_max = x1

for y2, x2 in positions_1:
    if x2 < x_min:
        x_min = x2
img_coalCropped = img_coal[y_min:y_max, x_min:x_max]  # 对图像裁剪
# 显示原图，二值化后图，裁剪后的像
for i in range(3):
    plt.subplot(1, 3, i+1), plt.imshow(images[i], 'gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

裁剪效果