去除图像周围的0像素，调整大小

在做分割任务时，经常需要处理图像，如果图像周围有一圈0像素，需要去除掉，重新调整大小

数组的处理

如果图像的最外一圈为0，我们将图像最外圈的图像0去除掉。

import numpy as np

def remove_outer_zeros(arr):
    # 获取数组的行数和列数
    rows, cols = arr.shape

    # 检查最外层是否存在0
    top_row_zero = np.all(arr[0, :] == 0)
    bottom_row_zero = np.all(arr[-1, :] == 0)
    left_col_zero = np.all(arr[:, 0] == 0)
    right_col_zero = np.all(arr[:, -1] == 0)

    # 如果最外层有0，将其去除
    if top_row_zero:
        arr = arr[1:, :]
    if bottom_row_zero:
        arr = arr[:-1, :]
    if left_col_zero:
        arr = arr[:, 1:]
    if right_col_zero:
        arr = arr[:, :-1]

    return arr

# 测试
a = np.array([[0,0,0,0,0,0],[0,1,2,0,3,0],[0,2,0,3,6,0],[0,0,5,6,13,0],[0,5,8,0,0,0],[0,0,0,0,0,0]])
new_arr = remove_outer_zeros(a)
print(a)
print(new_arr)

[[ 0  0  0  0  0  0]
 [ 0  1  2  0  3  0]
 [ 0  2  0  3  6  0]
 [ 0  0  5  6 13  0]
 [ 0  5  8  0  0  0]
 [ 0  0  0  0  0  0]]
[[ 1  2  0  3]
 [ 2  0  3  6]
 [ 0  5  6 13]
 [ 5  8  0  0]]

 灰度图像的处理

 如果我们处理的图像为灰度图像

import numpy as np
from PIL import Image
from matplotlib import pyplot as plt


def remove_outer_zeros(image_path):
    # 打开图像
    img = Image.open(image_path)
    pixels = img.load()

    # 获取图像的尺寸
    width, height = img.size

    # 寻找最外层全为0的行和列
    top, bottom, left, right = 0, height, 0, width

    for i in range(height):
        if all(pixels[x, i] == 0 for x in range(width)):
            top = i + 1
        else:
            break

    for i in range(height - 1, -1, -1):
        if all(pixels[x, i] == 0 for x in range(width)):
            bottom = i
        else:
            break

    for i in range(width):
        if all(pixels[i, y] == 0 for y in range(height)):
            left = i + 1
        else:
            break

    for i in range(width - 1, -1, -1):
        if all(pixels[i, y] == 0 for y in range(height)):
            right = i
        else:
            break

    # 剪裁图像
    cropped_img = img.crop((left, top, right, bottom))
    cropped_img = np.array(cropped_img)

    return cropped_img


# 调用函数
image_path = r"D:\BaiduNetdiskDownload\DRIVE\DRIVE\training\mask\21_training_mask.gif"

img = np.array(Image.open(image_path))
cropped_img = remove_outer_zeros(image_path)

print(img.shape)
print(cropped_img.size )

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimSun']# 创建一个包含四个子图的画布
# 创建一个包含四个子图的画布
fig, axes = plt.subplots(1, 2)

# 第一张子图：原始图像
axes[0].imshow(img)
axes[0].set_title('原始图像')
axes[0].axis('off')

# 第二张子图：插值后的图像
axes[1].imshow(cropped_img)
axes[1].set_title('裁剪后图像')
axes[1].axis('off')
# 调整布局，防止标题重叠
plt.tight_layout()

# 展示图像
plt.show()


# # 保存新的图像
# new_image.save("new_image.gif")

彩色图像的处理 

这是我们的原始图像 大小为（299，200，3）

 

 我们将原始图像扩充50个0像素后的图像

from PIL import Image, ImageOps
import numpy as np

def expand_image(image_path, padding):
    # 打开图像
    image = Image.open(image_path)
    
    # 获取图像原始尺寸
    width, height = image.size
    
    # 创建一个新的图像，包含原图像和指定大小的填充
    new_width = width + 2 * padding
    new_height = height + 2 * padding
    expanded_image = Image.new("RGB", (new_width, new_height), color=(0, 0, 0))
    
    # 将原图像粘贴到新图像的中间
    expanded_image.paste(image, (padding, padding))
    
    return expanded_image

# 图像路径
image_path = r"D:\My Data\Figure\下载.jpg"
# 填充大小
padding = 50

# 扩充图像
expanded_image = expand_image(image_path, padding)

# 保存扩充后的图像
output_path = r"D:\My Data\Figure\扩充.jpg"
expanded_image.save(output_path)

# 提示保存成功
print("扩充后的图像已保存到:", output_path)

扩充后的图像，大小为(399, 300, 3)

，

 然后我们处理扩充后的图像，去掉周围的0像素。

import numpy as np
from PIL import Image
from matplotlib import pyplot as plt


def trim_image(image):
    # 转换为numpy数组
    image_array = np.array(image)

    # 找到非零像素的边界
    non_zero_indices = np.nonzero(image_array)
    min_row = np.min(non_zero_indices[0])
    max_row = np.max(non_zero_indices[0])
    min_col = np.min(non_zero_indices[1])
    max_col = np.max(non_zero_indices[1])
    min_depth = np.min(non_zero_indices[2])
    max_depth = np.max(non_zero_indices[2])

    # 裁剪图像
    cropped_image_array = image_array[min_row:max_row + 1, min_col:max_col + 1, min_depth:max_depth + 1]

    return cropped_image_array


# 图像路径
image_path = r"D:\My Data\Figure\扩充.jpg"


image = np.array(Image.open(image_path))

# 调用函数裁剪图像
cropped_image = trim_image(image)


print(image.shape)
print(cropped_image.shape)

# 显示裁剪后的图像和原图像
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimSun']# 创建一个包含四个子图的画布
# 创建一个包含四个子图的画布
fig, axes = plt.subplots(1, 2)

# 第一张子图：原始图像
axes[0].imshow(image)
axes[0].set_title('原始图像')
axes[0].axis('off')

# 第二张子图：插值后的图像
axes[1].imshow(cropped_image)
axes[1].set_title('去除周围的0像素')
axes[1].axis('off')

# 调整布局，防止标题重叠
plt.tight_layout()

# 展示图像
plt.show()

 对于二维数据，使用以下裁剪函数更好。

def trim_image(image_path):
    # 打开图像
    image = Image.open(image_path)

    # 转换为numpy数组
    image_array = np.array(image)

    # 找到非零像素的边界
    non_zero_indices = np.nonzero(image_array)
    min_row = np.min(non_zero_indices[0])
    max_row = np.max(non_zero_indices[0])
    min_col = np.min(non_zero_indices[1])
    max_col = np.max(non_zero_indices[1])

    # 裁剪图像
    cropped_image_array = image_array[min_row:max_row + 1, min_col:max_col + 1]

    # 将裁剪后的数组转换为图像
    #cropped_image = Image.fromarray(cropped_image_array)
    cropped_image = np.array(cropped_image_array)

    return cropped_image

 

 去除后的图像大小为(304, 208, 3), 可见我们确实将周围的0像素去除掉了，但是周围还是有黑边，说明去掉的还是不够好。