Я думаю, что это должна быть очень простая проблема, но я не могу найти решение или эффективное ключевое слово для поиска.
У меня просто это изображение.
Черные края бесполезны, поэтому я хочу их отрезать, оставив только значок Windows (и синий фон).
Я не хочу вычислять координаты и размер значка Windows. GIMP и Photoshop имеют функцию автозапуска. OpenCV не имеет одного?
Я не уверен, все ли ваши изображения похожи на это. Но для этого изображения ниже приведен простой код python-opencv, чтобы обрезать его.
первые библиотеки импорта:
import cv2
import numpy as np
Прочитайте изображение, преобразуйте его в оттенки серого и сделайте в двоичном изображении для порогового значения 1.
img = cv2.imread('sofwin.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,1,255,cv2.THRESH_BINARY)
Теперь найдите контуры. Будет только один объект, поэтому найдите для него ограничивающий прямоугольник.
contours,hierarchy = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
x,y,w,h = cv2.boundingRect(cnt)
Теперь обрезайте изображение и сохраните его в другом файле.
crop = img[y:y+h,x:x+w]
cv2.imwrite('sofwinres.png',crop)
Ниже приведен результат:
import numpy as np
def autocrop(image, threshold=0):
"""Crops any edges below or equal to threshold
Crops blank image to 1x1.
Returns cropped image.
"""
if len(image.shape) == 3:
flatImage = np.max(image, 2)
else:
flatImage = image
assert len(flatImage.shape) == 2
rows = np.where(np.max(flatImage, 0) > threshold)[0]
if rows.size:
cols = np.where(np.max(flatImage, 1) > threshold)[0]
image = image[cols[0]: cols[-1] + 1, rows[0]: rows[-1] + 1]
else:
image = image[:1, :1]
return image
ОК, поэтому для полноты я выполнил каждую из приведенных выше рекомендаций, добавил итеративную версию рекурсивного алгоритма (после исправления) и выполнил набор тестов производительности.
TL;DR: рекурсивный, вероятно, лучший для среднего случая (но используйте один ниже - ОП имеет пару ошибок), а автокадр является лучшим для изображений, которые вы ожидаете почти пустым.
Общие выводы: 1. В этом рекурсивном алгоритме имеется несколько ошибок. Исправленная версия приведена ниже. 2. Функция cv2.findContours имеет проблемы с непрямоугольными изображениями и фактически даже урезает часть изображения в различных сценариях. Я добавил версию, которая использует cv2.CHAIN_APPROX_NONE, чтобы узнать, помогает ли она (это не помогает). 3. Реализация autocrop отлично подходит для разреженных изображений, но для плотных - плохая, обратная к рекурсивному/итеративному алгоритму.
import numpy as np
import cv2
def trim_recursive(frame):
if frame.shape[0] == 0:
return np.zeros((0,0,3))
# crop top
if not np.sum(frame[0]):
return trim_recursive(frame[1:])
# crop bottom
elif not np.sum(frame[-1]):
return trim_recursive(frame[:-1])
# crop left
elif not np.sum(frame[:, 0]):
return trim_recursive(frame[:, 1:])
# crop right
elif not np.sum(frame[:, -1]):
return trim_recursive(frame[:, :-1])
return frame
def trim_contours(frame):
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,1,255,cv2.THRESH_BINARY)
_, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if len(contours) == 0:
return np.zeros((0,0,3))
cnt = contours[0]
x, y, w, h = cv2.boundingRect(cnt)
crop = frame[y:y + h, x:x + w]
return crop
def trim_contours_exact(frame):
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,1,255,cv2.THRESH_BINARY)
_, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
if len(contours) == 0:
return np.zeros((0,0,3))
cnt = contours[0]
x, y, w, h = cv2.boundingRect(cnt)
crop = frame[y:y + h, x:x + w]
return crop
def trim_iterative(frame):
for start_y in range(1, frame.shape[0]):
if np.sum(frame[:start_y]) > 0:
start_y -= 1
break
if start_y == frame.shape[0]:
if len(frame.shape) == 2:
return np.zeros((0,0))
else:
return np.zeros((0,0,0))
for trim_bottom in range(1, frame.shape[0]):
if np.sum(frame[-trim_bottom:]) > 0:
break
for start_x in range(1, frame.shape[1]):
if np.sum(frame[:, :start_x]) > 0:
start_x -= 1
break
for trim_right in range(1, frame.shape[1]):
if np.sum(frame[:, -trim_right:]) > 0:
break
end_y = frame.shape[0] - trim_bottom + 1
end_x = frame.shape[1] - trim_right + 1
# print('iterative cropping x:{}, w:{}, y:{}, h:{}'.format(start_x, end_x - start_x, start_y, end_y - start_y))
return frame[start_y:end_y, start_x:end_x]
def autocrop(image, threshold=0):
"""Crops any edges below or equal to threshold
Crops blank image to 1x1.
Returns cropped image.
"""
if len(image.shape) == 3:
flatImage = np.max(image, 2)
else:
flatImage = image
assert len(flatImage.shape) == 2
rows = np.where(np.max(flatImage, 0) > threshold)[0]
if rows.size:
cols = np.where(np.max(flatImage, 1) > threshold)[0]
image = image[cols[0]: cols[-1] + 1, rows[0]: rows[-1] + 1]
else:
image = image[:1, :1]
return image
Затем, чтобы проверить это, я сделал эту простую функцию:
import datetime
import numpy as np
import random
ITERATIONS = 10000
def test_image(img):
orig_shape = img.shape
print ('original shape: {}'.format(orig_shape))
start_time = datetime.datetime.now()
for i in range(ITERATIONS):
recursive_img = trim_recursive(img)
print ('recursive shape: {}, took {} seconds'.format(recursive_img.shape, (datetime.datetime.now()-start_time).total_seconds()))
start_time = datetime.datetime.now()
for i in range(ITERATIONS):
contour_img = trim_contours(img)
print ('contour shape: {}, took {} seconds'.format(contour_img.shape, (datetime.datetime.now()-start_time).total_seconds()))
start_time = datetime.datetime.now()
for i in range(ITERATIONS):
exact_contour_img = trim_contours(img)
print ('exact contour shape: {}, took {} seconds'.format(exact_contour_img.shape, (datetime.datetime.now()-start_time).total_seconds()))
start_time = datetime.datetime.now()
for i in range(ITERATIONS):
iterative_img = trim_iterative(img)
print ('iterative shape: {}, took {} seconds'.format(iterative_img.shape, (datetime.datetime.now()-start_time).total_seconds()))
start_time = datetime.datetime.now()
for i in range(ITERATIONS):
auto_img = autocrop(img)
print ('autocrop shape: {}, took {} seconds'.format(auto_img.shape, (datetime.datetime.now()-start_time).total_seconds()))
def main():
orig_shape = (10,10,3)
print('Empty image--should be 0x0x3')
zero_img = np.zeros(orig_shape, dtype='uint8')
test_image(zero_img)
print('Small image--should be 1x1x3')
small_img = np.zeros(orig_shape, dtype='uint8')
small_img[3,3] = 1
test_image(small_img)
print('Medium image--should be 3x7x3')
med_img = np.zeros(orig_shape, dtype='uint8')
med_img[5:8, 2:9] = 1
test_image(med_img)
print('Random image--should be full image: 100x100')
lg_img = np.zeros((100,100,3), dtype='uint8')
for y in range (100):
for x in range(100):
lg_img[y,x, 0] = random.randint(0,255)
lg_img[y, x, 1] = random.randint(0, 255)
lg_img[y, x, 2] = random.randint(0, 255)
test_image(lg_img)
main()
... И РЕЗУЛЬТАТЫ...
Empty image--should be 0x0x3
original shape: (10, 10, 3)
recursive shape: (0, 0, 3), took 0.295851 seconds
contour shape: (0, 0, 3), took 0.048656 seconds
exact contour shape: (0, 0, 3), took 0.046273 seconds
iterative shape: (0, 0, 3), took 1.742498 seconds
autocrop shape: (1, 1, 3), took 0.093347 seconds
Small image--should be 1x1x3
original shape: (10, 10, 3)
recursive shape: (1, 1, 3), took 1.342977 seconds
contour shape: (0, 0, 3), took 0.048919 seconds
exact contour shape: (0, 0, 3), took 0.04683 seconds
iterative shape: (1, 1, 3), took 1.084258 seconds
autocrop shape: (1, 1, 3), took 0.140886 seconds
Medium image--should be 3x7x3
original shape: (10, 10, 3)
recursive shape: (3, 7, 3), took 0.610821 seconds
contour shape: (0, 0, 3), took 0.047263 seconds
exact contour shape: (0, 0, 3), took 0.046342 seconds
iterative shape: (3, 7, 3), took 0.696778 seconds
autocrop shape: (3, 7, 3), took 0.14493 seconds
Random image--should be full image: 100x100
original shape: (100, 100, 3)
recursive shape: (100, 100, 3), took 0.131619 seconds
contour shape: (98, 98, 3), took 0.285515 seconds
exact contour shape: (98, 98, 3), took 0.288365 seconds
iterative shape: (100, 100, 3), took 0.251708 seconds
autocrop shape: (100, 100, 3), took 1.280476 seconds
Как насчет слабой рекурсивной функции?
import cv2
import numpy as np
def trim(frame):
#crop top
if not np.sum(frame[0]):
return trim(frame[1:])
#crop bottom
elif not np.sum(frame[-1]):
return trim(frame[:-2])
#crop left
elif not np.sum(frame[:,0]):
return trim(frame[:,1:])
#crop right
elif not np.sum(frame[:,-1]):
return trim(frame[:,:-2])
return frame
Загрузите и установите пороговое значение для того, чтобы темные области были черными:
img = cv2.imread("path_to_image.png")
thold = (img>120)*img
Затем вызовите рекурсивную функцию
trimmedImage = trim(thold)
В случае, если это помогает кому-либо, я пошел с этой настройкой @wordsforhewise замены для решения на основе PIL:
bw = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
rows, cols = bw.shape
non_empty_columns = np.where(bw.max(axis=0) > 0)[0]
non_empty_rows = np.where(bw.max(axis=1) > 0)[0]
cropBox = (min(non_empty_rows) * (1 - padding),
min(max(non_empty_rows) * (1 + padding), rows),
min(non_empty_columns) * (1 - padding),
min(max(non_empty_columns) * (1 + padding), cols))
return img[cropBox[0]:cropBox[1]+1, cropBox[2]:cropBox[3]+1 , :]
(Это настройка того, что исходный код предполагает обрезать белый фон, а не черный).
Python версии 3.6
Обрезать изображения и вставить в папку "CropedImages"
import cv2
import os
arr = os.listdir('./OriginalImages')
for itr in arr:
img = cv2.imread(itr)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY)
_, contours, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
x,y,w,h = cv2.boundingRect(cnt)
crop = img[y:y+h,x:x+w]
cv2.imwrite('CropedImages/'+itr,crop)
Измените число 120 на другое в 9-й строке и попробуйте для ваших изображений, это будет работать