学习之路（二）：按照图片内矩形框进行裁剪

OpenCV的使用

• 前言
• 
  

  一、OpenCV、图片二值化、图片的腐蚀膨胀学习

• 
  

  二、使用

• • 1.引入库
  • 2.读取图片
  • 3.对图片进行腐蚀
  • 4.获取矩形框
  • 5.对图片进行裁剪
  • 完整代码
• 
  

  三、最终效果

前言

最近老师给了我一些图片，让我按照每张图片内的矩形框进行截图，图片量不是很大，但是自己有点懒，不想用PS去一张一张的截图，于是就去学习了一下OpenCV的使用，用代码进行截图。

---

一、OpenCV、图片二值化、图片的腐蚀膨胀学习

还是不做过多赘述，我也是看着他人的博客学习的，以下是我看的文章的链接：

1. opencv-python 函数总览（初版）
2. OpenCV–Python
3. 图像腐蚀与图像膨胀（Python篇）

二、使用 1.引入库

from unittest import result
import cv2
import os
import numpy as np

2.读取图片

path = r"D:\Desktop\threrteen\page01.jpg"
img = cv2.imread(path,cv2.IMREAD_UNCHANGED)#我这里读取的是完整图片，因为老师给我的图片就是两通道的图片
result = img.copy()
Sp = img.shape
print(Sp)

OpenCV读取图片时，路径中不能有中文字符

---

3.对图片进行腐蚀

#img = cv2.imread(pic,cv2.IMREAD_UNCHANGED)
kernel = np.ones((7,7),np.uint8)#设置卷积核
erosion = cv2.erode(img,kernel)

第一步是对图片进行二值化处理，如果读取的图片不是两通道的图片需要这一步

---

4.获取矩形框

ret, thresh = cv2.threshold(img,20,200,cv2.THRESH_BINARY_INV)#这一步一个可以不要，是对图片进行二值化的，毕竟在腐蚀的时候就已经二值化了
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(1,1))#因为是根据矩形框进行截图，所以设置内核为矩形以及锚点的位置（不同的图片锚点位置不同，可以定义一个Mat函数获取）
eroded = cv2.erode(thresh,kernel)#腐蚀.....
contours, hierarchy = cv2.findContours(eroded,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE）

---

5.对图片进行裁剪

count = 0
color = (0,255,0)#设置绘制矩形框的RGB通道
for c in contours:
    x, y, w, h = cv2.boundingRect(c)
    if w >2000 and h>3000:
        print(w,h)
        cv2.rectangle(img, (x, y), (x + w, y + h), color, 1)#在图像上绘制一个矩形，根据绘制的矩形框进行切割
        count += 1
        temp = result[y:(y + h), x:(x + w)]
        # temp = cv2.bitwise_not(temp)#取反
        temp = cv2.resize(temp,(768,1024))#将图片统一保存为1024*768的大小
        cv2.imwrite(r"D:\Desktop\result\page{0}.jpg".format(count),temp)

第四步中获取图片中的矩形框时，会对所有的矩形框以及腐蚀后卫矩形框的位置都进行识别，例如文字“口”“品”都会被识别为矩形框，这时候就应该避免这种小的矩形框被裁剪，我第一次的时候就没有注意，把画矩形框和保存图片放在了循环外，还傻乎乎的运行了五分钟，删除图片的时候内心是崩溃的。

---

完整代码

from unittest import result
import cv2
import os
import numpy as np

path = r"D:\Desktop\threrteen\page01.jpg"
img = cv2.imread(path,cv2.IMREAD_UNCHANGED)
result = img.copy()
Sp = img.shape
#print(Sp)

b = bytes()

kernel = np.ones((7,7),np.uint8)
erosion = cv2.erode(img,kernel)

ret, thresh = cv2.threshold(img,20,200,cv2.THRESH_BINARY_INV)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(1,1))
eroded = cv2.erode(thresh,kernel)

dict = {}
list = []
contours, hierarchy = cv2.findContours(eroded,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
count = 0
color = (0,255,0)
for c in contours:
    x, y, w, h = cv2.boundingRect(c)
    if w >2000 and h>3000:
        print(w,h)
        cv2.rectangle(img, (x, y), (x + w, y + h), color, 1)
        count += 1

        temp = result[y:(y + h), x:(x + w)]
        # temp = cv2.bitwise_not(temp)#取反
        temp = cv2.resize(temp,(768,1024))
        cv2.imwrite(r"D:\Desktop\result\page{0}.jpg".format(count),temp)

---

三、最终效果

emmmmm，图片是老师给的，我也不知道可不可以发出来，就画了一下，不过不影响代码效果的演示
原图：

结果：