使用OpenCV裁剪图像时如何去除绿色边框？（OpenCV & Python）

问题概述 #

开发基础ANPR（自动车牌识别）应用时，轮廓检测与图像裁剪功能已正常运行，但裁剪后的图像始终带有绿色边框，同时希望得到代码优化建议。

当前使用的代码：

image = f'home/folder/car.jpg'
image = cv2.imread(image)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) #frame filtered again
canny = cv2.Canny(gray, 100, 200)

contours, _ = cv2.findContours(canny, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

for contour in contours:
    approx = cv2.approxPolyDP(contour, 0.02 * cv2.arcLength(contour, True), True)
    
    if len(approx) == 4:
        x, y, w, h = cv2.boundingRect(approx)
        
        aspectratio = w / float(h) #aspect ratio
        area = w * h
        
        if 2 < aspectratio < 5 and area > 2000:
            cropped = image[y:y+h, x:x+w]
            cv2.imwrite('contour.png', cropped) 

相关图像：

• 原始图像car.jpg：
  
• 添加轮廓后的图像：
  
• 轮廓检测并裁剪后的图像：
  

绿色边框问题原因 #

你在代码中先执行了cv2.drawContours(image, contours, -1, (0, 255, 0), 3)，这一步直接把绿色轮廓绘制在了原始图像上，后续裁剪操作使用的是已经被修改过的原始图像，导致裁剪结果带有绿色边框。

解决方案 #

保留原始图像的副本用于裁剪，将绘制轮廓的操作放在另一个图像副本上：

修改后的核心代码：

import cv2

# 路径与图像读取
image_path = 'home/folder/car.jpg'
image = cv2.imread(image_path)
# 创建副本用于绘制轮廓，不修改原始图像
image_with_contours = image.copy()

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
canny = cv2.Canny(gray, 100, 200)

contours, _ = cv2.findContours(canny, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 在副本上绘制轮廓
cv2.drawContours(image_with_contours, contours, -1, (0, 255, 0), 3)
# 可选：显示带轮廓的图像
cv2.imshow('Contours', image_with_contours)
cv2.waitKey(0)

for contour in contours:
    approx = cv2.approxPolyDP(contour, 0.02 * cv2.arcLength(contour, True), True)
    
    if len(approx) == 4:
        x, y, w, h = cv2.boundingRect(approx)
        
        aspectratio = w / float(h)
        # 改用轮廓实际面积更准确
        contour_area = cv2.contourArea(contour)
        
        if 2 < aspectratio < 5 and contour_area > 2000:
            # 使用原始图像裁剪，避免绿色边框
            cropped = image[y:y+h, x:x+w]
            cv2.imwrite('cropped_plate.png', cropped)

代码优化建议 #

1. 路径处理规范化：使用os.path模块处理文件路径，避免跨平台路径错误：

import os
image_path = os.path.join('home', 'folder', 'car.jpg')

2. 减少噪声干扰：在Canny边缘检测前添加高斯模糊，提升轮廓检测准确性：

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 添加高斯模糊
blur = cv2.GaussianBlur(gray, (5, 5), 0)
canny = cv2.Canny(blur, 100, 200)

3. 变量命名更清晰：避免重复使用image变量，将路径和图像对象分开，提升代码可读性。

4. 轮廓过滤更精准：使用cv2.contourArea()计算轮廓实际面积，替代 bounding rect 的面积，减少误判。

5. 避免重复保存：如果存在多个符合条件的轮廓，可以添加判断只保存面积最大的那个（通常车牌是较大的矩形）：

max_area = 0
best_crop = None
for contour in contours:
    # ... 省略前面的代码
    if 2 < aspectratio < 5 and contour_area > 2000 and contour_area > max_area:
        max_area = contour_area
        best_crop = image[y:y+h, x:x+w]
if best_crop is not None:
    cv2.imwrite('best_cropped_plate.png', best_crop)

内容的提问来源于stack exchange，提问作者Conor Cullen