如何使用OpenCV对阈值化后的图像进行动态裁剪？

动态裁剪功能实现方案 #

针对你已完成阈值化的图像，可通过轮廓检测定位尖端位置，进而实现动态裁剪，以下是整合到现有代码的具体实现：

import cv2 as cv
import numpy as np

X = [] # Image data
y = [] # Labels

# Loops through imagepaths to load images and labels into arrays
for path in imagepaths:
    img = cv.imread(path) # Reads image and returns np.array
    img = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # Converts into the correct colorspace (GRAY)
    img_thresh = cv.threshold(img, 50, 225, cv.THRESH_BINARY)[1]  # Thresholds the grayscale image
    img_thresh = cv.bitwise_not(img_thresh) 

    # --- 动态裁剪核心代码 ---
    # 提取图像轮廓，只保留最外层轮廓
    contours, _ = cv.findContours(img_thresh, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    img_cropped = img_thresh  # 默认保留原图像，防止轮廓检测失败
    
    if contours:
        # 筛选出面积最大的轮廓（假设目标是图像中的主要区域）
        target_contour = max(contours, key=cv.contourArea)
        # 定位尖端：此处假设尖端为轮廓最右侧点，可根据实际方向调整
        rightmost_point = tuple(target_contour[target_contour[:, :, 0].argmax()][0])
        
        # 定义裁剪范围：保留尖端左侧150px到尖端右侧10px的区域，上下保留完整高度
        crop_left = max(0, rightmost_point[0] - 150)
        crop_right = rightmost_point[0] + 10
        img_cropped = img_thresh[:, crop_left:crop_right]
    # --- 裁剪代码结束 ---

    X.append(img_cropped)
    
    # 处理标签逻辑
    category = path.split("\\")[4]
    label = int(category.split("_")[0][1]) # 将10_down转为00_down避免报错
    y.append(label)

# 转换为numpy数组，适配后续模型输入
X = np.array(X, dtype="uint8")
# 若后续CNN需要固定尺寸，需添加resize统一大小：
# X = np.array([cv.resize(img, (200, 240)) for img in X], dtype="uint8")
X = X.reshape(len(X), X[0].shape[0], X[0].shape[1], 1)
y = np.array(y)

print("Images loaded: ", len(X))
print("Labels loaded: ", len(y))

print(y[0], imagepaths[0]) # Debugging

调整说明 #

• 若尖端方向不是右侧，可替换尖端定位逻辑：
  • 最左侧：leftmost_point = tuple(target_contour[target_contour[:, :, 0].argmin()][0])
  • 最上方：topmost_point = tuple(target_contour[target_contour[:, :, 1].argmin()][0])
  • 最下方：bottommost_point = tuple(target_contour[target_contour[:, :, 1].argmax()][0])
• 裁剪范围可根据需求修改crop_left和crop_right的数值，比如扩大/缩小保留区域
• 若后续模型要求固定输入尺寸，务必添加cv.resize步骤统一图像大小

内容的提问来源于stack exchange，提问作者Mehul Kini