如何基于OpenCV的cv.boundingRect裁剪并导出图像中的六个矩形

你的代码已经成功获取了每个轮廓的 bounding box，只需要添加图像裁剪与保存的逻辑即可。以下是修复后的完整代码及关键说明：

修复后的代码 #

import cv2 as cv
import numpy as np
import random as rng

# 保留原始彩色图像（如果需要导出彩色裁剪结果）
img_color = cv.imread('newsample.jpg')
# 用于处理的灰度图像
img_gray = cv.cvtColor(img_color, cv.COLOR_BGR2GRAY)

ret, thresh = cv.threshold(img_gray, 110, 255, cv.THRESH_BINARY_INV)
median = cv.medianBlur(thresh, 13)

# 提取外部轮廓
contours, hierarchy = cv.findContours(median, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

contours_poly = [None]*len(contours)
boundRect = [None]*len(contours)

for i, c in enumerate(contours):
    contours_poly[i] = cv.approxPolyDP(c, 3, True)
    boundRect[i] = cv.boundingRect(contours_poly[i])

drawing = np.zeros((img_gray.shape[0], img_gray.shape[1], 3), dtype=np.uint8)
        
for i in range(len(contours)):
    # 提取当前矩形的坐标与尺寸
    x, y, w, h = boundRect[i]
    # 过滤过小的轮廓（避免保存噪声，可根据实际情况调整阈值）
    if w * h < 1000:
        continue
    # 裁剪图像：OpenCV图像的索引是 [y起始:y结束, x起始:x结束]
    cropped_img = img_color[y:y+h, x:x+w]
    # 保存裁剪后的图像
    cv.imwrite(f'cropped_rect_{i}.jpg', cropped_img)
    
    # 绘制轮廓与矩形（原逻辑保留）
    color = (rng.randint(0,256), rng.randint(0,256), rng.randint(0,256))
    cv.drawContours(drawing, contours_poly, i, color)
    cv.rectangle(drawing, (int(x), int(y)), (int(x+w), int(y+h)), color, 2)
    
cv.imshow('Contours', drawing)
cv.waitKey(0)
cv.destroyAllWindows()

关键修复点 #

1. 保留原始彩色图像：原代码将读取的图像直接转为灰度，导致无法导出彩色裁剪结果，现在分开存储彩色与灰度图像。
2. 正确的图像裁剪逻辑：OpenCV的图像数组是[高度(y轴), 宽度(x轴)]的顺序，所以裁剪时要使用img[y:y+h, x:x+w]，不要搞反x和y的顺序。
3. 过滤无效轮廓：添加面积阈值过滤，避免将图像中的小噪声轮廓也保存为裁剪图，可根据你的图像实际大小调整1000这个阈值。
4. 循环保存图像：使用cv.imwrite()结合格式化字符串，为每个裁剪图生成唯一的文件名（如cropped_rect_0.jpg、cropped_rect_1.jpg等）。

如果需要导出灰度裁剪结果，只需将cropped_img = img_color[y:y+h, x:x+w]替换为cropped_img = img_gray[y:y+h, x:x+w]即可。

内容的提问来源于stack exchange，提问作者Annisa Septyana Ningrum