如何用Python在Jupyter Notebook中精准裁剪图像腿部？

问题分析 #

你需要批量将带透明背景的腿部PNG图像裁剪为仅包含腿部的区域，现有代码依赖手动指定初始裁剪框，且未利用PNG的alpha通道，导致适配性和精准度不足。

优化方案 #

以下代码通过PNG的alpha通道精准定位非透明的腿部区域，无需手动设置裁剪参数，完美适配批量处理：

from PIL import Image
import numpy as np
import os

def crop_leg_image(input_path, output_path):
    # 读取图像并转为numpy数组
    img = Image.open(input_path)
    img_array = np.array(img)
    
    # 提取alpha通道，筛选非透明区域
    alpha = img_array[:, :, 3]
    # 获取非空行和列
    valid_rows = np.where(alpha.max(axis=1) > 0)[0]
    valid_cols = np.where(alpha.max(axis=0) > 0)[0]
    
    if not (valid_rows.size and valid_cols.size):
        print(f"跳过：{input_path} 未检测到有效腿部区域")
        return
    
    # 计算PIL格式的裁剪框（左, 上, 右, 下）
    crop_box = (
        valid_cols.min(),
        valid_rows.min(),
        valid_cols.max() + 1,
        valid_rows.max() + 1
    )
    
    # 裁剪并保存图像
    cropped_img = img.crop(crop_box)
    cropped_img.save(output_path)

# 批量处理示例
input_folder = "C:\\11031\\SimpleTest"
output_folder = "C:\\11031\\CroppedResults"

# 创建输出文件夹
os.makedirs(output_folder, exist_ok=True)

# 遍历处理所有PNG文件
for file_name in os.listdir(input_folder):
    if file_name.lower().endswith(".png"):
        input_path = os.path.join(input_folder, file_name)
        output_path = os.path.join(output_folder, f"cropped_{file_name}")
        crop_leg_image(input_path, output_path)

关键改进点 #

• 精准定位：利用PNG的alpha通道直接识别非透明的腿部区域，比RGB通道的max值判断更准确
• 批量适配：自动计算每个图像的最小包围裁剪框，无需手动调整参数
• 鲁棒性：添加了空区域检测，避免无效图像导致程序报错

内容的提问来源于stack exchange，提问作者ATB