如何基于预定义掩码分割图像并高效提取网格字母子图

核心思路 #

用Numpy掩码快速定位有效区域（去除空白），再通过数组分块高效分割5x5网格，全程避免冗余循环，把时间复杂度降到O(w*h)（仅遍历图像一次），适合低功耗设备和大规模处理。

步骤1：批量去除图像边界空白 #

先把每张图像的周围空白裁掉，得到仅包含5x5网格的规整图像：

import cv2
import numpy as np
import os
from PIL import Image
import pytesseract

def crop_blank_borders(img):
    # 转灰度图，二值化（背景设为0，文字设为255）
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    _, binary = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)
    
    # 用Numpy掩码找非空白区域的行和列
    non_zero_rows = np.where(binary.sum(axis=1) > 0)[0]
    non_zero_cols = np.where(binary.sum(axis=0) > 0)[0]
    
    # 裁剪到有效区域
    cropped = img[non_zero_rows[0]:non_zero_rows[-1]+1, non_zero_cols[0]:non_zero_cols[-1]+1]
    return cropped

步骤2：高效分割5x5网格 #

裁剪后的图像是规整的，直接用Numpy分块，避免循环遍历，这一步是O(1)时间复杂度（因为是创建数组视图，不是复制数据）：

def split_5x5_grid(img):
    # 把图像分成5行，每行再分成5列
    rows = np.array_split(img, 5, axis=0)
    grid = []
    for row in rows:
        cols = np.array_split(row, 5, axis=1)
        grid.extend(cols)
    # 返回25个子图的列表
    return grid

步骤3：子图处理（去内部空白+统一尺寸） #

对每个子图，同样用掩码裁剪内部空白，再resize到统一尺寸：

def process_subimg(subimg, target_size=(64, 64)):
    # 裁剪子图内部空白
    gray = cv2.cvtColor(subimg, cv2.COLOR_BGR2GRAY)
    _, binary = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)
    non_zero_rows = np.where(binary.sum(axis=1) > 0)[0]
    non_zero_cols = np.where(binary.sum(axis=0) > 0)[0]
    if len(non_zero_rows) == 0 or len(non_zero_cols) == 0:
        return None  # 跳过空白子图
    cropped_sub = subimg[non_zero_rows[0]:non_zero_rows[-1]+1, non_zero_cols[0]:non_zero_cols[-1]+1]
    
    # 统一尺寸
    resized = cv2.resize(cropped_sub, target_size, interpolation=cv2.INTER_AREA)
    return resized

步骤4：批量处理并保存 #

整合以上步骤，遍历所有图像，提取子图并保存到对应文件夹：

def batch_process(image_paths, target_size=(64, 64)):
    for idx, img_path in enumerate(image_paths, start=1):
        # 读取图像
        img = cv2.imread(img_path)
        if img is None:
            continue
        
        # 1. 裁剪边界空白
        cropped_img = crop_blank_borders(img)
        # 2. 分割5x5网格
        subimgs = split_5x5_grid(cropped_img)
        
        # 3. 处理每个子图并保存
        for subimg in subimgs:
            processed = process_subimg(subimg, target_size)
            if processed is None:
                continue
            
            # 识别子图中的字母（这里用pytesseract，可根据需求替换）
            text = pytesseract.image_to_string(processed, config='--psm 10 --oem 3 -c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ').strip().upper()
            if not text:
                continue
            
            # 创建字母文件夹
            save_dir = os.path.join(os.getcwd(), text)
            os.makedirs(save_dir, exist_ok=True)
            
            # 保存图像，命名为"序号.jpg"
            save_path = os.path.join(save_dir, f"{idx}.jpg")
            cv2.imwrite(save_path, processed)

# 示例调用：替换为你的图像路径列表
image_paths = [f"image_{i}.jpg" for i in range(1, 101)]
batch_process(image_paths)

关键优化点 #

• 用Numpy的向量化操作替代循环，避免O(n²)的冗余计算，大幅降低CPU占用
• 数组分块用array_split创建视图，不复制数据，内存效率更高
• 掩码裁剪仅遍历图像一次，比硬编码定位更灵活，适配不同的空白边界

内容的提问来源于stack exchange，提问作者Matic