如何用Python+OpenCV提取5×6共30个贴纸并优化阈值化效果

一、解决阈值化模糊与灰色残留问题 #

原始阈值化的问题多因光照不均+未做预处理导致，改用自适应阈值+预处理去噪可彻底解决：

1. 先将图像转为灰度图，消除色彩干扰
2. 用高斯模糊预处理，过滤细微噪点，避免文字边缘模糊
3. 使用自适应阈值（根据局部区域亮度动态调整阈值），彻底去除灰色背景，同时保留清晰的文字边缘

二、批量切割为5行6列单张贴纸 #

因为贴纸是固定的5×6布局，直接计算单张贴纸的宽高，循环遍历每个位置切片即可：

1. 获取预处理后图像的总宽高
2. 计算单张贴纸宽度=总宽度÷6，高度=总高度÷5
3. 嵌套循环遍历行（0-4）和列（0-5），截取对应区域并保存

完整代码实现 #

import cv2
import numpy as np

# 读取原始图像（替换为你的本地路径）
img = cv2.imread("ng7oV.jpg")
# 转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 高斯模糊去噪，3×3核兼顾去噪与文字细节保留
blurred = cv2.GaussianBlur(gray, (3, 3), 0)
# 自适应阈值处理：解决光照不均导致的灰色区域，反二值化保留白色贴纸背景
thresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 计算单张贴纸尺寸
rows, cols = thresh.shape
sticker_width = cols // 6
sticker_height = rows // 5

# 批量切割并保存
for i in range(5):  # 遍历5行
    for j in range(6):  # 遍历6列
        # 计算当前贴纸的坐标范围
        y_start = i * sticker_height
        y_end = y_start + sticker_height
        x_start = j * sticker_width
        x_end = x_start + sticker_width
        # 截取单张贴纸区域
        sticker = thresh[y_start:y_end, x_start:x_end]
        # 保存文件（可自定义路径和命名规则）
        cv2.imwrite(f"sticker_row{i+1}_col{j+1}.png", sticker)

# 可选：预览处理效果
cv2.imshow("Processed Threshold Image", thresh)
cv2.imshow("Sample Sticker", sticker)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键参数微调提示 #

• 高斯模糊核(3,3)：若噪点较多可改为(5,5)，但会轻微损失文字细节
• 自适应阈值的11（局部区域大小，必须为奇数）和2（阈值偏移量）：若仍有灰色残留，可尝试增大11或减小2

内容的提问来源于stack exchange，提问作者user20384021