如何用Python自动识别并裁剪图像中白色边框矩形内的区域？

以下是实现自动识别白色边框ROI并裁剪保存的Python代码，依赖OpenCV库：

import cv2
import numpy as np

# 读取图像
img = cv2.imread("ttLT2.jpg")
# 转灰度图简化处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化分离白色边框：白色区域设为前景，其余为背景
_, binary = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY)

# 形态学闭运算，填补边框缝隙、过滤小噪点
kernel = np.ones((5,5), np.uint8)
binary = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)

# 查找图像轮廓
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 筛选面积最大的轮廓（对应目标白色边框）
max_contour = max(contours, key=cv2.contourArea)

# 获取轮廓外接矩形坐标，裁剪ROI区域
x, y, w, h = cv2.boundingRect(max_contour)
roi = img[y:y+h, x:x+w]

# 保存裁剪后的图像
cv2.imwrite("cropped_roi.jpg", roi)

关键步骤说明 #

• 灰度转换：将彩色图转为灰度图，降低处理复杂度
• 二值化：阈值设为240是因为白色边框灰度值接近255，可精准分离目标区域
• 形态学操作：闭运算修复边框细小断裂，同时消除图像中的白色小噪点
• 轮廓筛选：取面积最大的轮廓，确保选中目标白色边框而非零星噪点

如果图像存在多个白色边框，可通过遍历轮廓+面积阈值筛选目标：

for cnt in contours:
    area = cv2.contourArea(cnt)
    if area > 10000:  # 根据实际场景调整面积阈值
        x, y, w, h = cv2.boundingRect(cnt)
        roi = img[y:y+h, x:x+w]
        cv2.imwrite(f"cropped_roi_{cnt}.jpg", roi)

内容的提问来源于stack exchange，提问作者A.Sa