如何用Python OpenCV批量提取图像内容矩形框并去除空白背景？

核心思路 #

针对背景与内容对比度明显的场景，最简处理流程为：通过阈值化分离前景内容 → 提取前景轮廓 → 获取最小外接矩形 → 裁剪并保存结果。若背景复杂，可调整阈值化方式或改用背景建模，但单阈值化是最轻量化的方案。

代码实现 #

1. 依赖安装

先确保安装OpenCV模块：

pip install opencv-python

2. 批量处理代码

import cv2
import os

def crop_content_rect(image_path, output_path):
    # 读取图像
    img = cv2.imread(image_path)
    if img is None:
        print(f"无法读取图像: {image_path}")
        return
    
    # 转灰度图简化处理
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # Otsu自动阈值化，分离前景与背景
    _, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    
    # 寻找外部轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if not contours:
        print(f"未找到前景轮廓: {image_path}")
        return
    
    # 取面积最大的轮廓（对应主要内容区域）
    main_contour = max(contours, key=cv2.contourArea)
    
    # 获取外接矩形坐标
    x, y, w, h = cv2.boundingRect(main_contour)
    
    # 裁剪并保存图像
    cropped_img = img[y:y+h, x:x+w]
    cv2.imwrite(output_path, cropped_img)
    print(f"处理完成: {output_path}")

def batch_process_folder(input_folder, output_folder):
    # 创建输出文件夹（不存在则自动生成）
    os.makedirs(output_folder, exist_ok=True)
    
    # 遍历处理所有图像文件
    for filename in os.listdir(input_folder):
        if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp')):
            input_path = os.path.join(input_folder, filename)
            output_path = os.path.join(output_folder, filename)
            crop_content_rect(input_path, output_path)

# 示例调用
if __name__ == "__main__":
    INPUT_FOLDER = "你的输入文件夹路径"
    OUTPUT_FOLDER = "你的输出文件夹路径"
    batch_process_folder(INPUT_FOLDER, OUTPUT_FOLDER)

关键细节说明 #

• 阈值化适配：cv2.THRESH_BINARY_INV适用于背景亮、内容暗的场景；若你的场景是背景暗、内容亮，去掉_INV即可。
• 抗干扰处理：通过取最大面积轮廓，可避免图像中小噪点的干扰，确保裁剪区域对应主要内容。
• 兼容性：支持常见图像格式，自动跳过无法读取的文件，批量处理时无需手动创建输出目录。

内容的提问来源于stack exchange，提问作者Oladiano Meriko Onaiker