如何裁剪二值图像多余空白并保留轮廓边缘恒定边距？

1. 修正阈值与掩码逻辑，避免边缘像素被遗漏 #

原函数的误裁问题大概率是阈值tol设置过高，导致部分浅白色边缘像素被排除在掩码外，或是掩码索引处理不够严谨。可以调整为：

import numpy as np

def crop_image(img, tol=0):
    mask = img > tol
    # 获取所有包含白色像素的行、列索引
    rows = np.where(mask.any(axis=1))[0]
    cols = np.where(mask.any(axis=0))[0]
    # 处理无白色像素的极端情况
    if len(rows) == 0 or len(cols) == 0:
        return img
    # 按完整行/列范围裁剪，确保边缘像素保留
    return img[rows[0]:rows[-1]+1, cols[0]:cols[-1]+1]

• 把tol默认设为0，适配黑底白图（白色像素为255，黑色为0），确保所有白色边缘像素都被纳入掩码。
• 显式获取行、列的起止索引，避免np.ix_可能带来的索引歧义。

2. 主动保留轮廓外围背景（添加 padding） #

如果需要在轮廓周围预留一圈黑边，避免紧贴轮廓裁剪，可以在基础裁剪范围上向外扩展：

import numpy as np

def crop_image_with_padding(img, tol=0, padding=5):
    mask = img > tol
    rows = np.where(mask.any(axis=1))[0]
    cols = np.where(mask.any(axis=0))[0]
    if len(rows) == 0 or len(cols) == 0:
        return img
    # 计算扩展后的边界，防止超出图像范围
    top = max(0, rows[0] - padding)
    bottom = min(img.shape[0], rows[-1] + 1 + padding)
    left = max(0, cols[0] - padding)
    right = min(img.shape[1], cols[-1] + 1 + padding)
    return img[top:bottom, left:right]

• padding参数可按需调整（比如3、5像素），用来控制轮廓边缘保留的背景宽度。

3. 基于轮廓检测的精准裁剪（适配复杂轮廓） #

如果图像边缘有零散白色像素，掩码方法容易漏检，可借助OpenCV的轮廓检测定位完整轮廓范围：

import cv2
import numpy as np

def crop_by_contour(img, padding=0):
    # 确保图像为二值图
    _, binary = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY)
    # 查找最外层轮廓
    contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if not contours:
        return img
    # 获取所有轮廓的最小外接矩形
    x, y, w, h = cv2.boundingRect(np.vstack(contours))
    # 扩展边界并限制在图像范围内
    x = max(0, x - padding)
    y = max(0, y - padding)
    w = min(img.shape[1] - x, w + 2 * padding)
    h = min(img.shape[0] - y, h + 2 * padding)
    return img[y:y+h, x:x+w]

• 此方法能精准覆盖所有轮廓区域，避免零散边缘像素被误判为背景。
• 若输入是彩色图，需先转灰度图：gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

内容的提问来源于stack exchange，提问作者Hector