如何用OpenCV Python去除X光图像的白色边框

完全可行，用OpenCV结合Numpy就能批量处理这类带白色边框的X光图像，不管是全环绕的细边框还是侧边局部的白色条带都能搞定，下面给你两种实现思路和具体代码：

方案一：直接裁剪去除白色边框 #

核心思路是定位出图像主体的边界，直接把边框部分裁掉：

import cv2
import numpy as np

def crop_white_borders(img_path, threshold=240):
    # 读取图像并转为灰度图
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    # 二值化：将接近白色的区域（亮度≥threshold）标记为背景
    _, binary = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)
    # 定位所有非白色背景的像素坐标
    coords = np.column_stack(np.where(binary < 255))
    # 计算图像主体的上下左右边界
    y_min, x_min = coords.min(axis=0)
    y_max, x_max = coords.max(axis=0)
    # 裁剪出主体区域
    cropped_img = img[y_min:y_max+1, x_min:x_max+1]
    return cropped_img

如果图像存在零星白色噪声点，可在二值化后添加形态学腐蚀过滤干扰：

# 在二值化步骤后插入
kernel = np.ones((3,3), np.uint8)
binary = cv2.erode(binary, kernel, iterations=1)

方案二：将白色边框替换为黑/灰色 #

如果不想改变图像尺寸，仅把白色边框替换为深色：

def replace_white_borders(img_path, target_color=0, threshold=240):
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    _, binary = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)
    # 生成白色边框区域的掩码
    mask = binary == 255
    # 将边框区域替换为目标颜色
    img[mask] = target_color
    return img

• target_color设为0是黑色，设为127是中灰色，可根据需求调整。

批量处理示例 #

处理文件夹内所有X光图像的代码：

import os

input_dir = "你的X光图像文件夹路径"
output_dir = "处理后图像保存路径"
os.makedirs(output_dir, exist_ok=True)

for filename in os.listdir(input_dir):
    if filename.endswith(('.png', '.jpg', '.jpeg')):
        img_path = os.path.join(input_dir, filename)
        # 选择裁剪或替换方案
        processed_img = crop_white_borders(img_path)
        # processed_img = replace_white_borders(img_path, target_color=0)
        cv2.imwrite(os.path.join(output_dir, filename), processed_img)

注意事项 #

• 阈值threshold可根据图像实际情况微调：若白色边框不是纯白，可适当降低数值；
• 两种方案对侧边局部白色条带的图像同样适用，不会误处理图像主体。

内容的提问来源于stack exchange，提问作者Bathtub