Python OpenCV提取PNG spritesheet透明分隔多尺寸子图方法

核心逻辑很简单：PNG精灵图靠透明区域分隔独立图像，直接提取Alpha通道做连通域检测，就能自动拿到所有独立精灵的外接边界框，不需要依赖预先做的红黄标注即可完成提取，具体实现流程如下：

完整实现步骤 #

• 读取带透明通道的源文件
  读取时必须指定IMREAD_UNCHANGED参数，否则OpenCV会默认丢弃Alpha通道：

  import cv2
  import numpy as np
  
  sheet = cv2.imread("your_spritesheet.png", cv2.IMREAD_UNCHANGED)
  alpha_channel = sheet[:, :, 3]  # 单独提取透明度通道
  

• 生成前景二值掩码
  用NumPy+OpenCV阈值判定，把所有非完全透明的像素标记为精灵前景，完全透明区域标记为分隔背景：

  # 透明度大于1的像素判定为有效内容，过滤完全透明的分隔区域
  _, mask = cv2.threshold(alpha_channel, 1, 255, cv2.THRESH_BINARY)
  

• 连通域检测批量获取边界框
  调用cv2.connectedComponentsWithStats做8邻域连通域检测，自动识别所有被透明区域隔开的独立精灵，同时返回每个区块的外接矩形坐标、尺寸、面积信息：

  n_labels, _, stats, _ = cv2.connectedComponentsWithStats(mask, connectivity=8)
  
  bbox_list = []
  # 索引0对应整张图的透明背景，直接跳过
  for label_idx in range(1, n_labels):
      x = stats[label_idx, cv2.CC_STAT_LEFT]
      y = stats[label_idx, cv2.CC_STAT_TOP]
      w = stats[label_idx, cv2.CC_STAT_WIDTH]
      h = stats[label_idx, cv2.CC_STAT_HEIGHT]
      area = stats[label_idx, cv2.CC_STAT_AREA]
      # 加面积阈值过滤掉可能存在的半透明杂点，阈值按你的素材精度调整
      if area < 3:
          continue
      bbox_list.append((x, y, w, h))
  

• 按边界框裁剪导出独立图像
  拿到边界框坐标后直接用NumPy数组切片裁剪即可，会完整保留原图像的透明通道：

  for sprite_id, (x, y, w, h) in enumerate(bbox_list):
      single_sprite = sheet[y:y+h, x:x+w]
      cv2.imwrite(f"sprite_{sprite_id}.png", single_sprite)
  

常见问题调整 #

• 如果精灵自带的半透明阴影、描边导致相邻精灵被识别为同一个连通块，可以在生成掩码后先做一次形态学腐蚀，断开相邻的弱连接：

  # 3x3核腐蚀1次，核大小和迭代次数按实际识别效果调整
  mask = cv2.erode(mask, np.ones((3,3), np.uint8), iterations=1)
  

• 如果要结合预先做的红、黄标注做分类，只需要在遍历边界框时，提取对应区域内的标注像素颜色，判断标签类别后按分类目录保存即可。
• 该方法返回的边界框坐标以图像左上角为原点，x轴向右、y轴向下，和NumPy数组索引逻辑完全对齐，不需要额外做坐标转换。

内容的提问来源于stack exchange，提问作者TreantBG