基于深色垂直中线用Python水平拆分双页报纸图像

嘿，刚好之前做过类似的报纸拆分需求，结合你已经完成的裁剪旋转步骤，给你两个靠谱的方案，直接就能用上：

方法1：直接用灰度列均值定位（简单高效，推荐优先试） #

既然你的中线比周边区域更暗，那不用绕Canny，直接统计每列的亮度就能精准找到中线：

• 先把处理好的图像转成灰度图：

  gray = cv2.cvtColor(your_processed_img, cv2.COLOR_BGR2GRAY)
  

• 计算每一列的平均灰度值（值越小说明越暗）：

  col_avg_gray = np.mean(gray, axis=0)
  

• 找到灰度均值最小的列索引，这就是中线的位置：

  mid_col = np.argmin(col_avg_gray)
  

• 直接拆分左右页：

  left_page = your_processed_img[:, :mid_col]
  right_page = your_processed_img[:, mid_col:]
  

方法2：结合Canny边缘检测定位（适配边缘明显的中线） #

如果想用上你已经得到的Canny边缘结果，核心是过滤出垂直边缘并找到最密集的位置：

1. 增强垂直边缘信号
   先用垂直结构元素做膨胀，把零散的垂直边缘连成完整的线条：

   # 创建垂直方向的结构元素（高度可以根据图像大小调整，比如20）
   vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 20))
   # 膨胀操作强化垂直边缘
   vertical_edges = cv2.morphologyEx(your_canny_edges, cv2.MORPH_DILATE, vertical_kernel)
   

2. 统计边缘列的密度
   计算每一列的白色边缘像素数量，最多的列就是中线位置：

   col_edge_count = np.sum(vertical_edges, axis=0)
   mid_col = np.argmax(col_edge_count)
   

3. 拆分图像
   和方法1一样，用得到的mid_col直接分割即可。

额外优化Tips #

• 如果图像还有轻微的噪点或小倾斜，可以对列均值/边缘计数做平滑处理，比如用滑动平均：

  # 用窗口大小为15的滑动平均平滑列均值
  smoothed_col_avg = np.convolve(col_avg_gray, np.ones(15)/15, mode='same')
  mid_col = np.argmin(smoothed_col_avg)
  

• 如果中线不是绝对笔直，可以取边缘计数最高的前10个列的中位数作为拆分点，这样结果更鲁棒。

内容的提问来源于stack exchange，提问作者ghukill