如何在Python中创建图像掩码并基于掩码使用OpenCV裁剪图像

1. 自动生成掩码可行性说明 #

你提出的用Python自动检测边缘生成掩码的方案完全可行，当前样图的子图边界清晰、背景为纯白色，无需借助Photoshop、GIMP等工具手动制作掩码，通过OpenCV的图像预处理、轮廓筛选逻辑即可自动完成掩码生成，适配你10张图的批量处理需求。

2. 环境依赖 #

首先安装所需库：

pip install opencv-python numpy

3. 完整实现代码 #

3.1 掩码生成函数 #

该函数可自动识别图像中的所有子图，生成对应掩码与外接矩形坐标：

import cv2
import numpy as np
import os

def generate_subimage_masks(img_path, min_area_threshold=10000):
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 二值化反转，将白色背景转为黑色，子图区域转为白色
    _, binary = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)
    # 提取最外层轮廓
    contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    mask_list = []
    rect_list = []
    for cnt in contours:
        # 过滤面积过小的噪声轮廓
        if cv2.contourArea(cnt) < min_area_threshold:
            continue
        # 生成单通道掩码
        mask = np.zeros_like(gray)
        cv2.drawContours(mask, [cnt], -1, 255, thickness=cv2.FILLED)
        # 记录子图外接矩形
        x, y, w, h = cv2.boundingRect(cnt)
        mask_list.append(mask)
        rect_list.append((x, y, w, h))
    return img, mask_list, rect_list

3.2 基于掩码的裁剪函数 #

def crop_by_mask(img, mask, rect):
    x, y, w, h = rect
    # 保留掩码覆盖的子图区域
    masked_img = cv2.bitwise_and(img, img, mask=mask)
    # 裁剪到最小外接矩形，去除多余黑边
    cropped_subimg = masked_img[y:y+h, x:x+w]
    return cropped_subimg

3.3 调用示例 #

单张图片处理

# 替换为你的实际路径
input_img_path = "Z8Vyy.png"
output_dir = "./sub_images"
os.makedirs(output_dir, exist_ok=True)

img, masks, rects = generate_subimage_masks(input_img_path)
for i, (mask, rect) in enumerate(zip(masks, rects)):
    subimg = crop_by_mask(img, mask, rect)
    cv2.imwrite(os.path.join(output_dir, f"subimg_{i+1}.png"), subimg)

批量处理10张图片

input_dir = "./your_input_images"
output_root = "./all_sub_images"
os.makedirs(output_root, exist_ok=True)

for filename in os.listdir(input_dir):
    if not filename.lower().endswith(('.png', '.jpg', '.jpeg')):
        continue
    # 为每张原图创建单独的子图保存目录
    img_name = os.path.splitext(filename)[0]
    img_output_dir = os.path.join(output_root, img_name)
    os.makedirs(img_output_dir, exist_ok=True)
    
    img_path = os.path.join(input_dir, filename)
    img, masks, rects = generate_subimage_masks(img_path)
    for i, (mask, rect) in enumerate(zip(masks, rects)):
        subimg = crop_by_mask(img, mask, rect)
        cv2.imwrite(os.path.join(img_output_dir, f"subimg_{i+1}.png"), subimg)

4. 适配调整说明 #

如果你的其他图片存在背景色不统一、子图边界模糊的情况，可调整以下参数适配：

• 调整generate_subimage_masks中的min_area_threshold阈值，过滤不符合大小的噪声轮廓
• 调整cv2.threshold的第二个参数（当前为240），适配不同亮度的背景
• 边界不清晰时可在二值化前添加高斯模糊操作：gray = cv2.GaussianBlur(gray, (3,3), 0)

内容的提问来源于stack exchange，提问作者Takuya2412