如何使用Python检测并裁剪带边界线图像中的字符，排除多余边界？

原代码核心问题 #

• 变量名错误：函数传入参数为image，但代码中使用未定义的img创建副本
• 返回值错误：筛选后将全图阈值结果thresh1加入返回列表，而非裁剪得到的数字区域
• 未过滤边缘轮廓：图像边界线必然贴合图像边缘，可通过坐标判断直接排除这类轮廓
• 空值返回逻辑缺失：过滤后无有效轮廓时未返回None，而是返回空列表或者错误的边界结果

修正后完整代码 #

import cv2

# 若未实现sort_contours方法可使用以下兼容实现
def sort_contours(cnts, method="left-to-right"):
    reverse = False
    i = 0
    if method == "right-to-left" or method == "bottom-to-top":
        reverse = True
    if method == "top-to-bottom" or method == "bottom-to-top":
        i = 1
    boundingBoxes = [cv2.boundingRect(c) for c in cnts]
    (cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),
        key=lambda b:b[1][i], reverse=reverse))
    return (cnts, boundingBoxes)

def process(image, readFile=True, returnType='binary'):
    img_h, img_w = image.shape[:2]
    out_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 阈值处理
    ret, thresh1 = cv2.threshold(out_gray, 220, 255, cv2.THRESH_OTSU + cv2.THRESH_BINARY_INV)
    
    rect_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (8,8))
    dilation = cv2.dilate(thresh1, rect_kernel, iterations = 1)
    # 提取最外层轮廓
    contours, hierarchy = cv2.findContours(dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    if len(contours) <= 0:
        return None
    
    contours, boundingBoxes = sort_contours(contours, 'left-to-right')
    
    im2 = image.copy()
    minHeight = 10
    minWidth = 10
    result = []
    for cnt in contours:
        x, y, w, h = cv2.boundingRect(cnt)
        # 过滤贴边的边界线：外接矩形和图像边缘重合则直接跳过
        if x == 0 or y == 0 or (x + w) == img_w or (y + h) == img_h:
            continue
        # 过滤尺寸过小的噪点
        if w < minWidth or h < minHeight:
            continue
        # 调试用的边框绘制可根据需求注释
        cv2.rectangle(im2, (x, y-1), (x + w, y + h + 1), (0, 255, 0), 1)
        # 按返回类型裁剪对应区域
        if returnType == 'binary':
            cropped = thresh1[y:y + h, x:x + w]
        else:
            cropped = image[y:y + h, x:x + w]
        result.append(cropped)
    # 无有效数字内容返回None
    return result if len(result) > 0 else None

关键优化说明 #

• 边缘轮廓过滤：提前获取图像宽高，所有外接矩形贴合图像边缘的轮廓都会被判定为边界线直接排除，不会进入后续筛选
• 返回逻辑修正：根据returnType返回对应裁剪区域，不再返回全图阈值结果；无有效数字时直接返回None
• 修复变量名错误：使用传入的image参数创建图像副本，避免变量未定义报错

内容的提问来源于stack exchange，提问作者Hung Dang