如何使用OpenCV从含白色边框的图像中裁剪边框内区域

嘿，作为OpenCV新手遇到这个问题太正常了，其实不用绕弯子用霍夫直线检测——直接用轮廓检测就能搞定，可能你之前没处理好二值化或者轮廓筛选的步骤，我给你一套简单可行的方案：

核心思路 #

白边框是图像里最显眼的高对比度区域，我们可以通过二值化+轮廓检测定位到边框的范围，然后直接裁剪出内部区域，比霍夫直线的方法更稳定高效。

完整代码片段 #

import cv2
import numpy as np

# 读取目标图像
img = cv2.imread('PedestrianRectangles/1/grim.pgm')
# 转换为灰度图，简化后续处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理：把接近纯白的区域（阈值设为240）转为白色前景，其余为黑色背景
_, binary = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY)

# 查找最外层轮廓：只保留最外围的轮廓，避免内部小轮廓干扰
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 筛选出面积最大的轮廓——这就是我们要找的白边框
max_contour = max(contours, key=cv2.contourArea)

# 获取轮廓的外接矩形坐标
x, y, w, h = cv2.boundingRect(max_contour)

# 裁剪内部区域：向内收缩2个像素，避免把边框边缘裁进去
cropped_img = img[y+2 : y+h-2, x+2 : x+w-2]

# 保存并查看结果
cv2.imwrite('cropped_result.jpg', cropped_img)
cv2.imshow('Cropped Area', cropped_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

额外优化提示 #

如果你的图像边框不是纯白，或者存在轻微噪声，可以在二值化前加一步高斯模糊，减少干扰：

gray = cv2.GaussianBlur(gray, (3,3), 0)

内容的提问来源于stack exchange，提问作者jazz