Python 3.x 基于图片标签的裁剪图像（Python opencv）

我想编写一个程序，将图像剪切到所示的VIN标签上。 现在我正在调整图像大小，模糊图像，然后使用自适应阈值来减少噪声（幻影等）。结果如下所示（矩形中红色的相关部分）：

正如你所看到的，仍然有一些噪音。 之后，一个矩形窗口在图像上滑动，并构建所有像素值的总和。然后我使用矩形的坐标和最小和来裁剪图像。对一些人来说，它是有效的，但由于噪音的原因，它不是100%准确的。有没有办法解决这个问题？（findContour函数返回更糟糕的结果。） 代码：

image=cv2.imread（imagepath）
降噪图像=cv2。FastNL表示有色噪声（图像，无，10，10，7，21）
#调整图像大小、模糊和高斯阈值
resize=imutils.resize（减少噪音的图像，宽度=500）
掩码=np.zero（resize.shape，dtype=np.uint8）
比率=image.shape[0]/浮点（resize.shape[0]）
尝试：
灰色=cv2.CVT颜色（调整大小，cv2.COLOR\u BGR2GRAY）
模糊=cv2。双边滤光片（灰色，9,75,75）
除：
模糊=cv2。双边过滤器（调整大小，9,75,75）
通过
阈值=cv2。自适应阈值（模糊，255，cv2。自适应阈值高斯\
cv2.THRESH_二进制，11,2）
#窗口和步长
步长=5
（w_宽度，w_高度）=（int（圆形（阈值形状[1]*0.85,0）），int（圆形（阈值形状[0]*0.55,0）））
如果w_宽度

    image = cv2.imread(imagepath)
    noise_reduced_image = cv2.fastNlMeansDenoisingColored(image, None, 10, 10, 7, 21)
  
    # Resize image, blur, and Gaussian threshold

    resize = imutils.resize(noise_reduced_image, width=500)
    mask = np.zeros(resize.shape, dtype=np.uint8)
    ratio = image.shape[0] / float(resize.shape[0])
    try:
        gray = cv2.cvtColor(resize, cv2.COLOR_BGR2GRAY)
        blur = cv2.bilateralFilter(gray,9,75,75)
    except:
        blur = cv2.bilateralFilter(resize,9,75,75)
        pass
    
   
    thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\
            cv2.THRESH_BINARY,11,2)

    #window and step size
    stepSize = 5
    (w_width, w_height) = (int(round(thresh.shape[1]*0.85,0)), int(round(thresh.shape[0]*0.55,0))) 
    if w_width < w_height:
        w_width, w_height = w_height, w_width
    final_window = thresh.sum()
    
    #sliding window
    for x in range(0, thresh.shape[1] - w_width , stepSize):
        for y in range(0, thresh.shape[0] - w_height, stepSize):
            next_window = resize[x:x + w_height, y:y + w_width]
            if next_window.sum() < final_window.sum():
                final_window = next_window