Python 彩色框内的作物导入

我有一个图像如下。我需要检测图像的“绿色”框并将其裁剪为单独的图像

我只能使用numpy和opencv

我看了好几篇文章，但我没能弄明白这一点。有人能帮忙吗。 根据搜索结果，我猜这需要某种面具。如果是，请提供有关如何选择特定颜色值的信息。我已经看到颜色值选择本身就是一个巨大的主题，但我自己无法理解。任何指导我都感激

---

您可以找到所有绿色像素，找到轮廓，并裁剪找到的轮廓的边框：

• 凝胶图像中的所有绿色像素，其中RGB=（0,255,0）：

• 将绿色像素转换为值为0和255的二进制图像：

  thresh_gray = green_pix.astype(np.uint8)*255
  

• 在

  thresh_gray

  中查找轮廓：

  contours, _ = cv2.findContours(thresh_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
  

• 获取矩形，然后裁剪矩形

  out = img[y:y+h, x:x+w, :]
  

下面是一个工作代码示例：

import numpy as np
import cv2

# (cv_major_ver, cv_minor_ver, cv_subminor_ver) = (cv2.__version__).split('.')  # Get version of OpenCV

img = cv2.imread('green_box.png')

# Gel all green pixels in the image - where RGB = (0, 255, 0)
green_pix = np.all(img == (0, 255, 0), 2)

# Convert green_pix to uint8 binary image with values 0 and 255
thresh_gray = green_pix.astype(np.uint8)*255 

# Find contours in thresh_gray.
# if int(cv_major_ver) < 4:
#     _, contours, _ = cv2.findContours(thresh_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# else:
#     contours, _ = cv2.findContours(thresh_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

contours = cv2.findContours(thresh_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[-2]  # Shortcut (get index [-2] instead of using if-else).

# Get rectangle (assume there is only one contour)
x, y, w, h = cv2.boundingRect(contours[0])

# Crop rectangle
out = img[y:y+h, x:x+w, :]

cv2.imwrite('out.png', out)  #Save out to file (for testing).

# Show result (for tesing).
cv2.imshow('out', out)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

谢谢这很有效。如果有1个以上的绿色方框怎么办？这似乎不起作用。那我还需要做点别的吗？此外，如果输入图像是

jpg

而不是

png

，是否需要更改任何内容？对于多个绿色框，可以迭代找到的所有轮廓。如果除了长方体之外，绿色像素很少，则可能需要过滤小轮廓（或使用形态学操作擦除它们）。对于

jpg

，由于压缩伪影，一些绿色像素可能不会是

（0，255，0）

。您可能需要查找特定范围的像素，如：红色<10，绿色>240，蓝色<10。。。

import numpy as np
import cv2

# (cv_major_ver, cv_minor_ver, cv_subminor_ver) = (cv2.__version__).split('.')  # Get version of OpenCV

img = cv2.imread('green_box.png')

# Gel all green pixels in the image - where RGB = (0, 255, 0)
green_pix = np.all(img == (0, 255, 0), 2)

# Convert green_pix to uint8 binary image with values 0 and 255
thresh_gray = green_pix.astype(np.uint8)*255 

# Find contours in thresh_gray.
# if int(cv_major_ver) < 4:
#     _, contours, _ = cv2.findContours(thresh_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# else:
#     contours, _ = cv2.findContours(thresh_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

contours = cv2.findContours(thresh_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[-2]  # Shortcut (get index [-2] instead of using if-else).

# Get rectangle (assume there is only one contour)
x, y, w, h = cv2.boundingRect(contours[0])

# Crop rectangle
out = img[y:y+h, x:x+w, :]

cv2.imwrite('out.png', out)  #Save out to file (for testing).

# Show result (for tesing).
cv2.imshow('out', out)
cv2.waitKey(0)
cv2.destroyAllWindows()

# Find indices of green pixels.
idx = np.where(np.all(img == (0, 255, 0), 2))

# Get minimum and maximum index in both axes (top left corner and bottom right corner)
x0, y0, x1, y1 = idx[1].min(), idx[0].min(), idx[1].max(), idx[0].max()

# Crop rectangle
out = img[y0:y1+1, x0:x1+1, :]