Python 使用轮廓裁剪手机屏幕

我想裁剪图片上给出的手机屏幕。我尝试了这个代码，但结果不是我想要的。

结果就是这样

---

有什么解决方案吗？

好的，这是我为自己编写和工作的代码

import cv2
import numpy as np

img = cv2.imread('phone.jpg')
# cv2.imshow('image', img)
# cv2.waitKey(0)

# Convert BGR to HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# define range of blue color in HSV
lower = np.array([20, 20, 20])
upper = np.array([220, 220, 220])

# Threshold the HSV image to get only blue colors
mask = cv2.inRange(hsv, lower, upper)
# cv2.imshow('mask', mask)
# cv2.waitKey(0)

kernel = np.ones((1, 10), np.uint8)
img_dilation = cv2.dilate(mask, kernel, iterations=1)
# cv2.imshow('dilated', img_dilation)
# cv2.waitKey(0)

# find contours
im2, ctrs, hier = cv2.findContours(img_dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# sort contours
sorted_ctrs = sorted(ctrs, key=lambda ctr: cv2.boundingRect(ctr)[0])

for i, ctr in enumerate(sorted_ctrs):
    # Get bounding box
    x, y, w, h = cv2.boundingRect(ctr)

    # Getting ROI
    roi = img[y:y + h, x:x + w]

    # show ROI
    # cv2.imshow('segment no:'+str(i), roi)
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 0), 1)  # put (0,255,0) to see green rectangles
    # cv2.waitKey(0)

    if h > 100 and 350 < w < 450:
        # cv2.imshow('marked areas', img)
        # cv2.waitKey(0)

        # cv2.imshow('roi', roi)
        # cv2.waitKey(0)

        cv2.imwrite('extracted_screen.png', roi)

导入cv2
将numpy作为np导入
img=cv2.imread（'phone.jpg'）
#cv2.imshow（“图像”，img）
#cv2.等待键（0）
#将BGR转换为HSV
hsv=cv2.CVT颜色（img，cv2.COLOR\U BGR2HSV）
#定义HSV中蓝色的范围
lower=np.数组（[20,20,20]）
上限=np.数组（[220,220,220]）
#设置HSV图像的阈值以仅获取蓝色
遮罩=cv2.inRange（hsv，下部，上部）
#cv2.imshow（“面具”，面具）
#cv2.等待键（0）
内核=np.ones（（1，10），np.uint8）
img_displate=cv2.displate（掩码、内核、迭代次数=1）
#cv2.imshow（“扩张”，img\U扩张）
#cv2.等待键（0）
#寻找轮廓
im2，CTR，hier=cv2.findContours（img_dictional.copy（），cv2.RETR_EXTERNAL，cv2.CHAIN_近似简单）
#等高线排序
排序的\u ctrs=sorted（ctrs，key=lambda ctr:cv2.boundingRect（ctr）[0]）
对于i，枚举中的ctr（排序的ctr）：
#获取边界框
x、 y，w，h=cv2.boundingRect（ctr）
#获得投资回报
roi=img[y:y+h，x:x+w]
#显示投资回报率
#cv2.imshow（‘段号：’+str（一），投资回报率）
cv2.矩形（img，（x，y），（x+w，y+h），（0,0,0），1）#放置（0255,0）以查看绿色矩形
#cv2.等待键（0）
如果h>100且350

取决于您调整代码以满足特定需求（例如：屏幕提取的精度或多或少）

结果

---

好的，这是我为自己编写和工作的代码

import cv2
import numpy as np

img = cv2.imread('phone.jpg')
# cv2.imshow('image', img)
# cv2.waitKey(0)

# Convert BGR to HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# define range of blue color in HSV
lower = np.array([20, 20, 20])
upper = np.array([220, 220, 220])

# Threshold the HSV image to get only blue colors
mask = cv2.inRange(hsv, lower, upper)
# cv2.imshow('mask', mask)
# cv2.waitKey(0)

kernel = np.ones((1, 10), np.uint8)
img_dilation = cv2.dilate(mask, kernel, iterations=1)
# cv2.imshow('dilated', img_dilation)
# cv2.waitKey(0)

# find contours
im2, ctrs, hier = cv2.findContours(img_dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# sort contours
sorted_ctrs = sorted(ctrs, key=lambda ctr: cv2.boundingRect(ctr)[0])

for i, ctr in enumerate(sorted_ctrs):
    # Get bounding box
    x, y, w, h = cv2.boundingRect(ctr)

    # Getting ROI
    roi = img[y:y + h, x:x + w]

    # show ROI
    # cv2.imshow('segment no:'+str(i), roi)
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 0), 1)  # put (0,255,0) to see green rectangles
    # cv2.waitKey(0)

    if h > 100 and 350 < w < 450:
        # cv2.imshow('marked areas', img)
        # cv2.waitKey(0)

        # cv2.imshow('roi', roi)
        # cv2.waitKey(0)

        cv2.imwrite('extracted_screen.png', roi)

导入cv2
将numpy作为np导入
img=cv2.imread（'phone.jpg'）
#cv2.imshow（“图像”，img）
#cv2.等待键（0）
#将BGR转换为HSV
hsv=cv2.CVT颜色（img，cv2.COLOR\U BGR2HSV）
#定义HSV中蓝色的范围
lower=np.数组（[20,20,20]）
上限=np.数组（[220,220,220]）
#设置HSV图像的阈值以仅获取蓝色
遮罩=cv2.inRange（hsv，下部，上部）
#cv2.imshow（“面具”，面具）
#cv2.等待键（0）
内核=np.ones（（1，10），np.uint8）
img_displate=cv2.displate（掩码、内核、迭代次数=1）
#cv2.imshow（“扩张”，img\U扩张）
#cv2.等待键（0）
#寻找轮廓
im2，CTR，hier=cv2.findContours（img_dictional.copy（），cv2.RETR_EXTERNAL，cv2.CHAIN_近似简单）
#等高线排序
排序的\u ctrs=sorted（ctrs，key=lambda ctr:cv2.boundingRect（ctr）[0]）
对于i，枚举中的ctr（排序的ctr）：
#获取边界框
x、 y，w，h=cv2.boundingRect（ctr）
#获得投资回报
roi=img[y:y+h，x:x+w]
#显示投资回报率
#cv2.imshow（‘段号：’+str（一），投资回报率）
cv2.矩形（img，（x，y），（x+w，y+h），（0,0,0），1）#放置（0255,0）以查看绿色矩形
#cv2.等待键（0）
如果h>100且350

取决于您调整代码以满足特定需求（例如：屏幕提取的精度或多或少）

结果

---

这是我解决这个问题的方法

import cv2
import numpy as np 

# read and scale down image
img = cv2.pyrDown(cv2.imread('sample_images/phone_test.jpg', 
cv2.IMREAD_UNCHANGED))

# threshold image
ret, threshed_img = cv2.threshold(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY),
            150, 255, cv2.THRESH_BINARY)
# find contours and get the external one
image, contours, hier = cv2.findContours(threshed_img, 
cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # get the bounding rect
    x, y, w, h = cv2.boundingRect(c)
    crop = img[y:y+h+22,x:x+w+5] #give a bit of space, because the boundingRect is not perfect

cv2.imwrite('sample_images/phone_test_crop.jpg', crop)

cv2.destroyAllWindows()

之前：

之后：

---

这是我解决这个问题的方法

import cv2
import numpy as np 

# read and scale down image
img = cv2.pyrDown(cv2.imread('sample_images/phone_test.jpg', 
cv2.IMREAD_UNCHANGED))

# threshold image
ret, threshed_img = cv2.threshold(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY),
            150, 255, cv2.THRESH_BINARY)
# find contours and get the external one
image, contours, hier = cv2.findContours(threshed_img, 
cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # get the bounding rect
    x, y, w, h = cv2.boundingRect(c)
    crop = img[y:y+h+22,x:x+w+5] #give a bit of space, because the boundingRect is not perfect

cv2.imwrite('sample_images/phone_test_crop.jpg', crop)

cv2.destroyAllWindows()

之前：

之后：

---

好吧，你基本上是说，轮廓算法中应该使用任何非纯黑色的东西（在jpg中，你会对结果感到惊讶：））。你看过你的

thresh

图像了吗？您可能需要更高的值来将屏幕与其他所有内容隔离开来。您还可以获得手机的边框，这样您就可以获得多个轮廓。。。。您只检查轮廓编号0。。。你甚至可以检查这是否是你想要使用的正确轮廓。好吧，你基本上是说任何不是纯黑色的东西（在jpg中，你会对结果感到惊讶：））都应该用在轮廓算法中。你看过你的

thresh

图像了吗？您可能需要更高的值来将屏幕与其他所有内容隔离开来。您还可以获得手机的边框，这样您就可以获得多个轮廓。。。。您只检查轮廓编号0。。。你甚至可以检查这是否是你想要使用的正确轮廓。我尝试了代码，但它不起作用。我找到了另一个解决方案。我尝试了代码，但它不起作用。我找到了另一个解决办法