Python&；OpenCV：如何裁剪半成型边界框

我有一个为无网格表创建网格线的脚本：

在脚本之前：

在脚本之后：

是否有一种简单的方法，使用OpenCV裁剪“后脚本”图像，使其仅包含四边边界框？样本输出：

编辑：

---

我目前正在研究一种解决方案，可以找到第一条/最后一条垂直/水平方向的全黑像素线。它可以工作，但我想知道是否还有更优雅的东西。

在Python/OpenCV中，有一种方法可以做到这一点，即从除最大轮廓外的所有轮廓中获取最小和最大x和y

输入：

导入cv2
将numpy作为np导入
#读取图像
img=cv2.imread（'test_table.png'））
hh，ww=img.shape[：2]
#变灰
灰色=cv2.CVT颜色（img，cv2.COLOR\U BGR2GRAY）
#门槛
thresh=cv2.threshold（灰色，128255，cv2.thresh_二进制）[1]
#裁剪1像素并添加1像素白色边框，以确保外部白色区域不被视为小轮廓
thresh=thresh[1:hh-1，1:ww-1]
thresh=cv2.copyMakeBorder（thresh，1,1,1，borderType=cv2.BORDER_常量，值=（255255））
#获得轮廓
轮廓=cv2.找到的轮廓（阈值、cv2.RETR\u列表、cv2.链近似值\u简单）
等高线=等高线[0]如果len（等高线）==2其他等高线[1]
大轮廓=最大（轮廓，关键点=cv2.轮廓面积）
#从大于图像大小一半的所有边界框中获取最小值和最大值x和y
面积_阈值=hh*ww/2
xmin=ww
ymin=hh
xmax=0
ymax=0
对于轮廓中的cntr：
面积=cv2。轮廓面积（cntr）
如果面积<面积\阈值：
x、 y，w，h=cv2.boundingRect（cntr）
xmin=x如果（xxmax）否则xmax
ymax=y+h-1如果（y+h-1>ymax）其他ymax
#绘制边界框
bbox=img.copy（）
矩形（bbox，（xmin，ymin），（xmax，ymax），（0，0，255），2）
#在边界框处裁剪img，但在四周添加2以保留黑线
结果=img[ymin-3:ymax+3，xmin-3:xmax+3]
#保存结果
cv2.imwrite（'test_table_bbox.png'，bbox）
cv2.imwrite（'test\u table\u trimmed.png'，result）
#显示结果
cv2.imshow（“脱粒”，脱粒）
cv2.imshow（“bbox”，bbox）
cv2.imshow（“结果”，结果）
cv2.等待键（0）
cv2.destroyAllWindows（）

输入时所有边界框的边界框：

修剪图像：

注意：我知道已经有一个公认的答案，但我想提供一个更简单的版本

基本上，首先找到图像中每个形状（每个单元）的轮廓，这些形状的面积大于所选数字，可以滤除任何噪声

在等高线中循环，找到最小和最大的x和y坐标。使用这4个点，我们可以将图像中四个坐标内的像素保存到一个单独的数组中，用白色填充原始图像，然后将表格重新绘制到图像上

守则：

import cv2

img = cv2.imread("table.png")
h, w, _ = img.shape

x1, y1 = w, h
x2, y2 = 0, 0

contours, _ = cv2.findContours(cv2.Canny(img, 0, 0), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    if cv2.contourArea(cnt) > 1000:
        x1 = min(cnt[..., 0].min(), x1)
        y1 = min(cnt[..., 1].min(), y1)
        x2 = max(cnt[..., 0].max(), x2)
        y2 = max(cnt[..., 1].max(), y2)

pad = 2
x1 -= pad
y1 -= pad
x2 += pad * 2
y2 += pad * 2

table = img[y1:y2, x1:x2].copy()

img.fill(255)
img[y1:y2, x1:x2] = table
cv2.imshow("lined_table.png", img)
cv2.waitKey(0)

输出：

说明：

导入opencv模块并读取图像。获取图像的尺寸，并为表格的第一个角点和最后一个角点定义临时坐标：

获取图像的轮廓，循环遍历每个轮廓，过滤出面积小于1000的轮廓：

更新表格第一个角点和最后一个角点的坐标值：

根据线的宽度，在每个坐标周围应用焊盘：

根据找到的x和y坐标，将图像的一部分复制到变量中，清空图像，然后将表格重新绘制到图像上。最后，显示图像：

import cv2

img = cv2.imread("table.png")
h, w, _ = img.shape

x1, y1 = w, h
x2, y2 = 0, 0

contours, _ = cv2.findContours(cv2.Canny(img, 0, 0), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    if cv2.contourArea(cnt) > 1000:
        x1 = min(cnt[..., 0].min(), x1)
        y1 = min(cnt[..., 1].min(), y1)
        x2 = max(cnt[..., 0].max(), x2)
        y2 = max(cnt[..., 1].max(), y2)

pad = 2
x1 -= pad
y1 -= pad
x2 += pad * 2
y2 += pad * 2

table = img[y1:y2, x1:x2].copy()

img.fill(255)
img[y1:y2, x1:x2] = table
cv2.imshow("lined_table.png", img)
cv2.waitKey(0)

import cv2

img = cv2.imread("table.png")
h, w, _ = img.shape

x1, y1 = w, h
x2, y2 = 0, 0

contours, _ = cv2.findContours(cv2.Canny(img, 0, 0), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    if cv2.contourArea(cnt) > 999:

        x1 = min(cnt[..., 0].min(), x1)
        y1 = min(cnt[..., 1].min(), y1)
        x2 = max(cnt[..., 0].max(), x2)
        y2 = max(cnt[..., 1].max(), y2)

pad = 2
x1 -= pad
y1 -= pad
x2 += pad * 2
y2 += pad * 2

table = img[y_1:y_2, x_1:x_2].copy()

img.fill(255)
img[y_1:y_2, x_1:x_2] = table
cv2.imwrite("lined_table.png", img)
cv2.waitKey(0)