Python 如何从图像中提取子图像？

在给定主映像的情况下，计算和提取所有子映像的方法是什么

样本1 输入：

输出应该是8个子图

样本2 输入：

输出应有6个子图

注：这些图像样本取自互联网。图像可以是随机尺寸

有没有办法在这些图像中画出分隔线，然后根据这些细节进行分割

e、 g:

---

我认为，从任意图形表中正确提取所有单个图形（如两个示例所示）不会有一个通用的解决方案——至少使用某种“简单”的图像处理技术

对于具有恒定网格布局和单个图形之间恒定颜色空间的“完美”表格（如两个示例所示），可以采用以下方法：

计算

x

和

y

方向的平均标准偏差，并使用一些自定义参数计算阈值。恒定颜色空间内的平均标准偏差应接近零。这里需要一个自定义参数，因为会有一些伪影，例如来自JPG压缩的伪影，其影响可能或多或少严重

使用自定义参数对平均标准偏差进行二进制关闭。参考第二个示例，标题或类似内容周围可能有小的恒定颜色空间。同样，这里也需要自定义参数

从得到的二进制“信号”，我们可以提取每个子图像的开始和停止位置，从而通过从原始图像切片来提取子图像本身。注意：只有当表格显示恒定的网格布局时，这才有效 这将是所述方法的一些代码：

导入cv2
将numpy作为np导入
从skimage.morphology导入二进制函数
def从_表中提取_（图像、标准_thr、内核_x、内核_y）：
#x和y方向上的平均标准偏差阈值
标准x=np.平均值（np.标准（图像，轴=1，轴=1）>标准thr
标准y=np.平均值（np.标准（图像，轴=0，轴=1）>标准thr
#二进制关闭以关闭小空格，例如标题周围
std_xx=二进制_关闭（std_x，np.ones（内核_x））
std_yy=二进制（std_y，np.one（kernel_y））
#查找每个子映像的开始和停止位置
start_y=np.where（np.diff（np.int8（std_xx））==1）[0]
停止y=np.where（np.diff（np.int8（std_xx））=-1）[0]
start_x=np.where（np.diff（np.int8（std_yy））==1）[0]
停止x=np.where（np.diff（np.int8（std_yy））==-1[0]
#提取子图像
返回[图像[y1:y2，x1:x2，：]
对于拉链中的y1、y2（开始、停止）
对于zip中的x1、x2（开始、停止）]
对于（['image1.jpg'，'image2.png']）中的文件：
img=cv2.imread（文件）
cv2.imshow（“图像”，img）
子图像=从_表中提取_（img，5，21，11）
打印（“{}找到子图像”。。格式（len（子图像）））
对于子图像中的i：
cv2.imshow（“子图像”，i）
cv2.等待键（0）

打印

输出为：

找到8个子图像。 找到6个子图像。 此外，显示每个子图像也是为了可视化

对于这两幅图像，相同的参数是合适的，但这只是一些巧合

----------------------------------------
系统信息
----------------------------------------
平台：Windows-10-10.0.16299-SP0
Python:3.9.1
NumPy:1.20.1
OpenCV:4.5.1
scikit图像：0.18.1
----------------------------------------

我只能使用简单的阵列切片技术提取子图像。我不确定这是否是你要找的。但是如果你知道表的列和行，我想你可以提取子图像

image = cv2.imread('table.jpg')
p = 2 #number of rows
q = 4 #number of columns

width, height, channels = image.shape

width_patch = width//p
height_patch = height//q
x=0
for i in range(0, width - width_patch, width_patch):
    for j in range(0, height - height_patch, height_patch):
        crop = image[i:i+width_patch, j:j+height_patch]
        cv2.imwrite("image_{0}.jpg".format(x),crop)
        x+=1
        # cv2.imshow('crop', crop)
        # cv2.waitKey(0)```