使用python/PIL查找图像组件

PIL/Pillow中是否有一个功能，用于灰度图像，将图像分割为包含组成原始图像的组件的子图像？例如，包含一组块的png灰度图像。在这里，图像类型始终与背景具有高对比度

---

我不想使用openCV，我只需要一些普通的斑点检测，希望枕头/PIL可能已经有了这样的功能。

是的，这是可能的。您可以在PIL中使用

边缘

检测算法。 示例代码：

from PIL import Image, ImageFilter
image = Image.open('/tmp/sample.png').convert('RGB')
image = image.filter(ImageFilter.FIND_EDGES)
image.save('/tmp/output.png') 

sample.png：

output.png：

---

是的，这是可能的。您可以在PIL中使用

边缘

检测算法。 示例代码：

from PIL import Image, ImageFilter
image = Image.open('/tmp/sample.png').convert('RGB')
image = image.filter(ImageFilter.FIND_EDGES)
image.save('/tmp/output.png') 

sample.png：

output.png：

---

不使用PIL，但值得一看我认为： 我从导入为

numpy

数组的图像文件列表开始，创建一个布尔版本列表，其中

阈值

为

>0

from skimage.measure import label, regionprops
import numpy as np

bool_array_list= []

for image in image_files:
    bool_array = np.copy(image)
    bool_array[np.where(bool_array > 0)] = 1
    bool_array_list.append(bool_array)

img_region_list = []

然后，我使用标签来识别不同的区域，使用8方向连接，

regionprops

为我提供了一系列指标，例如大小和位置

for item in bool_array_list:
    tmp_region_list = regionprops(label(item, 
                                        connectivity=2
                                       )
                                 )
    img_region_list.append(tmp_region_list)

---

不使用PIL，但值得一看我认为： 我从导入为

numpy

数组的图像文件列表开始，创建一个布尔版本列表，其中

阈值

为

>0

from skimage.measure import label, regionprops
import numpy as np

bool_array_list= []

for image in image_files:
    bool_array = np.copy(image)
    bool_array[np.where(bool_array > 0)] = 1
    bool_array_list.append(bool_array)

img_region_list = []

然后，我使用标签来识别不同的区域，使用8方向连接，

regionprops

为我提供了一系列指标，例如大小和位置

for item in bool_array_list:
    tmp_region_list = regionprops(label(item, 
                                        connectivity=2
                                       )
                                 )
    img_region_list.append(tmp_region_list)

---

那你到底想做什么呢？你的图像是什么样子的？您需要提供一些额外的信息，最好是提供一些代码示例，说明您已经在问的问题，即PIL/Pillow中是否有可能执行此功能。我已经说得很清楚了，我没有有效的代码。没有神奇的

do\u what\u I\u want（）

函数。你需要详细说明。一般来说，如果你说你有很好的对比度，那么从阈值开始。像

floodfill

这样的标签算法可以识别不同的斑点，然后您可以只计算边界框。我使用了skimage.measure import label中的

，regionprops

，它允许您构造一些东西来识别区域并用递增整数标记它们（数组

必须是
布尔值
，因此您必须选择一个阈值来生成它）。那么，你到底想做什么？你的图像看起来像什么？你需要提供一些额外的信息，最好是提供一些你已经尝试过的代码示例。我特别想问的是，PIL/Pillow中是否有可能执行此操作的函数。我已经明确表示，我没有可用的代码。没有神奇的
做我想要的（）
函数。你需要详细说明。一般来说，如果你说你有很好的对比度，那么就从阈值开始。像
泛光填充
这样的标签算法可以识别不同的斑点，然后你就可以计算边界框。我使用了skimage.measure import label中的
，regionprops
，它允许你构造一些这将标识区域并用递增整数标记它们（数组必须是布尔值，因此您必须选择一个阈值来生成它）。当有更多矩形时，OP如何提取矩形？您如何识别找到矩形的区域？当有更多矩形时，OP如何提取矩形？您如何识别找到矩形的区域？