Python 有人能解释一下图像裁剪是如何工作的吗？

我是图像处理新手。我从Kaggle那里找到了下面的种植技术。有人能解释一下它是如何裁剪图像的吗

def edge_and_cut(img):
    try:
        edges = cv2.Canny(img, img_w, img_h)            
        
        if(np.count_nonzero(edges)>edges.size/10000):           
            pts = np.argwhere(edges>0)
            y1,x1 = pts.min(axis=0)
            y2,x2 = pts.max(axis=0)
            
            new_img = img[y1:y2, x1:x2]           
            new_img = cv2.resize(new_img,(img_w, img_h))  
        else:
            new_img = cv2.resize(img,(img_w, img_h))
    
    except Exception as e:
        print(e)
        new_img = cv2.resize(img,(img_w, img_h))
    
    return new_img

def crop_images(Imgs):
    CroppedImages = np.ndarray(shape=(len(Imgs), img_w, img_h, 3), dtype=np.int)

    ind = 0
    for im in Imgs: 
        x = edge_and_cut(im)
        CroppedImages[ind] = x
        ind += 1

    return CroppedImages

以下是输出：

---

是Canny边缘检测器。如果我理解正确，它的输出被视为二值图像（由表示“边”和“非边”的单元格组成），然后它会找到包含所有“边”单元格的最小边界框（矩形）。此框是从图像中提取的。

是Canny边缘检测器。如果我理解正确，它的输出被视为二值图像（由表示“边”和“非边”的单元格组成），然后它会找到包含所有“边”单元格的最小边界框（矩形）。此框是从图像中提取的。

裁剪部分由以下人员完成：

    new_img = img[y1:y2, x1:x2]   

---

在这里，您将从y1到y2，以及x1到x2对图像阵列进行切片，因此您只需保留图像的该区域，即由点（x1，y1）、（x1，y2）、（x2，y1）、（x2，y2）包围的矩形。在这种特殊情况下，该区域由cv2的Canny边缘检测器选择，如。

裁剪部分通过以下方式完成：

    new_img = img[y1:y2, x1:x2]   

---

在这里，您将从y1到y2，以及x1到x2对图像阵列进行切片，因此您只需保留图像的该区域，即由点（x1，y1）、（x1，y2）、（x2，y1）、（x2，y2）包围的矩形。在这种特殊情况下，该区域由cv2的Canny边缘检测器选择，如。

这并不是真正回答问题，而是关于图像裁剪如何工作，而不是Canny。这不是真正回答问题，而是关于图像裁剪如何工作，而不是Canny。请定义“如何实际裁剪图像”的含义。你不明白代码的哪一部分？不是代码的任何特定部分，但我对使用canny边缘检测进行裁剪的整个过程表示怀疑。就像裁剪之后一样，识别边界框的具体过程是什么？裁剪是这里的最后一步。之后什么也没发生。对不起，不是在裁剪之后，我错误地写了裁剪。我的意思是在找到边缘后，那些最小和最大函数是如何工作的，以及在边缘检测后边界框是如何识别的？您可以使用调试器并在运行代码时观察变量。请定义“它实际上是如何裁剪图像”的含义。你不明白代码的哪一部分？不是代码的任何特定部分，但我对使用canny边缘检测进行裁剪的整个过程表示怀疑。就像裁剪之后一样，识别边界框的具体过程是什么？裁剪是这里的最后一步。之后什么也没发生。对不起，不是在裁剪之后，我错误地写了裁剪。我的意思是在找到边之后，那些min和max函数是如何工作的，以及在边检测之后边界框是如何识别的？您可以使用调试器并在运行代码时观察变量。