计算机视觉任务图像预处理之去除图像中的背景区域-------使用连通域分析算法（包含完整代码）-Toy模板网

这篇具有很好参考价值的文章主要介绍了计算机视觉任务图像预处理之去除图像中的背景区域-------使用连通域分析算法（包含完整代码）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

原理

通过连通域分析算法能够找到最大的连通域，即图片的主体部分，然后保存该连通域的最小外接矩阵，即可去除掉无关的背景区域

代码

'''
使用连通域分析算法去除图像中的空白部分
并将图像变为统一大小的正方形
'''

from skimage import measure
import skimage
import numpy as np
import os
import cv2

current_path = os.path.abspath(__file__)
# 待处理图片的路径
image_father_path = current_path.split('src')[0] + 'datapath'
files = os.listdir(image_father_path)
# 保存处理后的图片的路径
save_path = current_path.split('src')[0] + 'datapath'
if not os.path.exists(save_path):
    os.mkdir(save_path)
i=0
for image in files:
    # if i==2:
    #     break
    raw_image = cv2.imread(f'{image_father_path}\\{image}')
    # 1. 二值化
    gray_image = cv2.cvtColor(raw_image, cv2.COLOR_BGR2GRAY)
    ret, binary_image = cv2.threshold(gray_image, 1, 255, cv2.THRESH_BINARY)
    # 2. 连通域分析
    labels = measure.label(binary_image, connectivity=2)
    # 3. 找出最大的连通域
    properties = measure.regionprops(labels)
    max_area = 0
    i+=1
    print(len(properties))
    for prop in properties:
        print(prop.bbox, prop.area)
        if prop.area > max_area:
            max_area = prop.area
            max_prop = prop
    # 4. 找出最大连通域的最小外接矩形
    minr, minc, maxr, maxc = max_prop.bbox
    print(minr, minc, maxr, maxc)
    # 5. 将最小外接矩形的区域保存下来
    crop_image = raw_image[minr:maxr, minc:maxc]
    
    # 将图片变为统一大小的正方形
    crop_image = cv2.resize(crop_image, (224, 224))
    # 6. 保存图片
    cv2.imwrite(f'{save_path}\\{image.split(".")[0]}.png', crop_image)