裁剪具有不同黑边距的图像

Question

我有一个图像数据集，在将其提供给深度学习算法之前，我需要将其裁剪成相同的大小。如下图所示，所有图像都有不同大小的黑边。关于裁剪具有不同边距大小的图像的方法的任何建议。

Answer 1

首先，使用低强度阈值进行阈值处理（如果你的背景绝对是全黑的，你甚至可以阈值强度为 1) 以确定所有非边界组件。

接下来，使用连通分量标记确定所有孤立的前景分量。您感兴趣的中央扫描图像应该总是导致最大的组件。裁剪掉这个最大的组件以移除边框以及所有可能的非黑色工件（标签、字母等）。你应该只剩下无边界扫描。

您可以在任何基本图像处理库中找到所需的所有算法。我个人建议查看 OpenCV，它们还包括植物结合物。

Answer 2

一种方法如下：

从左上角开始用红色填充图像，并允许与那里的黑色像素有大约 5% 的发散。

现在将所有不是红色的都变成白色 - 因为下一步会寻找白色像素。

现在使用 findContours()（寻找白色物体）并选择最大的白色轮廓作为图像并裁剪成它。

您可以通过考虑以下一些想法来考虑让事情变得更健壮：

您可以先将图像的副本标准化为从黑到白的全范围，以防出现接近黑色的边框。
您可以检查是否有多个像素，或者所有角像素实际上都是黑色的，以防您得到没有边框的图像。
如果裁剪后的图像看起来小于总图像区域的 70%，您也可以提出问题。
您可以考虑使用 9x9 正方形结构元素作为倒数第二个步骤来整理 findContrours().

Answer 3

由于您的边框颜色是黑色（接近完美的黑色）并且在所有图像中都是相同的，我建议应用二进制阈值使除黑色区域以外的所有内容都为白色 (255)。现在一些图像区域也可能受到影响，但这不是问题。

现在 find contours 在图像中，第二大轮廓将是您所在的区域。计算此轮廓的矩形边界框并裁剪原始图像中的相同区域。

Answer 4

此题的解答代码如下：

import warnings
warnings.filterwarnings('always')
warnings.filterwarnings('ignore')
import cv2
import numpy as np
import os

path = "data/benign/"
img_resized_dir = "data/pre-processed/benign/"
dirs = os.listdir(path)

def thyroid_scale():
    for item in dirs:
    if os.path.isfile(path+item):
        img = cv2.imread(path+item)
        gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
        ret,thresh = cv2.threshold(gray,0,255,0)
        im2, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

        areas = [cv2.contourArea(c) for c in contours]
        max_index = np.argmax(areas)
        cnt=contours[max_index]
        x,y,w,h = cv2.boundingRect(cnt)
        crop_img = img[y+35:y+h-5,x+25:x+w-10]
        resize_img = cv2.resize(crop_img, (300, 250), interpolation = cv2.INTER_CUBIC)
        cv2.imwrite(img_resized_dir+item, resize_img)

thyroid_scale()

裁剪具有不同黑边距的图像

crop images with different black margins

image-processing

python-3.x

image-preprocessing