如何使用 OpenCV 从屏幕截图中裁剪图像？
How to crop an image from screenshot with the use of OpenCV?
我最近开始学习图像处理并接受了一个任务，我需要通过使用 OpenCV 从移动 Instagram 屏幕截图中裁剪图像。我需要使用轮廓和裁剪找到图像的边缘，但我不确定如何正确执行此操作。
我试着查找了一些这样的例子：
How to crop rectangular shapes in an image using Python
但我还是不明白我的情况该怎么做。
基本上我有这样的图片：
https://imgur.com/a/VbwCdkO
和
https://imgur.com/a/Mm69i35
结果应该是这样的：
使用的截图只需要来自移动版Instagram，并且可以假设它们总是矩形的
如果有不止一张这样的图片：
然后只裁剪两者之一（哪个无所谓）。
例如：
谢谢！
您的快照图像的显着特征之一是白色背景。一切都出现在它上面，甚至是那个用户图像。因此，我们将尝试分割出背景，这会给我们留下较小的组件，例如 Instagram 图标、喜欢等。然后我们将选择最大的元素，假设用户图像是屏幕上出现的最大元素。然后我们将简单地找到最大轮廓的 cv2.boundingRect() 并相应地裁剪快照：
import cv2
import numpy as np
img = cv2.imread("/path/to/img.jpg")
white_lower = np.asarray([230, 230, 230])
white_upper = np.asarray([255, 255, 255])
mask = cv2.inRange(img, white_lower, white_upper)
mask = cv2.bitwise_not(mask)
现在我们在这个蒙版中填充查找轮廓，select 最大的一个。
im, cnt, hierarchy = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
largest_contour = max(cnt, key=lambda x:cv2.contourArea(x))
bounding_rect = cv2.boundingRect(largest_contour)
cropped_image = img[bounding_rect[1]: bounding_rect[1]+bounding_rect[3],
bounding_rect[0]:bounding_rect[0]+bounding_rect[2]]
我最近开始学习图像处理并接受了一个任务，我需要通过使用 OpenCV 从移动 Instagram 屏幕截图中裁剪图像。我需要使用轮廓和裁剪找到图像的边缘，但我不确定如何正确执行此操作。
我试着查找了一些这样的例子：
How to crop rectangular shapes in an image using Python
但我还是不明白我的情况该怎么做。
基本上我有这样的图片：
https://imgur.com/a/VbwCdkO 和 https://imgur.com/a/Mm69i35
结果应该是这样的：
使用的截图只需要来自移动版Instagram，并且可以假设它们总是矩形的
如果有不止一张这样的图片：
然后只裁剪两者之一（哪个无所谓）。 例如：
谢谢！
您的快照图像的显着特征之一是白色背景。一切都出现在它上面，甚至是那个用户图像。因此，我们将尝试分割出背景，这会给我们留下较小的组件，例如 Instagram 图标、喜欢等。然后我们将选择最大的元素，假设用户图像是屏幕上出现的最大元素。然后我们将简单地找到最大轮廓的 cv2.boundingRect() 并相应地裁剪快照：
import cv2
import numpy as np
img = cv2.imread("/path/to/img.jpg")
white_lower = np.asarray([230, 230, 230])
white_upper = np.asarray([255, 255, 255])
mask = cv2.inRange(img, white_lower, white_upper)
mask = cv2.bitwise_not(mask)
现在我们在这个蒙版中填充查找轮廓，select 最大的一个。
im, cnt, hierarchy = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
largest_contour = max(cnt, key=lambda x:cv2.contourArea(x))
bounding_rect = cv2.boundingRect(largest_contour)
cropped_image = img[bounding_rect[1]: bounding_rect[1]+bounding_rect[3],
bounding_rect[0]:bounding_rect[0]+bounding_rect[2]]