当前位置：首页 > news >正文

计算机视觉（opencv）练习——抠图（图像裁剪与轮廓提取） - 详解

news 2025/9/28 18:52:29

计算机视觉（opencv）练习——抠图（图像裁剪与轮廓提取） - 详解

用 OpenCV 实现图像裁剪与轮廓提取 —— 以风扇图像为例

本文将介绍如何利用 OpenCV (cv2) 和 NumPy 对图像进行一系列操作：

调整图像尺寸并旋转
使用 Canny 算法进行边缘检测
提取最大轮廓并生成掩模
利用掩模提取原图中的目标区域并保存

我们将以一张名为 fan.jpg 的图片作为示例，目标是提取图像中最大的物体区域，并保存成一张新图片 shanzi.png。

原图：

运行结果：

1. 导入必要的库

import cv2
import numpy as np

cv2：OpenCV 的 Python 接口，提供各种图像处理函数。
numpy：用于创建掩模、矩阵运算等。

2. 读取、缩放和旋转图像

fan = cv2.imread('fan.jpg')  # 读取原图
fan = cv2.resize(fan, dsize=(640, 480))  # 调整图片尺寸
fan = cv2.rotate(fan, cv2.ROTATE_90_COUNTERCLOCKWISE)  # 逆时针旋转90度

解析：

cv2.imread() 读取图像，返回一个三维数组（高度、宽度、通道）。
cv2.resize() 将图像缩放到 640×480，保证后续处理尺寸统一。
cv2.rotate() 按指定模式旋转图像。这里使用 cv2.ROTATE_90_COUNTERCLOCKWISE 实现逆时针 90° 旋转。

⚠️ 注意：

旋转方向要明确，如果写成 cv2.ROTATE_90_CLOCKWISE 就会顺时针旋转。
缩放先于旋转，可以避免旋转后图像尺寸不一致导致的裁切问题。

3. 转为灰度并进行 Canny 边缘检测

fan_gray = cv2.cvtColor(fan, cv2.COLOR_BGR2GRAY)  # 转换为灰度图
cv2.imshow('fan_b', fan_gray)
cv2.waitKey(0)
zl_canny = cv2.Canny(fan_gray, threshold1=100, threshold2=150)  # Canny边缘检测
cv2.imshow('zl_canny', zl_canny)
cv2.waitKey(0)

解析：

cv2.cvtColor() 将彩色图转为灰度图，减少通道数，提高边缘检测效率。
cv2.Canny() 用双阈值算法检测边缘：
- threshold1=100：低阈值，用于弱边缘判定。
- threshold2=150：高阈值，强边缘必须大于此值。
cv2.imshow() 显示图像，cv2.waitKey(0) 等待用户按键。

提示：

阈值可以调节，低阈值太小会有噪声，太大会丢失细节。
如果图像噪声大，建议先用 cv2.GaussianBlur() 进行平滑。

4. 查找轮廓并生成掩模

_, contours, hierarchy = cv2.findContours(zl_canny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
image_copy = fan.copy()
image_copy = cv2.drawContours(image=image_copy, contours=contours, contourIdx=-1, color=(0, 255, 0), thickness=3)
cv2.imshow('contours_show', image_copy)
cv2.waitKey(0)
cnt = sorted(contours, key=cv2.contourArea, reverse=True)[0]  # 选取最大面积的轮廓
mask = np.zeros(fan_gray.shape, dtype="uint8")  # 创建一个黑色掩模
cv2.drawContours(mask, contours=[cnt], contourIdx=-1, color=255, thickness=-1)
cv2.imshow('mask', mask)
cv2.waitKey(0)

解析：

cv2.findContours() 找出所有轮廓：
- cv2.RETR_EXTERNAL：只检测最外层轮廓，忽略嵌套。
- cv2.CHAIN_APPROX_SIMPLE：压缩冗余点，只保留拐点，提高效率。
cv2.drawContours() 用绿色画出所有轮廓，方便观察。
sorted(..., key=cv2.contourArea, reverse=True)[0] 找到面积最大的轮廓。
np.zeros() 创建一张全黑的图（掩模）。
再用 cv2.drawContours() 填充该轮廓（thickness = -1 表示填充）。

小技巧：

如果想查看每个轮廓的面积，可以 for cnt in contours: print(cv2.contourArea(cnt))。
在某些 OpenCV 版本中，cv2.findContours() 只返回两个值，可以写成 contours, hierarchy = cv2.findContours(...)。

5. 利用掩模提取目标区域并保存

thresh_mask_and = cv2.bitwise_and(fan, fan, mask=mask)
cv2.imshow('thresh_mask_and', thresh_mask_and)
cv2.waitKey(0)
cv2.imwrite('shanzi.png', thresh_mask_and)