裁剪图像具有不同的黑色边距

Question

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

Answer 1

由于您的边框颜色是黑色（几乎完美的黑色）并且在所有图像中都是相同的，我建议应用二进制阈值，使除了黑色区域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在图像和第二大轮廓将是您的区域。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 2

首先，使用低强度阈值进行阈值处理（如果您的背景肯定是完全黑色，您甚至可以以1的强度阈值）来确定所有非边界成分。

接下来，使用Connected-component标签确定所有隔离的前景组件。您感兴趣的中央扫描图像应始终产生最大的组件。裁剪出这个最大的组件，以删除边框以及所有可能的非黑色文物（标签，字母等）。你应该只留下无边界扫描。

您可以找到任何基本图像处理库中所需的所有算法。我个人建议调查OpenCV，它们还包括phyton绑定。

Answer 3

一种方法可以如下：

• 从左上角开始用红色填充图像，并允许与那里的黑色像素发生大约5％的偏差。

• 现在将所有不是红色的东西变成白色 - 因为在此之后的下一步寻找白色像素。

• 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进行裁剪。

---

您可以考虑通过考虑以下一些想法来使事情更加健壮：

• 您可以将图像的副本标准化为全黑到白色，以防您接近黑色边框。
• 您可以检查多个或所有角落像素实际上是黑色，以防您获得没有边框的图像。
• 如果裁剪的图像看起来小于总图像区域的70％（例如70％），也可以标记问题。
• 您可以考虑使用9x9方形结构元素的形态开口作为倒数第二步，以便在findContrours()之前整理一下。

Answer 4

这是这个问题的解决方案代码：

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()