Python批量裁剪图形外围空白区域

目录
  • 一、基本描述
  • 二、实现代码
  • 三、效果

一、基本描述

批量裁剪掉图片的背景区域,一般是白色背景,从而减少背景值的干扰和减少存储空间。

通过检索所有图片的最小裁剪区域坐标值,然后再对图片进行裁剪。文中图都是经过标准化处理的,核心图片内容尺度都一致,所以采用该种办法,如果有很多不同大小的图片,即图片中的内容区域大小形状不一样,则一张一张的检索该图的背景区域,然后进行裁剪。即一张一张的检索裁剪区域并进行裁剪。

二、实现代码

对原文中的代码进行修改,一张一张的检索每张图的裁剪区域坐标,然后裁剪。

代码如下:

from PIL import Image
import numpy as np
import os
 
imagesDirectory = r"C:\Users\Administrator\Desktop\out"  # tiff图片所在文件夹路径
 
i = 0
for imageName in os.listdir(imagesDirectory):
    imagePath = os.path.join(imagesDirectory, imageName)
    image = Image.open(imagePath)  # 打开tiff图像
    ImageArray = np.array(image)
    row = ImageArray.shape[0]
    col = ImageArray.shape[1]
    print(row,col)
    # 先计算所有图片的裁剪范围,然后再统一裁剪并输出图片
    x_left = row
    x_top = col
    x_right = 0
    x_bottom = 0
    # 上下左右范围
    """
    Image.crop(left, up, right, below)
    left:与左边界的距离
    up:与上边界的距离
    right:还是与左边界的距离
    below:还是与上边界的距离
    简而言之就是,左上右下。
    """
    i += 1
    for r in range(row):
        for c in range(col):
            #if ImageArray[row][col][0] < 255 or ImageArray[row][col][0] ==0:
            if ImageArray[r][c][0] < 255 and ImageArray[r][c][0] !=0: #外框有个黑色边框,增加条件判断
                if x_top > r:
                    x_top = r  # 获取最小x_top
                if x_bottom < r:
                    x_bottom = r  # 获取最大x_bottom
                if x_left > c:
                    x_left = c  # 获取最小x_left
                if x_right < c:
                    x_right = c  # 获取最大x_right
    print(x_left, x_top, x_right, x_bottom)
     # image = Image.open(imagePath)  # 打开tiff图像
    cropped = image.crop((x_left-5, x_top-5, x_right+5, x_bottom+5))  # (left, upper, right, lower)
    cropped.save(r"C:\Users\Administrator\Desktop\out_cut_bg\{}.png".format(imageName[:-4], i))
    print("imageName completed!")

三、效果

原图显示:

 裁剪结果显示:

 原文效果:

到此这篇关于Python批量裁剪图形外围空白区域的文章就介绍到这了,更多相关Python批量裁剪图形内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • Python图片处理之图片裁剪教程

    一.操作流程 首先复制代码会吧? 1.有张照片 这是网上随便找的一张照片,自行保存测试 2.看看照片 运行代码,其中show_img函数是展示照片 3.选择角点 按照左上,右上,右下,左下的顺序选择四个角点 如果担心自己选不好,可以直接去除我代码里的points的注释,那是我自己用的原版 4.最终结果 二.代码分析 import 没什么好说的 #如果python没有安装cv2,那么就安装python-opencv就好 import cv2 as cv import numpy as np 获取图

  • Python实现图片自定义裁剪小工具

    目录 前言 环境依赖 代码 验证一下 前言 本文提供将图片按照自定义尺寸进行裁剪的工具方法,一如既往的实用主义. 环境依赖 ffmpeg环境安装,可以参考:在Windows上安装FFmpeg程序的图文方法 本文主要使用到的不是ffmpeg,而是ffprobe也在上面这篇文章中的zip包中. ffmpy安装: pip install ffmpy -i https://pypi.douban.com/simple 代码 不废话了,上代码. #!/user/bin/env python # codin

  • python 实现图片裁剪小工具

    完整项目地址下载:https://github.com/rainbow-tan/rainbow/tree/master/%E8%A3%81%E5%89%AA%E5%9B%BE%E7%89%87 实现:tkinter 画布上显示图片,按下鼠标左键并且移动,实现截图 # -*- encoding=utf-8 -*- import os import tkinter as tk from PIL import Image from PIL import ImageTk left_mouse_down_

  • python将原图裁剪为固定尺寸小图

    python实现原图裁剪为固定尺寸小图的具体代码,供大家参考,具体内容如下 讲解 1.代码效果:实现原图裁剪为固定尺寸小图 代码 import numpy as np import pandas as pd import os import torch as t import torchvision.transforms.functional as ff from torch.utils.data import Dataset from PIL import Image import torch

  • Python实现视频裁剪的示例代码

    目录 前言 环境依赖 代码 验证一下 前言 本文提供将视频按照自定义尺寸进行裁剪的工具方法,一如既往的实用主义. 环境依赖 ffmpeg环境安装,可以参考文章:windows ffmpeg安装部署 本文主要使用到的不是ffmpeg,而是ffprobe也在上面这篇文章中的zip包中. ffmpy安装: pip install ffmpy -i https://pypi.douban.com/simple 代码 不废话,上代码. #!/user/bin/env python # coding=utf

  • Python批量裁剪图形外围空白区域

    目录 一.基本描述 二.实现代码 三.效果 一.基本描述 批量裁剪掉图片的背景区域,一般是白色背景,从而减少背景值的干扰和减少存储空间. 通过检索所有图片的最小裁剪区域坐标值,然后再对图片进行裁剪.文中图都是经过标准化处理的,核心图片内容尺度都一致,所以采用该种办法,如果有很多不同大小的图片,即图片中的内容区域大小形状不一样,则一张一张的检索该图的背景区域,然后进行裁剪.即一张一张的检索裁剪区域并进行裁剪. 二.实现代码 对原文中的代码进行修改,一张一张的检索每张图的裁剪区域坐标,然后裁剪. 代

  • Python批量裁剪图片的思路详解

    目录 需求 思路 程序 测试 需求 我的需求是批量裁剪某一文件夹下的所有图片,并指定裁剪宽高. 思路 1. 先使用PIL.Image.size获取输入图片的宽高.2.宽高除以2得到中心点坐标3.根据指定宽高,以中心点向四周拓展4.调用PIL.Image.crop完成裁剪 程序 import os from PIL import Image def crop(input_img_path, output_img_path, crop_w, crop_h): image = Image.open(i

  • python批量识别图片指定区域文字内容

    Python批量识别图片指定区域文字内容,供大家参考,具体内容如下 简介 对于一张图片,需求识别指定区域的内容 1.截取原始图上的指定图片当做模板 2.根据模板相似度去再原始图片上识别准确坐标 3.根据坐标剪切出指定位置图片,也就是所需的内容区域 4.对指定位置图片进行ocr识别 环境 Ubuntu18.04 Python2.7 所需Python模块 1.aircv 用于识别模板再原始图的位置坐标 pip install aircv 2.Pillow 用于剪裁图片 pip install Pil

  • 三分钟教会你用Python+OpenCV批量裁剪xml格式标注的图片

    目录 前言 xml文件格式 代码思想 完整代码 效果展示 总结 前言 在目标检测中,数据集常常使用labelimg标注,会生成xml文件.本文旨在根据xml标注文件来裁剪目标,以达到去除背景信息的目的. xml文件格式 以下是一个标注好的图片生成的xml文件.具体含义见代码注释. <annotation> <!--xml所属文件夹--> <folder>JPEGImages</folder> <!--对应图片所属文件夹--> <filena

  • python自动裁剪图像代码分享

    本代码可以帮你自动剪切掉图片的边缘空白区域,如果你的图片有大片空白区域(只要是同一颜色形成一定的面积就认为是空白区域),下面的python代码可以帮你自动切除,如果是透明图像,会自动剪切大片的透明部分. 本代码需要PIL模块 pil相关介绍 PIL:Python Imaging Library,已经是Python平台事实上的图像处理标准库了.PIL功能非常强大,但API却非常简单易用. 由于PIL仅支持到Python 2.7,加上年久失修,于是一群志愿者在PIL的基础上创建了兼容的版本,名字叫P

  • 详解Python+opencv裁剪/截取图片的几种方式

    前言 在计算机视觉任务中,如图像分类,图像数据集必不可少.自己采集的图片往往存在很多噪声或无用信息会影响模型训练.因此,需要对图片进行裁剪处理,以防止图片边缘无用信息对模型造成影响.本文介绍几种图片裁剪的方式,供大家参考. 一.手动单张裁剪/截取 selectROI:选择感兴趣区域,边界框框选x,y,w,h selectROI(windowName, img, showCrosshair=None, fromCenter=None): . 参数windowName:选择的区域被显示在的窗口的名字

  • Python批量图片去水印的方法

    ​平常工作中,有时为了采用网络的一些素材,但这些素材往往被打了水印,如果我们不懂PS就无法去掉水印,或者无法批量去掉水印.这些就很影响我们的工作效率. 今天我们就一起来,用Python + OpenCV三步去除水印,去水印需要使用的库:cv2.numpy.cv2是基于OpenCV的图像处理库,可以对图像进行腐蚀,膨胀等操作:numpy这是一个强大的处理矩阵和维度运算的库. 图片去水印原理 1.标定噪声的特征,使用cv2.inRange二值化标识噪声对图片进行二值化处理,具体代码:cv2.inRa

  • python 实现GUI(图形用户界面)编程详解

    Python支持多种图形界面的第三方库,包括: wxWidgets Qt GTK Tkinter: Tkinter 模块(Tk 接口)是 Python 的标准 Tk GUI 工具包的接口 .Tk 和 Tkinter 可以在大多数的 Unix 平台下使用,同样可以应用在 Windows 和 Macintosh 系统里.Tk8.0 的后续版本可以实现本地窗口风格,并良好地运行在绝大多数平台中. wxPython:wxPython 是一款开源软件,是 Python 语言的一套优秀的 GUI 图形库,允

  • python GUI库图形界面开发之PyQt5结合Qt Designer创建信号与槽的详细方法与实例

    在下面这3篇文章中我们给出了手工输入代码的信号与槽的使用方法,因为采用这种方法介绍时,会简单一些,如果使用Qt Designer来介绍这些功能,那么任何一个简单的功能都会使用xxxx.ui xxxx.py call_xxxx.py三个文件 来实现,这样内容会显得很乱 python GUI库图形界面开发之PyQt5信号与槽基础使用方法与实例 python GUI库图形界面开发之PyQt5信号与槽的高级使用技巧(自定义信号与槽)详解与实例 python GUI库图形界面开发之PyQt5信号与槽的高级

  • 如何利用Python批量处理行、列和单元格详解

    目录 精确调整工作表的行高和列宽 批量更改多个工作簿的数据格式 批量更改工作簿的外观格式 设置字体格式 修改字体为宋体 修改字号 字体加粗 字体颜色 单元格填充颜色 对齐方式 添加合适粗细的边框 替换工作簿的行数据 提取指定数据 提取列数据 追加行数据 提取所有工作表的唯一值 总结 精确调整工作表的行高和列宽 步骤 打开工作簿. 遍历所有工作表 核心代码 for i in workbook.sheets: value = i.range('A1').expand('table') value.c

随机推荐