原理

通过连通域分析算法能够找到最大的连通域，即图片的主体部分，然后保存该连通域的最小外接矩阵，即可去除掉无关的背景区域

代码

'''
使用连通域分析算法去除图像中的空白部分
并将图像变为统一大小的正方形
'''from skimage import measure
import skimage
import numpy as np
import os
import cv2current_path = os.path.abspath(__file__)
# 待处理图片的路径
image_father_path = current_path.split('src')[0] + 'datapath'
files = os.listdir(image_father_path)
# 保存处理后的图片的路径
save_path = current_path.split('src')[0] + 'datapath'
if not os.path.exists(save_path):os.mkdir(save_path)
i=0
for image in files:# if i==2:#     breakraw_image = cv2.imread(f'{image_father_path}\\{image}')# 1. 二值化gray_image = cv2.cvtColor(raw_image, cv2.COLOR_BGR2GRAY)ret, binary_image = cv2.threshold(gray_image, 1, 255, cv2.THRESH_BINARY)# 2. 连通域分析labels = measure.label(binary_image, connectivity=2)# 3. 找出最大的连通域properties = measure.regionprops(labels)max_area = 0i+=1print(len(properties))for prop in properties:print(prop.bbox, prop.area)if prop.area > max_area:max_area = prop.areamax_prop = prop# 4. 找出最大连通域的最小外接矩形minr, minc, maxr, maxc = max_prop.bboxprint(minr, minc, maxr, maxc)# 5. 将最小外接矩形的区域保存下来crop_image = raw_image[minr:maxr, minc:maxc]# 将图片变为统一大小的正方形crop_image = cv2.resize(crop_image, (224, 224))# 6. 保存图片cv2.imwrite(f'{save_path}\\{image.split(".")[0]}.png', crop_image)

更多

更多图像预处理操作工具集包含在这个github仓库中