在 Python 中以编程方式剪裁 image/remove 背景
Clipping image/remove background programmatically in Python
如何使用 Python（可能还有一些工具，如 OpenCV）以编程方式从左侧图像转到右侧图像？
我使用在线剪裁工具手工制作了这个。我在图像处理方面完全是菜鸟（尤其是在实践中）。我正在考虑应用一些边缘或轮廓检测来创建一个蒙版，稍后我将在原始图像上应用它以将其他所有内容（感兴趣区域除外）涂成黑色。但是我很惨。
目标是预处理非常相似图像的数据集，以训练 CNN 二元分类器。我试图通过只裁剪靠近感兴趣区域的图像来训练它，但是噪声太高以至于 CNN 完全没有学到任何东西。
有人可以帮我做这个预处理吗？
我用的是OpenCV的实现watershed algorithm to solve your problem. You can find out how to use it if you read this great tutorial，所以就不详细解释了。
我select编辑了四个点（标记）。一个位于您要提取的区域，一个在外部，另外两个在您不感兴趣的内部 lower/upper 部分内。然后我创建了一个空整数数组（so-called 标记图像）并用零填充它。然后我为标记位置的像素分配了唯一值。
下图显示了在原始图像上绘制的标记位置和标记值：
我也可以在同一区域内 select 更多标记（例如，属于您要提取的区域的多个标记），但在这种情况下，它们都应该具有相同的值（在本例中为 255 ).
然后我用了分水岭。第一个输入是您提供的图像，第二个输入是标记图像（除了标记位置以外的所有地方都为零）。该算法将结果存储在标记图像中；您感兴趣的区域标有区域标记的值（在本例中为 255）：
我将所有不具有 255 值的像素设置为零。我用 3x3 内核将获得的图像放大了三倍。然后我使用膨胀后的图像作为原始图像的蒙版（我将蒙版外的所有像素设置为零），这是我得到的结果：
您可能需要某种可以自动找到标记的方法。该任务的难度在很大程度上取决于输入图像集。在某些情况下，该方法可能非常直接和简单（如上面链接的教程中所示），但有时这可能是一个棘手的问题。但我不能推荐任何东西，因为我不知道你的图片一般是什么样子的（你只提供了一张）。 :)
如何使用 Python（可能还有一些工具，如 OpenCV）以编程方式从左侧图像转到右侧图像？
我使用在线剪裁工具手工制作了这个。我在图像处理方面完全是菜鸟（尤其是在实践中）。我正在考虑应用一些边缘或轮廓检测来创建一个蒙版，稍后我将在原始图像上应用它以将其他所有内容（感兴趣区域除外）涂成黑色。但是我很惨。
目标是预处理非常相似图像的数据集，以训练 CNN 二元分类器。我试图通过只裁剪靠近感兴趣区域的图像来训练它，但是噪声太高以至于 CNN 完全没有学到任何东西。
有人可以帮我做这个预处理吗？
我用的是OpenCV的实现watershed algorithm to solve your problem. You can find out how to use it if you read this great tutorial，所以就不详细解释了。
我select编辑了四个点（标记）。一个位于您要提取的区域，一个在外部，另外两个在您不感兴趣的内部 lower/upper 部分内。然后我创建了一个空整数数组（so-called 标记图像）并用零填充它。然后我为标记位置的像素分配了唯一值。
下图显示了在原始图像上绘制的标记位置和标记值：
我也可以在同一区域内 select 更多标记（例如，属于您要提取的区域的多个标记），但在这种情况下，它们都应该具有相同的值（在本例中为 255 ).
然后我用了分水岭。第一个输入是您提供的图像，第二个输入是标记图像（除了标记位置以外的所有地方都为零）。该算法将结果存储在标记图像中；您感兴趣的区域标有区域标记的值（在本例中为 255）：
我将所有不具有 255 值的像素设置为零。我用 3x3 内核将获得的图像放大了三倍。然后我使用膨胀后的图像作为原始图像的蒙版（我将蒙版外的所有像素设置为零），这是我得到的结果：
您可能需要某种可以自动找到标记的方法。该任务的难度在很大程度上取决于输入图像集。在某些情况下，该方法可能非常直接和简单（如上面链接的教程中所示），但有时这可能是一个棘手的问题。但我不能推荐任何东西，因为我不知道你的图片一般是什么样子的（你只提供了一张）。 :)