Вы можете найти ограничивающий прямоугольник самого большого контура, который не является белым.
Я предлагаю использовать следующие этапы:
- Преобразование изображения из BGR в серый.
- Преобразование из серого в двоичное изображение.
Использовать автоматы c Порог (используйте cv2.THRESH_OTSU
флаг) и инвертированную полярность.
В результате получается белый цвет, где исходное изображение темное, и черный, где изображение яркое. - Поиск контуров с помощью
cv2.findContours()
(как прокомментировал Марк Сетчелл).
Найти внешний контур проще, чем обнаруживать края. - Найти ограничивающий прямоугольник контура с максимальной площадью.
- Обрезать ограничивающий прямоугольник из входного изображения.
Я использовал NumPy нарезку массива вместо подушки.
Вот код:
import cv2
# Read input image
img = cv2.imread('img.jpg')
# Convert from BGR to Gray.
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Convert to binary image using automatic threshold and invert polarity
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
# Find contours on thresh
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[-2] # Use index [-2] to be compatible to OpenCV 3 and 4
# Get contour with maximum area
c = max(cnts, key=cv2.contourArea)
x, y, w, h = cv2.boundingRect(c)
# Crop the bounding rectangle (use .copy to get a copy instead of slice).
crop = img[y:y+h, x:x+w, :].copy()
# Draw red rectangle for testing
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), thickness = 2)
# Show result
cv2.imshow('img', img)
cv2.imshow('crop', crop)
cv2.waitKey(0)
cv2.destroyAllWindows()
Результат:
crop
:
img
:
thresh
: