image - Matlab-改进图像裁剪黑边的代码

Question

我有这段代码可以裁剪图片中的黑色边框。

我不知道为什么边界仍然存在。

I1=im2double(imread('dart.jpg'));

sizeI = size(I1);
zeros = floor((sizeI(2) -  min(sum(any(I1))))/2);
I2 = I1(:, zeros : sizeI(2)-zeros, :);
nonZero = sum(any(I1,2));


sizeI2 = size(I2);
zerosRows = floor((sizeI(1) -  min(sum(any(I2, 2))))/2);
I3 = I2(zerosRows : sizeI2(1)-zerosRows, :, :);

subplot(1,3,1), imshow(I1);title('Figure 1');
subplot(1,3,2), imshow(I2);title('Figure 2');
subplot(1,3,3), imshow(I3);title('Figure 3');

如何更改此代码？

Answer 1

此代码适用于我，假设您的黑色边框像素全为零。如果图像的黑色边框中有非零像素(可能是由于量化和压缩伪影 - 毕竟您的图像是 JPEG...)，则此代码将不起作用。这段代码所做的是首先检查所有列以查看是否有任何非零像素。然后它通过确定第一个非零列并转到最后一个非零列来确定要裁剪的位置。此代码还假定非零列是对称，这就是您在 zeros 语句中除以 2 的原因。顺便说一下，zeros是 MATLAB 中的内置函数。我不建议您创建具有此名称的变量，因为您以后的代码可能需要此函数，而您无意中用变量遮盖了此函数。

尽管如此，我还是通过以下方式测试您的代码是否有效。我使用了来自 MATLAB 系统路径 cameraman.tif 的内置图像，并在图像周围创建了一个 10 像素的边框。然后我运行你的代码看看我会得到什么:

im = imread('cameraman.tif');
I1 = padarray(im2double(im), [10 10]);

运行你的代码，这是我得到的数字:

---

运行该代码时存在某些先决条件，因此在使用它之前请记住这一点:

1. 假设图片周围有一个完全对称的黑色边框。
2. 这假设所有黑色边框像素都是零。
3. 如果您的边框有非零像素，即使它在视觉上看起来像有非零像素，那么此代码将不起作用。

因此，我建议您对图像设置少量阈值(强度可能为 10)，以确保在继续之前边界为零。然后您将使用此图像来计算您有多少边界像素。因此，做这样的事情。

I1=im2double(imread('dart.jpg')); %// Read in the image
I1thresh = I1 >= (10/255); %// As an example - Note the division by 255 as you did im2double
sizeI = size(I1);
zeros = floor((sizeI(2) -  min(sum(any(I1thresh))))/2); %// Note the change in any
I2 = I1(:, zeros : sizeI(2)-zeros, :); 
I2thresh = I1thresh(:, zeros : sizeI(2)-zeros, :);  % // Note new variable
nonZero = sum(any(I1thresh,2)); %// Note the change in any

sizeI2 = size(I2);
zerosRows = floor((sizeI(1) -  min(sum(any(I2thresh, 2))))/2); %// Note change in any
I3 = I2(zerosRows : sizeI2(1)-zerosRows, :, :);

subplot(1,3,1), imshow(I1);title('Figure 1');
subplot(1,3,2), imshow(I2);title('Figure 2');
subplot(1,3,3), imshow(I3);title('Figure 3');

---

编辑 - 不均匀的黑色边框

根据您的评论，您说过您的黑色边框可能不对称。在这种情况下，您需要有逻辑来确定黑色边框的开始位置和黑色边框的结束位置。您将此应用于黑色边框的行和列。在那种情况下，我会使用 find命令，并沿行和列使用 any 操作，并确定行和列非零的最小和最大索引。这完全对应于 MATLAB 中关于您的代码的最小和最大操作。我将使用带有阈值的修改后的算法来规避任何量化或压缩伪像。因此:

I1=im2double(imread('dart.jpg')); %// Read in the image
I1thresh = I1 >= (10/255); %// As an example - Note the division by 255 as you did im2double
%// Removed as this is no longer needed 
%// sizeI = size(I1);
nonZeroCols = find(any(I1thresh)); %// Change
minCol = min(nonZeroCols); %// Change
maxCol = max(nonZeroCols); %// Change
I2 = I1(:, minCol : maxCol, :); 
I2thresh = I1thresh(:, minCol : maxCol, :);  % // Note new variable
%// Commented out. Don't see this being used anywhere
%//nonZero = sum(any(I1thresh,2)); %// Note the change in any

%// Removed as this is no longer needed
%//sizeI2 = size(I2);
nonZeroRows = find(any(I2thresh, 2)); %// Change
minRow = min(nonZeroRows); %// Change
maxRow = max(nonZeroRows); %// Change
I3 = I2(minRow : maxRow, :, :); %// Change

subplot(1,3,1), imshow(I1);title('Figure 1');
subplot(1,3,2), imshow(I2);title('Figure 2');
subplot(1,3,3), imshow(I3);title('Figure 3');

上面的代码现在应该适用于任何大小的黑色边框。