用Python去除圖像的黑色或白色背景實例

更新時間：2019年12月12日 15:09:47 作者：樸素.無恙

今天小編就為大家分享一篇用Python去除圖像的黑色或白色背景實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

用Python去除背景，得到有效的圖像

此目的是為了放入深度學習計算中來減少計算量，同時突出特征，原圖像為下圖，命名為1.jpg，在此去除白色背景，黑色背景同理

需要對原圖像進行的處理是去掉白色背景，摳出有效的參與計算的圖形的大小即下圖

對此有兩個思路：

用掩模法得到有效部分，其次去掉空白，但太繁瑣嘍，并且一萬多張圖片，其不弄到天荒地老（截圖也是哦）

對圖像進行處理，即先做numpy變化，后反變換，將255-原圖像，此時得到的圖像就是

在此計算圖像的橫軸相加為0，縱軸相加為0，刪去和為0的列和行得到的numpy矩陣，用255減去numpy矩陣得到的圖像就是所求有效圖像。（在此我沒能實現(xiàn)三通道的圖像，只能做出灰度圖的圖像）程序如下：

from PIL import Image
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.misc
img = Image.open('1.jpg')
e,g=img.size
img1=img.convert('L')
img1=np.array(img1, dtype='float32')
arr=255-img1
arr1 = arr.sum(axis=0)#每一列求和
arr2 = arr.sum(axis=1)#每一行求和
df=pd.DataFrame(arr)#把像素點轉化為dataframe
df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和
df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和
df2=df1[df1[e]>0]#根據最后一列把大于0的行篩選出來

#根據最后一行，把等于0的列刪除掉
for c in df2.columns:
  if df2[c].sum() == 0 :
    df2.drop(columns = [c],inplace = True)
    
df2.drop(columns=[e],inplace = True)#刪除最后一列
df3 = df2.head((df2.shape[0])-1)#刪除最后一行
a=255-df3
#df3.values#dataframe轉化為numpy
plt.imshow(a)
scipy.misc.toimage(df3.values).save('C:/Users/Administrator.SKY-20180518VHY/Desktop/2.jpg')#保存圖像

最終得到的圖像為

在此處考慮過將圖像變?yōu)榱斜?，但在此處做嵌套列表太為復雜，因而放棄，最終利用DataFrame做的，本考慮將三通道分開分別作運算最終得到的R、G、B三通道圖像由于大小不匹配無法整合到一起，又失敗了。只能得到單通道湊合弄吧。誰有好的思路，求溝通…

完整程序：

import os
from PIL import Image
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.misc
def save_pic(file_path):

  c = []
  names = os.listdir(file_path) #路徑
  #將文件夾中的文件名稱與后邊的 .dcm分開
  for name in names:
    c.append(name)
  for files in c :
    img = Image.open(file_path+'\\'+files)
    e,g=img.size
    img1=img.convert('L')
    img1=np.array(img1, dtype='float32')
    arr=255-img1
    arr1 = arr.sum(axis=0)#每一列求和
    arr2 = arr.sum(axis=1)#每一行求和
    df=pd.DataFrame(arr)#把像素點轉化為dataframe
    df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和
    df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和
    df2=df1[df1[e]>0]#根據最后一列把大于0的行篩選出來
    
    #根據最后一行，把等于0的列刪除掉
    for c in df2.columns:
      if df2[c].sum() == 0 :
        df2.drop(columns = [c],inplace = True)
        
    df2.drop(columns=[e],inplace = True)#刪除最后一列
    df3 = df2.head((df2.shape[0])-1)#刪除最后一行
    #df3.values#dataframe轉化為numpy
    a=255-df3 
    plt.imshow(a)
    scipy.misc.toimage(a).save('C:/Users/Administrator.SKY-20180518VHY/Desktop'+'/'+files)#保存圖像
  print('all is saved')  
  
save_pic(file_path='C:\\Users\\Administrator.SKY-20180518VHY\\Desktop\\1')

去除多個文件夾下多張圖像，分別為：

程序為：

import os
from PIL import Image
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.misc
def save_pic(file_path):

  c = []
  d=[]
  names = os.listdir(file_path) #路徑
  #將文件夾中的文件名稱與后邊的 .dcm分開
  for name in names:
    c.append(name)
  for files1 in c:
    n=os.listdir(file_path+'\\'+files1)
    for name in n:
      d.append(file_path+'\\'+files1+'\\'+name)

    for files2 in d :
      img = Image.open(files2)
      e,g=img.size
      img1=img.convert('L')
      img1=np.array(img1, dtype='float32')
      arr=255-img1
      arr1 = arr.sum(axis=0)#每一列求和
      arr2 = arr.sum(axis=1)#每一行求和
      df=pd.DataFrame(arr)#把像素點轉化為dataframe
      df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和
      df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和
      df2=df1[df1[e]>0]#根據最后一列把大于0的行篩選出來
      
      #根據最后一行，把等于0的列刪除掉
      for c in df2.columns:
        if df2[c].sum() == 0 :
          df2.drop(columns = [c],inplace = True)
          
      df2.drop(columns=[e],inplace = True)#刪除最后一列
      df3 = df2.head((df2.shape[0])-1)#刪除最后一行
      df3.values#dataframe轉化為numpy
      a=255-df3
      plt.imshow(a)
      scipy.misc.toimage(a).save('C:/Users/Administrator.SKY-20180518VHY/Desktop'+'/'+ '%d.jpg'%(d.index(files2)))#保存圖像
  print('all is saved')  
  
save_pic(file_path='C:\\Users\\Administrator.SKY-20180518VHY\\Desktop\\2')

以上這篇用Python去除圖像的黑色或白色背景實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: