python 找到右上角与黑色像素usind一个网格

我有这个页面，我正试图使右上角的裁剪图像我用这个代码为左上角的黑色像素内，但无法编辑它的顶部工作right.it使一个网格。如果广场内有黑色像素是1号，否则是0。它找到左上方的黑色像素和作物周围。
input.jpg（您需要至少10个声望才能发布图像。）
output.jpg（您需要至少10个声望才能发布图像。
我正试图自动裁剪此页码区域what i wanna auto-crop（您需要至少10个信誉后的图像。）
我认为从像蓝色箭头脚本搜索，我想像红色how i think it search.jpg工作

import cv2
import numpy as np

# Load the cropped image in grayscale
image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)

# Get the height and width of the image
h, w = image.shape

# Define the number of rows and columns of the grid
rows = 30
cols = 40

# Calculate the size of each square in pixels
square_h = h // rows
square_w = w // cols

# Create an empty array to store the grid values
grid = np.zeros((rows, cols), dtype=int)

# Loop over the rows and columns of the grid
for i in range(rows):
    for j in range(cols):
        # Get the coordinates of the top left corner of the square
        x = j * square_w
        y = i * square_h

        # Get the sub-image corresponding to the square
        square = image[y:y+square_h, x:x+square_w]

        # Check if the square contains any black pixels
        if np.any(square < 255):
            # Set the grid value to 1
            grid[i, j] = 1

# Find the top left corner with a 1 square
# Use np.argwhere to get the indices of the nonzero elements
# Use np.min to get the minimum row and column index
top_left = np.min(np.argwhere(grid == 1), axis=0)

# Get the row and column index of the top left corner
row, col = top_left

# Define the number of squares to crop around the corner
crop_size = 3

# Get the coordinates of the top left corner of the cropped region
x = col * square_w
y = row * square_h

# Get the sub-image corresponding to the cropped region
cropped_image = image[y:y+crop_size*square_h, x:x+crop_size*square_w]

# Save the result
cv2.imwrite('output.jpg', cropped_image)

字符串
无法为右上角工作

我将尝试找出如何裁剪模式
这是黑N白色页右上方是我想裁剪的图案，与多个偶数页的页码匹配，我上传的是一个示例图像

output.txt
000000000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000000000
000000000000000000000000000000000000000000000000000000000000
0000#0#######################0#####################00##00000
000##0##############################################0##00000
000#################################################00000000
000#################################################00000000
000#################################################00000000
000#################################################00000000
000#################################################00000000
000#################################################00000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000##################################################0000000
000####################################################00000
000####################################################00000
000####################################################00000
000####################################################00000
000####################################################00000
000####################################################00000
000####################################################00000
000###0#######################0########################00000
000###0#######################0########################00000
000###0#######################0########################00000
000###0#######################0#####################0##00000
000###0#######################0#####################0##00000
000###0#######################0#####################0##00000
000###0#######################00########0###########0##00000
000000000000000000000000000000000000000000000000000000000000
####0000000000000000000000000000#00####00#0###000#00########
############################################################
00#0##0##0###000000000#0##000000#########00000##0000000#0000
00#0#0#0#0#000#00#000#00##00000##########000#00##0##00#00000
0###0#00###0##00#000####000#0#00###################00#000000
0#00##00####0#000000##00###0000#######0########0######000000

字符串
这是模式，我将尝试作物在这里是左上角（我试图找出如何，但我认为我会找到，或者我会问这里再次）

型
这是密码

import cv2
import numpy as np

# Load the cropped image in grayscale
image = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE)

# Get the height and width of the image
h, w = image.shape

# Define the number of rows and columns of the grid
rows = 45
cols = 60

# Calculate the size of each square in pixels
square_h = h // rows
square_w = w // cols

# Create an empty array to store the grid values
grid = np.empty((rows, cols), dtype=str)

# Loop over the rows and columns of the grid
for i in range(rows):
    for j in range(cols):
        # Get the coordinates of the top left corner of the square
        x = j * square_w
        y = i * square_h

        # Get the sub-image corresponding to the square
        square = image[y:y+square_h, x:x+square_w]

        # # Check if the square contains any black pixel
        if np.any(square < 255):
            # Set the grid value to '#'
            grid[i, j] = '#'
        else:
            # Set the grid value to '0'
            grid[i, j] = '0'

# Write the result to output.txt
with open('output.txt', 'w') as file:
    for i in range(rows):
        for j in range(cols):
            file.write(grid[i, j])
        file.write('\n')

print("Results written to output.txt")

型

python 找到右上角与黑色像素usind一个网格

1条答案

相关问题

热门标签

最新问答