對於給定的一張圖像，可能邊緣或者無效信息較多，所以需要將圖像主要內容分離出來，這裏對於特定的圖片給出一個小例子。

對於此圖（左）來說，兩邊的無效信息較多，字母主要集中在中間部分。對於少量圖而言可以手動去掉兩邊的空白成為右圖。可是對於成千上萬張圖片需要一種特定的方法。觀察到數字主要集中在中間並且為大量黑色像素點，兩邊主要是白色像素點，所以考慮將圖片先轉為灰度，然後統計其水平的像素值分布，根據一定的閾值將中間部分區分出來。

import cv2
import os
import numpy as np
import matplotlib.pyplot as plt


imgs 
 
= os.listdir(r"D:/ws_yzm/yzm/valid_data")
imgNum = len(imgs)
img =[[] for i in range(imgNum)]
for i in range(0, imgNum):
    img[i] = cv2.imread(‘yzm/valid_data/‘+imgs[i])
    img[i] = cv2.cvtColor(img[i], cv2.COLOR_BGR2GRAY)   # 將讀入的圖像先轉為灰度

img_wrong = cv2.imread(‘D:/ws_yzm/yzm/valid_data/‘+‘00264.png‘)  # 取其中的一張圖片進行操作顯示
img_wrong
 
= cv2.cvtColor(img_wrong, cv2.COLOR_BGR2GRAY)

y_axis = np.mean(img_wrong, axis=0)  # 對圖片的水平方向求象素均值
b = y_axis.shape[0]
y_t = np.zeros(b)
plt.subplot(221)
plt.plot(y_axis)  # 畫出水平像素分布

for i in range(0, b):
    if y_axis[i] <= 200:  # 設定閾值為200，即水平像素均值<200則令y_t為1，否則為0
        y_t[i] = 1

plt.subplot(222)
plt.plot(y_t)  # 將y_t畫出

y_diff 
 
= np.diff(y_t) # 對y_t求差分
plt.subplot(223)
plt.plot(y_diff)  # 將y_diff畫出

q = np.where(y_diff != 0) # 將y_diff！=0的點坐標找出
q = list(q[0])
q.append(b)
axis = [] # 存放找到的區間坐標

for l in range(1, q.__len__()):
    if (((q[l] - q[l - 1]) > 25) & (y_t[q[l] - 1] == 1)):
        axis.extend([q[l - 1], q[l]])  # 將區間寬度>25，並且屬於值為1的區間坐標找出

if axis and np.max(axis) >= 200:  # 如果找出的坐標非空，且其最大值>200則在axis裏找出最大和最小坐標值
    x_min = np.min(axis)
    x_max = np.max(axis)
else:                             # 如果找出的坐標為空，則取圖像最右端0為左邊界，q的最小值為有邊界
    x_min = 0
    x_max = np.min(q)

plt.subplot(224)
img_new = img_wrong[:, x_min:x_max]  # 將處理後的圖像畫出

#cv2.imwrite(‘yzm/new_valid_data/‘ + imgs[j], img_new)
plt.imshow(img_wrong[:, x_min:x_max], cmap=‘gray‘)

由結果圖看到分割較好。條件設置主要是針對0-1二值化的結果，由於數字分布不均勻，不同的圖0-1化結果有很大出入，所以需要根據一定的判斷將x_min和x_max求出。上述代碼在幾千張的圖像處理中基本都能分割正確。

簡單圖像分割