По ящикам шкафов да пыльным полкам уже десятилетиями складируются дюжины семейных фотоальбомов. Состояние некоторых из них давно заставляет задумываться об «оцифровке» накопившегося материала. И чтобы хоть чуточку ускорить предстоящий процесс, было принято решение сканировать по несколько фотографий за раз. Однако перспектива разгребать получаемый в результате этого контент и руками дробить его на отдельные кадры мне не улыбалась. В итоге родилось решение...

Учитывая мое знакомство с основами python и интерес к компьютерному зрению, подвернувшаяся практическая задачка пришлась весьма кстати. В самом начале я проводил тестирование на изображении собранном в Pixelmator'е из трех других. Забегая вперед, нужно сказать что тогда я не предусмотрел возможность наклона фотографий на исходном изображении. Каждой в свою сторону. Тогда, отобрав несколько фотографий и сделав пару заходов к МФУ, я получил два изображения, на которых проверял работоспособность кода по мере написания. Ввиду личного содержимого альбомов, пример я приведу на иных изображениях.

Так программа выглядит из терминала:





Заинтересовались? Продолжаем.

Установку OpenCV рассматривать не буду, многочисленные инструкции можно найти на просторах Сети. Итак, изначально мы импортируем зависимости:

from numpy import int0, zeros_like, deg2rad, sin, cos, dot, array as nparray
from math import ceil
import cv2
from os import mkdir, chdir
from os.path import basename, dirname, isdir, join as path_join
from argparse import ArgumentParser

Функция main() выглядит следующим образом:

def main():
	parser = ArgumentParser(description='Разделение отсканированных вместе изображений')
	parser.add_argument('-n', type=int, dest='number', required=True, help='Количество элементов на изображении')
	parser.add_argument('-i', dest='image', required=True, help='Путь к исходному изображению')
	args = parser.parse_args()

	folder = dirname(args.image)
	image_name = basename(args.image)
	extension = image_name.split('.')[-1]
	image_name_without_extension = ''.join(image_name.split('.')[:-1])

	if folder:
		chdir(folder)
		
	if not isdir(image_name_without_extension):
		mkdir(image_name_without_extension)
		
	image = cv2.imread(image_name)
	contours = get_contours(image, args.number)
	
	i = 1

	for c in contours:
		ca = int0(cv2.boxPoints(cv2.minAreaRect(c)))
		im = image[ca[2][1]:ca[0][1],ca[1][0]:ca[3][0]]
		im = rotate(ca, im)
		cv2.imwrite(path_join(image_name_without_extension, '%s.%s'%(i, extension)), im)
		i += 1

	cv2.destroyAllWindows()

Слишком сложно? Давайте по порядку.

parser = ArgumentParser(description='Разделение отсканированных вместе изображений')
parser.add_argument('-n', type=int, dest='number', required=True, help='Количество элементов на изображении')
parser.add_argument('-i', dest='image', required=True, help='Путь к исходному изображению')
args = parser.parse_args()

Создаем объект типа ArgumentParser с аргументом description, описывающим наше будущее приложение. Добавляем аргумент '-n' целочисленного типа, который будем хранить как 'number', а также прикладываем описание параметра для команды -h/--help. Аналогично со строковым аргументом '-i', оба аргумента обязательны (required=True). В последней строке разбираем аргументы, которые были переданы скрипту при запуске.

Далее:

folder = dirname(args.image)
image_name = basename(args.image)
extension = image_name.split('.')[-1]
image_name_without_extension = ''.join(image_name.split('.')[:-1])

Из параметра args.image получаем путь к директории с файлом (если он есть), имя файла, расширение и имя без расширения.

if folder:
	chdir(folder)
		
if not isdir(image_name_without_extension):
	mkdir(image_name_without_extension)

Если папка с изображением — не текущая рабочая директория, переходим в нее. На месте создаем папку с именем исходного изображения без расширения куда будем складывать итоговые.

image = cv2.imread(image_name)
contours = get_contours(image, args.number)

Открываем наше изображение. Находим описывающие прямоугольники для каждого из args.number количества изображений.
Описание функции get_contours() ниже по тексту.

Задаем счетчик. Далее начинается цикл в котором мы перебираем контуры найденных изображений:

i=1
for c in contours:

Внутри цикла:

Получаем двумерный массив точек минимального описывающего прямоугольника.

ca = int0(cv2.boxPoints(cv2.minAreaRect(c)))

Делаем кроп изображения по этим точкам.

im = image[ca[2][1]:ca[0][1],ca[1][0]:ca[3][0]]

Поворачиваем изображение. Описание функции rotate() ниже по тексту.

im = rotate(ca, im)

Сохраняем изображение под соответствующим номером в созданной по имени исходного файла без расширения папке.

cv2.imwrite(path_join(image_name_without_extension, '%s.%s'%(i, extension)), im)

Тикает счетчик.

i += 1

И так пока не пройдемся по всем элементам исходного изображения. В общем-то, все. Теперь рассмотрим функции.

get_contour() выглядит так:

def get_contours(src, num=0):
	src = cv2.copyMakeBorder(src, 2, 2, 2, 2, cv2.BORDER_CONSTANT, value=(255, 255, 255))
	gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
	thresh = cv2.threshold(gray, 230, 255, cv2.THRESH_BINARY)[1]
	contours = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_TC89_L1)[1]
	if not num:
		return sorted(contours, key = cv2.contourArea, reverse = True)[1]
	else:
		return sorted(contours, key = cv2.contourArea, reverse = True)[1:num+1]

Внутри функции мы немного расширяем изображение для определния изображений «прилипших» к краям, приводим к оттенкам серого, бинаризируем и находим контуры. В случае если вызов этой функции был произведен из функции rotate(), параметр num останется равен 0, тогда мы возвращаем только один (второй, ибо первый, который с индексом 0, описывает все исходное изображение) элемент (контур) отсортированного по площади контура массива. Если же вызов производился из функции main(), параметр num содержит args.number и функция get_contours() вернет args.number контуров.

Функция rotate(). Здесь я позволю себе обойтись комментариями в коде.

def rotate(contour, src):
	#вычисляем угол поворота
	angle = cv2.minAreaRect(contour)[2]
	if angle > 45:
		angle -= 90
	if angle < -45:
		angle += 90
	#получаем ширину и высоту
	w, h = src.shape[1], src.shape[0]
	#переводим градусы в радианы
	rotangle = deg2rad(angle)
	#вычисляем новые ширину и высоту изображения
	nw = abs(sin(rotangle)*h) + abs(cos(rotangle)*w)
	nh = abs(cos(rotangle)*h) + abs(sin(rotangle)*w)
	#строим матрицу поворота
	rotation_matrix = cv2.getRotationMatrix2D((nw*0.5, nh*0.5), angle, 1.0)
	rotatiom_move = dot(rotation_matrix, nparray([(nw-w)*0.5, (nh-h)*0.5,0]))
	rotation_matrix[0,2] += rotatiom_move[0]
	rotation_matrix[1,2] += rotatiom_move[1]
	#поворачиваем изображение
	src = cv2.warpAffine(src, rotation_matrix, (int(ceil(nw)), int(ceil(nh))), flags=cv2.INTER_LANCZOS4, borderValue=(255,255,255))
	#избавляемся от белой рамки по краям
	ca = int0(cv2.boxPoints(cv2.minAreaRect(get_contours(src))))
	#кропаем и возвращаем из функции повернутое, "чистое" изображение
	return src[ca[2][1]+14:ca[0][1]-3,ca[1][0]+3:ca[3][0]-3]

Спасибо за прочтение. Если кто-то знает как можно оптимизировать алгоритм и какие где косяки я допустил, добро пожаловать в комментарии. Надеюсь, кому-то эта статья будет полезна.