如何提取出图中多个空白区域并分别保存

在图像处理领域，特别是Python中的PIL（Pillow库）或OpenCV等库，提取图像中的空白区域通常需要一些步骤。以下是一个基本的流程：

1. **读取图片**：首先使用`PIL.Image.open()`或`cv2.imread()`打开图片。

2. **转换为灰度**或二值化：为了识别空白区域，将图像转换成黑白或二值模式可以更容易地区分前景（非空白）和背景（空白）。例如，可以使用`PIL`的`convert('L')` 或 `cv2.threshold()`函数。

3. **边缘检测**（可选）：通过边缘检测（如Sobel算子或Canny算法），可以帮助确定哪些区域是连续的空白区域，避免孤立的小块误判。

4. **填充或膨胀**：有时可能需要对白色像素进行膨胀操作，以连接分散的空白区域。可以使用`PIL`的`ImageOps.invert()`然后`filter(ImageFilter.MedianFilter)`，或者`cv2.morphologyEx()`。

5. **分割区域**：查找连续的白色区域。这可以通过查找图像中每个白色像素与其相邻像素之间的连通域来完成。`scipy.ndimage.measurements.label()`或`skimage.measure.regionprops()`可以做到这一点。

6. **保存分离后的区域**：对于每个分割出来的区域，可以创建一个新的图像，只保留该区域，并使用`save()`方法保存到文件中。例如，使用`PIL`的`crop()`和`paste()`，或者`cv2.imwrite()`。

from PIL import Image, ImageDraw

# 假设img是你的原始图像
binary_img = img.convert('1')  # 转为二值
regions = measure.label(binary_img)

for i in range(1, regions.max() + 1):  # 从1开始因为0是背景
    mask = np.where(regions == i, 1, 0)  # 创建掩码
    cropped_img = img.crop(np.argwhere(mask).min(axis=0)[:2] + (mask.shape[1], mask.shape[0]))  # 提取区域
    cropped_img.save(f'region_{i}.png')  # 保存图片