如下所示：

運行環境：python3.6.4   opencv3.4.0# -*- coding:utf-8 -*- """Note: 使用Python和OpenCV檢測圖像中的物體并將物體裁剪下來""" import cv2import numpy as np  # step1：加載圖片，轉成灰度圖image = cv2.imread("353.jpg")gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # step2:用Sobel算子計算x，y方向上的梯度，之后在x方向上減去y方向上的梯度，通過這個減法，我們留下具有高水平梯度和低垂直梯度的圖像區域。gradX = cv2.Sobel(gray, cv2.CV_32F, dx=1, dy=0, ksize=-1)gradY = cv2.Sobel(gray, cv2.CV_32F, dx=0, dy=1, ksize=-1) # subtract the y-gradient from the x-gradientgradient = cv2.subtract(gradX, gradY)gradient = cv2.convertScaleAbs(gradient)# show imagecv2.imshow("first", gradient)cv2.waitKey() # step3：去除圖像上的噪聲。首先使用低通濾潑器平滑圖像（9 x 9內核）,這將有助于平滑圖像中的高頻噪聲。# 低通濾波器的目標是降低圖像的變化率。如將每個像素替換為該像素周圍像素的均值。這樣就可以平滑并替代那些強度變化明顯的區域。# 然后，對模糊圖像二值化。梯度圖像中不大于90的任何像素都設置為0（黑色）。 否則，像素設置為255（白色）。# blur and threshold the imageblurred = cv2.blur(gradient, (9, 9))_, thresh = cv2.threshold(blurred, 90, 255, cv2.THRESH_BINARY)# SHOW IMAGEcv2.imshow("thresh", thresh)cv2.waitKey() # step4:在上圖中我們看到蜜蜂身體區域有很多黑色的空余，我們要用白色填充這些空余，使得后面的程序更容易識別昆蟲區域，# 這需要做一些形態學方面的操作。kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)# show imagecv2.imshow("closed1", closed)cv2.waitKey() # step5:從上圖我們發現圖像上還有一些小的白色斑點，這會干擾之后的昆蟲輪廓的檢測，要把它們去掉。分別執行4次形態學腐蝕與膨脹。# perform a series of erosions and dilationsclosed = cv2.erode(closed, None, iterations=4)closed = cv2.dilate(closed, None, iterations=4)# show imagecv2.imshow("closed2", closed)cv2.waitKey() # step6：找出昆蟲區域的輪廓。# cv2.findContours()函數# 第一個參數是要檢索的圖片，必須是為二值圖，即黑白的（不是灰度圖），# 所以讀取的圖像要先轉成灰度的，再轉成二值圖，我們在第三步用cv2.threshold()函數已經得到了二值圖。# 第二個參數表示輪廓的檢索模式，有四種：# 1. cv2.RETR_EXTERNAL表示只檢測外輪廓# 2. cv2.RETR_LIST檢測的輪廓不建立等級關系# 3. cv2.RETR_CCOMP建立兩個等級的輪廓，上面的一層為外邊界，里面的一層為內孔的邊界信息。如果內孔內還有一個連通物體，這個物體的邊界也在頂層。# 4. cv2.RETR_TREE建立一個等級樹結構的輪廓。# 第三個參數為輪廓的近似方法# cv2.CHAIN_APPROX_NONE存儲所有的輪廓點，相鄰的兩個點的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1# cv2.CHAIN_APPROX_SIMPLE壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點坐標，例如一個矩形輪廓只需4個點來保存輪廓信息 # cv2.findContours()函數返回兩個值，一個是輪廓本身，還有一個是每條輪廓對應的屬性。# cv2.findContours()函數返回第一個值是list，list中每個元素都是圖像中的一個輪廓，用numpy中的ndarray表示。# 每一個ndarray里保存的是輪廓上的各個點的坐標。我們把list排序，點最多的那個輪廓就是我們要找的昆蟲的輪廓。x = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# import pdb# pdb.set_trace()_a, cnts, _b = xc = sorted(cnts, key=cv2.contourArea, reverse=True)[0] # OpenCV中通過cv2.drawContours在圖像上繪制輪廓。# 第一個參數是指明在哪幅圖像上繪制輪廓# 第二個參數是輪廓本身，在Python中是一個list# 第三個參數指定繪制輪廓list中的哪條輪廓，如果是-1，則繪制其中的所有輪廓# 第四個參數是輪廓線條的顏色# 第五個參數是輪廓線條的粗細 # cv2.minAreaRect()函數:# 主要求得包含點集最小面積的矩形，這個矩形是可以有偏轉角度的，可以與圖像的邊界不平行。# compute the rotated bounding box of the largest contourrect = cv2.minAreaRect(c)# rect = cv2.minAreaRect(cnts[1])box = np.int0(cv2.boxPoints(rect))  # draw a bounding box arounded the detected barcode and display the imagecv2.drawContours(image, [box], -1, (0, 255, 0), 3)cv2.imshow("Image", image)cv2.imwrite("contoursImage2.jpg", image)cv2.waitKey(0) # step7：裁剪。box里保存的是綠色矩形區域四個頂點的坐標。我將按下圖紅色矩形所示裁剪昆蟲圖像。# 找出四個頂點的x，y坐標的最大最小值。新圖像的高=maxY-minY，寬=maxX-minX。Xs = [i[0] for i in box]Ys = [i[1] for i in box]x1 = min(Xs)x2 = max(Xs)y1 = min(Ys)y2 = max(Ys)hight = y2 - y1width = x2 - x1cropImg = image[y1:y1+hight, x1:x1+width] # show imagecv2.imshow("cropImg", cropImg)cv2.imwrite("bee.jpg", cropImg)cv2.waitKey()