我有一张要在c ++中裁剪的黑色部分的图片（下面的示例）

这是一般的想法：

1. 将图像转换为灰度
2. 0使用简单的二进制阈值对所有以上阈值进行阈值
3. 用形态清理二进制图像
4. 使用二进制蒙版获得图像上的最大轮廓
5. 使用最大轮廓获得边界矩形
6. 使用边界矩形裁剪图像

这是代码，首先，读取图像并将其转换为灰度。threshold之后简单应用。很简单：

//Read input image:
cv::Mat inputImage = cv::imread( "C://opencvImages//DOrOQ.png", cv::IMREAD_COLOR );
cv::Mat testImage = inputImage.clone(); //Deep copy for cropping

//Convert to greayscale:
cv::cvtColor( inputImage, inputImage, cv::COLOR_BGR2GRAY );

//Threshold everything that is above 0:
cv::Mat binaryMask;
cv::threshold( inputImage, binaryMask, 1, 255, cv::THRESH_BINARY_INV );

这是您获得的二进制掩码：

现在，检查一下幸存下来的小像素。如果可以申请Eroding，我们可以摆脱这些，其次是Dilating。我使用的structuring element是大小3和5操作迭代的矩形：

//Clean the mask via Erode + Dilate:
cv::Mat SE = cv::getStructuringElement( cv::MORPH_RECT, cv::Size(3,3) );
int opIterations = 5;
cv::morphologyEx( binaryMask, binaryMask, cv::MORPH_ERODE, SE, cv::Point(-1,-1), opIterations );
cv::morphologyEx( binaryMask, binaryMask, cv::MORPH_DILATE, SE, cv::Point(-1,-1), opIterations );

生成的经过过滤的二进制掩码是这样的：

现在，反转图像，以使最大的白色斑点成为实际的滤波斑点。让我们在此图像上找到最大的轮廓：

//Invert Mask:
binaryMask = 255 - binaryMask;

//Lets get the blob contour:
std::vector< std::vector<cv::Point> > contours;
std::vector<cv::Vec4i> hierarchy;

cv::findContours( binaryMask, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cv::Point(0, 0) );

int largestBlobIndex = 0;
double largestArea = 0.0;

//Find the largest blob adn get the outer contour:
for( int i = 0; i < (int)contours.size(); i++ ) {

    //Find the area of the contour
    double a = cv::contourArea( contours[i], false);
    //Store the index of largest contour:
    if( a > largestArea ){
        largestArea = a;
        largestBlobIndex = i;
    }

}

//Get the bounding box of the biggest blob:
cv::Rect boundingBox = cv::boundingRect( contours[largestBlobIndex] );

此边界框（红色矩形）包围了您要裁剪的实际区域：

现在，只需裁剪图像：

//Crop the image:
cv::Mat croppedImage = testImage( boundingBox );

然后您得到最终结果：