De methodologie zou vrij eenvoudig zijn: detecteer de achtergrondkleur van een inventarisatiekaart door de rijen van de afbeelding te monsteren, ongeveer 10-20 pixels vanaf de randen werden bemonsterd en er werd een gemiddelde berekend. Vervolgens werd een filter toegepast om pixels in twee categorieën te verdelen: achtergrond en niet-achtergrond. Er werd een threshold toegepast, die de Euclidische afstand van elke pixel in de RGB-ruimte tot de gedetecteerde achtergrondkleur gebruikte. Het resultaat is een 'masker' dat kan worden gebruikt om de randen van de 'echte' afbeelding te detecteren.

De 'opgeplakte' afbeeldingen hadden allemaal de eigenschap dat ze allemaal rechthoekig waren, door horizontaal en verticaal het masker te 'scannen' konden we horizontale en verticale lijnen op de 'moeder' afbeelding bepalen. Een lijn zou bestaan uit minstens 50% meer of minder aaneengesloten pixels van de achtergrondkleur - hoewel we konden spelen met de threshold parameters.

De volgende stap zou zijn om het grootste rechthoek te detecteren dat was ingesloten door deze lijnen. Een complicerende factor waren de tekstvakken in de originele afbeelding, deze waren ook horizontale en verticale lijnen. De oplossing bleek simpelweg het instellen van een drempelwaarde voor de breedte van de horizontale en verticale lijnen te zijn. Hierdoor werden de lijnen die de tekstvakken vormden niet per ongeluk gedetecteerd als afbeeldingsranden.

We schreven een 'cropper' klasse in de C# programmeertaal en testten deze eerst in een Windows-gebruikersinterface. Dit stelde ons in staat om het origineel te zien, de achtergronddetectie en het bijgesneden resultaat naast elkaar. Nadat we enkele van deze drempelwaarden hadden aangepast, gebruikten we dezelfde klasse in een consoleprogramma om de hele batch te verwerken.

Het eindresultaat was behoorlijk bevredigend; we hebben in ongeveer een dag zo'n 20.000 afbeeldingen bijgesneden.