您好,登錄后才能下訂單哦!
我就廢話不多說了,直接上代碼吧!
#coding=utf-8 import cv2 import numpy as np import os # 程序?qū)崿F(xiàn)功能: # 根據(jù)patch在高分辨率圖像上的索引值,crop出對(duì)應(yīng)區(qū)域的圖像 # 并驗(yàn)證程序的正確性 ''' 對(duì)于當(dāng)前輸入的3328*3328的高分辨率特征圖,首先resize到640*640 然后根據(jù)當(dāng)前的patch文件名(包含了patch在高分辨率圖像上的行索引和列索引) 這個(gè)索引值是將高分辨率圖像劃分成多個(gè)沒有overlap的256*256的圖像塊之后的行索引和列索引 行索引range(1,11),列索引range(0,12) 3328=13*256 ''' index='IDRiD_03_3_12.jpg' raw_img_path='F:\\2\\eye_seg_con\\eye_seg\\joint_data\\raw_image\\train' patches_path='F:\\2\\eye_seg_con\\eye_seg\\joint_data\\patches\\train' true_patches=cv2.imread(os.path.join(patches_path,index))[:,:,::-1] print(os.path.join(raw_img_path,index.split('_')[0]+index.split('_')[1]+'.jpg')) hr_img=cv2.imread(os.path.join(raw_img_path,index.split('_')[0]+'_'+index.split('_')[1]+'.jpg'))[:,:,::-1] hr_img=cv2.resize(hr_img,(640,640))# hr_img RGB ''' 640/13=49.23076923076923 記作unit 將640*640的區(qū)域平均劃分成13*13份,每一份的像素點(diǎn)大小是unit*unit 然后將對(duì)應(yīng)位置(取整)的圖像塊摳出來,resize成256*256大小 ''' unit=640/13 patch_row_num = int(index[:-4].split('_')[2]) patch_col_num = int(index[:-4].split('_')[3]) row_start=round(patch_row_num*unit) row_end=round((patch_row_num+1)*unit) col_start=round(patch_col_num*unit) col_end=round((patch_col_num+1)*unit) my_patch=hr_img[row_start:row_end,col_start:col_end,:] my_patch=cv2.resize(my_patch,(256,256)) my_patch=np.array(my_patch,dtype=np.uint8) cv2.imshow('true_patches',true_patches[:,:,::-1]) cv2.waitKey(0) cv2.imshow('my_patch',my_patch[:,:,::-1]) cv2.waitKey(0) # # hr_img RGB # # # cv2.imshow('1',hr_img[:,:,::-1]) # # cv2.waitKey(0) # # hr_img2=cv2.imread(os.path.join(raw_img_path,index.split('_')[0]+'_'+index.split('_')[1]+'.jpg')) # hr_img2=cv2.resize(hr_img2,(640,640))[:,:,::-1]# hr_img2 RGB # # cv2.imshow('2',hr_img2[:,:,::-1]) # # cv2.waitKey(0) # # print(np.sum(hr_img2-hr_img))# 0 # 結(jié)論: # 對(duì)于cv2.resize函數(shù)而言,無論是先進(jìn)行BGR的通道轉(zhuǎn)換,再resize,還是先進(jìn)行resize,再進(jìn)行BGR通道轉(zhuǎn)換 # 所得到的圖像是相同的,即resize和通道維度的變換可交換順序 # 實(shí)際上resize只發(fā)生在spatial dimension,而通道變換發(fā)生在channels dimension,所以空間維度上的插值變換 # 是在每個(gè)通道維度上獨(dú)立進(jìn)行的。 # 另外,對(duì)于計(jì)算機(jī)而言,所讀取到的彩色圖像就是H*W*3的矩陣而已,它本身是沒有辦法區(qū)分究竟是BGR格式還是RGB格式的
以上這篇python 實(shí)現(xiàn)從高分辨圖像上摳取圖像塊就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。