怎么在Python中使用opencv截取圖片

這篇文章將為大家詳細(xì)講解有關(guān)怎么在Python中使用opencv截取圖片，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。

python的五大特點是什么

python的五大特點：1.簡單易學(xué)，開發(fā)程序時，專注的是解決問題,而不是搞明白語言本身。2.面向?qū)ο?，與其他主要的語言如C++和Java相比, Python以一種非常強(qiáng)大又簡單的方式實現(xiàn)面向?qū)ο缶幊獭?.可移植性，Python程序無需修改就可以在各種平臺上運行。4.解釋性，Python語言寫的程序不需要編譯成二進(jìn)制代碼,可以直接從源代碼運行程序。5.開源，Python是 FLOSS(自由/開放源碼軟件)之一。

一、手動單張裁剪/截取

selectROI:選擇感興趣區(qū)域，邊界框框選x,y,w,h

selectROI(windowName, img, showCrosshair=None, fromCenter=None):
. 參數(shù)windowName：選擇的區(qū)域被顯示在的窗口的名字
. 參數(shù)img：要在什么圖片上選擇ROI
. 參數(shù)showCrosshair：是否在矩形框里畫十字線.
. 參數(shù)fromCenter：是否是從矩形框的中心開始畫

要截取的原圖如下：

截取效果如下：

截取之后按回車Enter保存：

完整代碼如下：

import cv2

img = 'D:/anaconda3/JupyterNotebookFile/images/dogs_and_cats.jpg'
img = cv2.imread(img)
cv2.imshow('original', img)

# 選擇ROI
roi = cv2.selectROI(windowName="original", img=img, showCrosshair=True, fromCenter=False)
x, y, w, h = roi
print(roi)

# 顯示ROI并保存圖片
if roi != (0, 0, 0, 0):
    crop = img[y:y+h, x:x+w]
    cv2.imshow('crop', crop)
    cv2.imwrite('D:/anaconda3/JupyterNotebookFile/images/dogs_and_cats_crop.jpg', crop)
    print('Saved!')

# 退出
cv2.waitKey(0)
cv2.destroyAllWindows()

讀者根據(jù)自己的圖片目錄修改目標(biāo)圖片目錄和要寫入的目錄。

二、根據(jù)圖片的位置坐標(biāo)進(jìn)行裁剪/截取

這是一張432×432大小的圖片，左上角坐標(biāo)為(0,0).

import cv2
im = cv2.imread('圖片路徑')

在用cv2.imread()默認(rèn)讀取三通道RGB圖像后，會返回一個三維數(shù)組。同時，可用im[h,w]的形式來截取圖片中的某個部分。比如中間柴犬的位置相對左上角坐標(biāo)原點為，從上到下為190-380，從左往右為180-260。這樣就可以通過坐標(biāo)的相對位置來裁剪/截取目標(biāo)圖像了。

完整代碼如下：

import cv2
import os

file_path = 'D:/anaconda3/JupyterNotebookFile/images/dogs_and_cats.jpg'
out_file_name = 'dogs_and_cats_cropp'

im = cv2.imread(file_path)
im = im[190:380,180:260]
save_path = r'D:/anaconda3/JupyterNotebookFile/images'
save_path_file = os.path.join(save_path,out_file_name+'.jpg')
cv2.imwrite(save_path_file,im)

截取后的圖片效果：

若很多個圖片數(shù)據(jù)具有相似的位置，則可以通過遍歷文件的方式批量裁剪/截取，代碼如下:

import cv2
import os

def clip_image(filelist,i,im_path):  
	'''
	filelist:文件夾路徑
	i：批量保存的圖片文件名，用數(shù)字表示
	im_path:圖片路徑
	'''  
    for file in filelist:
        file_path=os.path.join(im_path,file)
        im=cv2.imread(file_path)
        #[h,w]根據(jù)自己圖片中目標(biāo)的位置修改
        im=im[190:380,180:260]                      
        save_path = r'D:/anaconda3/JupyterNotebookFile/images'
        save_path_file = os.path.join(save_path,out_file_name+'.jpg')           
        cv2.imwrite(save_path_file,im)            
        i=i+1

傳參并測試：筆者用的jupyter notebook，其他編譯器寫在main()中

i=0
im_path = r'D:/anaconda3/JupyterNotebookFile/images/dogs_and_cats.jpg'
filelist = os.listdir(im_path)
clip_image(filelist,i,im_path)

三、、用YOLO目標(biāo)檢測框裁剪并批量保存

同一類圖片數(shù)據(jù)具有相似的特征，標(biāo)注少量的圖片訓(xùn)練YOLO提升其定位目標(biāo)的能力，可以將所有的測試數(shù)據(jù)根據(jù)YOLO檢測結(jié)果裁剪，并將結(jié)果保存用于其他分類任務(wù)中。

代碼如下：

from PIL import Image

from yolo import YOLO
import os
import cv2
import numpy as np
yolo = YOLO()

'''
yolo摳圖，截取目標(biāo)
'''
j=0
#預(yù)測圖片所在路徑
path = 'E:/crop_all'
imgdir = os.listdir(path)
for dir in imgdir:
    img_path = os.path.join(path,dir)
    image = Image.open(img_path)
    #print(image)
    crop_image = cv2.imread(img_path)
    #print(crop_image[0])
    boxes = yolo.detect_image(image)
    #print(boxes)

    top = boxes[0][0]
    left = boxes[0][1]
    bottom = boxes[0][2]
    right = boxes[0][3]

    top = top - 5
    left = left - 5
    bottom = bottom + 5
    right = right + 5

    # 左上角點的坐標(biāo)
    top = int(max(0, np.floor(top + 0.5).astype('int32')))
    left = int(max(0, np.floor(left + 0.5).astype('int32')))
    # 右下角點的坐標(biāo)
    bottom = int(min(np.shape(image)[0], np.floor(bottom + 0.5).astype('int32')))
    right = int(min(np.shape(image)[1], np.floor(right + 0.5).astype('int32')))


    croped_region = crop_image[top:bottom, left:right]
    
    #裁剪圖片存放目錄
    baocun = r'E:/crop_all_finish'
    save_path = os.path.join(baocun, str(j) + '.bmp')
    cv2.imwrite(save_path, croped_region)
    j = j + 1

截取效果如下：

總結(jié)

• 方法一適合少量圖片裁剪或做測試時使用，無法批量裁剪。

• 方法二適合多個樣本中的目標(biāo)具有相似的位置，可以批量裁剪但是若位置不相似則不適用。

• 方法三用形態(tài)學(xué)手法獲取輪廓再根據(jù)bounding box裁剪，可以批量處理，但是裁剪效果一般，能不能得到物體全看之前的輪廓獲取的是否清晰，但并不是每個圖片中的目標(biāo)都能清晰地獲取到輪廓。

• 方法四用YOLO也是根據(jù)boundingbox裁剪，可以批量處理但是需要人工標(biāo)注成本，而且該成本根據(jù)模型的準(zhǔn)確性略有起伏，但由于yolo訓(xùn)練很快，所以該方法是個不錯的裁剪圖片的手段。
  

關(guān)于怎么在Python中使用opencv截取圖片就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。