C++如何實現(xiàn)圖像目標區(qū)裁剪ImageCropping

這篇“C++如何實現(xiàn)圖像目標區(qū)裁剪ImageCropping”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“C++如何實現(xiàn)圖像目標區(qū)裁剪ImageCropping”文章吧。

場景需求

在做圖像處理時，有時候會需要適當?shù)剡M行一些裁剪工作，比如我做干涉測量領域，我們所要處理的圖像區(qū)域是條紋所在區(qū)域，而原圖又遠大于我所想分析的目標區(qū)，此時就需要對圖像進行裁剪，這樣做的好處：

1）縮減計算量，提高程序運行速度；

2）裁剪后的圖像尺寸正好是歸一化的圖像尺寸，如果有歸一化的需求，可以直接用裁剪圖像尺寸建立歸一化數(shù)據(jù)網(wǎng)格圖。

我就是為了計算柱面的擬合系數(shù)才寫了這個函數(shù)，若要得到同光學領域標準一致的系數(shù)，需要先歸一化數(shù)據(jù)，而歸一化的范圍就正好是裁剪的圖像大小。

函數(shù)通俗易懂，就是用掩膜鎖定目標區(qū)，再分析掩膜在原圖中的上下左右邊界，用roi提取出來即可。

話不多說，下方為具體實現(xiàn)函數(shù)和測試代碼。

功能函數(shù)代碼

/**
 * @brief ImageCropping                    圖像裁剪
 * @param phase                            所需裁剪的圖像
 * @return                                 裁剪后圖像
 */
cv::Mat ImageCropping(const cv::Mat &phase) {
	// 非測量區(qū)一般都進行了NaN處理，所以掩膜繪制只需要判斷是否為NaN值即可
	cv::Mat mask = cv::Mat::zeros(phase.size(), CV_8UC1);
	mask.setTo(255, phase == phase);
	int roi_up = 10000;
	int roi_down = 0;
	int roi_left = 10000;
	int roi_right = 0;
	int row = phase.rows;
	int col = phase.cols;
	for (int i = 0; i < row; i++)
	{
		uchar *m = mask.ptr<uchar>(i);
		for (int j = 0; j < col; j++)
		{
			if (m[j] != 0)
			{
				if (j < roi_left)roi_left = j;
				if (j > roi_right)roi_right = j;
				if (i < roi_up)roi_up = i;
				if (i > roi_down)roi_down = i;
			}
		}
	}
	int w = roi_right - roi_left;
	int h = roi_down - roi_up;
	// 一般提取奇數(shù)尺寸，方便計算
	if (w % 2 == 0)w++;
	if (h % 2 == 0)h++;
	cv::Mat crop_phase = phase(cv::Rect(roi_left, roi_up, w, h)).clone();
	return crop_phase;
}

C++測試代碼

#include<iostream>
#include<opencv2/opencv.hpp>
#include<ctime>
using namespace std;
using namespace cv;
cv::Mat ImageCropping(const cv::Mat &phase);
int main(void)
{
	cv::Mat phase(100, 100, CV_32FC1, nan(""));
	cv::circle(phase, cv::Point(50, 50), 30, 255, -1);
	cv::Mat crop = ImageCropping(phase);
	imshow("original", phase);
	imshow("result", crop);
	waitKey(0);
	system("pause");
	return 0;
}
/**
 * @brief ImageCropping                    圖像裁剪
 * @param phase                            所需裁剪的圖像
 * @return                                 裁剪后圖像
 */
cv::Mat ImageCropping(const cv::Mat &phase) {
	// 非測量區(qū)一般都進行了NaN處理，所以掩膜繪制只需要判斷是否為NaN值即可
	cv::Mat mask = cv::Mat::zeros(phase.size(), CV_8UC1);
	mask.setTo(255, phase == phase);
	int roi_up = 10000;
	int roi_down = 0;
	int roi_left = 10000;
	int roi_right = 0;
	int row = phase.rows;
	int col = phase.cols;
	for (int i = 0; i < row; i++)
	{
		uchar *m = mask.ptr<uchar>(i);
		for (int j = 0; j < col; j++)
		{
			if (m[j] != 0)
			{
				if (j < roi_left)roi_left = j;
				if (j > roi_right)roi_right = j;
				if (i < roi_up)roi_up = i;
				if (i > roi_down)roi_down = i;
			}
		}
	}
	int w = roi_right - roi_left;
	int h = roi_down - roi_up;
	// 一般提取奇數(shù)尺寸，方便計算
	if (w % 2 == 0)w++;
	if (h % 2 == 0)h++;
	cv::Mat crop_phase = phase(cv::Rect(roi_left, roi_up, w, h)).clone();
	return crop_phase;
}

測試效果     

圖1 裁剪前后對比圖

在測試案例中，隨機生成了一個100*100的數(shù)據(jù)矩陣，中間一個30半徑的圓，也是我需要的目標區(qū)域，運用ImageCropping函數(shù)實現(xiàn)了目標區(qū)域的提取。

以上就是關于“C++如何實現(xiàn)圖像目標區(qū)裁剪ImageCropping”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業(yè)資訊頻道。