前言
在計算機視覺任務中，如圖像分類，圖像數據集必不可少。自己采集的圖片往往存在很多噪聲或無用信息會影響模型訓練。因此，需要對圖片進行裁剪處理，以防止圖片邊緣無用信息對模型造成影響。本文介紹幾種圖片裁剪的方式，供大家參考。
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windowName：選擇的區(qū)域被顯示在的窗口的名字
. 參數img：要在什么圖片上選擇ROI
. 參數showCrosshair：是否在矩形框里畫十字線.
. 參數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()
讀者根據自己的圖片目錄修改目標圖片目錄和要寫入的目錄。
二、根據圖片的位置坐標進行裁剪/截取
這是一張432×432大小的圖片，左上角坐標為(0,0).
import cv2
im = cv2.imread('圖片路徑')
在用cv2.imread()默認讀取三通道RGB圖像后，會返回一個三維數組。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的相對位置來裁剪/截取目標圖像了。
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：
若很多個圖片數據具有相似的位置，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]根據自己圖片中目標的位置修改
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目標檢測框裁剪并批量保存
同一類圖片數據具有相似的特征，標注少量的圖片訓練YOLO提升其定位目標的能力，可以將所有的測試數據根據YOLO檢測結果裁剪，并將結果保存用于其他分類任務中。
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
'''
j=0
#預測圖片所在路徑
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
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
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
- 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)學手法獲取輪廓再根據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都能清晰地獲取到輪廓。
- 方法四用YOLO也是根據boundingbox裁剪，可以批量處理但是需要人工標注成本，而且該成本根據模型的準確性略有起伏，但由于yolo訓練很快，所以該方法是個不錯的裁剪圖片的手段。
到此這篇關于詳解Python+opencv裁剪/截取圖片的幾種方式的文章就介紹到這了,更多相關opencv裁剪圖片內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python OpenCV實現裁剪并保存圖片
- python通過opencv實現圖片裁剪原理解析
- Python實現圖片裁剪的兩種方式(Pillow和OpenCV)
- Python OpenCV圖像指定區(qū)域裁剪的實現
- 使用Python和OpenCV檢測圖像中的物體并將物體裁剪下來
- python opencv對圖像進行旋轉且不裁剪圖片的實現方法
- python opencv實現目標區(qū)域裁剪功能
