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:選擇感興趣區域，邊界框框選x,y,w,h
selectROI(windowName, img, showCrosshair=None, fromCenter=None):
. 參數windowName：選擇的區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實現目標區域裁剪功能
