Python 从裁剪后的图像中获取原始颜色yolov3

这是我第一次尝试YOLov3。我试图在YOLOv3预测的边界框内获得裁剪图像。我能够获得裁剪后的图像。问题是，图像的颜色与原始裁剪图像的颜色不同。我想把这个裁剪过的图像传递到另一个模型中，这样我就可以确认裁剪过的图像中确实有火

当裁剪的图像与原始图像不同时，我不能这样做。任何帮助都将不胜感激

以下是裁剪图像的代码：

import cv2
import numpy as np
import glob
import random
from scipy import ndimage
import matplotlib.pyplot as plt
from PIL import Image


# Load Yolo
net = cv2.dnn.readNet("D:\obj_detection\yolo_custom_detection\yolov3_training_last.weights", "D:\obj_detection\yolo_custom_detection\yolov3_testing.cfg")

# Name custom object
classes = ["fire"]

# Images path
images_path = glob.glob(r"D:\obj_detection\test_img\*.jpg")



layer_names = net.getLayerNames() #Get the name of all layers of the network.
output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()] #Get the index of the output layers.
#These two functions are used for getting the output layers (82,94,106).
colors = np.random.uniform(0, 255, size=(len(classes), 3))

# Insert here the path of your images
random.shuffle(images_path)
# loop through all the images
for img_path in images_path:
    # Loading image
    img = cv2.imread(img_path)
    img = cv2.resize(img, None, fx=0.4, fy=0.4)
    height, width, channels = img.shape

    # Detecting objects
    blob = cv2.dnn.blobFromImage(img, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
    # Syntax: blob = cv2.dnn.blobFromImage(image, scalefactor=1.0, size, mean, swapRB=True)

    net.setInput(blob)
    outs = net.forward(output_layers)

    # Showing informations on the screen
    class_ids = []
    confidences = []
    boxes = []
    for out in outs:
        for detection in out:
            scores = detection[5:]
            class_id = np.argmax(scores)
            confidence = scores[class_id]
            if confidence > 0.3:
                # Object detected
                print(class_id)
                center_x = int(detection[0] * width)
                center_y = int(detection[1] * height)
                w = int(detection[2] * width)
                h = int(detection[3] * height)

                # Rectangle coordinates
                x = int(center_x - w / 2)
                y = int(center_y - h / 2)

                boxes.append([x, y, w, h])
                confidences.append(float(confidence))
                class_ids.append(class_id)

    indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.4) #Non max suppression
    print(indexes)
    font = cv2.FONT_HERSHEY_COMPLEX_SMALL
    for i in range(len(boxes)):
        if i in indexes:
            x, y, w, h = boxes[i]
            if x<0:
                x = 0
            if y<0:
                y = 0
            if w<0:
                w = 0
            if h<0:
                h = 0
            print("The box dimensions:",boxes[i])
            print(img_path)
            label = str(classes[class_ids[i]])
            color = colors[class_ids[i]]
            print("Dimensions of x:", x,",y:",y,",x+w:", x+w, ",y+h:", y+h)
            cropped_image = img[y:y+h, x:x+w]
            plt.imshow(cropped_image)
            cv2.rectangle(img, (x, y), (x + w, y + h), color, 1)
            cv2.putText(img, label, (x, y + 30), font, 0.8, color, 2)

    img = cv2.resize(img, (700, 600))
    cv2.imshow("Fire Detection", img)
    cv2.resizeWindow("Fire Detection", 1600,1200)
    key = cv2.waitKey(0)
    if key == ord('q'):
        break

cv2.destroyAllWindows()

导入cv2
将numpy作为np导入
导入glob
随机输入
从scipy导入ndimage
将matplotlib.pyplot作为plt导入
从PIL导入图像
#加载Yolo
net=cv2.dnn.readNet（“D:\obj\u detection\yolo\u custom\u detection\yolov3\u training\u last.weights”，“D:\obj\u detection\yolo\u custom\u detection\yolov3\u testing.cfg”）
#命名自定义对象
类别=[“火灾”]
#图像路径
images\u path=glob.glob（r“D:\obj\u detection\test\u img\*.jpg”）
layer_names=net.getLayerNames（）#获取网络所有层的名称。
output_layers=[layer_names[i[0]-1]表示网络中的i.getUnconnectedOutLayers（）]#获取输出层的索引。
#这两个函数用于获取输出层（82,94106）。
颜色=np.random.uniform（0，255，大小=（等级，3））
#在此插入图像的路径
随机移动（图像路径）
#循环浏览所有图像
对于图像中的img\u路径：
#加载图像
img=cv2.imread（img\u路径）
img=cv2.调整大小（img，无，fx=0.4，fy=0.4）
高度、宽度、通道=img.shape
#探测对象
blob=cv2.dnn.blobFromImage（img，0.00392，（416416），（0,0,0），True，crop=False）
#语法：blob=cv2.dnn.blobFromImage（image，scalefactor=1.0，size，mean，swapRB=True）
net.setInput（blob）
outs=净正向（输出层）
#在屏幕上显示信息
类_id=[]
信任=[]
框=[]
对于out-in-out：
对于检测输入输出：
分数=检测[5:]
class_id=np.argmax（分数）
信心=分数[班级id]
如果置信度>0.3：
#检测到的对象
打印（class_id）
中心x=int（检测[0]*宽度）
中心y=int（检测[1]*高度）
w=int（检测[2]*宽度）
h=int（检测[3]*高度）
#直角坐标
x=int（中心x-w/2）
y=int（中心y-h/2）
框。追加（[x，y，w，h]）
信任。附加（浮动（信任））
类id.append（类id）
索引=cv2.dnn.NMSBoxes（盒子，机密，0.5,0.4）#非最大值抑制
打印（索引）
font=cv2.font\u HERSHEY\u COMPLEX\u SMALL
对于范围内的i（len（框））：
如果我在索引中：
x、 y，w，h=盒子[i]
如果席了解这是怎么发生的。显然，在OpenCV中，图像实际上是按BGR顺序表示的，而不是RGB！plt.imshow（cv2.cvtColor（img，cv2.COLOR_BGR2RGB））添加了这一行，它就像一个魅力。希望这对任何寻求帮助的人都有帮助。我明白这是怎么发生的。显然，在OpenCV中，图像实际上是按BGR顺序表示的，而不是RGB！plt.imshow（cv2.cvtColor（img，cv2.COLOR_BGR2RGB））添加了这一行，它就像一个魅力。希望这能帮助任何寻求帮助的人。