如何使用Python在OpenCV中裁剪图像
如何使用OpenCV裁剪图像,就像我以前在PIL中所做的那样 关于PIL的工作示例如何使用Python在OpenCV中裁剪图像,python,opencv,Python,Opencv,如何使用OpenCV裁剪图像,就像我以前在PIL中所做的那样 关于PIL的工作示例 im = Image.open('0.png').convert('L') im = im.crop((1, 1, 98, 33)) im.save('_0.png') 但是我怎么能在OpenCV上做到呢 这就是我所尝试的: im = cv.imread('0.png', cv.CV_LOAD_IMAGE_GRAYSCALE) (thresh, im_bw) = cv.threshold(im, 128, 25
im = Image.open('0.png').convert('L')
im = im.crop((1, 1, 98, 33))
im.save('_0.png')
但是我怎么能在OpenCV上做到呢
这就是我所尝试的:
im = cv.imread('0.png', cv.CV_LOAD_IMAGE_GRAYSCALE)
(thresh, im_bw) = cv.threshold(im, 128, 255, cv.THRESH_OTSU)
im = cv.getRectSubPix(im_bw, (98, 33), (1, 1))
cv.imshow('Img', im)
cv.waitKey(0)
但它不起作用
我想我用错了
getRectSubPix
。如果是这种情况,请解释如何正确使用此功能。非常简单。使用numpy切片
import cv2
img = cv2.imread("lenna.png")
crop_img = img[y:y+h, x:x+w]
cv2.imshow("cropped", crop_img)
cv2.waitKey(0)
这很简单。使用numpy切片
import cv2
img = cv2.imread("lenna.png")
crop_img = img[y:y+h, x:x+w]
cv2.imshow("cropped", crop_img)
cv2.waitKey(0)
我有一个问题,在这里找到了另一个答案:
如果我们认为(0,0)为图像的左上角称为<代码> IM <代码>,以左到右为X方向,从上到下为Y方向。我们将(x1,y1)作为图像中矩形区域的左上顶点,(x2,y2)作为右下顶点,然后:
roi = im[y1:y2, x1:x2]
这是一个全面的资源,可以告诉你更多的事情,如裁剪图像的一部分。图像将作为numpy数组存储在opencv2中
:)我有这个问题,在这里找到了另一个答案:
如果我们认为(0,0)为图像的左上角称为<代码> IM <代码>,以左到右为X方向,从上到下为Y方向。我们将(x1,y1)作为图像中矩形区域的左上顶点,(x2,y2)作为右下顶点,然后:
roi = im[y1:y2, x1:x2]
这是一个全面的资源,可以告诉你更多的事情,如裁剪图像的一部分。图像将作为numpy数组存储在opencv2中
:)下面是一些更健壮的imcrop代码(有点像matlab)
def imcrop(img,bbox):
x1,y1,x2,y2=bbox
如果x1<0或y1<0或x2>img.形状[1]或y2>img.形状[0]:
img,x1,x2,y1,y2=垫块img到安装盒(img,x1,x2,y1,y2)
返回img[y1:y2,x1:x2,:]
def垫img到安装盒(img,x1,x2,y1,y2):
img=np.pad(img,((np.abs(np.minimum(0,y1)),np.maximum(y2-img.shape[0],0)),
(np.abs(np.minimum(0,x1)),np.maximum(x2-img.shape[1,0]),(0,0)),mode=“constant”)
y1+=np.绝对值(np.最小值(0,y1))
y2+=np.绝对值(np.最小值(0,y1))
x1+=np.abs(np.最小值(0,x1))
x2+=np.abs(np.最小值(0,x1))
返回img,x1,x2,y1,y2
下面是一些更健壮的imcrop代码(有点像matlab)
def imcrop(img,bbox):
x1,y1,x2,y2=bbox
如果x1<0或y1<0或x2>img.形状[1]或y2>img.形状[0]:
img,x1,x2,y1,y2=垫块img到安装盒(img,x1,x2,y1,y2)
返回img[y1:y2,x1:x2,:]
def垫img到安装盒(img,x1,x2,y1,y2):
img=np.pad(img,((np.abs(np.minimum(0,y1)),np.maximum(y2-img.shape[0],0)),
(np.abs(np.minimum(0,x1)),np.maximum(x2-img.shape[1,0]),(0,0)),mode=“constant”)
y1+=np.绝对值(np.最小值(0,y1))
y2+=np.绝对值(np.最小值(0,y1))
x1+=np.abs(np.最小值(0,x1))
x2+=np.abs(np.最小值(0,x1))
返回img,x1,x2,y1,y2
具有opencv复制边框功能的健壮裁剪:
def imcrop(img, bbox):
x1, y1, x2, y2 = bbox
if x1 < 0 or y1 < 0 or x2 > img.shape[1] or y2 > img.shape[0]:
img, x1, x2, y1, y2 = pad_img_to_fit_bbox(img, x1, x2, y1, y2)
return img[y1:y2, x1:x2, :]
def pad_img_to_fit_bbox(img, x1, x2, y1, y2):
img = cv2.copyMakeBorder(img, - min(0, y1), max(y2 - img.shape[0], 0),
-min(0, x1), max(x2 - img.shape[1], 0),cv2.BORDER_REPLICATE)
y2 += -min(0, y1)
y1 += -min(0, y1)
x2 += -min(0, x1)
x1 += -min(0, x1)
return img, x1, x2, y1, y2
def imcrop(img,bbox):
x1,y1,x2,y2=bbox
如果x1<0或y1<0或x2>img.形状[1]或y2>img.形状[0]:
img,x1,x2,y1,y2=垫块img到安装盒(img,x1,x2,y1,y2)
返回img[y1:y2,x1:x2,:]
def垫img到安装盒(img,x1,x2,y1,y2):
img=cv2.copyMakeBorder(img,-min(0,y1),max(y2-img.shape[0],0),
-最小值(0,x1),最大值(x2-img.shape[1],0),cv2.BORDER\u REPLICATE)
y2+=-min(0,y1)
y1+=-min(0,y1)
x2+=-min(0,x1)
x1+=-min(0,x1)
返回img,x1,x2,y1,y2
具有opencv复制边框功能的健壮裁剪:
def imcrop(img, bbox):
x1, y1, x2, y2 = bbox
if x1 < 0 or y1 < 0 or x2 > img.shape[1] or y2 > img.shape[0]:
img, x1, x2, y1, y2 = pad_img_to_fit_bbox(img, x1, x2, y1, y2)
return img[y1:y2, x1:x2, :]
def pad_img_to_fit_bbox(img, x1, x2, y1, y2):
img = cv2.copyMakeBorder(img, - min(0, y1), max(y2 - img.shape[0], 0),
-min(0, x1), max(x2 - img.shape[1], 0),cv2.BORDER_REPLICATE)
y2 += -min(0, y1)
y1 += -min(0, y1)
x2 += -min(0, x1)
x1 += -min(0, x1)
return img, x1, x2, y1, y2
def imcrop(img,bbox):
x1,y1,x2,y2=bbox
如果x1<0或y1<0或x2>img.形状[1]或y2>img.形状[0]:
img,x1,x2,y1,y2=垫块img到安装盒(img,x1,x2,y1,y2)
返回img[y1:y2,x1:x2,:]
def垫img到安装盒(img,x1,x2,y1,y2):
img=cv2.copyMakeBorder(img,-min(0,y1),max(y2-img.shape[0],0),
-最小值(0,x1),最大值(x2-img.shape[1],0),cv2.BORDER\u REPLICATE)
y2+=-min(0,y1)
y1+=-min(0,y1)
x2+=-min(0,x1)
x1+=-min(0,x1)
返回img,x1,x2,y1,y2
注意,图像切片不是创建裁剪图像的副本,而是创建指向roi
的指针。如果加载了这么多图像,通过切片裁剪图像的相关部分,然后添加到列表中,这可能会造成巨大的内存浪费
假设您加载N个图像,每个图像都是>1MP
,并且您只需要左上角的100x100
区域
切片
:
X = []
for i in range(N):
im = imread('image_i')
X.append(im[0:100,0:100]) # This will keep all N images in the memory.
# Because they are still used.
或者,您可以通过.copy()
复制相关部分,这样垃圾收集器将删除im
X = []
for i in range(N):
im = imread('image_i')
X.append(im[0:100,0:100].copy()) # This will keep only the crops in the memory.
# im's will be deleted by gc.
在发现这一点后,我意识到我提到了这一点,但我花了相当长的时间才发现(即调试等)。因此,我认为值得一提。注意,图像切片不是创建裁剪图像的副本,而是创建指向roi
的指针。如果加载了这么多图像,通过切片裁剪图像的相关部分,然后添加到列表中,这可能会造成巨大的内存浪费
假设您加载N个图像,每个图像都是>1MP
,并且您只需要左上角的100x100
区域
切片
:
X = []
for i in range(N):
im = imread('image_i')
X.append(im[0:100,0:100]) # This will keep all N images in the memory.
# Because they are still used.
或者,您可以通过.copy()
复制相关部分,这样垃圾收集器将删除im
X = []
for i in range(N):
im = imread('image_i')
X.append(im[0:100,0:100].copy()) # This will keep only the crops in the memory.
# im's will be deleted by gc.
在发现这一点后,我意识到我提到了这一点,但我花了相当长的时间才发现(即调试等)。因此,我认为值得一提。这段代码将图像从x=0,y=0裁剪到h=100,w=200
import numpy as np
import cv2
image = cv2.imread('download.jpg')
y=0
x=0
h=100
w=200
crop = image[y:y+h, x:x+w]
cv2.imshow('Image', crop)
cv2.waitKey(0)
此代码从x=0,y=0到h=100,w=200裁剪图像
import numpy as np
import cv2
image = cv2.imread('download.jpg')
y=0
x=0
h=100
w=200
crop = image[y:y+h, x:x+w]
cv2.imshow('Image', crop)
cv2.waitKey(0)
下面是裁剪图像的方法
图像路径:要编辑的图像的路径
坐标:x/y坐标的元组(x1、y1、x2、y2)[在中打开图像
MSV绘制并检查v中的“标尺”
w, h = image.shape
top=10
right=50
down=15
left=80
croped_image = image[top:((w-down)+top), right:((h-left)+right)]
plt.imshow(croped_image, cmap="gray")
plt.show()
def cropImage(Image, XY: tuple, WH: tuple, returnGrayscale=False):
# Extract the x,y and w,h values
(x, y) = XY
(w, h) = WH
# Crop Image with numpy splitting
crop = Image[y:y + h, x:x + w]
# Check if returnGrayscale Var is true if is then convert image to grayscale
if returnGrayscale:
crop = cv2.cvtColor(crop, cv2.COLOR_BGR2GRAY)
# Return cropped image
return crop