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

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