詳解Python+opencv裁剪/截取圖片的幾種方式
前言
在計(jì)算機(jī)視覺任務(wù)中,如圖像分類,圖像數(shù)據(jù)集必不可少。自己采集的圖片往往存在很多噪聲或無(wú)用信息會(huì)影響模型訓(xùn)練。因此,需要對(duì)圖片進(jìn)行裁剪處理,以防止圖片邊緣無(wú)用信息對(duì)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(dòng)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(shù)windowName:選擇的區(qū)域被顯示在的窗口的名字
. 參數(shù)img:要在什么圖片上選擇ROI
. 參數(shù)showCrosshair:是否在矩形框里畫十字線.
. 參數(shù)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(jù)自己的圖片目錄修改目標(biāo)圖片目錄和要寫入的目錄。
二、根據(jù)圖片的位置坐標(biāo)進(jìn)行裁剪/截取
這是一張432×432大小的圖片,左上角坐標(biāo)為(0,0).
import cv2 im = cv2.imread('圖片路徑')
在用cv2.imread()默認(rèn)讀取三通道RGB圖像后,會(huì)返回一個(gè)三維數(shù)組。同時(shí),可用im[h,w]的形式來(lái)截取圖片中的某個(gè)部分。比如中間柴犬的位置相對(duì)左上角坐標(biāo)原點(diǎn)為,從上到下為190-380,從左往右為180-260。這樣就可以通過(guò)坐標(biāo)的相對(duì)位置來(lái)裁剪/截取目標(biāo)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(gè)圖片數(shù)據(jù)具有相似的位置,則可以通過(guò)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(shù)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(jù)自己圖片中目標(biāo)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(cè)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、根據(jù)xml文件截取/裁剪目標(biāo)
詳見文章:三分鐘學(xué)會(huì)用Python+OpenCV批量裁剪xml標(biāo)注文件
四、opencv獲取邊緣并根據(jù)bounding box截取/裁剪目標(biāo)
詳見另一篇文章。
五、用YOLO目標(biāo)檢測(cè)框裁剪并批量保存
同一類圖片數(shù)據(jù)具有相似的特征,標(biāo)注少量的圖片訓(xùn)練YOLO提升其定位目標(biāo)的能力,可以將所有的測(cè)試數(shù)據(jù)根據(jù)YOLO檢測(cè)結(jié)果裁剪,并將結(jié)果保存用于其他分類任務(wù)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(biāo) ''' j=0 #預(yù)測(cè)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(diǎn)的坐標(biāo) 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(diǎn)的坐標(biāo) 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(jié)
- 方法一適合少量圖片裁剪或做測(cè)試時(shí)使用,無(wú)法批量裁剪。
- 方法二適合多個(gè)樣本中的目標(biāo)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(xué)手法獲取輪廓再根據(jù)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(gè)圖片中的目標(biāo)都能清晰地獲取到輪廓。
- 方法四用YOLO也是根據(jù)boundingbox裁剪,可以批量處理但是需要人工標(biāo)注成本,而且該成本根據(jù)模型的準(zhǔn)確性略有起伏,但由于yolo訓(xùn)練很快,所以該方法是個(gè)不錯(cuò)的裁剪圖片的手段。
到此這篇關(guān)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(guān)opencv裁剪圖片內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
利用Python多處理庫(kù)處理3D數(shù)據(jù)詳解
本文將介紹處理大量數(shù)據(jù)時(shí)非常方便的工具,例如tqdm與 multiprocessing?imap??一起使用、并行處理檔案、繪制和處理3D數(shù)據(jù)等,感興趣的小伙伴可以了解一下2021-12-12Python-jenkins模塊獲取jobs的執(zhí)行狀態(tài)操作
這篇文章主要介紹了Python-jenkins模塊獲取jobs的執(zhí)行狀態(tài)操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-05-05Python?3.11.0下載安裝并使用help查看模塊信息的方法
本文給大家介紹Python?3.11.0下載安裝并使用help查看模塊信息的相關(guān)知識(shí),首先給大家講解了Python?3.11.0下載及安裝緊接著介紹了在命令行使用help查看模塊信息的方法,感興趣的朋友跟隨小編一起看看吧2022-11-11PyCharm的設(shè)置方法和第一個(gè)Python程序的建立
今天小編就為大家分享一篇PyCharm的設(shè)置方法和第一個(gè)Python程序的建立,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01利用python求解物理學(xué)中的雙彈簧質(zhì)能系統(tǒng)詳解
這篇文章主要給大家介紹了關(guān)于利用python如何求解物理學(xué)中的雙彈簧質(zhì)能系統(tǒng)的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧。2017-09-09Python實(shí)現(xiàn)自動(dòng)生成請(qǐng)假條
這篇文章主要為大家詳細(xì)介紹了如何實(shí)現(xiàn)用Python來(lái)批量生成請(qǐng)假條,這回既學(xué)了東西又做了事情,兩不誤!感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2022-12-12Python圖片視頻超分模型RealBasicVSR的使用教程
這篇文章主要和大家分享一個(gè)有意思的模型:RealBasicVSR。這個(gè)模型可以實(shí)現(xiàn)圖片或視頻的超分處理,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2022-05-05Pandas數(shù)據(jù)清洗的實(shí)現(xiàn)
在處理數(shù)據(jù)的時(shí)候,需要對(duì)數(shù)據(jù)進(jìn)行一個(gè)清洗過(guò)程,本文就來(lái)介紹一下Pandas數(shù)據(jù)清洗的實(shí)現(xiàn),具有一定的參考價(jià)值,感興趣的可以了解一下2023-11-11