Python OpenCV图像指定区域裁剪的实现
在工作中。在做数据集时，需要对图片进行处理，照相的图片我们只需要特定的部分，所以就想到裁剪一种所需的部分。当然若是图片有规律可循则使用opencv对其进行膨胀腐蚀等操作。这样更精准一些。
一、指定图像位置的裁剪处理
importos importcv2 #遍历指定目录，显示目录下的所有文件名 defCropImage4File(filepath,destpath): pathDir=os.listdir(filepath)#列出文件路径中的所有路径或文件 forallDirinpathDir: child=os.path.join(filepath,allDir) dest=os.path.join(destpath,allDir) ifos.path.isfile(child): image=cv2.imread(child) sp=image.shape#获取图像形状：返回【行数值，列数值】列表 sz1=sp[0]#图像的高度（行范围） sz2=sp[1]#图像的宽度（列范围） #sz3=sp[2]#像素值由【RGB】三原色组成 #你想对文件的操作 a=int(sz1/2-64)#xstart b=int(sz1/2+64)#xend c=int(sz2/2-64)#ystart d=int(sz2/2+64)#yend cropImg=image[a:b,c:d]#裁剪图像 cv2.imwrite(dest,cropImg)#写入图像路径 if__name__=='__main__': filepath='F:\\\maomi'#源图像 destpath='F:\\maomi_resize'#resizedimagessavedhere CropImage4File(filepath,destpath)
二、批量处理—指定图像位置的裁剪
我这个是用来截取发票的印章区域，用于图像分割（公司的数据集保密）
各位可以用自己的增值发票裁剪。适当的更改截取区域
"""
处理数据集和标签数据集的代码：（主要是对原始数据集裁剪）
处理方式：分别处理
注意修改输入输出目录和生成的文件名
output_dir="./label_temp"
input_dir="./label"
"""
importcv2
importos
importsys
importtime
defget_img(input_dir):
img_paths=[]
for(path,dirname,filenames)inos.walk(input_dir):
forfilenameinfilenames:
img_paths.append(path+'/'+filename)
print("img_paths:",img_paths)
returnimg_paths
defcut_img(img_paths,output_dir):
scale=len(img_paths)
fori,img_pathinenumerate(img_paths):
a="#"*int(i/1000)
b="."*(int(scale/1000)-int(i/1000))
c=(i/scale)*100
time.sleep(0.2)
print('正在处理图像：%s'%img_path.split('/')[-1])
img=cv2.imread(img_path)
weight=img.shape[1]
ifweight>1600:#正常发票
cropImg=img[50:200,700:1500]#裁剪【y1,y2：x1,x2】
#cropImg=cv2.resize(cropImg,None,fx=0.5,fy=0.5,
#interpolation=cv2.INTER_CUBIC)#缩小图像
cv2.imwrite(output_dir+'/'+img_path.split('/')[-1],cropImg)
else:#卷帘发票
cropImg_01=img[30:150,50:600]
cv2.imwrite(output_dir+'/'+img_path.split('/')[-1],cropImg_01)
print('{:^3.3f}%[{}>>{}]'.format(c,a,b))
if__name__=='__main__':
output_dir="../img_cut"#保存截取的图像目录
input_dir="../img"#读取图片目录表
img_paths=get_img(input_dir)
print('图片获取完成。。。！')
cut_img(img_paths,output_dir)
三、多进程（加快处理）
#coding:utf-8
"""
采用多进程加快处理。添加了在读取图片时捕获异常，OpenCV对大分辨率或者tif格式图片支持不好
处理数据集和标签数据集的代码：（主要是对原始数据集裁剪）
处理方式：分别处理
注意修改输入输出目录和生成的文件名
output_dir="./label_temp"
input_dir="./label"
"""
importmultiprocessing
importcv2
importos
importtime
defget_img(input_dir):
img_paths=[]
for(path,dirname,filenames)inos.walk(input_dir):
forfilenameinfilenames:
img_paths.append(path+'/'+filename)
print("img_paths:",img_paths)
returnimg_paths
defcut_img(img_paths,output_dir):
imread_failed=[]
try:
img=cv2.imread(img_paths)
height,weight=img.shape[:2]
if(1.0*height/weight)<1.3:#正常发票
cropImg=img[50:200,700:1500]#裁剪【y1,y2：x1,x2】
cv2.imwrite(output_dir+'/'+img_paths.split('/')[-1],cropImg)
else:#卷帘发票
cropImg_01=img[30:150,50:600]
cv2.imwrite(output_dir+'/'+img_paths.split('/')[-1],cropImg_01)
except:
imread_failed.append(img_paths)
returnimread_failed
defmain(input_dir,output_dir):
img_paths=get_img(input_dir)
scale=len(img_paths)
results=[]
pool=multiprocessing.Pool(processes=4)
fori,img_pathinenumerate(img_paths):
a="#"*int(i/10)
b="."*(int(scale/10)-int(i/10))
c=(i/scale)*100
results.append(pool.apply_async(cut_img,(img_path,output_dir)))
print('{:^3.3f}%[{}>>{}]'.format(c,a,b))#进度条（可用tqdm）
pool.close()#调用join之前，先调用close函数，否则会出错。
pool.join()#join函数等待所有子进程结束
forresultinresults:
print('imagereadfailed!:',result.get())
print("Alldone.")
if__name__=="__main__":
input_dir="D:/image_person"#读取图片目录表
output_dir="D:/image_person_02"#保存截取的图像目录
main(input_dir,output_dir)
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。