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。