如何使用 OpenCV 裁剪图像，就像我之前在 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')
但是我如何在 OpenCV 上做到这一点？
这是我尝试过的：
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。
我认为我错误地使用了getRectSubPix。如果是这种情况，请解释我如何正确使用此功能。
【问题讨论】：
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)
【讨论】：
crop_img = img[margin:-margin, margin:-margin]
我有这个问题，在这里找到了另一个答案：copy region of interest
如果我们将 (0,0) 视为名为@987654326@ 的图像的左上角，从左到右为 x 方向，从上到下为 y 方向。我们将 (x1,y1) 作为左上角顶点，将 (x2,y2) 作为该图像中矩形区域的右下角顶点，然后：
roi = im[y1:y2, x1:x2]
这里是numpy array indexing and slicing 上的综合资源，它可以告诉您更多关于裁剪图像的一部分的信息。图像将在 opencv2 中存储为 numpy 数组。
:)
【讨论】：
im 可能没有被正确读取并且是空的。尝试使用带断点的 IDE 逐步诊断您的代码。您可以使用 google colab 创建代码块，并可以在 stackoverflow python chat room 上分享您的 jupytor notebook 以获得他人的帮助。
此代码将图像从 x=0,y=0 裁剪为 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)
【讨论】：
请注意，图像切片不是创建cropped image 的副本，而是创建pointer 到roi。如果您要加载这么多图像，然后通过切片裁剪图像的相关部分，然后附加到列表中，这可能会浪费大量内存。
假设您加载 N 张图片，每张图片都是 >1MP，并且您只需要从左上角开始的 100x100 区域。
Slicing:
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，因此垃圾收集器将删除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.
发现这一点后，我意识到user1270710 提到的one of the comments 提到了这一点，但我花了很长时间才发现（即调试等）。所以，我认为值得一提。
【讨论】：
copy() ROI，与切片相比，结果会是什么？另外，如果我有一个变量tmp 来存储我从计算机加载的每张图片，那么切片应该不会对我的记忆产生不良影响，对吧？ 您描述的问题仅与加载所有图像然后再次存储它们的 ROI 时发生的情况有关，同时具有原始图像和 ROI 。 如果我理解正确，请告诉我。
具有opencv复制边框功能的强大裁剪：
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
【讨论】：
x1,y1,x2,y2 = bbox 上给我错误，同时说：@987654323 @
以下是裁剪图像的方法。
image_path：要编辑的图片路径
coords: x/y 坐标元组 (x1, y1, x2, y2)[打开图片在 mspaint 并检查视图选项卡中的“标尺”以查看坐标]
saved_location：保存裁剪图像的路径
from PIL import Image
def crop(image_path, coords, saved_location:
image_obj = Image.open("Path of the image to be cropped")
cropped_image = image_obj.crop(coords)
cropped_image.save(saved_location)
cropped_image.show()
if __name__ == '__main__':
image = "image.jpg"
crop(image, (100, 210, 710,380 ), 'cropped.jpg')
【讨论】：
这里有一些更健壮的 imcrop 代码（有点像 matlab 中的）
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 = 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.abs(np.minimum(0, y1))
y2 += np.abs(np.minimum(0, y1))
x1 += np.abs(np.minimum(0, x1))
x2 += np.abs(np.minimum(0, x1))
return img, x1, x2, y1, y2
【讨论】：
或者，您可以使用 tensorflow 进行裁剪，使用 openCV 从图像制作数组。
import cv2
img = cv2.imread('YOURIMAGE.png')
现在img 是一个 (imageheight, imagewidth, 3) 形状数组。使用 tensorflow 裁剪数组：
import tensorflow as tf
offset_height=0
offset_width=0
target_height=500
target_width=500
x = tf.image.crop_to_bounding_box(
img, offset_height, offset_width, target_height, target_width
)
用 tf.keras 重新组装图像，这样我们就可以查看它是否有效：
tf.keras.preprocessing.image.array_to_img(
x, data_format=None, scale=True, dtype=None
)
这会在笔记本中打印出图片（在 Google Colab 中测试）。
整个代码在一起：
import cv2
img = cv2.imread('YOURIMAGE.png')
import tensorflow as tf
offset_height=0
offset_width=0
target_height=500
target_width=500
x = tf.image.crop_to_bounding_box(
img, offset_height, offset_width, target_height, target_width
)
tf.keras.preprocessing.image.array_to_img(
x, data_format=None, scale=True, dtype=None
)
【讨论】：
通过使用此功能，您可以轻松裁剪图像
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
希望对您有所帮助
【讨论】：
在代码下方裁剪或感兴趣区域 (ROI) 以供人脸使用
import cv2
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
image=cv2.imread("ronaldo.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(255,255,0),2)
roi_image = gray[y:y+h, x:x+w]
cv2.imshow("crop/region of interset image",roi_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
【讨论】：
# Import packages
import cv2
import numpy as np
img = cv2.imread('skewness.png')
print(img.shape) # Print image shape
cv2.imshow("original", img)
# Cropping an image
cropped_image = img[80:280, 150:330]
# Display cropped image
cv2.imshow("cropped", cropped_image)
# Save the cropped image
cv2.imwrite("Cropped Image.jpg", cropped_image)
#The function waitKey waits for a key event infinitely (when \f$\texttt{delay}\leq 0\f$ ) or for delay milliseconds, when it is positive
cv2.waitKey(0)
#The function destroyAllWindows destroys all of the opened HighGUI windows.
cv2.destroyAllWindows()
【讨论】：
为了方便您，这里是我使用的代码：
top=514
right=430
height= 40
width=100
croped_image = image[top : (top + height) , right: (right + width)]
plt.imshow(croped_image, cmap="gray")
plt.show()
【讨论】：