源码动态 源码评测 源码技巧 网站运营 网页制作 网站开发 安全相关 软件教程 IDC资讯 业界消息
高级搜索
关键字:Discuz!  Axure  团购系统
最新更新发布资源提建议收藏本站
当前位置:A5下载 > 资讯报道 > 编程开发 > 网站开发 > OpenCV Python实现图像指定区域裁剪

OpenCV Python实现图像指定区域裁剪

作者:qazwsxzxc来源:未知浏览:时间:2020-07-21 13:12我要评论
这篇文章主要为大家详细介绍了OpenCV Python实现图像指定区域裁剪,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

 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

import os
import cv2

# 遍历指定目录,显示目录下的所有文件名
def CropImage4File(filepath,destpath):
pathDir = os.listdir(filepath) # 列出文件路径中的所有路径或文件
for allDir in pathDir:
child = os.path.join(filepath, allDir)
dest = os.path.join(destpath,allDir)
if os.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) # x start
b=int(sz1/2+64) # x end
c=int(sz2/2-64) # y start
d=int(sz2/2+64) # y end
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' # resized images saved here
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"
"""
import cv2
import os
import sys
import time


def get_img(input_dir):
img_paths = []
for (path,dirname,filenames) in os.walk(input_dir):
for filename in filenames:
img_paths.append(path+'/'+filename)
print("img_paths:",img_paths)
return img_paths


def cut_img(img_paths,output_dir):
scale = len(img_paths)
for i,img_path in enumerate(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]
if weight>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"
"""
import multiprocessing
import cv2
import os
import time


def get_img(input_dir):
img_paths = []
for (path,dirname,filenames) in os.walk(input_dir):
for filename in filenames:
img_paths.append(path+'/'+filename)
print("img_paths:",img_paths)
return img_paths


def cut_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)
return imread_failed


def main(input_dir,output_dir):
img_paths = get_img(input_dir)
scale = len(img_paths)

results = []
pool = multiprocessing.Pool(processes = 4)
for i,img_path in enumerate(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
for result in results:
print('image read failed!:', result.get())
print ("All done.")



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)
 

相关文章
评论暂时关闭
资讯分类
本类热门资讯
  • 源码推荐
  • 软件推荐
关于我们联系我们发布资源广告服务合作伙伴网站地图版权声明与我们对话