Jak przyciąć obraz w OpenCV za pomocą Pythona

Jak mogę przycinać obrazy, tak jak zrobiłem to wcześniej w PIL, używając OpenCV.

Przykład roboczy na PIL

im = Image.open('0.png').convert('L')
im = im.crop((1, 1, 98, 33))
im.save('_0.png')

Ale jak mogę to zrobić na OpenCV?

Oto, co próbowałem:

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)

Ale to nie działa.

Myślę, że źle użyłem getRectSubPix. W takim przypadku wyjaśnij, w jaki sposób mogę poprawnie korzystać z tej funkcji.

To jest bardzo proste. Użyj krojenia numerycznego.

import cv2
img = cv2.imread("lenna.png")
crop_img = img[y:y+h, x:x+w]
cv2.imshow("cropped", crop_img)
cv2.waitKey(0)

Miałem to pytanie i znalazłem tutaj inną odpowiedź: skopiuj region zainteresowania

Jeśli weźmiemy pod uwagę (0,0) jako lewy górny róg obrazu wywoływany imz lewej do prawej jako kierunek x, a z góry na dół jako kierunek y. i mamy (x1, y1) jako lewy górny wierzchołek i (x2, y2) jako prawy dolny wierzchołek regionu prostokąta na tym obrazie, a następnie:

roi = im[y1:y2, x1:x2]

oto obszerne źródło informacji na temat indeksowania i dzielenia tablic numpy, które może powiedzieć ci więcej na temat przycinania części obrazu. obrazy byłyby przechowywane w tablicy numpy w opencv2.

:)

Zauważ, że krojenie obrazu nie tworzy kopii, cropped imageale tworzy pointerdo roi. Jeśli ładujesz tak wiele zdjęć, przycinasz odpowiednie części obrazów za pomocą krojenia, a następnie dołączasz do listy, może to być ogromne marnotrawstwo pamięci.

Załóżmy, że wczytasz N obrazów >1MPi potrzebujesz tylko 100x100regionu z lewego górnego rogu.

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.

Alternatywnie możesz skopiować odpowiednią część .copy(), więc moduł usuwania śmieci usunie 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.

Po odkryciu tego zdałem sobie sprawę jedną z uwag przez user1270710 wymienionych to, ale zajęło mi trochę czasu, aby dowiedzieć się (tzn debugowania itp). Myślę, że warto o tym wspomnieć.

ten kod przycina obraz z x = 0, y = 0 pozycji do 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) 

Poniżej znajduje się sposób przycięcia obrazu.

ścieżka_obrazu: ścieżka do obrazu do edycji

Coords: krotka współrzędnych x / y (x1, y1, x2, y2) [otwórz obraz w mspaint i zaznacz „linijkę” w zakładce widoku, aby zobaczyć współrzędne]

zapisane_lokalizacja : Ścieżka do zapisania przyciętego obrazu

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')

Solidny kadr z funkcją kopiowania ramki OpenCV:

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

oto kod dla bardziej niezawodnego imcropa (trochę jak w Matlabie)

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

Alternatywnie możesz użyć tensorflow do kadrowania i openCV do utworzenia tablicy z obrazu.

import cv2
img = cv2.imread('YOURIMAGE.png')

Teraz imgjest tablica kształtu (wysokość obrazu, szerokość obrazu, 3). Przytnij tablicę za pomocą tensorflow:

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
)

Ponownie złóż obraz za pomocą tf.keras, abyśmy mogli na niego spojrzeć, jeśli zadziałał:

tf.keras.preprocessing.image.array_to_img(
    x, data_format=None, scale=True, dtype=None
)

To wydrukuje zdjęcie w notatniku (testowane w Google Colab).

Cały kod razem:

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
)