Jak przyciąć obraz w OpenCV za pomocą Pythona
Jak mogę przycinać obrazy, tak jak robiłem to wcześniej w PIL, używając OpenCV.
Przykład pracy 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?
To jest to, 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
. Jeśli tak jest, proszę wyjaśnić, w jaki sposób mogę poprawnie korzystać z tej funkcji.
9 answers
To bardzo proste. Użyj krojenia numpy.
import cv2
img = cv2.imread("lenna.png")
crop_img = img[y:y+h, x:x+w]
cv2.imshow("cropped", crop_img)
cv2.waitKey(0)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-12-19 15:45:25
Miałem to pytanie i znalazłem inną odpowiedź tutaj: copy region of interest
Jeśli weźmiemy pod uwagę (0,0)jako lewy górny róg obrazu o nazwie im
z lewej do prawej jako kierunek x i od góry do dołu jako kierunek Y. i mamy (x1, y1)jako górny lewy wierzchołek i (x2, y2)jako dolny prawy wierzchołek prostokąta w tym obrazku, wtedy:
roi = im[y1:y2, x1:x2]
Oto obszerny zasób na numpy array indeksowanie i krojenie, który może powiedzieć więcej o rzeczach jak przycinanie części obrazu. obrazy będą przechowywane jako tablica numpy w opencv2.
:)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-04-20 12:23:08
Należy zauważyć, że cięcie obrazu nie tworzy kopii cropped image
, ale tworzy pointer
do roi
. Jeśli ładujesz tak wiele obrazów, przycinasz odpowiednie części obrazów z krojeniem, a następnie dodajesz je do listy, może to być ogromne marnowanie pamięci.
Załóżmy, że wczytujesz N obrazów każdy jest >1MP
i potrzebujesz tylko 100x100
regionu 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 przez .copy()
, więc garbage collector będzie usunąć 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 jeden z komentarzy przez user1270710 wspomniał o tym, ale zajęło mi sporo czasu, aby się dowiedzieć (np. debugowanie itp.). Myślę, że warto wspomnieć.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-08-14 08:06:16
Ten kod kadruje obrazek z pozycji x=0, y=0 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)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-12-31 09:44:39
Mocny kadr z funkcją kopiowania 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
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-06-21 07:26:52
Poniżej znajduje się sposób przycinania obrazu.
Image_path: ścieżka do obrazka do edycji
Coords: krotka współrzędnych x/Y (x1, y1, x2, y2) [Otwórz obrazek w mspaint i zaznacz "ruler" na karcie Widok, aby zobaczyć współrzędne]
Saved_location : 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')
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2020-04-10 04:34:38
Oto jakiś kod do bardziej solidnego imcrop (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
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2019-02-28 08:33:00
Alternatywnie, możesz użyć tensorflow do kadrowania i openCV do tworzenia tablicy z obrazu.
import cv2
img = cv2.imread('YOURIMAGE.png')
Teraz img
jest tablicą kształtów (imageheight, imagewidth, 3). Crop the array with 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 zmontuj obraz za pomocą tf.keras, więc możemy spojrzeć na to, czy zadziałało:
tf.keras.preprocessing.image.array_to_img(
x, data_format=None, scale=True, dtype=None
)
To drukuje 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
)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2020-03-31 11:02:00
Aby było Ci łatwiej, oto kod, którego używam:
w, h = image.shape
top=10
right=50
down=15
left=80
croped_image = image[top:((w-down)+top), right:((h-left)+right)]
plt.imshow(croped_image, cmap="gray")
plt.show()
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2020-11-12 19:48:11