Jak przyciąć obraz w OpenCV za pomocą Pythona

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.

:)

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.

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) 

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

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')

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

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
)

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()