前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >这个操作可能不值钱,但却值得学习 | 【图片批量裁剪】

这个操作可能不值钱,但却值得学习 | 【图片批量裁剪】

作者头像
AI算法与图像处理
发布2019-05-22 20:23:04
7480
发布2019-05-22 20:23:04
举报

前言

有一句叫:数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已 这句话,在实际的应用中,让我体会很深,目前很多算法已经能到初步满足我们的需求,更多的时候是要花费大量的时间在处理数据上面,现实生活的数据经常是很难满足算法的基本要求,例如常见的样本不均衡问题的等,今天要介绍的就是1、固定区域图片裁剪;2、自定义裁剪图片

实现思路和代码展示

批量裁剪固定区域的实现思路

1、找到存储图片的文件夹路径,并读取名字 2、读取图片尺寸,公式定义裁剪区域 3、保存裁剪后的图片 注意点:裁剪后的图片的长和高必须为整数

代码
import os
import cv2

# 准备工作:导入库和读取图片路径以及存储图片路径
imgs_path = '/media/pzw/0E50196C0E50196C/weixin/pystudy/imgs'
dst_path = '/media/pzw/0E50196C0E50196C/weixin/pystudy/crop1'

# 1、读取图片名字
imgs_name = os.listdir(imgs_path)
print('文件夹下图片的名字:',imgs_name)

# 2、读取图片尺寸,公式定义裁剪区域
for img in imgs_name:
    image = cv2.imread(os.path.join(imgs_path,img))# 读取图片
    x,y = image.shape[0:2] # 读取图片的尺寸
    print('图片的形状',image.shape)
    # 裁剪掉x方向的前面和后面各20%,并取整
    crop_image = image[round(0.2 * x):round(0.8 * x), 0:y]
    # 3、将裁剪后的图片保存    
    cv2.imwrite(dst_path+'/'+img,crop_image)

结果展示



批量自定义裁剪区域的实现思路

1、找到存储图片的文件夹路径,并读取名字 2、读取图片尺寸,公式定义裁剪区域(需改为用鼠标选取区域) 3、保存裁剪后的图片 注意点:操作指南,在图片中顺时针或者逆时针点出四个点,即可裁剪出区域,按esc保存并对下一张图片进行裁剪,此时会保留上一次裁剪区域所留下的点,必须按右键取消重新选点

代码
import cv2
import numpy as np
import os


# -----------------------定义鼠标相关操作---------------------------------
lsPointsChoose = []
tpPointsChoose = []
pointsCount = 0
count = 0
pointsMax = 5 # 绘制四边形时 pointmax=5,五边形时,为6,以此类推,但需要调整部分代码


def on_mouse(event, x, y, flags, param):
    global img, point1, point2, count, pointsMax
    global lsPointsChoose, tpPointsChoose  # 存入选择的点
    global pointsCount  # 对鼠标按下的点计数
    global img2, ROI_bymouse_flag
    img2 = img.copy()  # 此行代码保证每次都重新再原图画  避免画多了
    # -----------------------------------------------------------
    #    count=count+1
    #    print("callback_count",count)
    # ------------------------------------------------------------

    if event == cv2.EVENT_LBUTTONDOWN:  # 左键点击
        pointsCount = pointsCount + 1
        print('pointsCount:', pointsCount)
        point1 = (x, y)
        print(x, y)
        # 画出点击的点
        cv2.circle(img2, point1, 10, (0, 255, 0), 2)

        # 将选取的点保存到list列表里
        lsPointsChoose.append([x, y])  # 用于转化为darry 提取多边形ROI
        tpPointsChoose.append((x, y))  # 用于画点
        # ----------------------------------------------------------
        # 将鼠标选的点用直线连起来
        print(len(tpPointsChoose))
        for i in range(len(tpPointsChoose) - 1):
            print('i', i)
            cv2.line(img2, tpPointsChoose[i], tpPointsChoose[i + 1], (0, 0, 255), 2)
        # --------------------------------------------------------
        # ----------点击到pointMax时可以提取去绘图----------------
        if (pointsCount == pointsMax):
            # -----------绘制感兴趣区域-----------
            ROI_byMouse()
            ROI_bymouse_flag = 1
            lsPointsChoose = []

        cv2.imshow('src', img2)
    # -------------------------右键按下清除轨迹-----------------------------
    if event == cv2.EVENT_RBUTTONDOWN:  # 右键点击
        print("right-mouse")
        pointsCount = 0
        tpPointsChoose = []
        lsPointsChoose = []
        print(len(tpPointsChoose))
        for i in range(len(tpPointsChoose) - 1):
            print('i', i)
            cv2.line(img2, tpPointsChoose[i], tpPointsChoose[i + 1], (0, 0, 255), 2)
        cv2.imshow('src', img2)


def ROI_byMouse():
    global src, ROI, ROI_flag, mask2, img1
    mask = np.zeros(img.shape, np.uint8)
    pts = np.array([lsPointsChoose], np.int32)  # pts是多边形的顶点列表(顶点集)
    pts = pts.reshape((-1, 1, 2))
    # 这里 reshape 的第一个参数为-1, 表明这一维的长度是根据后面的维度的计算出来的。
    # OpenCV中需要先将多边形的顶点坐标变成顶点数×1×2维的矩阵,再来绘制

    # --------------画多边形---------------------
    mask = cv2.polylines(mask, [pts], True, (255, 255, 255))
    ##-------------填充多边形---------------------
    mask2 = cv2.fillPoly(mask, [pts], (255, 255, 255))
    cv2.imshow('mask', mask2)
    # cv2.imwrite('mask.jpg', mask2)
    ROI = cv2.bitwise_and(mask2, img)
    ##-------------裁剪四边形---------------------
    print(pts)
    print('y0的值为', pts[0][0][0])
    ROI_crop = img[pts[0][0][1]:pts[2][0][1], pts[0][0][0]:pts[2][0][0]]  # 裁剪坐标为[y0:y1, x0:x1]

    cv2.imwrite(dst_path + img1, ROI_crop)
    cv2.imshow(img1, ROI)


'''批量绘制ROI区域'''
imgs_path = '/media/pzw/0E50196C0E50196C/weixin/pystudy/imgs/'
dst_path = '/media/pzw/0E50196C0E50196C/weixin/pystudy/crop2/'

if not os.path.exists(dst_path):
    os.makedirs(dst_path)
imgs = os.listdir(imgs_path)
print(imgs)
for img1 in imgs:
    img = cv2.imread(os.path.join(imgs_path,img1))

    # ---------------------------------------------------------
    # --图像预处理,设置其大小
    # height, width = img.shape[:2]
    # size = (int(width * 0.3), int(height * 0.3))
    # img = cv2.resize(img, size, interpolation=cv2.INTER_AREA)
    # ------------------------------------------------------------
    ROI = img.copy()
    cv2.namedWindow('src')
    cv2.setMouseCallback('src', on_mouse)
    #为了方便裁剪,这里对图片大小进行重新设置
    img = cv2.resize(img,(640,960),interpolation=cv2.INTER_CUBIC)
    cv2.imshow('src', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

结果展示

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-02-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI算法与图像处理 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 实现思路和代码展示
    • 批量裁剪固定区域的实现思路
      • 代码
        • 批量自定义裁剪区域的实现思路
          • 代码
          相关产品与服务
          对象存储
          对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档