python opencv怎么實現目標區域裁剪功能

這篇文章主要講解了“python opencv怎么實現目標區域裁剪功能”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“python opencv怎么實現目標區域裁剪功能”吧！

這個任務是自己在項目中數據處理的一部分內容，待處理的圖片如下所示：

我需要將目標區域給裁剪出來，要不然在后期訓練網絡的時候整幅圖像過大，且目標區域過小，得到結果不好，還會加劇計算量。在網上找了各個大佬的博客看，沒找到合適的，便自己動手寫了，順便自己的小破站剛搭建起來，記錄一下自己的思路。

思路

去尋找目標區域的最左邊，最右邊，最上面和最下面的像素點，取到坐標信息以后用CV2的裁剪一下就可以實現了。

難點

數據總共是11952張圖片，每張圖片是1024*768大小的，依次去遍歷的話擔心太費時間了，結果還好，圖像中黑色的像素點值為0，計算量比想象的要小很多。

import cv2
 
"""
    使用OpenCV截取圖片
"""
def search(path):
    left = 1024
    right = 0
    upper = 768
    lower = 0
    img = cv2.imread(path)[:,:,0]
    # print(img.shape)
    for i in range(768):
        for j in range(1024):
            if img[i,j] != 0 :
                # print(img[i,j])
                left = min(j,left)
                right = max(j,right)
                lower = max(i,lower)
                upper =  min(i,upper)
    return (left,upper,right,lower)
 
def image_cut_save(path, left, upper, right, lower, save_path):
    """
        所截區域圖片保存
    :param path: 圖片路徑
    :param left: 區塊左上角位置的像素點離圖片左邊界的距離
    :param upper：區塊左上角位置的像素點離圖片上邊界的距離
    :param right：區塊右下角位置的像素點離圖片左邊界的距離
    :param lower：區塊右下角位置的像素點離圖片上邊界的距離
     故需滿足：lower > upper、right > left
    :param save_path: 所截圖片保存位置
    """
    img = cv2.imread(path)  # 打開圖像
    cropped = img[upper:lower, left:right]
    # 保存截取的圖片
    cv2.imwrite(save_path, cropped)
 
 
if __name__ == '__main__':
    root_path = r'原圖片的路徑'
    save_path = r'裁剪后的圖片保存的路徑'
    images = os.listdir(root_path)
    for image in images:
        # print(image)
        pic_path = os.path.join(root_path,image)
        # print(pic_path)
        pic_save_dir_path = os.path.join(save_path,image)
        print(pic_save_dir_path)
        left, upper, right, lower = search(pic_path)
        # show_cut(pic_path, left, upper, right, lower)
        image_cut_save(pic_path, left, upper, right, lower, pic_save_dir_path)

裁剪后的圖像如下

感謝各位的閱讀，以上就是“python opencv怎么實現目標區域裁剪功能”的內容了，經過本文的學習后，相信大家對python opencv怎么實現目標區域裁剪功能這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！