如何使用Python在OpenCV中裁剪图像

我如何像以前在PIL中一样使用OpenCV裁剪图像。

PIL的工作示例

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

但是我如何在OpenCV上做到这一点？

这是我尝试的：

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)

但这是行不通的。

我认为我使用不正确getRectSubPix。如果是这种情况，请说明如何正确使用此功能。

非常简单 使用numpy切片。

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

我有这个问题，在这里找到了另一个答案：复制感兴趣的区域

如果我们将（0,0）视为图像的左上角，im以从左至右作为x方向，从上至下作为y方向进行调用。并且我们将（x1，y1）作为该图像中矩形区域的左上角顶点和（x2，y2）作为该图像中矩形区域的右下角顶点，然后：

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

这里是有关numpy数组索引和切片的综合资源，它可以告诉您更多有关裁剪图像一部分的信息。图像将以numpy数组的形式存储在opencv2中。

:)

请注意，图像切片不是创建的副本，cropped image而是创建pointer的roi。如果要加载这么多图像，使用切片裁剪图像的相关部分，然后追加到列表中，则可能会浪费大量内存。

假设您每个加载N张图像，>1MP并且只需要100x100左上角的区域。

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.

或者，您可以通过复制相关部分.copy()，以便垃圾回收器将删除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.

找出在此之后，我意识到一个评论由user1270710提到，但我花了相当长的一段时间去找出（即，调试等）。因此，我认为值得一提。

此代码将图像从x = 0，y = 0位置裁剪为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) 

以下是裁剪图像的方法。

image_path：要编辑的图像的路径

坐标： x / y坐标的元组（x1，y1，x2，y2）[在mspaint中打开图像，然后在视图选项卡中检查“ ruler”以查看坐标]

saved_location：保存裁剪图像的路径

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')

使用opencv复制边框功能进行健壮的裁剪：

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

这是一些更健壮的标记的代码（有点像在matlab中）

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

另外，您可以使用tensorflow进行裁剪，并使用openCV从图像制作数组。

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

现在img是一个（imageheight，imagewidth，3）形状数组。使用tensorflow裁剪数组：

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
)

使用tf.keras重新组装该映像，因此我们可以对其进行查看：

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

这会在笔记本中打印出图片（已在Google Colab中测试）。

整个代码在一起：

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
)