Python过滤掉特定区域内的矩形框

已于 2023-12-01 23:53:26 修改
阅读量1k 收藏 17
点赞数 18
分类专栏： Python日常小操作 文章标签： python 开发语言 目标检测 YOLO 人工智能
于 2023-12-01 23:51:44 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/FriendshipTang/article/details/134745746
版权

Python过滤掉特定区域内的矩形框

在这里插入图片描述

前言

前提条件

相关介绍

  • Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。
  • PyTorch 是一个深度学习框架，封装好了很多网络和深度学习相关的工具方便我们调用，而不用我们一个个去单独写了。它分为 CPU 和 GPU 版本，其他框架还有 TensorFlow、Caffe 等。PyTorch 是由 Facebook 人工智能研究院（FAIR）基于 Torch 推出的，它是一个基于 Python 的可续计算包，提供两个高级功能：1、具有强大的 GPU 加速的张量计算（如 NumPy）；2、构建深度神经网络时的自动微分机制。
  • YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。它是一个在COCO数据集上预训练的物体检测架构和模型系列，代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。
  • Labelme是一款图像标注工具，由麻省理工(MIT)的计算机科学和人工智能实验室(CSAIL)研发。它是用Python和PyQT编写的，开源且免费。Labelme支持Windows、Linux和Mac等操作系统。
  • 这款工具提供了直观的图形界面，允许用户在图像上标注多种类型的目标，例如矩形框、多边形、线条等，甚至包括更复杂的形状。标注结果以JSON格式保存，便于后续处理和分析。这些标注信息可以用于目标检测、图像分割、图像分类等任务。
  • 总的来说，Labelme是一款强大且易用的图像标注工具，可以满足不同的图像处理需求。
  • Labelme标注json文件是一种用于存储标注信息的文件格式，它包含了以下几个主要的字段：
    • version: Labelme的版本号，例如"4.5.6"。
    • flags: 一些全局的标志，例如是否是分割任务，是否有多边形，等等。
    • shapes: 一个列表，每个元素是一个字典，表示一个标注对象。每个字典包含了以下几个字段：
      • label: 标注对象的类别名称，例如"dog"。
      • points: 一个列表，每个元素是一个坐标对，表示标注对象的边界点，例如[[10, 20], [30, 40]]。
      • group_id: 标注对象的分组编号，用于表示属于同一组的对象，例如1。
      • shape_type: 标注对象的形状类型，例如"polygon"，“rectangle”，“circle”，等等。
      • flags: 一些针对该标注对象的标志，例如是否是难例，是否被遮挡，等等。
    • lineColor: 标注对象的边界线颜色，例如[0, 255, 0, 128]。
    • fillColor: 标注对象的填充颜色，例如[255, 0, 0, 128]。
    • imagePath: 图像文件的相对路径，例如"img_001.jpg"。
    • imageData: 图像文件的二进制数据，经过base64编码后的字符串，例如"iVBORw0KGgoAAAANSUhEUgAA…"。
    • imageHeight: 图像的高度，例如600。
    • imageWidth: 图像的宽度，例如800。

以下是一个Labelme标注json文件的示例：

{
  "version": "4.5.6",
  "flags": {},
  "shapes": [
    {
      "label": "dog",
      "points": [
        [
          121.0,
          233.0
        ],
        [
          223.0,
          232.0
        ],
        [
          246.0,
          334.0
        ],
        [
          121.0,
          337.0
        ]
      ],
      "group_id": null,
      "shape_type": "polygon",
      "flags": {}
    }
  ],
  "lineColor": [
    0,
    255,
    0,
    128
  ],
  "fillColor": [
    255,
    0,
    0,
    128
  ],
  "imagePath": "img_001.jpg",
  "imageData": "iVBORw0KGgoAAAANSUhEUgAA...",
  "imageHeight": 600,
  "imageWidth": 800
}

实验环境

  • Python 3.x （面向对象的高级语言）

过滤掉特定区域内的矩形框

  • 背景：将预测出来的矩形框，过滤掉特定区域内（某些不需要的）的矩形框

在这里插入图片描述

方法一：直接法（for循环遍历）

代码实现

import cv2
import copy
import numpy as np

def is_rect_inside(rect, filtered_rects):  
    for filtered_rect in filtered_rects:  
        if (rect[1] >= filtered_rect[1] and rect[1] + rect[3] <= filtered_rect[1] + filtered_rect[3] and  
            rect[2] >= filtered_rect[2] and rect[2] + rect[4] <= filtered_rect[2] + filtered_rect[4]):  
            return True  
    return False  


def filter_rect(rects_list,labels_list,scores_list,filtered_rects,pad_x=50,pad_y=50):
    '''
    合并重叠框 

    输入参数: 
        rects_list :[[占位符,x,y,w,h,占位符],[占位符,x,y,w,h,占位符],...]
        labels_list :[0,1,...]
        scores_list :[0.8,0.15,...]
        filtered_rects: [[占位符,x,y,w,h,占位符],[占位符,x,y,w,h,占位符],...]

    返回:
        过滤后的rects_list : [[占位符,x,y,w,h,占位符],[占位符,x,y,w,h,占位符],...]
        过滤后的labels_list : [0,1,...]
        过滤后的scores_list : [0.8,0.15,...]
    '''
    new_rects_list = []
    new_labels_list = []
    new_scores_list = []

    for index,rect in enumerate(rects_list):
        if not is_rect_inside(rect, filtered_rects):
            new_rects_list.append(rect)
            new_labels_list.append(labels_list[index])
            new_scores_list.append(scores_list[index])
        

    return new_rects_list,new_labels_list,new_scores_list


if __name__=="__main__":
    # 特定区域(蓝色区域)
    filtered_rects = [[2.0,390,390,60,60,0.0],[2.0,90,90,250,250,0.0]]
    # 原始矩形框
    rects_list = [[2.0,10,10,15,15,0.0],[2.0,20,20,10,10,0.0],[2.0,100,100,150,150,0.0],  
                [2.0,200,200,100,100,0.0],[2.0,400,400,15,15,0.0],[2.0,420,420,10,10,0.0]] # [占位符,x,y,w,h,占位符]
    # print("原始的矩形框:",rects_list)
    labels_list = [0,1,2,3,2,1]
    scores_list = [0.8,0.9,0.5,0.6,0.7,0.3]
    
    img = np.ones([512, 512, 3], np.uint8)
    for _,x,y,w,h,_ in rects_list:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (0, 255, 0), 2)
    for _,x,y,w,h,_ in filtered_rects:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (255, 0, 0), 2)
    cv2.imshow('origin', img)
    # cv2.imwrite('origin.jpg', img)


    new_rects_list,new_labels_list,new_scores_list = filter_rect(rects_list,labels_list,scores_list,filtered_rects,pad_x=50,pad_y=50)
    # print("过滤后的矩形框,类别,置信度:",new_rects_list,new_labels_list,new_scores_list)

    img = np.ones([512, 512, 3], np.uint8) 
    for _,x,y,w,h,_ in new_rects_list:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (0, 0, 255), 2)
    for _,x,y,w,h,_ in filtered_rects:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (255, 0, 0), 2)
    cv2.imshow('filtered', img)
    # cv2.imwrite('filtered.jpg', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

输出结果

在这里插入图片描述

方法二：列表推导式

代码实现

import cv2
import copy
import numpy as np

def is_rect_inside(rect, filtered_rects):  
    for filtered_rect in filtered_rects:  
        if (rect[1] >= filtered_rect[1] and rect[1] + rect[3] <= filtered_rect[1] + filtered_rect[3] and  
            rect[2] >= filtered_rect[2] and rect[2] + rect[4] <= filtered_rect[2] + filtered_rect[4]):  
            return True  
    return False  


if __name__=="__main__":
    # 特定区域(蓝色区域)
    filtered_rects = [[2.0,390,390,60,60,0.0],[2.0,90,90,250,250,0.0]]
    # 原始矩形框
    rects_list = [[2.0,10,10,15,15,0.0],[2.0,20,20,10,10,0.0],[2.0,100,100,150,150,0.0],  
                [2.0,200,200,100,100,0.0],[2.0,400,400,15,15,0.0],[2.0,420,420,10,10,0.0]] # [占位符,x,y,w,h,占位符] 
    # print("原始的矩形框:",rects_list)
    labels_list = [0,1,2,3,2,1]
    scores_list = [0.8,0.9,0.5,0.6,0.7,0.3] 

    img = np.ones([512, 512, 3], np.uint8)
    for _,x,y,w,h,_ in rects_list:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (0, 255, 0), 2)
    for _,x,y,w,h,_ in filtered_rects:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (255, 0, 0), 2)
    cv2.imshow('origin', img)
    # cv2.imwrite('origin.jpg', img)
    
    print("原始的矩形框:", rects_list)  
    
    filtered_rects_list = [rect for rect in rects_list if not is_rect_inside(rect, filtered_rects)]
    filtered_labels_list = [labels_list[index] for index,rect in enumerate(rects_list) if not is_rect_inside(rect, filtered_rects)]
    filtered_scores_list = [scores_list[index] for index,rect in enumerate(rects_list) if not is_rect_inside(rect, filtered_rects)]
    
    print("过滤后的矩形框,类别,置信度:", filtered_rects_list,filtered_labels_list,filtered_scores_list)

    img = np.ones([512, 512, 3], np.uint8) 
    for _,x,y,w,h,_ in filtered_rects_list:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (0, 0, 255), 2)
    for _,x,y,w,h,_ in filtered_rects:
        img = cv2.rectangle(img, (x,y), (x+w,y+h), (255, 0, 0), 2)
    cv2.imshow('filtered', img)
    # cv2.imwrite('filtered.jpg', img)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

输出结果

在这里插入图片描述

FriendshipT
关注
  • 18
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Python实现四边形分割算法，将图像中复杂的四边形分割为简单的三角形和矩形，并进行可视化展示。
weixin_50547796的博客
06-07 55
中常用的算法之一，它可以将一个复杂的四边形拆分成简单的三角形和矩形，使得后续的操作更易于处理。在本篇文章中，我们将介绍如何使用Python实现四边形分割算法，并提供完整的代码和可视化展示。接下来，我们需要对图像进行四边形拆分处理。然后，我们需要读取待处理的图像。在本文中，我们使用的是一张名为test.jpg的图像。通过以上步骤，我们就可以完成对图像的四边形拆分处理，并将结果进行可视化展示。，它是Python的一个图像处理库，提供了一系列的图像处理功能。最后，我们需要对生成的三角形和矩形进行可视化展示。
python opencv 绘制矩形、圆、线、多边形
you 是 mine
01-06 5463
opencv 绘制矩形、圆、线
如何用python画长方形_python opencv 画矩形跟老齐学Python之用Python计算
weixin_39539807的博客
11-23 266
一提到计算机，当然现在更多人把她叫做电脑，这两个词都是指computer。不管什么，只要提到她，普遍都会想到她能够比较快地做加减乘除，甚至乘方开方等。乃至于，有的人在口语中区分不开计算机和计算器。那么，做为零基础学习这，也就从计算小学数学题目开始吧。因为从这里开始，数学的基础知识列为肯定过关了。复习还是先来重温一下伟大时刻，打印hello world.打开电脑，让python idle运行起来，然...
Python非线性优化之矩形分割算法
微小冷的学习笔记
01-28 1328
DIRECT，即DIvinding RECTangle (矩形分割)算法。其基本思路是， 对于待优化函数$f(x)$，将求解区域分割为多个超立方体，并估计其中心的函数值$f(x_i)$。其迭代过程，则把每个超立方体都视作一个新的求解区域，从而继续分割，直到满足求解条件。
去除图像中标签框
qq_53595554的博客
01-19 459
去除图片中标签框
python二维图颜色函数_通过python改变图片特定区域的颜色详解
weixin_39685392的博客
11-23 1228
通过python改变图片特定区域的颜色详解首先让我祭出一张数学王子高斯的照片，这位印在德国马克上的神人有多牛呢? 他是近代数学的奠基人之一，与牛顿, 阿基米德并称顶级三大数学家，随便找一个编程语言的数学库，里面一定有和他名字相关的一堆函数。开始正文之前，让我们再来膜拜一下19岁的高斯如何用一把圆规和没有刻度的尺子画出正十七边形。下面我就拿高斯这张肖像画作为示例如何用Python将他帽子的颜色换了。...
【python】GUI框架——wxPython
weixin_38009144的博客
03-29 412
validator: 用于验证输入的验证器对象。通常在 wx.TextCtrl 的构造函数中指定。style: 控件的样式。可以是以下常量的组合：wx.VALIDATOR_DEFAULT: 默认验证器样式。wx.VALIDATOR_CHECKBOX: 用于复选框的验证器样式。wx.VALIDATOR_CHOICE: 用于选择框的验证器样式。wx.VALIDATOR_TEXT: 用于文本框的验证器样式。wx.VALIDATOR_INTEGER: 用于整数输入的验证器样式。
Python地理数据处理 六：使用OGR过滤数据
amyniez的博客，欢迎交流讨论
02-02 1869
目录写在前面1. 属性过滤条件 写在前面   过滤条件可以将不想要的要素抛弃，通过过滤条件可以选出符合特定条件的要素，也可以通过空间范围限定要素，这样就可以简单地处理感兴趣的数据。 1. 属性过滤条件   过滤条件需要一个条件语句，类似于SQL语句中的Where子句。如： ‘Population < 50000’ ‘Population = 50000’ ‘Name = “Tokyo”’   注：比较字符串时，需要用引号将字符串包住，并且保证它们与包住整个查询字符串的引号不同。否则，将会导致语法错误
python 移动物体检测_感兴趣区域的移动物体检测，框出移动物体的轮廓 (固定摄像头, opencv-python)...
weixin_39628594的博客
12-06 914
感兴趣区域、特定区域、框出移动物体的轮廓、越界检测、入侵物体检测、使用 opencv-python库的函数cv2.findContours、cv2.approxPolyDP、cv2.arcLength，利用固定摄像头拍摄的实时视频，框出移动物体的轮廓(即FrogEyes蛙眼移动物体侦测)对移动目标的轮廓的框选，将使用下面这篇文章提及的方法：曾伊言：边缘检测，框出物体的轮廓(使用opencv-pyt...
通过python改变图片特定区域的颜色详解
09-19
在Python中，我们可以利用图像处理库来改变图片中特定区域的颜色。这篇教程主要讲解了如何通过Python实现这一功能，特别适合那些对图像处理感兴趣或在工作中需要处理图像的读者。 首先，我们需要理解图像的基本构成...
python实现在图片上画特定大小角度矩形框
09-20
本主题将探讨如何使用Python实现这一功能，特别是在图片上画出特定大小和角度的矩形框。以下是一个详细的过程解释： 首先，我们导入必要的库，包括`math`、`matplotlib.pyplot`、`numpy`和`PIL`（Python Imaging ...
python计算两个矩形框重合百分比的实例
09-19
在Python编程中，有时我们需要处理图像处理或者计算机视觉任务，其中计算两个矩形框的重合程度是一项常见的操作。这个实例展示了如何用Python计算两个矩形框的重合百分比，这对于理解对象检测、图像分割等领域是很有...
Python叠加矩形框图层2种方法及效果
09-16
主要介绍了Python叠加矩形框图层2种方法及效果,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
cv2读取和保存图片
最新发布
m0_53291740的博客
07-12 187
cv2.imwrite('b\\img1.png',img)#b存在就可以保存进去。如果b存在，c不存在，程序不会报错，也不会保存图片。如果目录b不存在就会存到当前文件夹。
Nginx七层（应用层）反向代理：UWSGI代理uwsgi_pass篇
jclee95的个人博客
07-10 1095
Nginx提供了多种应用层反向代理支持，包括proxy_pass、uwsgi_pass、fastcgi_pass和scgi_pass等。其中，proxy_pass指令可以接受一个URL参数，用于实现对HTTP/HTTPS协议的反向代理；uwsgi_pass用于代理到uWSGI应用服务器；fastcgi_pass用于代理到FastCGI服务器；而scgi_pass则用于代理到SCGI（Simple Common Gateway Interface）应用。这些指令使Nginx能够灵活地处理不同类型的后端服务和应
面试题 21：解释 Python 中的 help() 函数和 dir() 函数？
专注于全栈开发领域
07-10 774
在Python中，help()和dir()是两个非常有用的内置函数，它们可以帮助开发者更好地了解Python对象和模块。
聊聊如何在内网下构建大模型微调环境
python1234567_的博客
07-12 825
LlamaFactory新版更新后，还是比较方便，只是说llamafactory-cli命令的确是有点蒙，踩个坑就好了。对于LlamaFactory微调来说，本身不难，毕竟都是配置；主要是在内网环境下的依赖包拉取安装是真麻烦，但其实也还好。走一遍的话，还是可以学到很多的。​。
python提取图片中的矩形边框内区域
04-25
可以利用OpenCV库中的函数cv2.rectangle()来提取图片中矩形边框内的区域。首先需要利用cv2.findContours()函数找到图片中所有轮廓的边缘，然后用cv2.minAreaRect()函数计算每个轮廓的最小边界矩形，接着利用cv2....

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FriendshipT

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值