opencv 入门笔记四 ROI（Range Of Interest）,部分区域截取

预备知识：

opencv读取彩色图像格式为bgr,并非rgb.

OpenCV使用BGR而非RGB格式 - pluviophile - 博客园

OpenCV与Python之图像的读入与显示以及利用Numpy的图像转换 - Dean-Feng - 博客园

1.截取三通道彩色图像的部分区域复制到其他区域：

(前两天看了一篇文章是关于小目标检测的，文中提到，神经网络进行小目标检测的一大挑战是图片中小目标的数量太少，而训练是基于大量的样本数据的，所以训练效果不好。为了增加小目标的数量，经常手工在图片中增加小目标的数量，对图片进行预处理。ROI截取部分区域，可以很好的做到这一点)

(当然了，如果不想手工增加，可以先用已有的比较成熟的目标检测算法得到目标的预测框，根据bounding box进行ROI区域截取，复制到当前图片中，增加目标数量，保存新的图片，从中选择合适的图片作为训练数据集，这种方法也称之为半手工标注)

1.1代码：

#!/usr/bin/python3
import cv2 as cv

# 读取图片文件
img = cv.imread("/home/newj/my_sh/vpn.png")
cv.imwrite("original_pic.png",img)

# 显示图片尺寸
print(img.shape)

# 显示图片
cv.imshow("test_window", img)

# 截取像素420-660的位置
roi = img[420:660, 420:660]

# 截取的部分复制给原图像的四个角
img[0:240, 0:240] = roi
img[784:1024, 784:1024] = roi
img[0:240, 784:1024] = roi
img[784:1024, 0:240] = roi

# 显示处理后的图像
cv.imshow("roi_window", img)

# 保存处理后的图像
cv.imwrite("roi_copy.png", img)

# 阻塞等待键盘响应
key = cv.waitKey(0)

# 输入q退出
if key == ord('q'):
    cv.destroyAllWindows()

2.截取三通道彩色图像的某一通道：

(在一些特殊的场景下，我们在神经网络处理过程中或许只需要一个颜色通道的图像数据，降低对硬件cpu或者显存的要求，就能达到我们想要的训练效果，这个时候我们可以截取单通道数据进行处理和训练，当然了也可以进行灰度图转换，根据具体情况而定)

2.1代码： 

#!/usr/bin/python3
import cv2 as cv

# 读取图片文件
img = cv.imread("/home/newj/my_sh/vpn.png")
cv.imwrite("original_pic.png", img)

# 显示图片尺寸
print(img.shape)

# 显示图片
cv.imshow("test_window", img)

######以下参数0,1,2,固定，因为opencv读入颜色通道按照bgr格式#######
# 截取蓝色通道
roi_b = img[:, :, 0]

# 截取绿色通道
roi_g = img[:, :, 1]

# 截取红色通道
roi_r = img[:, :, 2]

# 显示处理后的图像
cv.imshow("roi_b", roi_b)

# 显示处理后的图像
cv.imshow("roi_g", roi_g)

# 显示处理后的图像
cv.imshow("roi_r", roi_r)

# 保存处理后的图像
cv.imwrite("roi_b.png", roi_b)

# 保存处理后的图像q
cv.imwrite("roi_g.png", roi_g)

# 保存处理后的图像
cv.imwrite("roi_r.png", roi_r)

# 阻塞等待键盘响应
key = cv.waitKey(0)

# 输入q退出
if key == ord('q'):
    cv.destroyAllWindows()

 3.三通道彩色图像通道的截取和合并：

b,g,r = cv2.split(img) #截取三个通道，但这样做比较耗时
img = cv2.merge((b,g,r))

4.最后，一起进步！