推理完的小图合并为大图

最新推荐文章于 2024-07-19 17:07:49 发布

算法贝多芬

最新推荐文章于 2024-07-19 17:07:49 发布

阅读量545

点赞数 15

文章标签： c++ 图像处理

本文链接：https://blog.csdn.net/m0_56127259/article/details/136197345

版权

文章介绍了如何使用C++和OpenCV库处理大图切割后的多个小图，通过findNonBlackRegion函数找出非全黑区域边界，然后在restore_images函数中按顺序拼接小图，并移除黑色区域，最后保存为大图。

摘要由CSDN通过智能技术生成

代码简介

之前说过大图切割成小图，小图推理，但是最终呈现的结果肯定是要返还回去变成大图的。这个就是jpg格式拼接回去。之前给出的demo它生成之后，就是全部都在一个文件夹内，文件名从0开始排序。所以自己就做了一个根据顺序拼接的代码。然后拼接过程中，把切割的时候增加的黑色区域剪裁掉。

代码结构

findNonBlackRegion函数：用于找到图像中非全黑区域的边界。
restore_images函数：对输入文件夹中的小图进行拼接，并保存为大图。
主函数（main函数）：程序入口，调用以上函数实现小图拼接和保存。

头文件

#include <iostream>
#include <opencv2/opencv.hpp>
#include <dirent.h>
#include <cstring>
#include <vector>
#include <algorithm>
#include <regex>
#include <sys/stat.h>
#include <unistd.h>

函数详解

findNonBlackRegion函数

功能：找到图像中非全黑区域的边界。
参数：img（输入的图像）。
返回值：包含非全黑区域边界的矩形对象。

实现原理：将彩色图像转换为灰度图像，使用阈值操作找到非黑色区域的掩码，通过轮廓检测找到最大的非黑色区域并获取其边界矩形。

cv::Rect findNonBlackRegion(cv::Mat& img) {
    cv::Mat gray;
    cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);

    cv::Mat mask = gray > 0;
    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(mask, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

    if (contours.empty()) {
        return cv::Rect();
    }

    cv::Rect bounding_rect = cv::boundingRect(contours[0]);
    for (size_t i = 1; i < contours.size(); ++i) {
        cv::Rect rect = cv::boundingRect(contours[i]);
        bounding_rect |= rect;
    }

    return bounding_rect;
}

restore_images函数

功能：对输入文件夹中的小图进行拼接，并保存为大图。
参数：input_folder（输入文件夹路径）、output_folder（输出文件夹路径）、crop_size（小图的尺寸）、num_per_row（每行小图的数量）、num_per_col（每列小图的数量）。
返回值：无。

实现原理：创建输出文件夹，获取输入文件夹中所有小图文件名并排序，计算大图的大小，逐批次拼接小图到大图上，并保存为大图文件。拼接时根据小图的位置计算在大图上的坐标。

void restore_images(
    const std::string& input_folder, const std::string& output_folder,
    const cv::Size& crop_size, int num_per_row, int num_per_col
) {
    // 创建输出文件夹
    mkdir(output_folder.c_str(), 0777);

    // 获取所有小图文件名，并按照顺序排序
    std::vector<std::string> file_names;
    DIR* dir = opendir(input_folder.c_str());
    dirent* entry;
    while ((entry = readdir(dir)) != nullptr) {
        std::string file_name = entry->d_name;
        if (file_name == "." || file_name == "..") {
            continue;
        }
        file_names.push_back(file_name);
    }
    closedir(dir);

    std::sort(file_names.begin(), file_names.end(), [](const std::string& a, const std::string& b) {
        return std::stoi(std::regex_replace(a, std::regex("\\D"), "")) < std::stoi(std::regex_replace(b, std::regex("\\D"), ""));
    });

    // 计算大图的大小
    int height = num_per_col * crop_size.height;
    int width = num_per_row * crop_size.width;

    // 逐批次还原图像
    for (size_t i = 0; i < file_names.size(); i += num_per_row * num_per_col) {
        cv::Mat merged_img(height, width, CV_8UC3, cv::Scalar(0, 0, 0));
        for (int j = 0; j < num_per_row * num_per_col; ++j) {
            if (i + j >= file_names.size()) {
                break;
            }

            std::string crop_path = input_folder + "/" + file_names[i + j];
            cv::Mat crop_img = cv::imread(crop_path);
            if (crop_img.empty()) {
                break;
            }

            int row = j % num_per_row;
            int col = j / num_per_row;
            int y1 = col * crop_size.height;
            int y2 = y1 + crop_size.height;
            int x1 = row * crop_size.width;
            int x2 = x1 + crop_size.width;

            cv::Mat roi = merged_img(cv::Rect(x1, y1, crop_size.width, crop_size.height));
            crop_img.copyTo(roi);
        }

        // 计算非全黑区域的边界
        cv::Rect boundingRect = findNonBlackRegion(merged_img);

        // 裁剪拼接图像
        cv::Mat cropped_img = merged_img(boundingRect);

        // 保存拼接后的大图
        std::string output_path = output_folder + "/" + std::to_string(i / (num_per_row * num_per_col)) + ".jpg";
        cv::imwrite(output_path, cropped_img);
    }
}

主函数（main函数）

功能：程序入口函数。
参数：无。
返回值：整型，程序运行结果。

实现原理：定义输入和输出的文件夹路径、小图的尺寸，每行和每列的小图数量，调用restore_images函数进行小图拼接和保存。

int main() {
    std::string input_folder = "./results"; // 小图
    std::string output_folder = "./output"; // 拼接后

    cv::Size crop_size(512, 512);  // 小图的大小
    int num_per_row = 5;  // 每行小图的数量
    int num_per_col = 3;  // 每列小图的数量

    // 创建输出文件夹
    mkdir(output_folder.c_str(), 0777);

    restore_images(input_folder, output_folder, crop_size, num_per_row, num_per_col);

    return 0;
}

整体

#include <iostream>
#include <opencv2/opencv.hpp>
#include <dirent.h>
#include <cstring>
#include <vector>
#include <algorithm>
#include <regex>
#include <sys/stat.h>
#include <unistd.h>  

cv::Rect findNonBlackRegion(cv::Mat& img) {
    cv::Mat gray;
    cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);

    cv::Mat mask = gray > 0;
    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(mask, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

    if (contours.empty()) {
        return cv::Rect();
    }

    cv::Rect bounding_rect = cv::boundingRect(contours[0]);
    for (size_t i = 1; i < contours.size(); ++i) {
        cv::Rect rect = cv::boundingRect(contours[i]);
        bounding_rect |= rect;
    }

    return bounding_rect;
}


void restore_images(
    const std::string& input_folder, const std::string& output_folder,
    const cv::Size& crop_size, int num_per_row, int num_per_col
) {
    // 创建输出文件夹
    mkdir(output_folder.c_str(), 0777);

    // 获取所有小图文件名，并按照顺序排序
    std::vector<std::string> file_names;
    DIR* dir = opendir(input_folder.c_str());
    dirent* entry;
    while ((entry = readdir(dir)) != nullptr) {
        std::string file_name = entry->d_name;
        if (file_name == "." || file_name == "..") {
            continue;
        }
        file_names.push_back(file_name);
    }
    closedir(dir);

    std::sort(file_names.begin(), file_names.end(), [](const std::string& a, const std::string& b) {
        return std::stoi(std::regex_replace(a, std::regex("\\D"), "")) < std::stoi(std::regex_replace(b, std::regex("\\D"), ""));
    });

    // 计算大图的大小
    int height = num_per_col * crop_size.height;
    int width = num_per_row * crop_size.width;

    // 逐批次还原图像
    for (size_t i = 0; i < file_names.size(); i += num_per_row * num_per_col) {
        cv::Mat merged_img(height, width, CV_8UC3, cv::Scalar(0, 0, 0));
        for (int j = 0; j < num_per_row * num_per_col; ++j) {
            if (i + j >= file_names.size()) {
                break;
            }

            std::string crop_path = input_folder + "/" + file_names[i + j];
            cv::Mat crop_img = cv::imread(crop_path);
            if (crop_img.empty()) {
                break;
            }

            int row = j % num_per_row;
            int col = j / num_per_row;
            int y1 = col * crop_size.height;
            int y2 = y1 + crop_size.height;
            int x1 = row * crop_size.width;
            int x2 = x1 + crop_size.width;

            cv::Mat roi = merged_img(cv::Rect(x1, y1, crop_size.width, crop_size.height));
            crop_img.copyTo(roi);
        }

        // 计算非全黑区域的边界
        cv::Rect boundingRect = findNonBlackRegion(merged_img);

        // 裁剪拼接图像
        cv::Mat cropped_img = merged_img(boundingRect);

        // 保存拼接后的大图
        std::string output_path = output_folder + "/" + std::to_string(i / (num_per_row * num_per_col)) + ".jpg";
        cv::imwrite(output_path, cropped_img);
    }
}

int main() {
    std::string input_folder = "./results";
    std::string output_folder = "./output";

    cv::Size crop_size(512, 512);  // 小图的大小
    int num_per_row = 5;  // 每行小图的数量
    int num_per_col = 3;  // 每列小图的数量

    // 创建输出文件夹
    mkdir(output_folder.c_str(), 0777);

    restore_images(input_folder, output_folder, crop_size, num_per_row, num_per_col);

    return 0;
}

总结

因为对C++不是很熟悉，所以是先写的python理了思绪，后面在写的C++。需要python程序可以留言，私发给你。基本上对环境没啥特别要求。因为写的时候本身就规避了很多库迎合服务器的环境。

算法贝多芬

关注

15
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
推理完的小图合并为大图

之前说过大图切割成小图，小图推理，但是最终呈现的结果肯定是要返还回去变成大图的。这个就是jpg格式拼接回去。之前给出的demo它生成之后，就是全部都在一个文件夹内，文件名从0开始排序。所以自己就做了一个根据顺序拼接的代码。然后拼接过程中，把切割的时候增加的黑色区域剪裁掉。因为对C++不是很熟悉，所以是先写的python理了思绪，后面在写的C++。需要python程序可以留言，私发给你。基本上对环境没啥特别要求。因为写的时候本身就规避了很多库迎合服务器的环境。
复制链接

扫一扫