python利用图像处理方法 实现多目标检测与裁剪（opencv）

简述

对于一些特殊多目标图像，例如细粒度目标、缺乏标注文件等。或是图像前背景区分较明显的图像，不适合用深度学习模型进行目标定位与分割。相比之下，利用较为传统的图像处理方式，可以更高效地实现对上述图像的目标定位与分割（抠图）。
本文将分为三个部分详细讲解利用opencv对多目标图像进行目标定位与分割的实现过程。

1.批量resize

先对目标文件夹下所有图片进行resize，将所有图片resize到同一大小，方便后续进行批量操作。

1）效果

原图：
resize后的图像：

将图片resize成800×800，原图为502×502。

2）原理

先利用os.listdir方法将目标文件夹下的所有图像读取出来，再分别根据图像的宽高等比例地将图像resize成目标大小。最后利用opencv的imwrite()方法批量保存resize后的图片。

3）代码分析

1. 利用for循环将目标文件夹下所有图片读取出来。

for i in os.listdir(imgs_p):
    img_path=os.path.join(imgs_p,i)
    img = cv2.imread(img_path)

2. 与原图等比例进行resisze

	height, width = img.shape[:2]  # 得到行和列的长度
    scale=size/height  # 得到size和图像高的缩放比例
    height=size
    width=int(width*scale)
    img = cv2.resize(img, (width, height))

3. 批量保存

	new_img_path=os.path.join(imgs_save_p,i)
    cv2.imwrite(new_img_path,img)

2.找出所有目标轮廓（定位）