两种ROI方法介绍
先上原视频截图
傻瓜式的ROI
width = img.shape[0]
height = img.shape[1]
img = img[int(0.5*height):height,0:width] #直接裁剪图片 根据需要调整参数
如果是要用于目标检测,需要坐标点,那么在剪裁后的图片上获得的坐标是需要变换的。具体操作就不细说。
为了方便显示,我把剪裁后的图又resize了一下 导致拉伸有点变形了。
麻烦一点的ROI
def frame_img(col_img):
width = img.shape[0]
height = img.shape[1]
# 创建0矩阵
stencil = np.zeros_like(col_img[:,:,0])
# 指定多边形的坐标
polygon = np.array([[width,height],[width, int(0.5*height)],[0, int(0.5*height)],[0,height]])
# 用1填充多边形
cv2.fillConvexPoly(stencil, polygon, 1)
# 应用该多边形作为掩码
img=cv2.bitwise_and(col_img[:,:,0], col_img[:,:,0], mask=stencil)
return img
这个方法相比与前面的方法好处是用于目标检测时,不需要进行坐标变换。但是该方法需要注意的是 得到的img是灰度图,注意了。至少我这代码是的。我也在找办法转成彩色图像。问题应该出在cv2.bitwise_and函数上。