在目标检测中,有时候拍摄的图像较大,而待测目标只是整个图像的一小块区域,这时候就需要对大的图像进行分割,这样有助于深度学习模型训练的速度,以及推理的速度,所以我们在拿到大的图像的时候先对其进行分割,分割成几个小区域,根据我们的训练模型输入图片大小来确定所要分割的图像大小,再根据整个图像的长宽大小,从而计算出长宽需要分割的块数,也就是这里代码中的rownum和colnum。
本文主要针对轮胎的图像分割,原始的轮胎图片过于巨大,对于标注数据集和直接输入模型都是不太方便实现的,因此先对原始图片进行切割。然后可以在运行合并的代码去验证切割的是否正确。
1、原图切割
原图如下:
根据分析,原图像大小尺寸为:宽:1706px,高:1279px
需要将原图切割为:宽:640px ,高:640px ,共6块
代码实现如下:
from PIL import Image
import numpy as np
import cv2
import os
# 切割图片
def splitimage(src, rownum, colnum, dstpath):
img = Image.open(src)
w, h = img.size
if rownum <= h and colnum <= w:
print('原图基本信息:宽:{}px,高:{}px,图片格式:{}'.format(w, h, img.format))
print('图片切割开始处理, 请稍候...')
s = os.path.split(src)
if dstpath == '':
dstpath = s[0]
fn = s[1].split('.')
basename = fn[0]
ext = fn[-1]
num = 0
rowheight = h // rownum
colwidth = w // colnum
for r in range(rownum):
for c in range(colnum):
box = (c * colwidth, r * rowheight, (c + 1) * colwidth, (r + 1) * rowheight)
img.crop(box).save(os.path.join(dstpath, str(r)+'_'+str(c)+'.' + ext))
num = num + 1
print('图片切割完成,共生成 {}张小图片'.format(num))
else:
print('行列切割参数不合法')
if __name__ == '__main__':
# 切割图片
splitimage(r'test.jpg', 2, 3, r'splitimg')
2、切割之后的图片
按照行列顺序命名图像名称,便于后面合并验证。这里图像的名称可以根据自己的需要随意的去命名即可,在代码相应的位置做修改即可。
3、切割后的图像合并验证
下面是对分割后的图片进行合并验证的,一般用不到。
from PIL import Image
import numpy as np
import cv2
import os
# 合并图片
def merge_picture(merge_path, num_of_cols, num_of_rows):
filename = file_name(merge_path, ".jpg")
shape = cv2.imread(filename[0], -1).shape # 三通道的影像需把-1改成1
cols = shape[1]
rows = shape[0]
channels = shape[2]
dst = np.zeros((rows * num_of_rows, cols * num_of_cols, channels), np.uint8)
for i in range(len(filename)):
img = cv2.imread(filename[i])
# m, n = filename[i].split("\\")[-1].split(".")[0].split("_")
m, n = filename[i].split("\\")[-1].split(".")[0].split("_")
cols_th = int(n)
rows_th = int(m)
roi = img[0:rows, 0:cols, :]
dst[rows_th * rows:(rows_th + 1) * rows, cols_th * cols:(cols_th + 1) * cols, :] = roi
cv2.imwrite(merge_path + "merge.jpg", dst)
if __name__ == '__main__':
# 切割图片
#splitimage(r'test.jpg', 2, 3, r'splitimg')
# 合并图片
merge_picture(r'splitimg', 3, 2)
合并后的图像