python实现大图片切割和合并验证切割是否正确

       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