python图像分割 特定区域_OpenCV Python实现图像指定区域裁剪

在工作中。在做数据集时，需要对图片进行处理，照相的图片我们只需要特定的部分，所以就想到裁剪一种所需的部分。当然若是图片有规律可循则使用opencv对其进行膨胀腐蚀等操作。这样更精准一些。

一、指定图像位置的裁剪处理

import os

import cv2

# 遍历指定目录，显示目录下的所有文件名

def CropImage4File(filepath,destpath):

pathDir = os.listdir(filepath) # 列出文件路径中的所有路径或文件

for allDir in pathDir:

child = os.path.join(filepath, allDir)

dest = os.path.join(destpath,allDir)

if os.path.isfile(child):

image = cv2.imread(child)

sp = image.shape #获取图像形状：返回【行数值，列数值】列表

sz1 = sp[0] #图像的高度(行 范围)

sz2 = sp[1] #图像的宽度(列 范围)

#sz3 = sp[2] #像素值由【RGB】三原色组成

#你想对文件的操作

a=int(sz1/2-64) # x start

b=int(sz1/2+64) # x end

c=int(sz2/2-64) # y start

d=int(sz2/2+64) # y end

cropImg = image[a:b,c:d] #裁剪图像

cv2.imwrite(dest,cropImg) #写入图像路径

if __name__ == '__main__':

filepath ='F:\\\maomi' #源图像

destpath='F:\\maomi_resize' # resized images saved here

CropImage4File(filepath,destpath)

二、批量处理—指定图像位置的裁剪

我这个是用来截取发票的印章区域，用于图像分割(公司的数据集保密)

各位可以用自己的增值发票裁剪。适当的更改截取区域

"""

处理数据集 和 标签数据集的代码：(主要是对原始数据集裁剪)

处理方式：分别处理

注意修改 输入 输出目录 和 生成的文件名

output_dir = "./label_temp"

input_dir = "./label"

"""

import cv2

import os

import sys

import time

def get_img(input_dir):

img_paths = []

for (path,dirname,filenames) in os.walk(input_dir):

for filename in filenames:

img_paths.append(path+'/'+filename)

print("img_paths:",img_paths)

return img_paths

def cut_img(img_paths,output_dir):

scale = len(img_paths)

for i,img_path in enumerate(img_paths):

a = "#"* int(i/1000)

b = "."*(int(scale/1000)-int(i/1000))

c = (i/scale)*100

time.sleep(0.2)

print('正在处理图像： %s' % img_path.split('/')[-1])

img = cv2.imread(img_path)

weight = img.shape[1]

if weight>1600: # 正常发票

cropImg = img[50:200, 700:1500] # 裁剪【y1,y2：x1,x2】

#cropImg = cv2.resize(cropImg, None, fx=0.5, fy=0.5,

#interpolation=cv2.INTER_CUBIC) #缩小图像

cv2.imwrite(output_dir + '/' + img_path.split('/')[-1], cropImg)

else: # 卷帘发票

cropImg_01 = img[30:150, 50:600]

cv2.imwrite(output_dir + '/'+img_path.split('/')[-1], cropImg_01)

print('{:^3.3f}%[{}>>{}]'.format(c,a,b))

if __name__ == '__main__':

output_dir = "../img_cut" # 保存截取的图像目录

input_dir = "../img" # 读取图片目录表

img_paths = get_img(input_dir)

print('图片获取完成 。。。！')

cut_img(img_paths,output_dir)

三、多进程(加快处理)

#coding: utf-8

"""

采用多进程加快处理。添加了在读取图片时捕获异常，OpenCV对大分辨率或者tif格式图片支持不好

处理数据集 和 标签数据集的代码：(主要是对原始数据集裁剪)

处理方式：分别处理

注意修改 输入 输出目录 和 生成的文件名

output_dir = "./label_temp"

input_dir = "./label"

"""

import multiprocessing

import cv2

import os

import time

def get_img(input_dir):

img_paths = []

for (path,dirname,filenames) in os.walk(input_dir):

for filename in filenames:

img_paths.append(path+'/'+filename)

print("img_paths:",img_paths)

return img_paths

def cut_img(img_paths,output_dir):

imread_failed = []

try:

img = cv2.imread(img_paths)

height, weight = img.shape[:2]

if (1.0 * height / weight) < 1.3: # 正常发票

cropImg = img[50:200, 700:1500] # 裁剪【y1,y2：x1,x2】

cv2.imwrite(output_dir + '/' + img_paths.split('/')[-1], cropImg)

else: # 卷帘发票

cropImg_01 = img[30:150, 50:600]

cv2.imwrite(output_dir + '/' + img_paths.split('/')[-1], cropImg_01)

except:

imread_failed.append(img_paths)

return imread_failed

def main(input_dir,output_dir):

img_paths = get_img(input_dir)

scale = len(img_paths)

results = []

pool = multiprocessing.Pool(processes = 4)

for i,img_path in enumerate(img_paths):

a = "#"* int(i/10)

b = "."*(int(scale/10)-int(i/10))

c = (i/scale)*100

results.append(pool.apply_async(cut_img, (img_path,output_dir )))

print('{:^3.3f}%[{}>>{}]'.format(c, a, b)) # 进度条(可用tqdm)

pool.close() # 调用join之前，先调用close函数，否则会出错。

pool.join() # join函数等待所有子进程结束

for result in results:

print('image read failed!:', result.get())

print ("All done.")

if __name__ == "__main__":

input_dir = "D:/image_person" # 读取图片目录表

output_dir = "D:/image_person_02" # 保存截取的图像目录

main(input_dir, output_dir)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持站圈网。