将图像等分裁剪为想要的尺寸

在训练神经网络时，自己的数据可能分辨率过高，导致训练效果差，甚至还会爆显存，所以需要把图片进行裁剪

思路也非常简单，就是通过两层循环把每一裁剪子图的RGB提取出来，写入新文件

但是如果原图的尺寸不能整除子图的尺寸怎么办呢？

这里考虑进行填充

首先需要明确原始分辨率，和要裁剪成多大的图片，比如我的图片是2736*3648，目标分辨率为608。

其实这个尺寸还可以，因为2736 ÷ 608 = 4.5，3648 ÷ 608 = 6，也就是会有6张图片不足608*608，所以要进行填充操作。

填充思路也很简单，循环结束的条件就是当前x+裁剪后图像分辨率608>2736，此时会有一段图像未进行裁剪，那么就取从当前x一直到图片末尾的像素，并在其x方向填充（目标尺寸 - （图像原x - 当前x））

但如果有小伙伴x无法整除(目标尺寸)，y也无法整除，只需要在最外层循环结束后，再判断一次y方向是否有剩余就好了，方法和判断x的一样。如果x方向最后有剩余，y方向也有剩余，那么到最后一张图片需要进行两个方向的填充。

2021年12月20日重写

空下来了看之前自己写的代码，觉得思路有很大的问题，于是用新思路重写了一遍。。

主要是大图无法等分成目标分辨率的小图，会涉及到填充操作。在之前的方法中我采用对裁剪后的小图进行填充，这样的操作是重复的。于是我在裁剪之前对图像进行判断，其宽与高是否为目标分辨率的整倍数，若不为整倍数则直接对大图进行填充，然后再对填充后的大图进行裁剪，便省去了每次裁剪时都要对填充的判断。

max_y, max_x = img.shape[0], img.shape[1]
# 若不能等分，则填充至等分
if max_x % target_size != 0:
    padding_x = target_size - (max_x % target_size)
    img = cv2.copyMakeBorder(img, 0, 0, 0, padding_x, cv2.BORDER_CONSTANT, value=padding)
    max_x = img.shape[1]
if max_y % target_size != 0:
    padding_y = target_size - (max_y % target_size)
    img = cv2.copyMakeBorder(img, 0, padding_y, 0, 0, cv2.BORDER_CONSTANT, value=padding)
    max_y = img.shape[0]

然后判断填充后的大图的宽与高分别能被目标分辨率分割成多少图

h_count = int(max_x / target_size)
v_count = int(max_y / target_size)

之后便用最传统的双层循环进行裁剪和保存 

    count = 0
    for v in range(v_count):
        for h in range(h_count):
            x_begin = h * target_size
            x_end = (h + 1) * target_size
            y_begin = v * target_size
            y_end = (v + 1) * target_size
            cropImg = img[y_begin:y_end, x_begin:x_end]  # 裁剪图像
            target_path = pic_out_path + file_name + '_' + str(count) + '.jpg'
            cv2.imwrite(target_path, cropImg)  # 写入图像路径
            count += 1

完整代码如下：

# ---------------------------------------------------#
#   裁剪：
#       img：图片（cv格式）
#       target_size: 目标尺寸(仅支持正方形)
#       file_name: 不含扩展名的文件名
#       pic_out_path: 输出文件夹
#       padding: 填充颜色(B,G,R)
# ---------------------------------------------------#
def clip(img, target_size, file_name, pic_out_path, padding=(0, 0, 0)):
    max_y, max_x = img.shape[0], img.shape[1]
    # 若不能等分，则填充至等分
    if max_x % target_size != 0:
        padding_x = target_size - (max_x % target_size)
        img = cv2.copyMakeBorder(img, 0, 0, 0, padding_x, cv2.BORDER_CONSTANT, value=padding)
        max_x = img.shape[1]
    if max_y % target_size != 0:
        padding_y = target_size - (max_y % target_size)
        img = cv2.copyMakeBorder(img, 0, padding_y, 0, 0, cv2.BORDER_CONSTANT, value=padding)
        max_y = img.shape[0]

    h_count = int(max_x / target_size)
    v_count = int(max_y / target_size)

    count = 0
    for v in range(v_count):
        for h in range(h_count):
            x_start = h * target_size
            x_end = (h + 1) * target_size
            y_start = v * target_size
            y_end = (v + 1) * target_size
            cropImg = img[y_start:y_end, x_start:x_end]  # 裁剪图像
            target_path = pic_out_path + file_name + '_' + str(count) + '.jpg'
            cv2.imwrite(target_path, cropImg)  # 写入图像路径
            count += 1