OpenCV 4基础篇| OpenCV图像的裁切

1. Numpy切片

语法结构：

retval = img[y:y+h, x:x+w] #对图像 img 裁剪并返回指定的矩阵区域图像。

img：图像数据，nparray 多维数组
x, y：整数，像素值，裁剪矩形区域左上角的坐标值
w, h：整数，像素值，裁剪矩形区域的宽度、高度
retval：裁剪后获得的 OpenCV 图像，nparray 多维数组

1.1 注意事项

Numpy 多维数组的切片是原始数组的浅拷贝，切片修改后原始数组也会改变。推荐采用 .copy() 进行深拷贝，得到原始图像的副本。
Numpy 数组切片，当上界或下界为数组边界时可以省略，如：img[y:, :x] 表示高度方向从 y 至图像底部（像素ymax），宽度方向从图像左侧（像素 0）至 x。

1.2 代码示例

import cv2imgFile = "./img/lena.jpg"
img1 = cv2.imread(imgFile, flags=1)  # flags=1 读取彩色图像(BGR)
xmin, ymin, w, h = 200, 200, 200, 200  # 矩形裁剪区域 (ymin:ymin+h, xmin:xmin+w) 的位置参数
imgCrop = img1[ymin:ymin + h, xmin:xmin + w].copy()  # 切片获得裁剪后保留的图像区域
cv2.imshow("CropDemo", imgCrop)  # 在窗口显示 彩色随机图像
cv2.waitKey(0)
cv2.destroyAllWindows()

2. cv2.selectROI()

2.1 语法结构

cv2.selectROI(windowName, img, showCrosshair=None, fromCenter=None):#可以通过鼠标选择感兴趣的矩形区域（ROI）

windowName：选择的区域被显示在的窗口的名字
img：要在什么图片上选择ROI
showCrosshair：是否在矩形框里画十字线.
fromCenter：是否是从矩形框的中心开始画

2.2 注意事项

由于 cv2.selectROI 是一个交互式的函数，它可能不适合用于自动化脚本或没有图形用户界面的环境。在这种情况下，你可能需要寻找其他方法来选择图像中的 ROI，例如使用固定坐标、图像分割算法等。

2.3 代码示例

import cv2imgFile = "img/lena.jpg"  
img1 = cv2.imread(imgFile, flags=1)  # flags=1 读取彩色图像(BGR)
roi = cv2.selectROI(img1, showCrosshair=True, fromCenter=False)
xmin, ymin, w, h = roi  # 矩形裁剪区域 (ymin:ymin+h, xmin:xmin+w) 的位置参数
imgROI = img1[ymin:ymin + h, xmin:xmin + w].copy()  # 切片获得裁剪后保留的图像区域
cv2.imshow("RIODemo", imgROI)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. Pillow.crop

3.1 语法结构

retval = Image.crop(left, up, right, lower)

left：整数，表示裁剪区域左上角的 x 坐标。
up：整数，表示裁剪区域左上角的 y 坐标。
right：整数，表示裁剪区域右下角的 x 坐标。这个值通常大于 left。
below：整数，表示裁剪区域右下角的 y 坐标。这个值通常大于 upper。
retval：一个新的 Image 对象,原始图像中被裁剪出来的矩形区域

3.2 注意事项

crop()函数接受一个包含四个数字的元组参数，表示裁剪区域的左上角和右下角的坐标。这个元组的格式是(left, upper, right, lower)，其中left和upper是裁剪区域的左上角坐标，right和lower是右下角坐标。坐标的原点（0,0）通常在图像的左上角。
Pillow库使用坐标系的原点在左上角，x轴向右增加，y轴向下增加。这与一些其他图像处理库（如OpenCV）的坐标系原点在左下角的约定不同，需要注意坐标的顺序和方向。
裁剪区域的坐标必须在图像的边界内。如果裁剪区域的坐标超出了图像的边界，将会引发一个ValueError异常。因此，在调用crop()函数之前，最好先检查裁剪区域的坐标是否有效。
crop()函数不会修改原始图像，而是返回一个新的裁剪后的图像对象。原始图像保持不变，如果需要保存裁剪后的图像，需要将其保存到文件或进行其他操作。

3.3 代码示例

from PIL import Image
import matplotlib.pyplot as pltimgFile = "./img/lena.jpg"
img = Image.open(imgFile)  # W*H
plt.rcParams['font.sans-serif'] = ['FangSong']  # 支持中文标签
plt.subplot(221), plt.title("原图"), plt.axis('off')
plt.imshow(img)  
img_c = img.crop([img.size[0] / 4, img.size[1] / 4, img.size[0] * 3 / 4, img.size[1] * 3 / 4])
plt.rcParams['font.sans-serif'] = ['FangSong']  # 支持中文标签
plt.subplot(222), plt.title("裁切之后"), plt.axis('off')
plt.imshow(img_c)  
plt.show()

4. 扩展示例：单张大图裁切成多张小图

from PIL import ImageimgFile = "./img/lena.jpg"
img = Image.open(imgFile)
size = img.size
print(size)
# 准备将图片切割成9张小图片
weight = int(size[0] // 3)
height = int(size[1] // 3)
# 切割后的小图的宽度和高度
print(weight, height)
for j in range(3):for i in range(3):box = (weight * i, height * j, weight * (i + 1), height * (j + 1))region = img.crop(box)region.save('{}{}.png'.format(j, i))