怎么用python opencv实现目标区域裁剪功能

这篇文章主要介绍“怎么用python opencv实现目标区域裁剪功能”，在日常操作中，相信很多人在怎么用python opencv实现目标区域裁剪功能问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用python opencv实现目标区域裁剪功能”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

这个任务是自己在项目中数据处理的一部分内容，待处理的图片如下所示：

我需要将目标区域给裁剪出来，要不然在后期训练网络的时候整幅图像过大，且目标区域过小，得到结果不好，还会加剧计算量。在网上找了各个大佬的博客看，没找到合适的，便自己动手写了，顺便自己的小破站刚搭建起来，记录一下自己的思路。

思路

去寻找目标区域的最左边，最右边，最上面和最下面的像素点，取到坐标信息以后用CV2的裁剪一下就可以实现了。
#难点
数据总共是11952张图片，每张图片是1024*768大小的，依次去遍历的话担心太费时间了，结果还好，图像中黑色的像素点值为0，计算量比想象的要小很多
#代码

import cv2

"""
    使用OpenCV截取图片
"""
def search(path):
    left = 1024
    right = 0
    upper = 768
    lower = 0
    img = cv2.imread(path)[:,:,0]
    # print(img.shape)
    for i in range(768):
        for j in range(1024):
            if img[i,j] != 0 :
                # print(img[i,j])
                left = min(j,left)
                right = max(j,right)
                lower = max(i,lower)
                upper =  min(i,upper)
    return (left,upper,right,lower)

def image_cut_save(path, left, upper, right, lower, save_path):
    """
        所截区域图片保存
    :param path: 图片路径
    :param left: 区块左上角位置的像素点离图片左边界的距离
    :param upper：区块左上角位置的像素点离图片上边界的距离
    :param right：区块右下角位置的像素点离图片左边界的距离
    :param lower：区块右下角位置的像素点离图片上边界的距离
     故需满足：lower > upper、right > left
    :param save_path: 所截图片保存位置
    """
    img = cv2.imread(path)  # 打开图像
    cropped = img[upper:lower, left:right]
    # 保存截取的图片
    cv2.imwrite(save_path, cropped)


if __name__ == '__main__':
    root_path = r'原图片的路径'
    save_path = r'裁剪后的图片保存的路径'
    images = os.listdir(root_path)
    for image in images:
        # print(image)
        pic_path = os.path.join(root_path,image)
        # print(pic_path)
        pic_save_dir_path = os.path.join(save_path,image)
        print(pic_save_dir_path)
        left, upper, right, lower = search(pic_path)
        # show_cut(pic_path, left, upper, right, lower)
        image_cut_save(pic_path, left, upper, right, lower, pic_save_dir_path)

结果

裁剪后的图像如下

到此，关于“怎么用python opencv实现目标区域裁剪功能”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！