Python OpenCV图像指定区域裁剪的实现

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)

来源：https://blog.csdn.net/wsp_1138886114/article/details/82778409