python cv2截取不规则区域图片实例

时间:2021-04-02 人气:0

知识掌握

cv2.threshold()函数：

设置固定级别的阈值应用于多通道矩阵，将灰度图像变换二值图像，或去除指定级别的噪声，或过滤掉过小或者过大的像素点。

Python: cv2.threshold(src, thresh, maxval, type[, dst]) → retval, dst

在其中：

src：表示的是图片源

thresh：表示的是阈值（起始值）

maxval：表示的是最大值

type：表示的是这里划分的时候使用的是什么类型的算法，常用值为0（cv2.THRESH_BINARY）

import cv2 

img = cv2.imread('1.jpg')
cv2.imshow("src", img)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, dst = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv2.imshow("dst", dst)
cv2.waitKey(0)

cv2.findContours()函数：

查找检测物体的轮廓

cv2.findContours(image, mode, method)

opencv2返回两个值：contours：hierarchy。

注:opencv3会返回三个值,分别是img, countours, hierarchy

在其中：

image：表示的是寻找轮廓的图像；

mode：表示的是轮廓的检索模式，有四种：

cv2.RETR_EXTERNAL表示只检测外轮廓

cv2.RETR_LIST检测的轮廓不建立等级关系

cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。

cv2.RETR_TREE建立一个等级树结构的轮廓。

method：表示的是轮廓的近似办法

cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1

cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息

cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

import numpy as np 
import cv2

rectangle = np.zeros((300,300),dtype="uint8")
cv2.rectangle(rectangle,(25,25),(275,275),255,-1)
cv2.imshow("Rectangle",rectangle)

img, countours, hierarchy = cv2.findContours(rectangle, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(countours)
print(hierarchy)
cv2.waitKey(0)

[array([[[ 25, 25]],
[[ 25, 275]],
[[275, 275]],
[[275, 25]]], dtype=int32)]

[[[-1 -1 -1 -1]]]

cv2.polylines函数：

绘制多边形

cv2.polylines(img, pts, isClosed, color[, thickness[, lineType[,shift]]])

首先需要顶点坐标.将这些点转换为rowsx1x2形状的数组,其中rows是顶点数,它应该是int32类型。

import numpy as np
import cv2
# Create a black image
img = np.zeros((200, 200, 3), np.uint8)

pts = np.array([[10, 5], [20, 30], [70, 20], [50, 10]], np.int32) # 每个点都是(x, y)
pts = pts.reshape((-1, 1, 2))
cv2.polylines(img, [pts], True, (0, 255, 255))

pts = np.array([[100, 5], [150, 30], [80, 20], [90, 10]], np.int32)
cv2.polylines(img, [pts], False, (0, 255, 255))
cv2.imshow('img2', img)

cv2.waitKey()

如果第三个参数为False，您将获得连接所有点的折线，而不是闭合形状。

cv2.polylines()可用于绘制多条线.只需创建要绘制的所有行的列表并将其传递给函数, 所有线条都将单独绘制.绘制一组行比为每行调用cv2.line()要好得多，速度更快.

cv2.fillPoly)函数

可以用来填充任意形状的图型.可以用来绘制多边形,工作中也经常使用非常多个边来近似的画一条曲线.cv2.fillPoly()函数可以一次填充多个图型.

cv2.fillPoly(image,ppt,Scalar(255,255,255))

image：表示的是多边形将被画到image上

ppt：表示的是多边形的顶点集为ppt

Scalar：表示的是多边形的颜色定义为Scarlar(255,255,255)，即RGB的值为白色

img = np.zeros((1080, 1920, 3), np.uint8)
area1 = np.array([[250, 200], [300, 100], [750, 800], [100, 1000]])
area2 = np.array([[1000, 200], [1500, 200], [1500, 400], [1000, 400]])
 
cv2.fillPoly(img, [area1, area2], (255, 255, 255))
 
plt.imshow(img)
plt.show()

按位操作-bitwise operations

import numpy as np 
import cv2

rectangle = np.zeros((300,300),dtype="uint8")
cv2.rectangle(rectangle,(25,25),(275,275),255,-1)
cv2.imshow("Rectangle",rectangle)

circle = np.zeros((300,300),dtype="uint8")
cv2.circle(circle,(150,150),150,255,-1)
cv2.imshow("Circle",circle)

bitwiseAnd = cv2.bitwise_and(rectangle,circle)
cv2.imshow("And",bitwiseAnd)

bitwiseOr = cv2.bitwise_or(rectangle,circle)
cv2.imshow("OR",bitwiseOr)

bitwiseXor = cv2.bitwise_xor(rectangle,circle)
cv2.imshow("XOR",bitwiseXor)

bitwiseNot = cv2.bitwise_not(rectangle)
cv2.imshow("Not",bitwiseNot)
cv2.waitKey(0)

如果一个给定的像素的值大于零，那么这个像素会被打开，如果它的值为零，它就会被关闭。按位功能在这些二进制条件下运行。

AND：当且仅当两个像素都大于零时，按位AND才为真。

OR：如果两个像素中的任何一个大于零，则按位“或”为真。

XOR 异或功能：当且仅当两个像素中的任何一个大于零时，按位XOR才为真，但不是两者都是。当且仅当两个像素一个大于0一个小于0时才为真，其他都为false

NOT 取反：倒置图像中的“开”和“关”像素。

# -*- coding: utf-8 -*-
 
import cv2
import numpy as np
global img
global point1, point2
 
lsPointsChoose = []
tpPointsChoose = []
 
pointsCount = 0
count = 0 
pointsMax = 5
 
lsPointsChoose = []
tpPointsChoose = []
 
pointsCount = 0
count = 0
pointsMax = 5

 
def on_mouse(event, x, y, flags, param):
  global img, point1, point2, count, pointsMax
  global lsPointsChoose, tpPointsChoose # 存入选择的点
  global pointsCount # 对鼠标按下的点计数
  global init_img, ROI_bymouse_flag
  init_img = img.copy() # 此行代码保证每次都重新再原图画 避免画多了

  if event == cv2.EVENT_LBUTTONDOWN: # 左键点击
 
    pointsCount = pointsCount + 1
    # 为了保存绘制的区域，画的点稍晚清零
    if(pointsCount == pointsMax + 1):
      pointsCount = 0
      tpPointsChoose = []
    print('pointsCount:', pointsCount)
    point1 = (x, y)
    print (x, y)
    # 画出点击的点
    cv2.circle(init_img, point1, 10, (0, 255, 0), 5)
 
    # 将选取的点保存到list列表里
    lsPointsChoose.append([x, y]) # 用于转化为darry 提取多边形ROI
    tpPointsChoose.append((x, y)) # 用于画点

    # 将鼠标选的点用直线链接起来
    print(len(tpPointsChoose))
    for i in range(len(tpPointsChoose) - 1):
      cv2.line(init_img, tpPointsChoose[i], tpPointsChoose[i + 1], (0, 0, 255), 5)
    # 点击到pointMax时可以提取去绘图
    if(pointsCount == pointsMax):
      # 绘制感兴趣区域
      ROI_byMouse()
      ROI_bymouse_flag = 1
      lsPointsChoose = []
 
    cv2.imshow('src', init_img)
    
  # 右键按下清除轨迹
  if event == cv2.EVENT_RBUTTONDOWN: # 右键点击
    print("right-mouse")
    pointsCount = 0
    tpPointsChoose = []
    lsPointsChoose = []
    print(len(tpPointsChoose))
    for i in range(len(tpPointsChoose) - 1):
      print('i', i)
      cv2.line(init_img, tpPointsChoose[i], tpPointsChoose[i + 1], (0, 0, 255), 5)
    cv2.imshow('src', init_img)


def ROI_byMouse():
  global src, ROI, ROI_flag, mask2
  mask = np.zeros(img.shape, np.uint8)
  pts = np.array([lsPointsChoose], np.int32)

  pts = pts.reshape((-1, 1, 2)) # -1代表剩下的维度自动计算

  # 画多边形
  mask = cv2.polylines(mask, [pts], True, (0, 255, 255))
  # 填充多边形
  mask2 = cv2.fillPoly(mask, [pts], (255, 255, 255))
  cv2.imshow('mask', mask2)
  ROI = cv2.bitwise_and(mask2, img)
  cv2.imshow('ROI', ROI)

  
def main():
  global img, init_img, ROI
  img = cv2.imread('1.jpg')  
 
  # 图像预处理，设置其大小  
  height, width = img.shape[:2]  
  size = (int(width * 0.3), int(height * 0.3)) 
  img = cv2.resize(img, size, interpolation=cv2.INTER_AREA)  
  ROI = img.copy()
  cv2.namedWindow('src')
  cv2.setMouseCallback('src', on_mouse)  
  cv2.imshow('src', img)
  cv2.waitKey(0)
  cv2.destroyAllWindows()


if __name__ == '__main__':
  main()

以上这篇python cv2截取不规则区域图片实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。

您可能感兴趣的文章:

加载全部内容