ToB企服应用市场:ToB评测及商务社交产业平台

标题: Python 结合opencv实现图片截取和拼接 [打印本页]

---

作者: 知者何南    时间: 2023-10-2 21:45
标题: Python 结合opencv实现图片截取和拼接
实践环境

python 3.6.2
scikit-build-0.16.7
win10
opencv_python-4.5.4.60-cp36-cp36m-win_amd64.whl
下载地址：
https://pypi.org/project/opencv-python/4.5.4.60/#files
https://files.pythonhosted.org/packages/57/6c/7f4f56b2555d5c25dd4f41fc72a16dc6402cb2b4f967da11d8d26c669b55/opencv_python-4.5.4.60-cp36-cp36m-win_amd64.whl
注意：下载时不用下abi版的，比如 opencv_python-4.6.0.66-cp36-abi3-win_amd64.whl 不能用，
因为数据类型为 np.uint8,也就是0~255,
依赖包安装

1. pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-build # 解决     ModuleNotFoundError: No module named 'skbuild'问题
2. pip install opencv_python-4.5.4.60-cp36-cp36m-win_amd64.whl

复制代码

代码实践

示例图片


代码

1. import os
2. import numpy as np
3. import cv2
4. from datetime import datetime
5. from PIL import Image
7. def capture_image(image_file_path, left, upper, width, height, target_file_name=None):
8.     '''截取图片'''
10.     right = left + width
11.     lower = upper + height
12.     if os.path.exists(image_file_path):
13.         image = Image.open(image_file_path)
14.         # width, height = image.size
15.         # print('图片宽度', width, '图片高度', height)
17.         head, ext = os.path.splitext(image_file_path)
18.         if not target_file_name:
19.             target_file_name = 'pic_captured%s%s' % (datetime.now().strftime('%Y%m%d%H%M%S%f'), ext)
21.         target_file_path = '%s%s' % (head, target_file_name)
22.         image.crop((left, upper, right, lower)).save(target_file_path)
23.         return target_file_path
24.     else:
25.         error_msg = '图片文件路径不存在：%s' % image_file_path
26.         print(error_msg)
27.         raise Exception(error_msg)
30. def append_picture(image1_path, image2_path):
31.     '''拼接图片'''
33.     image1 = cv2.imread(image1_path, -1)
34.     shape = image1.shape
35.     height1, width1, channel1 = shape
36.     # print(shape)     # 输出：(315, 510, 4)
37.     # print(image1)    # 输出一3维数组
38.     # print(len(image1), len(image1[0]))  # 输出：315 510
40.     image2 = cv2.imread(image2_path, -1)
41.     height2, width2, channel2 =  image2.shape
43.     total_height = max(height1, height2)
44.     total_width = width1 + width2
46.     dst = np.zeros((total_height, total_width, channel1), np.uint8)
47.     dst[0:height1, 0:width1] = image1
49.     dst[0:height2, width1:total_width] = image2
50.     cv2.imwrite("merge.png", dst)
52. if __name__ == '__main__':
53.     # 截取图片
54.     image_path1 = capture_image('example.png', 10, 30, 510, 315)
55.     image_path2 = capture_image('example.png', 520, 30, 518, 315)
57.     append_picture(image_path1, image_path2)

复制代码

运行结果

截取的图片


合并的图片

代码补充说明

• imread(filename, flags=None)
  
  
  
  • filename  图片路径
    
  函数返回一个3三元组：(height, width, channel) ，元素中元素从左到右分别表示图片的高度，宽度，通道数(彩色图片是三通道的，每个通道表示图片的一种颜色（RGB），对于OpenCV读取到的图片的通道顺序是BGR) ，假设图片3元组为 (315, 510, 4) ，表示有315行，即315个二维数组，510列，即每个二维数组有510个一维数组。
  
  
  
  • flags 标志位
    
    
    
    • cv2.IMREAD_COLOR：默认参数，表示读入一副彩色图片，忽略alpha通道，可用1作为实参替代
      
    • cv2.IMREAD_GRAYSCALE：读入灰度图片，可用0作为实参替代
      
    • cv2.IMREAD_UNCHANGED：读入完整图片，包括alpha通道，可用-1作为实参替代
      PS：alpha通道，又称A通道，是一个8位的灰度通道，该通道用256级灰度来记录图像中的透明度复信息，定义透明、不透明和半透明区域，其中黑表示全透明，白表示不透明，灰表示半透明
      
    
    
  
  
• imwrite(filename, img, params=None)
  将图片矩阵以文件的形式储存起来
  
  
  
  • filename 待保存的图片路径
    
  • img  Mat或Mat的矢量）要保存的一个或多个图像。
    
  • params 特定格式的参数对（paramId_1、paramValue_1、paramId_2、paramValue_2……），参阅cv:：ImwriteFlags
    
  
  
• zeros(shape, dtype=None, order='C')
  返回一个用零填充的给定形状和类型的新数组(ndarray)
  
  
  
  • shape 整数或者整数元组。新数组的形状，例如(2, 3) or 2。
    
  • dtype  数据类型，可选。数组所需的数据类型，比如，numpy.int8。  默认   numpy.float64。
    
  • order  {'C', 'F'}，可选，默认: 'C'。是否在内存中按行优先(row-major)顺序（C语言风格）或者列优先(column-major)（Fortran风格）顺序存储多维数据。
    
  示例
  1. >>> import numpy as np
  3. # 创建2维数组
  4. >>> array = np.zeros([2, 3])
  5. >>> print(array) # 输出一个二维数组 一个包含2个一维数组，每个一维数组包含3个元素
  6. [[0. 0. 0.]
  7. [0. 0. 0.]]
  8. >>> array = np.zeros([2, 3], np.int64) # 指定数组元素数据类型为int64
  9. >>> print(array)
  10. [[0 0 0]
  11. [0 0 0]]
  12. >>> array = np.zeros([2, 3], np.float64) #  指定数组元素数据类型为float64
  13. >>> print(array)
  14. [[0. 0. 0.]
  15. [0. 0. 0.]]
  16. >>> array = np.zeros([3, 2])  # 输出一个二维数组 一个包含3个一维数组，每个一维数组包含2个元素
  17. >>> print(array)
  18. [[0. 0.]
  19. [0. 0.]
  20. [0. 0.]]
  22. # 创建3维数组
  23. >>> array = np.zeros((2, 3, 4), np.int8)
  24. >>> print(array) # 输出一个3维数组 一个包含2个二维数组，每个二维数组包含3个一维数组，每个一维数组包含4个元素
  25. [[[0 0 0 0]
  26.   [0 0 0 0]
  27.   [0 0 0 0]]
  29. [[0 0 0 0]
  30.   [0 0 0 0]
  31.   [0 0 0 0]]]

  复制代码
• 冒号在Numpy数组索引中的作用说明
  3维数组为例
  ndarray[index1:index2, index3:index4, index5:index6]
  indexN:indexM 表示获取索引在范围[indexN, indexM)内的数组元素（注意，不包含索引为indexM的元素），这里的indexN代表起始元素索引，可选，默认为0，indexM代表结束元素索引，可选，默认为所在层级数组元素个数+1
  index1:index2  表示获取三维数组中，索引在范围[index1, index2)内的数组元素，即二维数组
  index3:index4  表示获取上述二维数组中，索引在范围[index3, index4)内的数组元素，即一维数组
  index5:index6  表示获取上述一维数组中，索引在范围[index5, index6)内的数组元素
  示例
  1. >>> array = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[11, 12, 13], [14, 15, 16], [17, 18, 19]], [[20, 21, 22], [23, 24, 25], [26, 27, 28]]]) # 创建一个3维 ndarray
  2. >>> array
  3. array([[[ 1,  2,  3],
  4.         [ 4,  5,  6],
  5.         [ 7,  8,  9]],
  7.        [[11, 12, 13],
  8.         [14, 15, 16],
  9.         [17, 18, 19]],
  11.        [[20, 21, 22],
  12.         [23, 24, 25],
  13.         [26, 27, 28]]])
  14. >>> array[:] # 获取全部元素，等价于array[:, :, :]  
  15. array([[[ 1,  2,  3],
  16.         [ 4,  5,  6],
  17.         [ 7,  8,  9]],
  19.        [[11, 12, 13],
  20.         [14, 15, 16],
  21.         [17, 18, 19]],
  23.        [[20, 21, 22],
  24.         [23, 24, 25],
  25.         [26, 27, 28]]])
  26. >>> array[:, :, :]
  27. array([[[ 1,  2,  3],
  28.         [ 4,  5,  6],
  29.         [ 7,  8,  9]],
  31.        [[11, 12, 13],
  32.         [14, 15, 16],
  33.         [17, 18, 19]],
  35.        [[20, 21, 22],
  36.         [23, 24, 25],
  37.         [26, 27, 28]]])
  39. >>> array[1:2]  # 获取索引在[1,2)范围内的二维数组
  40. array([[[11, 12, 13],
  41.         [14, 15, 16],
  42.         [17, 18, 19]]])
  43. >>> array[1:]    # 获取索引在[1,3)范围内的二维数组
  44. array([[[11, 12, 13],
  45.         [14, 15, 16],
  46.         [17, 18, 19]],
  48.        [[20, 21, 22],
  49.         [23, 24, 25],
  50.         [26, 27, 28]]])
  51. >>> array[:2]    # 获取索引在[0,2)范围内的二维数组
  52. array([[[ 1,  2,  3],
  53.         [ 4,  5,  6],
  54.         [ 7,  8,  9]],
  56.        [[11, 12, 13],
  57.         [14, 15, 16],
  58.         [17, 18, 19]]])
  59.         
  60. >>> array[1:2, 1:2] # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组
  61. array([[[14, 15, 16]]])
  62. >>> array[1:2, :2]  # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[0,2)范围内的一维数组
  63. array([[[11, 12, 13],
  64.         [14, 15, 16]]])
  65. >>> array[1:2, 1:]  # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,3)范围内的一维数组
  66. array([[[14, 15, 16],
  67.         [17, 18, 19]]])
  68. >>> array[1:2, :]   # 获取索引在[1,2)范围内的二维数组的全部元素
  69. array([[[11, 12, 13],
  70.         [14, 15, 16],
  71.         [17, 18, 19]]])
  72. >>> array[1:2, 1:2, 1:2]  # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组，一维数组中只获取索引在[1,2)范围内的元素
  73. array([[[15]]])
  74. >>> array[1:2, 1:2, 1:]   # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组，一维数组中只获取索引在[1,3)范围内的元素
  75. array([[[15, 16]]])
  76. >>> array[1:2, 1:2, :2]   # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组，一维数组中只获取索引在[0,2)范围内的元素
  77. array([[[14, 15]]])
  78. >>> array[1:2, 1:2, :]    # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组，获取一维数组的所有元素
  79. array([[[14, 15, 16]]])

  复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4