opencv python截取圓形區域的實現
一、先進行剪切操作
圓形區域占圖片可能不多,多餘的部分不要。
看下圖。
隻要紐扣電池內部和少許的邊緣部分,其餘黑色背景部分不需要。
先沿著紐扣電池的邊緣剪切出來感興趣的區域。
有2個方法,用尋找輪廓外接圓的方法,或者基爾霍夫圓的方法。
在這裡以輪廓外接圓方法為例。
代碼如下:
import cv2 import numpy as np image = cv2.imread('F:\Siamese-pytorch-master\datasets\images_background\quebian_Hander/20220724-112303-336.jpg') image=cv2.resize(image,(800,600))#縮放一下 img=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 灰度圖 # 二值化 這個位置要註意二值化和反二值化,看你原圖是什麼樣子的底色 # ret , thresh = cv2.threshold(img, 230, 255, cv2.THRESH_BINARY_INV) # ret , thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU) ret , thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU) contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) dot=[] # 用來保存所有輪廓返回的坐標點。 for c in contours: # 找到邊界坐標 min_list=[] # 保存單個輪廓的信息,x,y,w,h,area。 x,y 為起始點坐標 x, y, w, h = cv2.boundingRect(c) # 計算點集最外面的矩形邊界 min_list.append(x) min_list.append(y) min_list.append(w) min_list.append(h) min_list.append(w*h) # 把輪廓面積也添加到 dot 中 dot.append(min_list) # 找出最大矩形的 x,y,w,h,area max_area=dot[0][4] # 把第一個矩形面積當作最大矩形面積 for inlist in dot: area=inlist[4] if area >= max_area: x=inlist[0] y=inlist[1] w=inlist[2] h=inlist[3] max_area=area # 在原圖上畫出最大的矩形 這部分實際上是對邊緣再擴展一下,避免剪切的圓不夠完整 print(x,y,w,h) if y>=60: new_w=60 elif y>=50: new_w=50 elif y>=40: new_w=40 elif y>=30: new_w=30 elif y>=20: new_w=20 elif y>=10: new_w=10 x0=x-int(new_w/2) y0=y-int(new_w/2) w=w+new_w h=h+new_w print(x0,y0,w,h) # cv2.rectangle(image, (x0, y0), (x + w, y + h), (0, 255, 0), 1) crop = image[y0:y0+h, x0:x0+w] cv2.imshow('crop',crop) cv2.imwrite("crop.jpg",crop) cv2.waitKey(0) cv2.destroyWindow()
代碼執行以後可以看下剪切效果。大致如下。
以上代碼是單張圖片。
執行一下代碼可以批量處理圖片。
註意:如果你的代碼報錯,註意下二值化的這行代碼,是THRESH_BINARY_INV還是THRESH_BINARY。
# -*- coding:utf-8 -*- # from re import X import cv2 import numpy as np from glob import glob import os img_path = glob("F:\Siamese-pytorch-master\datasets\images_background\character01/*.jpg") path_save = "F:\Siamese-pytorch-master\datasets\images_background\quebian_Hander/" for i,file in enumerate(img_path): name = os.path.join(path_save, "%d.jpg"%i) image = cv2.imread(file) print(file,i) image=cv2.resize(image,(800,600)) img=cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) img = cv2.bilateralFilter(img,9,75,75) ret , thresh = cv2.threshold(img,127,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU) contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) dot=[] # 用來保存所有輪廓返回的坐標點。 for c in contours: # 找到邊界坐標 min_list=[] # 保存單個輪廓的信息,x,y,w,h,area。 x,y 為起始點坐標 x, y, w, h = cv2.boundingRect(c) # 計算點集最外面的矩形邊界 min_list.append(x) min_list.append(y) min_list.append(w) min_list.append(h) min_list.append(w*h) # 把輪廓面積也添加到 dot 中 dot.append(min_list) # 找出最大矩形的 x,y,w,h,area max_area=dot[0][4] # 把第一個矩形面積當作最大矩形面積 for inlist in dot: area=inlist[4] if area >= max_area: x=inlist[0] y=inlist[1] w=inlist[2] h=inlist[3] max_area=area # 在原圖上畫出最大的矩形 print(x,y,w,h) if y>=60: new_w=60 elif y>=50: new_w=50 elif y>=40: new_w=40 elif y>=30: new_w=30 elif y>=20: new_w=20 elif y>=10: new_w=10 elif y>=5: new_w=5 else: new_w=0 x0=x-int(new_w/2) y0=y-int(new_w/2) w=w+new_w h=h+new_w print(x0,y0,w,h) # cv2.rectangle(image, (x0, y0), (x0 + w , y0 + h), (0, 255, 0), 1) crop = image[y0:y0+h, x0:x0+w] cv2.imwrite(name,crop)
批量以後效果類似下圖。基本上裁減掉瞭不需要的部分。
二、去除背景
執行以下代碼。
import cv2 import numpy as np from glob import glob import os img_path = glob("F:\DEMO_CODE\demo\ML\qieyuan/*.jpg") path_save = "F:\DEMO_CODE\demo\ML\qieyuan/" for i,file in enumerate(img_path): name = os.path.join(path_save, "%d.jpg"%i) image = cv2.imread(file) gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) _, binary = cv2.threshold(gray,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU) contours, _ = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) for cont in contours: (x, y), radius = cv2.minEnclosingCircle(cont) if radius>200: ming=cv2.circle(image,(int(x),int(y)),int(radius), (0, 0, 255), 2) print("radius is ") print(radius) print((x, y)) roi = np.zeros(image.shape[:2], np.uint8) roi = cv2.circle(roi,(int(x),int(y)), int(radius), 255, cv2.FILLED) mask = np.ones_like(image) * 255 mask = cv2.bitwise_and(mask, image, mask=roi) + cv2.bitwise_and(mask, mask, mask=~roi) cv2.imwrite(name,mask) print(i,name)
效果如下:
不要的部分就變成白色瞭
總結
卷積神經網絡的不一定需要圖片預處理,有時候預處理反而得到不好的結果。但是也可以嘗試一下,也許結果更好。
到此這篇關於opencv python截取圓形區域的實現的文章就介紹到這瞭,更多相關opencv 截取圓形區域內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- 詳解Python OpenCV圖像分割算法的實現
- Python OpenCV招商銀行信用卡卡號識別的方法
- Python答題卡識別並給出分數的實現代碼
- python OpenCV圖像金字塔
- python opencv 畫外接矩形框的完整代碼