在计算机视觉任务中，如图像分类，图像数据集必不可少。自己采集的图片往往存在很多噪声或无用信息会影响模型训练。因此，需要对图片进行裁剪处理，以防止图片边缘无用信息对模型造成影响。本文介绍几种图片裁剪的方式，供大家参考。
selectROI:选择感兴趣区域，边界框框选x,y,w,h
selectROI(windowName, img, showCrosshair=None, fromCenter=None):
. 参数windowName：选择的区域被显示在的窗口的名字
. 参数img：要在什么图片上选择ROI
. 参数showCrosshair：是否在矩形框里画十字线.
. 参数fromCenter：是否是从矩形框的中心开始画
要截取的原图如下：
截取效果如下：
截取之后按回车Enter保存：
完整代码如下：
import cv2
img = 'D:/anaconda3/JupyterNotebookFile/images/dogs_and_cats.jpg'
img = cv2.imread(img)
cv2.imshow('original', img)
# 选择ROI
roi = cv2.selectROI(windowName="original", img=img, showCrosshair=True, fromCenter=False)
x, y, w, h = roi
print(roi)
# 显示ROI并保存图片
if roi != (0, 0, 0, 0):
crop = img[y:y+h, x:x+w]
cv2.imshow('crop', crop)
cv2.imwrite('D:/anaconda3/JupyterNotebookFile/images/dogs_and_cats_crop.jpg', crop)
print('Saved!')
# 退出
cv2.waitKey(0)
cv2.destroyAllWindows()
读者根据自己的图片目录修改目标图片目录和要写入的目录。
这是一张432×432大小的图片，左上角坐标为(0,0).
import cv2
im = cv2.imread('图片路径')
在用cv2.imread()默认读取三通道RGB图像后，会返回一个三维数组。同时，可用im[h,w]的形式来截取图片中的某个部分。比如中间柴犬的位置相对左上角坐标原点为，从上到下为190-380，从左往右为180-260。这样就可以通过坐标的相对位置来裁剪/截取目标图像了。
完整代码如下：
import cv2 import os file_path = 'D:/anaconda3/JupyterNotebookFile/images/dogs_and_cats.jpg' out_file_name = 'dogs_and_cats_cropp' im = cv2.imread(file_path) im = im[190:380,180:260] save_path = r'D:/anaconda3/JupyterNotebookFile/images' save_path_file = os.path.join(save_path,out_file_name+'.jpg') cv2.imwrite(save_path_file,im)
截取后的图片效果：
若很多个图片数据具有相似的位置，则可以通过遍历文件的方式批量裁剪/截取，代码如下:
import cv2
import os
def clip_image(filelist,i,im_path):
'''
filelist:文件夹路径
i：批量保存的图片文件名，用数字表示
im_path:图片路径
'''
for file in filelist:
file_path=os.path.join(im_path,file)
im=cv2.imread(file_path)
#[h,w]根据自己图片中目标的位置修改
im=im[190:380,180:260]
save_path = r'D:/anaconda3/JupyterNotebookFile/images'
save_path_file = os.path.join(save_path,out_file_name+'.jpg')
cv2.imwrite(save_path_file,im)
i=i+1
传参并测试：笔者用的jupyter notebook，其他编译器写在main()中
i=0 im_path = r'D:/anaconda3/JupyterNotebookFile/images/dogs_and_cats.jpg' filelist = os.listdir(im_path) clip_image(filelist,i,im_path)
同一类图片数据具有相似的特征，标注少量的图片训练YOLO提升其定位目标的能力，可以将所有的测试数据根据YOLO检测结果裁剪，并将结果保存用于其他分类任务中。
代码如下：
from PIL import Image
from yolo import YOLO
import os
import cv2
import numpy as np
yolo = YOLO()
'''
yolo抠图，截取目标
'''
j=0
#预测图片所在路径
path = 'E:/crop_all'
imgdir = os.listdir(path)
for dir in imgdir:
img_path = os.path.join(path,dir)
image = Image.open(img_path)
#print(image)
crop_image = cv2.imread(img_path)
#print(crop_image[0])
boxes = yolo.detect_image(image)
#print(boxes)
top = boxes[0][0]
left = boxes[0][1]
bottom = boxes[0][2]
right = boxes[0][3]
top = top - 5
left = left - 5
bottom = bottom + 5
right = right + 5
# 左上角点的坐标
top = int(max(0, np.floor(top + 0.5).astype('int32')))
left = int(max(0, np.floor(left + 0.5).astype('int32')))
# 右下角点的坐标
bottom = int(min(np.shape(image)[0], np.floor(bottom + 0.5).astype('int32')))
right = int(min(np.shape(image)[1], np.floor(right + 0.5).astype('int32')))
croped_region = crop_image[top:bottom, left:right]
#裁剪图片存放目录
baocun = r'E:/crop_all_finish'
save_path = os.path.join(baocun, str(j) + '.bmp')
cv2.imwrite(save_path, croped_region)
j = j + 1
截取效果如下：
