python四個(gè)坐標(biāo)點(diǎn)對(duì)圖片區(qū)域最小外接矩形進(jìn)行裁剪
在圖像裁剪操作中，opencv和pillow兩個(gè)庫(kù)都具有相應(yīng)的函數(shù)，但是這兩個(gè)庫(kù)中的函數(shù)僅僅能對(duì)與圖片平行的矩形進(jìn)行裁剪操作，如果想要對(duì)目標(biāo)的最小外接矩形進(jìn)行裁剪該如何操作呢？如下所示：
具體處理該問題的思路如下：
- 計(jì)算最小外接矩形的四個(gè)點(diǎn)的坐標(biāo)，旋轉(zhuǎn)角度
- 將原圖像進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)角度為最小外接矩形的角度
- 將四個(gè)點(diǎn)的坐標(biāo)進(jìn)行映射，求出被旋轉(zhuǎn)后圖像的四個(gè)點(diǎn)的坐標(biāo)
- 利用這四個(gè)點(diǎn)對(duì)圖像進(jìn)行裁剪
圖像原圖如下：
1 求出該區(qū)域的最小外接矩形，并且得到外接矩形的四個(gè)點(diǎn)的坐標(biāo)和旋轉(zhuǎn)角度。
rect = cv2.minAreaRect(self.contours[0])#rect為[(旋轉(zhuǎn)中心x坐標(biāo)，旋轉(zhuǎn)中心y坐標(biāo))，(矩形長(zhǎng)，矩形寬),旋轉(zhuǎn)角度] box_origin = cv2.boxPoints(rect)#box_origin為[(x0,y0),(x1,y1),(x2,y2),(x3,y3)]
2 將原圖像進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)角度為最小外接矩形的角度，由于防止旋轉(zhuǎn)后目標(biāo)區(qū)域在圖像外面，所以我將圖像大小擴(kuò)大為原來(lái)的2倍。
M = cv2.getRotationMatrix2D(rect[0],rect[2],1) dst = cv2.warpAffine(rotateimg,M,(2*rotateimg.shape[0],2*rotateimg.shape[1]))
3 將原四個(gè)點(diǎn)的坐標(biāo)做映射，映射到旋轉(zhuǎn)后的區(qū)域，得到新的四個(gè)點(diǎn)的坐標(biāo)。
#逆時(shí)針旋轉(zhuǎn) def Nrotate(angle,valuex,valuey,pointx,pointy): angle = (angle/180)*math.pi valuex = np.array(valuex) valuey = np.array(valuey) nRotatex = (valuex-pointx)*math.cos(angle) - (valuey-pointy)*math.sin(angle) + pointx nRotatey = (valuex-pointx)*math.sin(angle) + (valuey-pointy)*math.cos(angle) + pointy return (nRotatex, nRotatey) #順時(shí)針旋轉(zhuǎn) def Srotate(angle,valuex,valuey,pointx,pointy): angle = (angle/180)*math.pi valuex = np.array(valuex) valuey = np.array(valuey) sRotatex = (valuex-pointx)*math.cos(angle) + (valuey-pointy)*math.sin(angle) + pointx sRotatey = (valuey-pointy)*math.cos(angle) - (valuex-pointx)*math.sin(angle) + pointy return (sRotatex,sRotatey) #將四個(gè)點(diǎn)做映射 def rotatecordiate(angle,rectboxs,pointx,pointy): output = [] for rectbox in rectboxs: if angle>0: output.append(Srotate(angle,rectbox[0],rectbox[1],pointx,pointy)) else: output.append(Nrotate(-angle,rectbox[0],rectbox[1],pointx,pointy)) return output box = rotatecordiate(rect[2],box_origin,rect[0][0],rect[0][1])
4 利用四個(gè)點(diǎn)坐標(biāo)進(jìn)行裁剪，如2中圖所示，圖像經(jīng)過(guò)旋轉(zhuǎn)后已經(jīng)變?yōu)楹蛨D片沒有旋轉(zhuǎn)角的圖像，經(jīng)過(guò)實(shí)驗(yàn)觀察旋轉(zhuǎn)后的坐標(biāo)還是有細(xì)微差別，但誤差已經(jīng)在千分點(diǎn)甚至萬(wàn)分點(diǎn)左右，對(duì)我們裁剪造成的影響可以忽略不計(jì)。
def imagecrop(image,box):
xs = [x[1] for x in box]
ys = [x[0] for x in box]
print(xs)
print(min(xs),max(xs),min(ys),max(ys))
cropimage = image[min(xs):max(xs),min(ys):max(ys)]
print(cropimage.shape)
cv2.imwrite('cropimage.png',cropimage)
return cropimage
imagecrop(dst,np.int0(box))
到此，利用4個(gè)坐標(biāo)點(diǎn)對(duì)圖像進(jìn)行裁剪操作已經(jīng)完成。
到此這篇關(guān)于python四個(gè)坐標(biāo)點(diǎn)對(duì)圖片區(qū)域最小外接矩形進(jìn)行裁剪的文章就介紹到這了,更多相關(guān)python 圖片坐標(biāo)裁剪內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信