Python图片裁剪与原图坐标映射
本文探讨如何使用Python进行图片裁剪，并精确映射裁剪后区域在原图中的坐标。这在图像处理中至关重要，例如，使用滑动窗口裁剪图片后，需要将检测到的目标框坐标从裁剪区域转换回原图坐标系。
首先，利用OpenCV库进行图片裁剪。OpenCV读取的图片数据是NumPy的ndarray，可以直接使用切片操作裁剪，例如img[y1:y2, x1:x2].copy()。copy()方法非常重要，它创建裁剪区域的副本，避免修改裁剪区域影响原图。如果图片尺寸能被均分成若干个小图，可以使用numpy.hsplit函数更方便地分割。代码示例如下：
import cv2import numpy as np# ... (此处省略图片读取代码，假设img为读取的图片)h, w = img.shape[:2]nrows, ncols = 4, 4sub_h, sub_w = h // nrows, w // ncols# 分割图片sub_imgs = np.array(np.hsplit(np.array(np.hsplit(img, ncols)), nrows))# 填充矩形（示例）r, c, x1, y1, x2, y2 = 2, 3, 10, 20, 54, 44sub_imgs[r, c, y1:y2, x1:x2] = (0, 0, 255) # 在小图上画框img[sub_h * r + y1:sub_h * r + y2, sub_w * c + x1:sub_w * c + x2] = (0, 0, 255) # 原图上画框# ... (此处省略显示代码)
代码中，sub_imgs[r, c, y1:y2, x1:x2]表示在第r行c列的小图中，坐标(x1, y1)到(x2, y2)的区域填充蓝色。img[sub_h * r + y1:sub_h * r + y2, sub_w * c + x1:sub_w * c + x2]将该区域坐标转换到原图，实现相同填充。因此，小图坐标到原图坐标的转换公式为：
立即学习“Python免费学习笔记（深入）”；
原图坐标 (x_orig, y_orig) = (x_sub + sub_w c, y_sub + sub_h r)
如果图片尺寸无法均分，可以使用numpy.array_split函数分割，它会将剩余部分分配给靠左和靠上的区域。
此外，Pillow库也能进行图片裁剪，其image.crop()方法更便捷。以下是一个基于Pillow库的图片分割函数：
import PIL.Image as Image# ... (此处省略代码)def split_image(img: Image, ncols: int = 1, nrows: int = 1) -> list[list[Image]]: # ... (此处省略代码，实现图片分割)# ... (后续代码)
此函数将图片分割成多个小图，并返回包含这些小图的列表。同样，使用crop()方法裁剪后，可计算小图在原图中的位置，实现坐标转换。需要注意的是，Pillow库的坐标系与OpenCV略有不同，需根据实际情况调整坐标转换公式。
以上就是Python图片裁剪后如何转换小图坐标到原图坐标？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1357656.html
微信扫一扫 
支付宝扫一扫 
