python图片裁剪与原图坐标变换
在进行图像处理时，经常需要对图片进行裁剪，并需要将裁剪后图像上的坐标映射回原图坐标。本文将详细介绍如何使用python完成图片裁剪以及如何将裁剪后的图片坐标转换到原图坐标系中。 我们将以滑窗裁剪为例，讲解如何处理这个问题。假设有一张1000*1000像素的图片，需要将其分割成多个小图，并在其中一个小图上绘制矩形框，最终需要确定该矩形框在原图中的坐标。
可以使用opencv库进行图片的裁剪。opencv读取的图片是numpy数组，可以使用数组切片的方式进行裁剪。img[y1:y2, x1:x2].copy() 可以裁剪出图片的一部分，其中 (x1, y1) 是左上角坐标，(x2, y2) 是右下角坐标。 如果需要将图片平均分割成多个子图，可以使用numpy.hsplit函数，但前提是图片的宽高必须能被分割的行列数整除。如果不能整除，则需要使用numpy.array_split函数，该函数会将剩余部分分配给靠左或靠上的部分。
以下代码示例演示了如何使用numpy.hsplit和numpy.array_split进行图片分割，以及如何将子图坐标转换为原图坐标：
import cv2 import numpy as np # ... (此处省略图片读取代码，假设img变量已包含读取的图片) ... h, w = img.shape[:2] nrows, ncols = 4, 4 # 将图片分割成4行4列 sub_h, sub_w = h//nrows, w//ncols # 使用numpy.hsplit分割图片 (要求宽高能被整除) sub_imgs = np.array(np.hsplit(np.array(np.hsplit(img, ncols)), nrows)) # ... (此处省略在子图上绘制矩形框的代码) ... # 将子图坐标转换为原图坐标 r, c, x1, y1, x2, y2 = 2, 3, 10, 20, 54, 44 # 例如，在第2行第3列子图上绘制矩形框 (x1,y1)到(x2,y2) original_x1 = sub_w * c + x1 original_y1 = sub_h * r + y1 original_x2 = sub_w * c + x2 original_y2 = sub_h * r + y2 # original_x1, original_y1, original_x2, original_y2 即为原图坐标 # ... (此处省略显示图片的代码) ... # 使用numpy.array_split分割图片 (不需要宽高被整除) nrows, ncols = 3, 3 sub_imgs = [np.array_split(row, ncols, 1) for row in np.array_split(img, nrows, 0)] # ... (类似的坐标转换逻辑) ...
除了opencv，还可以使用pillow库进行图片裁剪。pillow库的image.crop()方法可以裁剪图片。以下代码示例演示了如何使用pillow库进行图片分割，以及如何将子图坐标转换为原图坐标：
立即学习“Python免费学习笔记（深入）”；
import PIL.Image as Images # ... (此处省略图片读取和分割代码，假设subimgs变量已包含裁剪后的图片列表) ... # ... (此处省略在子图上绘制矩形框的代码) ... # 计算原图坐标 (假设已知子图在原图中的位置) # ... (此处需要根据分割方式计算子图在原图中的起始坐标) ...
需要注意的是，使用numpy.array_split进行分割时，由于可能存在无法整除的情况，子图的尺寸会有所不同，需要根据实际情况调整坐标转换逻辑。 无论是使用opencv还是pillow库，关键在于理解裁剪后的子图在原图中的位置关系，才能正确地将子图坐标转换为原图坐标。
