pythonopencv提取圆内图像_python – 使用OpenCV从图像中提取多边形给定...

使用cv2.fillConvexPoly以便您可以指定2D点阵列并定义一个蒙版,该蒙版填充由这些点定义的形状在蒙版中为白色.如果多边形中定义的点是凸的(因此名称为fillConvexPoly),则应该进行一些公平的警告.

然后我们可以将其转换为布尔蒙版,并使用它来索引图像以提取出您想要的像素.下面的代码生成一个名为mask的数组,它将包含要从图像中保存的像素的布尔掩码.此外,数组输出将包含由多边形定义的所需提取的子图像.请注意,图像初始化为完全黑暗,并且要复制的唯一像素是多边形定义的像素.

假设实际图像被称为img,并假设您的x和y点表示图像中的水平和垂直坐标,您可以执行以下操作:

import numpy as np

import cv2

pts = np.array([[542, 107], [562, 102], [582, 110], [598, 142], [600, 192], [601, 225], [592, 261], [572, 263], [551, 245], [526, 220], [520, 188], [518, 152], [525, 127], [524, 107]], dtype=np.int32)

mask = np.zeros((img.shape[0], img.shape[1]))

cv2.fillConvexPoly(mask, pts, 1)

mask = mask.astype(np.bool)

out = np.zeros_like(img)

out[mask] = img[mask]

除了要复制的区域外,所有都应该是黑色的.如果要显示此图像,可以执行以下操作:

cv2.imshow('Extracted Image', out)

cv2.waitKey(0)

cv2.destroyAllWindows()

这将显示从多边形点提取的图像,并等待您按下的键.查看完图像后,只要显示窗口具有焦点,就可以按任意键.

如果要将此图像保存到文件,请执行以下操作:

cv2.imwrite('output.png', out)

这会将图像保存到名为output.png的文件中.我指定PNG格式,因为它是无损的.

作为一个简单的测试,让我们定义一个300 x 700的白色图像,这远远超出了你定义的最大坐标.让我们提取出由该多边形定义的区域,并显示输出的外观.

img = 255*np.ones((300, 700, 3), dtype=np.uint8)

使用上面的测试图像,我们得到这个图像:

编辑

如果你想翻译提取的图像,使其位于中间,然后在边界框周围放置一个正方形,我建议的一个技巧是使用cv2.remap来翻译图像.完成后,使用cv2.rectangle绘制正方形.

cv2.remap的工作原理是,对于输出中的每个像素,您需要指定要在源图像中访问像素的位置的空间坐标.因为您最终将输出移动到图像的中心,所以需要为目标图像中的每个x和y位置添加偏移量以获取源像素.

要找出移动图像的正确偏移量,只需找出多边形的质心,转换多边形以使质心位于原点,然后重新转换它以使其位于图像的中心.

使用我们在上面定义的变量,您可以通过以下方式找到质心:

(meanx, meany) = pts.mean(axis=0)

找到质心后,您将获取所有点并减去此质心,然后添加适当的坐标以重新转换到图像的中心.图像的中心可以通过以下方式找到:

(cenx, ceny) = (img.shape[1]/2, img.shape[0]/2)

将坐标转换为整数也很重要,因为像素坐标是这样的:

(meanx, meany, cenx, ceny) = np.floor([meanx, meany, cenx, ceny]).astype(np.int32)

现在想出偏移量,就像我们之前谈到的那样:

(offsetx, offsety) = (-meanx + cenx, -meany + ceny)

现在,翻译你的形象.您需要为输出图像中的每个像素定义一个映射,对于目标图像中的每个点(x,y),您需要提供从源采样的位置.我们计算的偏移量将每个源像素转换为目标位置.因为我们正在做相反的事情,对于每个目标像素,我们要找到要采样的源像素,我们必须减去偏移,而不是添加.因此,首先通常定义(x,y)点的网格,然后减去偏移量.完成后,翻译图像:

(mx, my) = np.meshgrid(np.arange(img.shape[1]), np.arange(img.shape[0]))

ox = (mx - offsetx).astype(np.float32)

oy = (my - offsety).astype(np.float32)

out_translate = cv2.remap(out, ox, oy, cv2.INTER_LINEAR)

如果我们用上面的例子显示out_translate,这就是我们得到的:

凉!现在是时候在这个图像的顶部绘制矩形了.您所要做的就是找出矩形的左上角和右下角.这可以通过获取多边形的左上角和右下角并添加偏移量来将这些点移动到图像的中心来完成:

topleft = pts.min(axis=0) + [offsetx, offsety]

bottomright = pts.max(axis=0) + [offsetx, offsety]

cv2.rectangle(out_translate, tuple(topleft), tuple(bottomright), color=(255,0,0))

如果我们显示此图片,我们会得到:

上面的代码在居中图像周围绘制一个带蓝色的矩形.因此,从开始(提取像素区域)到结尾(翻译和绘制矩形)的完整代码是:

# Import relevant modules

import numpy as np

import cv2

# Define points

pts = np.array([[542, 107], [562, 102], [582, 110], [598, 142], [600, 192], [601, 225], [592, 261], [572, 263], [551, 245], [526, 220], [520, 188], [518, 152], [525, 127], [524, 107]], dtype=np.int32)

### Define image here

img = 255*np.ones((300, 700, 3), dtype=np.uint8)

# Initialize mask

mask = np.zeros((img.shape[0], img.shape[1]))

# Create mask that defines the polygon of points

cv2.fillConvexPoly(mask, pts, 1)

mask = mask.astype(np.bool)

# Create output image (untranslated)

out = np.zeros_like(img)

out[mask] = img[mask]

# Find centroid of polygon

(meanx, meany) = pts.mean(axis=0)

# Find centre of image

(cenx, ceny) = (img.shape[1]/2, img.shape[0]/2)

# Make integer coordinates for each of the above

(meanx, meany, cenx, ceny) = np.floor([meanx, meany, cenx, ceny]).astype(np.int32)

# Calculate final offset to translate source pixels to centre of image

(offsetx, offsety) = (-meanx + cenx, -meany + ceny)

# Define remapping coordinates

(mx, my) = np.meshgrid(np.arange(img.shape[1]), np.arange(img.shape[0]))

ox = (mx - offsetx).astype(np.float32)

oy = (my - offsety).astype(np.float32)

# Translate the image to centre

out_translate = cv2.remap(out, ox, oy, cv2.INTER_LINEAR)

# Determine top left and bottom right of translated image

topleft = pts.min(axis=0) + [offsetx, offsety]

bottomright = pts.max(axis=0) + [offsetx, offsety]

# Draw rectangle

cv2.rectangle(out_translate, tuple(topleft), tuple(bottomright), color=(255,0,0))

# Show image, wait for user input, then save the image

cv2.imshow('Output Image', out_translate)

cv2.waitKey(0)

cv2.destroyAllWindows()

cv2.imwrite('output.png', out_translate)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.mzph.cn/news/507603.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

二维码的纠错码原理及如何纠错(1)

本文将通过例子来说明两个方面的内容: (1)如何构建纠错码? (2)有了纠错码之后如何纠错? 1 如何构建纠错码? 直接上例子,“hello world” 利用二维码的编码原理&#xf…

浙江省二级计算机vfp,浙江省计算机2级vfp程序调试真题集.doc

程序填空(改错)题:在考生文件夹的paper 子文件夹中,已有文件Modify.prg,请自己打开文件,在标记&&之前填写所缺代码、调试、保存,并完成以下功能1、显示指定表中的全部字段名,并由用户输入显示表信息…

利用自己构建的网络进行鼾声识别

1 目前的工作 1.1 数据 5692条3s且采集率为8000hz的鼾声与6824条3s且采集率为8000hz的其他类音频。通过FFT频谱转换为300个(30,513,1)的矩阵。训练集与测试集的比例为9:1。数据集来源为google开源的数据集。 1.2 模型 图1. The proposed deep neural network arc…

计算机组成码距,计算机组成原理:2.3.2 纠错码原理.ppt

2.3.2 纠错码的基本原理;重复码;;n4时;译码失败:译码器根据接收到的信号无法作出明确判断;纠错码如何纠正错误?;2.3.3 几个基本概念;许用码组和禁用码组;错误图样;汉明距离和重量;最小码距;分组码 分组码一般可用(n,k)表示。其中,k是每组二进…

企业微信加密消息体_用企业微信小程序发送消息

在企业开发中,经常会碰到一些消息要及时推送到企业员工的手中。so 下面来说怎么向企业微信中的员工发消息。本人只是记录下开发过程,详细参考https://work.weixin.qq.com/api/1.准备注册企业微信公司获取企业ID新开企业微信应用获取应用的Agentid&#x…

二维码的纠错码原理及如何纠错(2)

下面进一步介绍二维码纠错相关的编码矩阵 1 范德蒙德(Vandermonde)矩阵 1.1 定义及特性 法国数学家 Alexandre-Thophile Vandermonde 在十八世纪提出了行列式的概念, 用来解决线性方程组问题, 其中一个关键是范德蒙德(Vandermonde) 矩阵, Vandermonde…

北师大计算机组成原理离线作业,北师大网络教育 离线作业 计算机组成原理(一、二、三)...

《计算机组成原理》作业(一)一、CPU:Central Processing Unit 中央处理单元 执行存放在主存储器中的程序即机器指令.CPU是由控制器和运算器.PC:Personal Computer 个人电脑 能独立运行、完成特定功能的个人计算机 IR:Immediate Rendering 直接…

3dsmax导出html,3dsmax导出gltf格式插件

【实例简介】3dsmax导出gltf格式插件,里面包括插件,插件使用说明,插件功能介绍;【实例截图】【核心代码】3dsmx_to_gltf格式插件└── 3dsMax to gltf 2├── 3ds Max│ ├── CHANGELOG.md│ ├── Max2Babylon│ │ …

NCCIP会议笔记

华南理工大学蔡毅:多智能体通信,识别边界。是否可以用于鼾声识别 天津大学张鹏教授 哈尔滨工业大学 HFUT:俞奎 张长青

计算机创新课,计算机教学课程模式与创新论文

计算机教学课程模式与创新论文摘要:作为大学生通识教育的重要组成部分,计算机基础课程是提高学生信息素养的关键途径。随着互联网技术的不断发展,大学计算机课程教学面临诸多新的挑战,因此需要创新、改革目前的教学模式&#xff0…

New directions in automated traffic analysis论文解读

1 论文主要idea 完整性:没有进行特征提取,保留原始数据包;固定大小:对不同类型的数据包进行统一格式编码,使得编码后的向量大小一致(见图3)将一些与目标任务不一致的字段去掉,如操作…

拉力测试软件界面,电脑拉力机/电脑控制拉力试验机软件操作界面与功能

1、电脑控制软件能实现自动读取抗拉强度、屈服强度、断裂强度、弹性模量、延伸率等检测数据,公式编辑能自动计算试验过程中任一指定点的力、应力、位移、变形等数据结果。对试验过程的控制和数据处理符合相应金属材料与非金属材料国家标准的要求。2、 控制方式&…

NSA-LDL论文修改建议20211026BRT

repair --> 增强,丰富, The kkk-nearest neighbor algorithm enhances the feature representation of the target sample by obtaining neighbors. Most of them take account of label correlation which plays an importance role in LDL. –>…

计算机找不到wf连接,笔记本wifi功能消失了 电脑wifi连接没了 电脑的wifi不见了...

笔记本wifi功能消失了 电脑wifi连接没了 电脑的wifi不见了2019-11-08 11:14:40 来源:网络扫码可以:1.在手机上浏览2.分享给微信好友或朋友圈解决方法:1、鼠标右键单击电脑桌面右下方的文件夹图标。2、进入文件夹后,在左边列表里&…

SWPU第一届APP程序设计大赛筹备工作

1 竞赛网址 http://main.corntree.net/champion/index 2. 选题讨论 关于竞赛的题目,目前几个想法: 1、私密相册 2、打印机 3、贴图(制作表情包) 4、聊天截图拼接并抹掉头像 5、手机加速 6、浏览器 7、 IOS Widgets 游戏相关&am…

计算机二级考试都怎么考,计算机二级都考什么 怎么考

满意答案luluthe...2013.08.26采纳率:45% 等级:11已帮助:8894人关于二级考试科目:与去年相同,二级一共七个科目。二级科目分成两类,一类是语 言程序设计(C、C、Java、Visual Basic、Delphi),…

MSN-LDL论文修改20211027RBY

1, 610000 –> 610500 2, Label distribution learning(LDL) –>Label distribution learning (LDL) 3, Howerver, existing LDL algorithms usually extract sample features from a single view, and the features extracted from a single view often cannot comple…

计算机c盘丢失,电脑C盘丢失的视频文件怎么恢复?方法讲解,轻松搞定

电脑C盘丢失的视频文件怎么恢复?在日常的工作以及生活当中,有很多的传统媒体文件充斥着。例如:闲暇时,会找一些直播视频来放松自己。工作中,会找一些网络课程来提升自己。但是,在此过程中也会因为一些失误&…

人脸识别研究任务及开源项目调研

0 任务 人脸识别流程包括人脸检测、人脸对齐、人脸识别等子任务。 图1 一些部分遮挡的人脸样本。(a) LFW数据库中部分遮挡的人脸样本。(b)AR数据库部分遮挡的人脸样本。人脸识别具有重要的学术价值,人脸是一类相当复杂的细节变化的自然结构目标,此类目…

双路服务器单路运行,单路还是双路?看需求选择_机箱电源评测-中关村在线

电源的介绍里面,经常会看到“单路12V输出”或者“双路12V输出”的字样。那么单路12V输出和双路12V输出有什么区别呢?单路12V输出有着什么样的优势,而双路12V又有着什么样的优势呢?接下来简单分析一下。单路输出电源的12V输出主要是…