使用OPENCV查找边界,提取出面积前top_n的图像部分,顺序粘贴到指定背景图像上合成单个照片
注意,仅适用于简单边缘边界

import argparse
import sysimport cv2
import os
import numpy as npif __name__ == "__main__":parser = argparse.ArgumentParser(description='请指定参数')parser.add_argument('--s', default='./', type=str, required=False,help='source,需处理的文件目录,支持相对路径以及绝对路径,如未指定,则是当前目录')parser.add_argument('--t', default='./result', type=str, required=False,help='target,输出的文件目录,支持相对路径以及绝对路径,会自动创建')parser.add_argument('--b', default='back.jpg', type=str, required=False, help='background,背景图像,注意尺寸')parser.add_argument('--sp', default=20, type=int, required=False, help='spacing,间距,单位像素')parser.add_argument('--x', default=450, type=int, required=False,help='start_x,起始点,即被分割的图像的第一块区域的起始点x坐标')parser.add_argument('--y', default=100, type=int, required=False,help='start_y,起始点,即被分割的图像的第一块区域的起始点y坐标')parser.add_argument('--top_n', default=3, type=int, required=False,help='取前n个面积的边缘排列出来')args = parser.parse_args()# 源目录和目标目录source_dir = args.s  # 包含待处理图像的目录target_dir = args.t  # 用于保存结果的目录top_n = args.top_n  # 用于保存结果的目录if not os.path.exists(source_dir):print("source_dir not exists")sys.exit(1)if not os.path.exists(args.b):print("back_img not exists")sys.exit(1)back_img = cv2.imread(args.b)# 如果目标目录不存在，则创建它if not os.path.exists(target_dir):os.makedirs(target_dir)# 遍历源目录中的所有文件for filename in os.listdir(source_dir):# 跳过非图像文件if not filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.tiff', '.gif')):continue# 构建图像的完整路径source_path = os.path.join(source_dir, filename)target_path = os.path.join(target_dir, filename)# 读取图像image_o = cv2.imread(source_path)image = cv2.cvtColor(image_o, cv2.COLOR_BGR2GRAY)# 如果图像是空的，则跳过if image is None:print(f"Error: Could not open or find the image {source_path}.")continue# 使用二值化阈值_, thresh = cv2.threshold(image, 80, 255, cv2.THRESH_BINARY)# 查找轮廓contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 计算每个轮廓的面积，并按照面积降序排序contour_areas = [(cv2.contourArea(contour), contour) for contour in contours]contour_areas.sort(key=lambda x: x[0], reverse=True)# 提取前三个面积最大的轮廓top_n_contours = [contour_area[1] for contour_area in contour_areas[:top_n]]# 叠加前三个轮廓到目标图像上# 假设轮廓按水平方向排列，并且之间有间隔spacing = args.sp  # 轮廓之间的间隔start_x = args.xstart_y = args.ytarget_image = np.copy(back_img)for contour in top_n_contours:# 创建一个与源图像大小相同的掩码，并用0填充mask = np.zeros(image_o.shape[:2], dtype="uint8")# 在掩码上绘制当前轮廓（填充为白色）cv2.drawContours(mask, [contour], -1, 255, -1)# 使用掩码从源图像中提取轮廓区域contour_image = cv2.bitwise_and(image_o, image_o, mask=mask)x, y, w, h = cv2.boundingRect(contour)contour_image = contour_image[y:y + h, x:x + w]mask = mask[y:y + h, x:x + w]y_coords, x_coords = np.where(mask != 0)for y, x in zip(y_coords, x_coords):target_image[start_y + y, start_x + x] = contour_image[y, x]# 将轮廓区域叠加到目标图像上contour_height, contour_width = contour_image.shape[:2]# target_image[0:contour_height, start_x:start_x + contour_width] = contour_image# 更新下一个轮廓的起始位置start_x += contour_width + spacingcv2.imwrite(target_path, target_image)print("handel file success:" + source_path)print("Process completed. Output images are in the output_images directory.")