Python 结合opencv实现图片截取和拼接
实践环境
python 3.6.2
scikit-build-0.16.7
win10
opencv_python-4.5.4.60-cp36-cp36m-win_amd64.whl
下载地址：
https://pypi.org/project/opencv-python/4.5.4.60/#files
注意：下载时不用下abi版的，比如 opencv_python-4.6.0.66-cp36-abi3-win_amd64.whl 不能用，
因为数据类型为 np.uint8,也就是0~255,
依赖包安装
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-build # 解决 ModuleNotFoundError: No module named 'skbuild'问题
pip install opencv_python-4.5.4.60-cp36-cp36m-win_amd64.whl
代码实践
示例图片
代码
import os
import numpy as np
import cv2
from datetime import datetime
from PIL import Image
def capture_image(image_file_path, left, upper, width, height, target_file_name=None):
'''截取图片'''
right = left + width
lower = upper + height
if os.path.exists(image_file_path):
image = Image.open(image_file_path)
# width, height = image.size
# print('图片宽度', width, '图片高度', height)
head, ext = os.path.splitext(image_file_path)
if not target_file_name:
target_file_name = 'pic_captured%s%s' % (datetime.now().strftime('%Y%m%d%H%M%S%f'), ext)
target_file_path = '%s%s' % (head, target_file_name)
image.crop((left, upper, right, lower)).save(target_file_path)
return target_file_path
else:
error_msg = '图片文件路径不存在：%s' % image_file_path
print(error_msg)
raise Exception(error_msg)
def append_picture(image1_path, image2_path):
'''拼接图片'''
image1 = cv2.imread(image1_path, -1)
shape = image1.shape
height1, width1, channel1 = shape
# print(shape) # 输出：(315, 510, 4)
# print(image1) # 输出一3维数组
# print(len(image1), len(image1[0])) # 输出：315 510
image2 = cv2.imread(image2_path, -1)
height2, width2, channel2 = image2.shape
total_height = max(height1, height2)
total_width = width1 + width2
dst = np.zeros((total_height, total_width, channel1), np.uint8)
dst[0:height1, 0:width1] = image1
dst[0:height2, width1:total_width] = image2
cv2.imwrite("merge.png", dst)
if __name__ == '__main__':
# 截取图片
image_path1 = capture_image('example.png', 10, 30, 510, 315)
image_path2 = capture_image('example.png', 520, 30, 518, 315)
append_picture(image_path1, image_path2)
运行结果
截取的图片
合并的图片
代码补充说明
-
imread(filename, flags=None)filename图片路径
函数返回一个3三元组：
(height, width, channel)，元素中元素从左到右分别表示图片的高度，宽度，通道数(彩色图片是三通道的，每个通道表示图片的一种颜色（RGB），对于OpenCV读取到的图片的通道顺序是BGR) ，假设图片3元组为(315, 510, 4)，表示有315行，即315个二维数组，510列，即每个二维数组有510个一维数组。-
flags标志位-
cv2.IMREAD_COLOR：默认参数，表示读入一副彩色图片，忽略alpha通道，可用1作为实参替代 -
cv2.IMREAD_GRAYSCALE：读入灰度图片，可用0作为实参替代 -
cv2.IMREAD_UNCHANGED：读入完整图片，包括alpha通道，可用-1作为实参替代PS：
alpha通道，又称A通道，是一个8位的灰度通道，该通道用256级灰度来记录图像中的透明度复信息，定义透明、不透明和半透明区域，其中黑表示全透明，白表示不透明，灰表示半透明
-
-
imwrite(filename, img, params=None)将图片矩阵以文件的形式储存起来
-
filename待保存的图片路径 -
imgMat或Mat的矢量）要保存的一个或多个图像。 -
params特定格式的参数对（paramId_1、paramValue_1、paramId_2、paramValue_2……），参阅cv:：ImwriteFlags
-
-
zeros(shape, dtype=None, order='C')返回一个用零填充的给定形状和类型的新数组(
ndarray)shape整数或者整数元组。新数组的形状，例如(2, 3)or2。dtype数据类型，可选。数组所需的数据类型，比如，numpy.int8。 默认numpy.float64。order{'C', 'F'}，可选，默认:'C'。是否在内存中按行优先(row-major)顺序（C语言风格）或者列优先(column-major)（Fortran风格）顺序存储多维数据。
示例
>>> import numpy as np # 创建2维数组 >>> array = np.zeros([2, 3]) >>> print(array) # 输出一个二维数组 一个包含2个一维数组，每个一维数组包含3个元素 [[0. 0. 0.] [0. 0. 0.]] >>> array = np.zeros([2, 3], np.int64) # 指定数组元素数据类型为int64 >>> print(array) [[0 0 0] [0 0 0]] >>> array = np.zeros([2, 3], np.float64) # 指定数组元素数据类型为float64 >>> print(array) [[0. 0. 0.] [0. 0. 0.]] >>> array = np.zeros([3, 2]) # 输出一个二维数组 一个包含3个一维数组，每个一维数组包含2个元素 >>> print(array) [[0. 0.] [0. 0.] [0. 0.]] # 创建3维数组 >>> array = np.zeros((2, 3, 4), np.int8) >>> print(array) # 输出一个3维数组 一个包含2个二维数组，每个二维数组包含3个一维数组，每个一维数组包含4个元素 [[[0 0 0 0] [0 0 0 0] [0 0 0 0]] [[0 0 0 0] [0 0 0 0] [0 0 0 0]]] -
冒号在Numpy数组索引中的作用说明
3维数组为例
ndarray[index1:index2, index3:index4, index5:index6]indexN:indexM表示获取索引在范围[indexN, indexM)内的数组元素（注意，不包含索引为indexM的元素），这里的indexN代表起始元素索引，可选，默认为0，indexM代表结束元素索引，可选，默认为所在层级数组元素个数+1index1:index2表示获取三维数组中，索引在范围[index1, index2)内的数组元素，即二维数组index3:index4表示获取上述二维数组中，索引在范围[index3, index4)内的数组元素，即一维数组index5:index6表示获取上述一维数组中，索引在范围[index5, index6)内的数组元素示例
>>> array = np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[11, 12, 13], [14, 15, 16], [17, 18, 19]], [[20, 21, 22], [23, 24, 25], [26, 27, 28]]]) # 创建一个3维 ndarray >>> array array([[[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9]], [[11, 12, 13], [14, 15, 16], [17, 18, 19]], [[20, 21, 22], [23, 24, 25], [26, 27, 28]]]) >>> array[:] # 获取全部元素，等价于array[:, :, :] array([[[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9]], [[11, 12, 13], [14, 15, 16], [17, 18, 19]], [[20, 21, 22], [23, 24, 25], [26, 27, 28]]]) >>> array[:, :, :] array([[[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9]], [[11, 12, 13], [14, 15, 16], [17, 18, 19]], [[20, 21, 22], [23, 24, 25], [26, 27, 28]]]) >>> array[1:2] # 获取索引在[1,2)范围内的二维数组 array([[[11, 12, 13], [14, 15, 16], [17, 18, 19]]]) >>> array[1:] # 获取索引在[1,3)范围内的二维数组 array([[[11, 12, 13], [14, 15, 16], [17, 18, 19]], [[20, 21, 22], [23, 24, 25], [26, 27, 28]]]) >>> array[:2] # 获取索引在[0,2)范围内的二维数组 array([[[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9]], [[11, 12, 13], [14, 15, 16], [17, 18, 19]]]) >>> array[1:2, 1:2] # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组 array([[[14, 15, 16]]]) >>> array[1:2, :2] # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[0,2)范围内的一维数组 array([[[11, 12, 13], [14, 15, 16]]]) >>> array[1:2, 1:] # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,3)范围内的一维数组 array([[[14, 15, 16], [17, 18, 19]]]) >>> array[1:2, :] # 获取索引在[1,2)范围内的二维数组的全部元素 array([[[11, 12, 13], [14, 15, 16], [17, 18, 19]]]) >>> array[1:2, 1:2, 1:2] # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组，一维数组中只获取索引在[1,2)范围内的元素 array([[[15]]]) >>> array[1:2, 1:2, 1:] # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组，一维数组中只获取索引在[1,3)范围内的元素 array([[[15, 16]]]) >>> array[1:2, 1:2, :2] # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组，一维数组中只获取索引在[0,2)范围内的元素 array([[[14, 15]]]) >>> array[1:2, 1:2, :] # 获取索引在[1,2)范围内的二维数组，二维数组中只获取索引在[1,2)范围内的一维数组，获取一维数组的所有元素 array([[[14, 15, 16]]])
