在圖像裁剪操作中，opencv和pillow兩個(gè)庫都具有相應(yīng)的函數(shù)，但是這兩個(gè)庫中的函數(shù)僅僅能對(duì)與圖片平行的矩形進(jìn)行裁剪操作，如果想要對(duì)目標(biāo)的最小外接矩形進(jìn)行裁剪該如何操作呢？如下所示：

具體處理該問題的思路如下：

計(jì)算最小外接矩形的四個(gè)點(diǎn)的坐標(biāo)，旋轉(zhuǎn)角度 將原圖像進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)角度為最小外接矩形的角度 將四個(gè)點(diǎn)的坐標(biāo)進(jìn)行映射，求出被旋轉(zhuǎn)后圖像的四個(gè)點(diǎn)的坐標(biāo) 利用這四個(gè)點(diǎn)對(duì)圖像進(jìn)行裁剪

圖像原圖如下：

1 求出該區(qū)域的最小外接矩形，并且得到外接矩形的四個(gè)點(diǎn)的坐標(biāo)和旋轉(zhuǎn)角度。

rect = cv2.minAreaRect(self.contours[0])#rect為[(旋轉(zhuǎn)中心x坐標(biāo)，旋轉(zhuǎn)中心y坐標(biāo))，(矩形長，矩形寬),旋轉(zhuǎn)角度]box_origin = cv2.boxPoints(rect)#box_origin為[(x0,y0),(x1,y1),(x2,y2),(x3,y3)]

2 將原圖像進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)角度為最小外接矩形的角度，由于防止旋轉(zhuǎn)后目標(biāo)區(qū)域在圖像外面，所以我將圖像大小擴(kuò)大為原來的2倍。

M = cv2.getRotationMatrix2D(rect[0],rect[2],1)dst = cv2.warpAffine(rotateimg,M,(2*rotateimg.shape[0],2*rotateimg.shape[1]))

3 將原四個(gè)點(diǎn)的坐標(biāo)做映射，映射到旋轉(zhuǎn)后的區(qū)域，得到新的四個(gè)點(diǎn)的坐標(biāo)。

#逆時(shí)針旋轉(zhuǎn)def Nrotate(angle,valuex,valuey,pointx,pointy): angle = (angle/180)*math.pi valuex = np.array(valuex) valuey = np.array(valuey) nRotatex = (valuex-pointx)*math.cos(angle) - (valuey-pointy)*math.sin(angle) + pointx nRotatey = (valuex-pointx)*math.sin(angle) + (valuey-pointy)*math.cos(angle) + pointy return (nRotatex, nRotatey)#順時(shí)針旋轉(zhuǎn)def Srotate(angle,valuex,valuey,pointx,pointy): angle = (angle/180)*math.pi valuex = np.array(valuex) valuey = np.array(valuey) sRotatex = (valuex-pointx)*math.cos(angle) + (valuey-pointy)*math.sin(angle) + pointx sRotatey = (valuey-pointy)*math.cos(angle) - (valuex-pointx)*math.sin(angle) + pointy return (sRotatex,sRotatey)#將四個(gè)點(diǎn)做映射def rotatecordiate(angle,rectboxs,pointx,pointy): output = [] for rectbox in rectboxs:if angle>0: output.append(Srotate(angle,rectbox[0],rectbox[1],pointx,pointy))else: output.append(Nrotate(-angle,rectbox[0],rectbox[1],pointx,pointy)) return outputbox = rotatecordiate(rect[2],box_origin,rect[0][0],rect[0][1])

4 利用四個(gè)點(diǎn)坐標(biāo)進(jìn)行裁剪，如2中圖所示，圖像經(jīng)過旋轉(zhuǎn)后已經(jīng)變?yōu)楹蛨D片沒有旋轉(zhuǎn)角的圖像，經(jīng)過實(shí)驗(yàn)觀察旋轉(zhuǎn)后的坐標(biāo)還是有細(xì)微差別，但誤差已經(jīng)在千分點(diǎn)甚至萬分點(diǎn)左右，對(duì)我們裁剪造成的影響可以忽略不計(jì)。

def imagecrop(image,box): xs = [x[1] for x in box] ys = [x[0] for x in box] print(xs) print(min(xs),max(xs),min(ys),max(ys)) cropimage = image[min(xs):max(xs),min(ys):max(ys)] print(cropimage.shape) cv2.imwrite(’cropimage.png’,cropimage) return cropimageimagecrop(dst,np.int0(box))

到此，利用4個(gè)坐標(biāo)點(diǎn)對(duì)圖像進(jìn)行裁剪操作已經(jīng)完成。

到此這篇關(guān)于python四個(gè)坐標(biāo)點(diǎn)對(duì)圖片區(qū)域最小外接矩形進(jìn)行裁剪的文章就介紹到這了,更多相關(guān)python 圖片坐標(biāo)裁剪內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！