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

https://files.pythonhosted.org/packages/57/6c/7f4f56b2555d5c25dd4f41fc72a16dc6402cb2b4f967da11d8d26c669b55/opencv_python-4.5.4.60-cp36-cp36m-win_amd64.whl

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
- img Mat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) or 2。
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+1

index1: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]]])