opencv不规则裁剪

2023-10-26

首先是一张卡通T袖十香,使用labelme标注,然后使用json里面标注的点坐标去裁剪

裁剪后的图片

 

下面附上代码

import cv2
import numpy as np


#opencv不规则裁剪
def ROI_byMouse(img,lsPointsChoose):
    mask = np.zeros(img.shape, np.uint8)
    pts = np.array(lsPointsChoose, np.int32)  # pts是多边形的顶点列表(顶点集)
    col0 =pts[:,0]
    col1 =pts[:,1]
    x1=np.min(col0)
    y1=np.min(col1)
    x2=np.max(col0)
    y2 = np.max(col1)
    pts = pts.reshape((-1, 1, 2))
    # 这里 reshape 的第一个参数为-1, 表明这一维的长度是根据后面的维度的计算出来的。
    # OpenCV中需要先将多边形的顶点坐标变成顶点数×1×2维的矩阵,再来绘制

    # --------------画多边形---------------------
    mask = cv2.polylines(mask, [pts], True, (255, 255, 255))
    ##-------------填充多边形---------------------
    mask2 = cv2.fillPoly(mask, [pts], (255, 255, 255))
    ROI = cv2.bitwise_and(mask2, img)

    return  ROI[y1:y2,x1:x2]



if __name__ =='__main__':
    points =  [
        [
            189.1232876712329,
            117.12328767123287
        ],
        [
            177.47945205479454,
            115.06849315068493
        ],
        [
            180.21917808219177,
            131.5068493150685
        ],
        [
            182.95890410958907,
            141.78082191780823
        ],
        [
            165.15068493150687,
            152.73972602739727
        ],
        [
            156.9315068493151,
            160.27397260273972
        ],
        [
            137.06849315068496,
            170.54794520547946
        ],
        [
            133.64383561643837,
            181.5068493150685
        ],
        [
            132.95890410958907,
            185.6164383561644
        ],
        [
            148.71232876712327,
            179.45205479452056
        ],
        [
            162.41095890410958,
            169.17808219178082
        ],
        [
            143.2328767123288,
            191.0958904109589
        ],
        [
            126.79452054794524,
            200.0
        ],
        [
            87.06849315068496,
            213.013698630137
        ],
        [
            50.082191780821915,
            225.34246575342468
        ],
        [
            56.246575342465746,
            246.57534246575344
        ],
        [
            75.42465753424659,
            247.26027397260273
        ],
        [
            53.50684931506851,
            276.027397260274
        ],
        [
            52.82191780821918,
            318.4931506849315
        ],
        [
            61.72602739726028,
            326.71232876712327
        ],
        [
            75.42465753424659,
            354.1095890410959
        ],
        [
            50.76712328767124,
            385.6164383561644
        ],
        [
            52.13698630136986,
            398.63013698630135
        ],
        [
            80.90410958904113,
            379.45205479452056
        ],
        [
            54.1917808219178,
            407.5342465753425
        ],
        [
            299.3972602739726,
            409.5890410958904
        ],
        [
            298.027397260274,
            250.68493150684932
        ],
        [
            258.98630136986304,
            176.7123287671233
        ],
        [
            279.5342465753425,
            194.5205479452055
        ],
        [
            285.013698630137,
            179.45205479452056
        ],
        [
            256.9315068493151,
            147.94520547945206
        ],
        [
            270.6301369863014,
            115.06849315068493
        ],
        [
            245.97260273972603,
            118.4931506849315
        ],
        [
            226.79452054794524,
            124.65753424657535
        ],
        [
            209.67123287671234,
            128.76712328767124
        ],
        [
            198.71232876712332,
            123.28767123287672
        ]
    ]
    img = cv2.imread('1.jpg')
    #points是从labelme标注的点坐标,从json从拿出来的
    img = ROI_byMouse(img,points)
    cv2.imshow('裁剪后图片',img)
    cv2.waitKey(0)
    cv2.destroyWindow('裁剪后图片')

 

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

opencv不规则裁剪 的相关文章

  • Jdbc的简单封装

    由于操作Jdbc的代码重复度过高 所以抽取Jdbc工具类 JDBCUtils 目的 简化后期的操作 分析 1 抽取方法获取注册和连接对象 需求 不想传递参数 麻烦 还得保证工具类的通用性 解决方案 配置文件 通过定义一个jdbc prope
  • 虚拟机VMware 配置win7 安装

    1 首先需要下载一个VMware 2 接着下载一个Windows7的镜像系统 下载地址 MSDN 我告诉你 做一个安静的工具站 我的MSDN MSDN原版系统 MSDN镜像 MSDN ISO下载 3 这个好了之后就可以去这个网址下看安装教程
  • Python

    目录 1 以特殊格式处理连续增加的数字 排序 选项代码 2 正则表达式匹配 递归 字符串 示例 1 示例 2 示例 3 示例 4 示例 5 提示 选项代码 3 地下城游戏 数组 动态规划 选项代码 有调整 补充测试代码 1 以特殊格式处理连
  • MySQL创建用户与授权(转)

    一 创建用户 命令 CREATE USER username host IDENTIFIED BY password 说明 username 你将创建的用户名 host 指定该用户在哪个主机上可以登陆 如果是本地用户可用localhost
  • LINUX学习------Linux自动化运维——Docker容器

    Docker介绍 Docker 是一个开源的应用容器引擎 基于 Go 语言 并遵从 Apache2 0 协议开源 Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级 可移植的容器中 然后发布到任何流行的 Linux 机器上 也可
  • AIX7.2系统安装openssh7.5

    目录 前言 备份当前版本的ssh文件 创建openssh安装包目录 进入目录解压 开始安装 前言 最开始对服务器做过一次安全检查 查出openssh的scp存在高危漏洞 于是就把包含scp服务的openssh client卸载了 后来再做安
  • VSCode 的 C/C++ 调试环境的 launch.json、 tasks.json 文件

    launch json Configuring tasks json for C C debugging author huihut repo https gist github com huihut 9548fe7e1084cf8e844
  • 在Bottle框架中返回静态文件和JSON对象的方法

    Bottle是一个轻量级的Python Web框架 提供了简单而灵活的方式来构建Web应用程序 在Bottle框架中 我们可以使用以下方法来返回静态文件和JSON对象 返回静态文件 要返回静态文件 我们可以使用static file函数 该
  • 交叉编译-18:解决arm-none-eabi-gcc交叉编译问题

    在项目中使用arm none eabi gcc交叉编译链编译程序时报错 checking host system type arm none eabi checking for a BSD compatible install usr bi
  • Docker进阶学习:其他命令以及扩展

    Docker Stack docker compose 单机部署项目 docker stack 集群部署 单机 docker compose up d wordpress yaml 集群 docker stack deploy wordpr
  • sqlserver 2012中实现字符串连接的新方法

    sqlserver 2012之前的版本 处理not null字符 DECLARE t1 varchar 10 a DECLARE t2 varchar 10 b DECLARE t3 varchar 10 c DECLARE t4 varc
  • 在线json解析工具 在线js解析加密混合工具

    https www sojson com json解析工具 js工具 https www jsjiami com tool
  • 风车IM即时通讯聊天系统源码_聊天APP_附APP_带安装教程

    风车IM即时通讯聊天系统源码 聊天APP 附APP 带安装教程 风车im 是一款独立服务器部署的即时通讯解决方案 可以帮助你快速拥有一套自己的移动社交 企业办公 多功能业务产品 独立部署 加密通道 牢牢掌握通讯信息 前端开发语言 VUE 安
  • kafka集群部署(最新版本kafka_2.13-3.1.0)

    集群环境 节点名 ip地址 OS版本 部署服务 broker信息 kafka01 192 168 96 10 CentOS Linux release 7 9 2009 Core jdk zookeeper kafka broker 0 k
  • Python字典及基本操作(超级详细)

    字典也是 Python 提供的一种常用的数据结构 它用于存放具有映射关系的数据 比如有份成绩表数据 语文 79 数学 80 英语 92 这组数据看上去像两个列表 但这两个列表的元素之间有一定的关联关系 如果单纯使用两个列表来保存这组数据 则
  • 一文教你懂得什么什么是EMC(电磁兼容)

    EMC 电磁兼容 是什么 EMC 电磁兼容 一直是电路设计和PCB设计中的难题 EMS是指设备在电磁环境中可以正常工作并且不对其它的设备造成干扰 EMS可以分为两部分 一个是EMI 电磁干扰 一个是EMS 电磁敏感度 EMI是设备本身对于其
  • qt for android存储文本文件到本地

    本博主要分享如何用qt for android 非qml形势存储文本文件到本地 本来以为很麻烦 后来发现和qt在window上使用是一样的 只是用手机存储excel应该要麻烦一些或者不行 但是我是用的是t xt文件 所以很容易就实现了这个功
  • 关于CATALINA_HOME 和 CATALINA_BASE 的区别

    官方文档 以下内容从官方复制出来的 目录和文件 这些是一些重要的tomcat目录 bin 启动 关闭和其他脚本 conf 配置文件和相关DTD 这里最重要的文件是server xml 它是容器的主要配置文件 logs 日志文件默认目录 we
  • 论文图片格式要求具体有哪些?

    经过多年发展 无论是论文发表还是各个院校 科研机构都已经形成了自身的科研系统 对论文格式都有了一些约定俗成的规矩 这也是我们在撰写论文时必须遵守的 尤其是刚接触论文写作的同学 经常只顾着研究论文的内容 对论文的格式问题根本没有重视 导致虽然

随机推荐

  • Android中切换到主线程执行的方法

    方法一 view post Runnable runnable 使用view对象 调用post方法即可在主线程中执行里边的代码 postDelayed是延时执行 也可以达到相同的效果 例如 textView post new Runnabl
  • chatgpt赋能Python-python_aorb

    Python a vs b 选择正确的Python版本 Python是一种流行的编程语言 广泛应用于数据分析 机器学习 Web开发和自动化等领域 在Python的发展历程中 出现了不同版本 其中最流行的是Python 2和Python 3
  • MySQL中int(M)和tinyint(M)数值类型中M值的意义

    MySQL中int M 和tinyint M 数值类型中M值的意义 mysql的基本数据类型里几个int如下 类型 大小 范围 有符号 范围 无符号 用途 TINYINT 1字节 128 127 0 255 小整数值 SMALLINT 2
  • rabbitMQ的生产与消费由Kettle实现

    文章目录 一 Kettle为什么可以读取流数据 二 rabbitMQ中启动MQTT插件并创建队列和路由键 三 Kettle实现rabbitMQ的生产与消费 Kettle是一款非常强大的ETL工具 不仅可以使用图形化界面 还可以处理各种数据
  • 解决网页无法复制粘贴(生活小妙招)

    事情缘由 今天在写学习通的作业的时候 发现答案不能复制粘贴 这种有答案 而无法复制粘贴的痛 谁又能懂呢 每当我们复制题目和粘贴答案的时候 就会跳出一个窗口 但是这种问题是难不倒一个学计算机的学生的 我们知道像这种复制粘贴的拦截都是通过JS脚
  • Seaborn 可视化

    Seaborn 可视化 1 简介 Seaborn是一个在Python中制作有吸引力和信息丰富的统计图形的库 它建立在matplotlib之上 并与PyData堆栈紧密集成 包括支持来自scipy和statsmodels的numpy和pand
  • 如何用计算机计算概率,概率计算器与阶乘方程

    我必须做一个代码 计算中奖彩票的概率 给定的数量可供选择的数量以及您必须选择多少 我必须在代码中使用阶乘方程 n k n k 代码本身工作正常 但公式不会编译 概率计算器与阶乘方程 This program calculates the p
  • 在局域网部署自己的Docker私有仓库

    本文参考自局域网部署Docker 从无到有创建自己的Docker私有仓库 内网用户由于无法链接互联网 所以无法像在线用户那样直接使用pull指令从Docker Hub上下载镜像 再查看了很多资料之后 发现可以使用文件操作在局域网上部署Doc
  • 手动搭建webase(3)——WeBASE管理平台

    1 依赖环境 Nginx安装 拉取代码 代码可以放在 data下面 执行命令 git clone https github com WeBankFinTech WeBASE Web git 若网络问题导致长时间无法下载 可尝试以下命令 gi
  • 从零开始搭建物联网平台(1):开篇

    前言 读大学的时候学的是物联网工程 大概是在大二的时候开始接触单片机 那时候特喜欢捣鼓那些东西 就觉得特别酷有极客范 还记得第一次做物联网相关的是一个远程控制的开关 第一次调通的时候真的很兴奋 啥也没干就挂在那用手机控制继电器听咔嗒咔哒的声
  • 在不同的维度中,态势感知存在着各自的规律和特点

    在不同的维度中 态势感知可以具有不同的规律和特点 以下是一些常见的维度和相关规律 时间维度 态势感知随时间的变化可以呈现出趋势和周期性 趋势是指态势感知在长期内的整体发展方向 可以是增长 下降或保持稳定 周期性是指态势感知在一定时间内重复出
  • CSS 学成网(二)

    学成网小圆点 小圆点模块 circle width 180px height 22px background color pink position absolute bottom 10px left 50 margin left 90px
  • 字节序网络序大小端问题

    基本概念 主机字节序 就是自己的主机内部 内存中数据的处理方式 可以分为两种 大端字节序 big endian 按照内存的增长方向 高位数据存储于低位内存中 小端字节序 little endian 按照内存的增长方向 高位数据存储于高位内存
  • Kafka复习计划 - Kafka基础知识以及集群参方案和参数

    Kafka复习计划 Kafka基础知识以及集群参方案和参数 前言 一 Kafka 相关术语 1 1 实现高可用的手段 1 2 Kafka的三层消息架构 1 3 Kafka如何持久化数据 1 4 常见问题 二 Kafka集群部署方案 2 1
  • 链码调试方法(在fabric-sample下)

    链码调试方法 在fabric sample下 启动网络 1 cd fabric samples chaincode docker devmode 1 docker compose f docker compose simple yaml u
  • YOLO v2(单尺度)

    文章目录 YOLO v2 单尺度 细粒度 fine grained 特征 锚框 Anchor 锚框 Anchor 和损失函数 Loss Anchor与YOLO YOLO v2 单尺度 能解决稠密物体的检测 但无法解决多尺度物体的检测 细粒度
  • 剑指 Offer 64. 求1+2+…+n----思路和心得分享

    对于这道题 我第一个反应就是高斯的算法 首位相加乘以一半的数量 奇数要加中间值 class Solution public int sumNums int n 求出中间值 int key n 2 设置结果 int sum 0 如果是奇数 加
  • 超全实用

    汽车领域 金融领域 由于篇幅有限 为了阅读体验本文只截取金融和汽车领域的数据存储期限汇总 其他领域如 通用 电商 工业 化妆品 医疗 游戏等行业要求在单独的汇总Excel中 可私信找我要 暗号 数据存储
  • Android 友盟集成华为,小米,魅族推送的基础实现与注意事项

    因为目前正处于实习阶段 所以公司安排了解一下华为 小米 魅族 友盟的推送 并将其集成在一个APP上 为此特地写一篇博客记录集成过程中需要注意的一些事项 如果想进行集成 建议还是先了解一下华为 小米 魅族它们自己厂商的推送服务及文档 毕竟集成
  • opencv不规则裁剪

    首先是一张卡通T袖十香 使用labelme标注 然后使用json里面标注的点坐标去裁剪 裁剪后的图片 下面附上代码 import cv2 import numpy as np opencv不规则裁剪 def ROI byMouse img