python 实现从高分辨图像上抠取图像块

Python  /  管理员 发布于 8年前   210

我就废话不多说了，直接上代码吧！

#coding=utf-8import cv2import numpy as npimport os# 程序实现功能：# 根据patch在高分辨率图像上的索引值，crop出对应区域的图像# 并验证程序的正确性'''对于当前输入的3328*3328的高分辨率特征图，首先resize到640*640然后根据当前的patch文件名（包含了patch在高分辨率图像上的行索引和列索引）这个索引值是将高分辨率图像划分成多个没有overlap的256*256的图像块之后的行索引和列索引行索引range(1,11)，列索引range(0,12)3328=13*256'''index='IDRiD_03_3_12.jpg'raw_img_path='F:\\2\\eye_seg_con\\eye_seg\\joint_data\\raw_image\\train'patches_path='F:\\2\\eye_seg_con\\eye_seg\\joint_data\\patches\\train'true_patches=cv2.imread(os.path.join(patches_path,index))[:,:,::-1]print(os.path.join(raw_img_path,index.split('_')[0]+index.split('_')[1]+'.jpg'))hr_img=cv2.imread(os.path.join(raw_img_path,index.split('_')[0]+'_'+index.split('_')[1]+'.jpg'))[:,:,::-1]hr_img=cv2.resize(hr_img,(640,640))# hr_img RGB'''640/13=49.23076923076923 记作unit将640*640的区域平均划分成13*13份，每一份的像素点大小是unit*unit然后将对应位置（取整）的图像块抠出来，resize成256*256大小'''unit=640/13patch_row_num = int(index[:-4].split('_')[2])patch_col_num = int(index[:-4].split('_')[3])row_start=round(patch_row_num*unit)row_end=round((patch_row_num+1)*unit)col_start=round(patch_col_num*unit)col_end=round((patch_col_num+1)*unit)my_patch=hr_img[row_start:row_end,col_start:col_end,:]my_patch=cv2.resize(my_patch,(256,256))my_patch=np.array(my_patch,dtype=np.uint8)cv2.imshow('true_patches',true_patches[:,:,::-1])cv2.waitKey(0)cv2.imshow('my_patch',my_patch[:,:,::-1])cv2.waitKey(0)# # hr_img RGB## # cv2.imshow('1',hr_img[:,:,::-1])# # cv2.waitKey(0)## hr_img2=cv2.imread(os.path.join(raw_img_path,index.split('_')[0]+'_'+index.split('_')[1]+'.jpg'))# hr_img2=cv2.resize(hr_img2,(640,640))[:,:,::-1]# hr_img2 RGB# # cv2.imshow('2',hr_img2[:,:,::-1])# # cv2.waitKey(0)## print(np.sum(hr_img2-hr_img))# 0# 结论：# 对于cv2.resize函数而言,无论是先进行BGR的通道转换,再resize,还是先进行resize,再进行BGR通道转换# 所得到的图像是相同的,即resize和通道维度的变换可交换顺序# 实际上resize只发生在spatial dimension，而通道变换发生在channels dimension，所以空间维度上的插值变换# 是在每个通道维度上独立进行的。# 另外，对于计算机而言，所读取到的彩色图像就是H*W*3的矩阵而已，它本身是没有办法区分究竟是BGR格式还是RGB格式的

以上这篇python 实现从高分辨图像上抠取图像块就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。