python 实现从高分辨图像上抠取图像块
我就废话不多说了,直接上代码吧!
#coding=utf-8 import cv2 import numpy as np import 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=640/13 patch_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我们。
赞 (0)