在OpenCV和Python中复制图像的一部分
我正在尝试使用opencv把一张图片分割成几个小图片，方法是先找到原始图片中的模板，然后复制那些匹配到的区域。老实说，我对opencv完全是个新手！我已经用以下代码找到了小图片：
result = cv2.matchTemplate(img, template, cv2.TM_CCORR_NORMED)
经过一些处理后，我得到了一个叫做points的元组列表，我会遍历这个列表来显示矩形框。tw和th分别是模板的宽度和高度。
for pt in points:
re = cv2.rectangle(img, pt, (pt[0] + tw, pt[1] + th), 0, 2)
print('%s, %s' % (str(pt[0]), str(pt[1])))
count+=1
我想要实现的目标是把这些八边形（https://dl.dropbox.com/u/239592/region01.png）保存到单独的文件里。
我该怎么做呢？我读到了一些关于轮廓的内容，但不太确定怎么使用。理想情况下，我想给八边形画出轮廓。
非常感谢你的帮助！
2 个回答
抱歉，我不太明白你提问的内容，关于你是如何将模板匹配和轮廓联系起来的。
不过，下面有一个使用轮廓的小技巧。这个方法是基于你提供的那张图片假设其他图片也差不多。我不确定这个方法是否适用于你的其他图片，但我觉得这可以帮助你入门。你可以自己试试，并根据需要进行调整和修改。
我做了以下几步：
1 - 我需要找到八边形的边缘。所以我使用了Otsu方法对图像进行阈值处理，然后进行了膨胀和腐蚀（或者你可以用任何适合你所有图片的方法，注意图像左边缘的边缘）。
2 - 然后找到了轮廓（关于轮廓的更多信息：http://goo.gl/r0ID0）
3 - 对于每个轮廓，找到它的凸包，计算它的面积(A)和周长(P)。
4 - 对于一个完美的八边形，P*P/A 大约等于 13.25。我在这里用了这个公式，然后裁剪并保存了它。
5 - 你会发现裁剪时也会去掉一些八边形的边缘。如果你想保留这些边缘，可以调整裁剪的尺寸。
代码：
import cv2
import numpy as np
img = cv2.imread('region01.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
thresh = cv2.dilate(thresh,None,iterations = 2)
thresh = cv2.erode(thresh,None)
contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
number = 0
for cnt in contours:
hull = cv2.convexHull(cnt)
area = cv2.contourArea(hull)
P = cv2.arcLength(hull,True)
if ((area != 0) and (13<= P**2/area <= 14)):
#cv2.drawContours(img,[hull],0,255,3)
x,y,w,h = cv2.boundingRect(hull)
number = number + 1
roi = img[y:y+h,x:x+w]
cv2.imshow(str(number),roi)
cv2.imwrite("1"+str(number)+".jpg",roi)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
这六个八边形将被保存为单独的文件。
希望这对你有帮助！！！
如果模板匹配对你有效，那就继续使用它。例如，我考虑了下面这个模板：
接下来，我们可以对输入进行预处理，把它变成二进制形式，并去掉一些小的部分。完成这个步骤后，就可以进行模板匹配了。接着，我们需要通过去掉相近的匹配项来过滤结果（我用了一种简单的方法来处理这个，所以如果匹配项太多，你可能会看到处理需要一些时间）。在我们确定哪些点之间距离较远（从而识别出不同的六边形）后，可以对它们进行一些小调整，具体方法如下：
- 按y坐标排序；
- 如果两个相邻的项目的y坐标太接近，就把它们的y坐标设为相同。
现在，你可以按照合适的顺序对这些点进行排序，这样裁剪就可以按照栅格顺序进行。裁剪部分可以很容易地通过numpy提供的切片功能来实现。
import sys
import cv2
import numpy
outbasename = 'hexagon_%02d.png'
img = cv2.imread(sys.argv[1])
template = cv2.cvtColor(cv2.imread(sys.argv[2]), cv2.COLOR_BGR2GRAY)
theight, twidth = template.shape[:2]
# Binarize the input based on the saturation and value.
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
saturation = hsv[:,:,1]
value = hsv[:,:,2]
value[saturation > 35] = 255
value = cv2.threshold(value, 0, 255, cv2.THRESH_OTSU)[1]
# Pad the image.
value = cv2.copyMakeBorder(255 - value, 3, 3, 3, 3, cv2.BORDER_CONSTANT, value=0)
# Discard small components.
img_clean = numpy.zeros(value.shape, dtype=numpy.uint8)
contours, _ = cv2.findContours(value, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
for i, c in enumerate(contours):
area = cv2.contourArea(c)
if area > 500:
cv2.drawContours(img_clean, contours, i, 255, 2)
def closest_pt(a, pt):
if not len(a):
return (float('inf'), float('inf'))
d = a - pt
return a[numpy.argmin((d * d).sum(1))]
match = cv2.matchTemplate(img_clean, template, cv2.TM_CCORR_NORMED)
# Filter matches.
threshold = 0.8
dist_threshold = twidth / 1.5
loc = numpy.where(match > threshold)
ptlist = numpy.zeros((len(loc[0]), 2), dtype=int)
count = 0
print "%d matches" % len(loc[0])
for pt in zip(*loc[::-1]):
cpt = closest_pt(ptlist[:count], pt)
dist = ((cpt[0] - pt[0]) ** 2 + (cpt[1] - pt[1]) ** 2) ** 0.5
if dist > dist_threshold:
ptlist[count] = pt
count += 1
# Adjust points (could do for the x coords too).
ptlist = ptlist[:count]
view = ptlist.ravel().view([('x', int), ('y', int)])
view.sort(order=['y', 'x'])
for i in xrange(1, ptlist.shape[0]):
prev, curr = ptlist[i - 1], ptlist[i]
if abs(curr[1] - prev[1]) < 5:
y = min(curr[1], prev[1])
curr[1], prev[1] = y, y
# Crop in raster order.
view.sort(order=['y', 'x'])
for i, pt in enumerate(ptlist, start=1):
cv2.imwrite(outbasename % i,
img[pt[1]-2:pt[1]+theight-2, pt[0]-2:pt[0]+twidth-2])
print 'Wrote %s' % (outbasename % i)
如果你只想要六边形的轮廓，那就对img_clean进行裁剪，而不是img（但这样就没有必要按栅格顺序对六边形进行排序了）。
下面是你两个例子中不同区域的表示，这些区域会被裁剪，而不需要修改上面的代码：
