极智AI | OpenCV and torchvision.transforms 实现图像裁剪方法

  欢迎关注我的公众号 [极智视界]，获取我的更多笔记分享

  大家好，我是极智视界，本文介绍一下 OpenCV 和 torchvision.transforms 库实现图像裁剪的方法。

  图像裁剪这个过程也即 crop，是 CV 数据增强 & 图像预处理的重要步骤。拿 torchvision.transforms 中的裁剪方法来说，就有 CenterCrop、RandomCrop 等之分。其中 CenterCrop 是以输入图的中心点为裁剪中心点做指定 size 的 crop 操作，一般的数据增强的时候不太会采用这个方式，因为当 size 固定的时候，在相同输入的情况下，多次 CenterCrop 的结果都是一样的，起不到数据增强的作用。相比 CenterCrop，RandomCrop 在数据增强的时候更加常用，区别在于 RandomCrop 的中心点坐标是随机的，并不是输入图像的中心点坐标，因此每次生成的图像都是有差异的，这就达到了数据增强的效果。

1 torchvision.transforms 库图像裁剪方法

  来看 torchvision.transforms 中图像裁剪方法的实现：

import torchvision.transforms as F
from PIL import Image

### 读图
sourceImg = Image.open(imgPath)

## torchvision.transforms 中心裁剪
_centerCrop = F.CenterCrop(224)
centerCropImg = _centerCrop(sourceImg)

## torchvision.transforms 随机裁剪 == > 尺寸固定，中心随机
_randomCrop = F.RandomCrop(224)
randomCropImg = _randomCrop(sourceImg)

  解释一下，CenterCrop 解决的是：

• 扁宽的图片去左右两头，留中间；
• 窄长的图片去上下两头，留中间；
• 给裁剪图片填充满空间；

  然后说一下 RandomCrop，一般就是尺寸固定，中心随机。也有高级一些的用法，也就是 RandomSizedCrop ，即在随机中心的同时兼顾了尺寸。

2 OpenCV 库图像裁剪方法

  OpenCV 中并没有直接图像裁剪的函数，而是用索引切片来实现，因为切片很灵活，所以即可以涵盖中心裁剪也可以涵盖随机裁剪，下面介绍 OpenCV 中图像裁剪的 python 和 C++ 实现。

2.1 python 实现

import cv2

### 读图
sourceImg = cv2.imread(imgPath)

## 图像裁剪
cropImg = sourceImg([10:200], [20:300])

2.2 C++ 实现

#include 

/// 读图
cv::Mat sourceImg = cv::imread(imgPath);

// 图像裁剪
cv::Mat cropImg;
cropImg = sourceImg(Rang(10, 200), Range(20, 300));

  注意这里的 Rang 坐标的起始和终止的含义：sourceImg(Range(start_row, end_row), Range(start_col, end_col))。

  好了，以上分享了 OpenCV 和 torchvision.transforms 实现图像裁剪的方法。希望我的分享能对你的学习有一点帮助。

扫描下方二维码即可关注我的微信公众号【极智视界】，获取我的更多经验分享，让我们用极致+极客的心态来迎接AI ！