C++如何实现图像目标区裁剪ImageCropping

这篇“C++如何实现图像目标区裁剪ImageCropping”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“C++如何实现图像目标区裁剪ImageCropping”文章吧。

场景需求

在做图像处理时，有时候会需要适当地进行一些裁剪工作，比如我做干涉测量领域，我们所要处理的图像区域是条纹所在区域，而原图又远大于我所想分析的目标区，此时就需要对图像进行裁剪，这样做的好处：

1）缩减计算量，提高程序运行速度；

2）裁剪后的图像尺寸正好是归一化的图像尺寸，如果有归一化的需求，可以直接用裁剪图像尺寸建立归一化数据网格图。

我就是为了计算柱面的拟合系数才写了这个函数，若要得到同光学领域标准一致的系数，需要先归一化数据，而归一化的范围就正好是裁剪的图像大小。

函数通俗易懂，就是用掩膜锁定目标区，再分析掩膜在原图中的上下左右边界，用roi提取出来即可。

话不多说，下方为具体实现函数和测试代码。

功能函数代码

/**
 * @brief ImageCropping                    图像裁剪
 * @param phase                            所需裁剪的图像
 * @return                                 裁剪后图像
 */
cv::Mat ImageCropping(const cv::Mat &phase) {
	// 非测量区一般都进行了NaN处理，所以掩膜绘制只需要判断是否为NaN值即可
	cv::Mat mask = cv::Mat::zeros(phase.size(), CV_8UC1);
	mask.setTo(255, phase == phase);
	int roi_up = 10000;
	int roi_down = 0;
	int roi_left = 10000;
	int roi_right = 0;
	int row = phase.rows;
	int col = phase.cols;
	for (int i = 0; i < row; i++)
	{
		uchar *m = mask.ptr<uchar>(i);
		for (int j = 0; j < col; j++)
		{
			if (m[j] != 0)
			{
				if (j < roi_left)roi_left = j;
				if (j > roi_right)roi_right = j;
				if (i < roi_up)roi_up = i;
				if (i > roi_down)roi_down = i;
			}
		}
	}
	int w = roi_right - roi_left;
	int h = roi_down - roi_up;
	// 一般提取奇数尺寸，方便计算
	if (w % 2 == 0)w++;
	if (h % 2 == 0)h++;
	cv::Mat crop_phase = phase(cv::Rect(roi_left, roi_up, w, h)).clone();
	return crop_phase;
}

C++测试代码

#include<iostream>
#include<opencv2/opencv.hpp>
#include<ctime>
using namespace std;
using namespace cv;
cv::Mat ImageCropping(const cv::Mat &phase);
int main(void)
{
	cv::Mat phase(100, 100, CV_32FC1, nan(""));
	cv::circle(phase, cv::Point(50, 50), 30, 255, -1);
	cv::Mat crop = ImageCropping(phase);
	imshow("original", phase);
	imshow("result", crop);
	waitKey(0);
	system("pause");
	return 0;
}
/**
 * @brief ImageCropping                    图像裁剪
 * @param phase                            所需裁剪的图像
 * @return                                 裁剪后图像
 */
cv::Mat ImageCropping(const cv::Mat &phase) {
	// 非测量区一般都进行了NaN处理，所以掩膜绘制只需要判断是否为NaN值即可
	cv::Mat mask = cv::Mat::zeros(phase.size(), CV_8UC1);
	mask.setTo(255, phase == phase);
	int roi_up = 10000;
	int roi_down = 0;
	int roi_left = 10000;
	int roi_right = 0;
	int row = phase.rows;
	int col = phase.cols;
	for (int i = 0; i < row; i++)
	{
		uchar *m = mask.ptr<uchar>(i);
		for (int j = 0; j < col; j++)
		{
			if (m[j] != 0)
			{
				if (j < roi_left)roi_left = j;
				if (j > roi_right)roi_right = j;
				if (i < roi_up)roi_up = i;
				if (i > roi_down)roi_down = i;
			}
		}
	}
	int w = roi_right - roi_left;
	int h = roi_down - roi_up;
	// 一般提取奇数尺寸，方便计算
	if (w % 2 == 0)w++;
	if (h % 2 == 0)h++;
	cv::Mat crop_phase = phase(cv::Rect(roi_left, roi_up, w, h)).clone();
	return crop_phase;
}

测试效果     

图1 裁剪前后对比图

在测试案例中，随机生成了一个100*100的数据矩阵，中间一个30半径的圆，也是我需要的目标区域，运用ImageCropping函数实现了目标区域的提取。

以上就是关于“C++如何实现图像目标区裁剪ImageCropping”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注亿速云行业资讯频道。