## 如何在 Python 中裁剪图片并转换坐标？

python裁剪图片及转换坐标

在python中裁剪图像，可以使用numpy或pillow库。将图像裁剪为子图像后，可以相对于原始图像或子图像重新计算框的坐标。

使用numpy裁剪图像

import numpy as np
from pil import image

# 加载图像
img = image.open("image.jpg")

# 转换为numpy数组
img_array = np.array(img)

# 裁剪图像
sub_img = img_array[y1:y2, x1:x2]

# 创建一张新的image对象
sub_img = image.fromarray(sub_img)

使用pillow裁剪图像

from pil import image

# 加载图像
img = image.open("image.jpg")

# 裁剪图像
sub_img = img.crop((x1, y1, x2, y2))

转换坐标

将子图像中的坐标转换为原始图像的坐标，方程如下：

x_orig = x_sub * w_orig / w_sub
y_orig = y_sub * h_orig / h_sub

其中：

• x_orig 和 y_orig 是原始图像中的坐标
• x_sub 和 y_sub 是子图像中的坐标
• w_orig 和 h_orig 是原始图像的宽高
• w_sub 和 h_sub 是子图像的宽高

示例

# 假设原图宽高为1000x1000，裁剪出一个宽高为250x250的子图
w_orig = 1000
h_orig = 1000
w_sub = 250
h_sub = 250

# 子图中的框坐标为(10, 20, 54, 44)
x_sub = 10
y_sub = 20
x2_sub = 54
y2_sub = 44

# 转换为原始图像坐标
x_orig = x_sub * w_orig / w_sub
y_orig = y_sub * h_orig / h_sub
x2_orig = x2_sub * w_orig / w_sub
y2_orig = y2_sub * h_orig / h_sub

print(f"原始图像中的框坐标：(x1={x_orig}, y1={y_orig}, x2={x2_orig}, y2={y2_orig})")

输出：

原始图像中的框坐标：(x1=25.0, y1=50.0, x2=135.0, y2=110.0)

以上就是## 如何在 Python 中裁剪图片并转换坐标？的详细内容，更多请关注其它相关文章！