方法一：使用轮廓
步骤1
|
1
2
3
4
5
6
7
|
"""src为原图"""
ROI = np.zeros(src.shape, np.uint8) #感兴趣区域ROI
proimage = src.copy() #复制原图
"""提取轮廓"""
proimage=cv2.cvtColor(proimage,cv2.COLOR_BGR2GRAY) #转换成灰度图
proimage=cv2.adaptiveThreshold(proimage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,7,7)
proimage,contours,hierarchy=cv2.findContours(proimage,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_NONE) #提取所有的轮廓
|
步骤2
|
1
2
3
4
5
6
7
|
"""ROI提取"""
cv2.drawContours(ROI, contours, 1,(255,255,255),-1) #ROI区域填充白色，轮廓ID1
ROI=cv2.cvtColor(ROI,cv2.COLOR_BGR2GRAY) #转换成灰度图
ROI=cv2.adaptiveThreshold(ROI,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,7,7) #自适应阈值化
imgroi= cv2.bitwise_and(ROI,proimage) #图像交运算 ，获取的是原图处理——提取轮廓后的ROI
2.#imgroi = cv2.bitwise_and(src,src,mask=ROI)
3.#imgroi = ROI & src 无需灰度+阈值，获取的是原图中的ROI
|
方法二
|
1
2
|
img1 = cv2.imread('roi.jpg')
roi = img1[0:rows, 0:cols ]
|
以上这篇Python+OpenCV感兴趣区域ROI提取方法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服务器之家。
原文链接：https://blog.csdn.net/xinyu3307/article/details/73655882