从图像中裁剪圆形缩略图的最简单方法是什么？

Question

我正在尝试从此图像中裁剪一个居中（或不居中）的圆圈：

我从有关堆栈溢出主题的现有问题中窃取了这段代码，但是出了点问题：

import cv2

file = 'dog.png'

img = cv2.imread(file)
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
circle = cv2.HoughCircles(img,
                          3,
                          dp=1.5,
                          minDist=10,
                          minRadius=1,
                          maxRadius=10)
x = circle[0][0][0]
y = circle[0][0][1]
r = circle[0][0][2]

rectX = (x - r) 
rectY = (y - r)
crop_img = img[rectY:(rectY+2*r), rectX:(rectX+2*r)]
cv2.imwrite('dog_circle.png', crop_img)

输出：

Traceback (most recent call last):
  File "C:\Users\Artur\Desktop\crop_circle - Kopie\crop_circle.py", line 14, in <module>
    x = circle[0][0][0]
TypeError: 'NoneType' object is not subscriptable

cv2.HoughCircles() 似乎产生 None 而不是裁剪圆数组。我该如何解决这个问题？

Answer 1

此答案解释了如何应用蒙版。首先，读入图片：

import cv2
import numpy as np
img = cv2.imread('dog.jpg')

接下来创建一个蒙版，或与源图像大小相同的空白图像：

h,w,_ = img.shape
mask = np.zeros((h,w), np.uint8)

然后，在面具上画一个圆圈。根据人脸的位置更改这些参数：

cv2.circle(mask, (678,321), 5, 255, 654)

最后，屏蔽源图像：

img = cv2.bitwise_and(img, img, mask= mask)

这是面具：

还有输出：

Answer 2

首先：HoughCircles 用于检测图像上的圆圈，而不是裁剪它。

---

你不能有圆形图像。图像始终是矩形，但某些像素可以是透明的（RGBA 中的 alpha 通道）并且程序不会显示它们。

因此，您可以先将图像裁剪为正方形，然后添加 alpha 通道，其中包含哪些像素应该可见的信息。在这里，您可以在黑色背景上使用带有白色圆圈的蒙版。最后你必须将它保存为png 或tiff 因为jpg 不能保留alpha 通道。

---

我为此使用模块PIL/pillow。

我在图像中心裁剪正方形区域，但您可以为此使用不同的坐标。

接下来我创建具有相同大小和黑色背景的灰度图像并绘制白色圆圈/椭圆。

最后我将此图像作为 Alpha 通道添加到裁剪后的图像中，并将其保存为png。

from PIL import Image, ImageDraw

filename = 'dog.jpg'

# load image
img = Image.open(filename)

# crop image 
width, height = img.size
x = (width - height)//2
img_cropped = img.crop((x, 0, x+height, height))

# create grayscale image with white circle (255) on black background (0)
mask = Image.new('L', img_cropped.size)
mask_draw = ImageDraw.Draw(mask)
width, height = img_cropped.size
mask_draw.ellipse((0, 0, width, height), fill=255)
#mask.show()

# add mask as alpha channel
img_cropped.putalpha(mask)

# save as png which keeps alpha channel 
img_cropped.save('dog_circle.png')

img_cropped.show()

结果

---

顺便说一句：

在遮罩中，您可以使用 0 到 255 之间的值，并且不同的像素可能具有不同的透明度 - 其中一些可以是半透明的以使边框平滑。

如果您想在自己的页面上以 HTML 格式使用它，那么您不必创建圆形图像，因为 Web 浏览器可以将图像的角弄圆并将其显示为圆形。您必须为此使用 CSS。

---

编辑：面具上有更多圆圈的示例。

from PIL import Image, ImageDraw

filename = 'dog.jpg'

# load image
img = Image.open(filename)

# crop image 
width, height = img.size
x = (width - height)//2
img_cropped = img.crop((x, 0, x+height, height))

# create grayscale image with white circle (255) on black background (0)
mask = Image.new('L', img_cropped.size)
mask_draw = ImageDraw.Draw(mask)
width, height = img_cropped.size
mask_draw.ellipse((50, 50, width-50, height-50), fill=255)
mask_draw.ellipse((0, 0, 250, 250), fill=255)
mask_draw.ellipse((width-250, 0, width, 250), fill=255)

# add mask as alpha channel
img_cropped.putalpha(mask)

# save as png which keeps alpha channel 
img_cropped.save('dog_2.png')

img_cropped.show()

Answer 3

这个想法是创建一个黑色蒙版，然后使用cv2.circle() 绘制所需区域以白色裁剪。从那里我们可以将cv2.bitwise_and() 与原始图像和蒙版一起使用。要裁剪结果，我们可以在掩码上使用cv2.boundingRect() 来获得 ROI，然后使用 Numpy 切片来提取结果。对于这个例子，我使用了从图像的宽度和高度派生的中心点

import cv2
import numpy as np

# Create mask and draw circle onto mask
image = cv2.imread('1.jpg')
mask = np.zeros(image.shape, dtype=np.uint8)
x,y = image.shape[1], image.shape[0]
cv2.circle(mask, (x//2,y//2), 300, (255,255,255), -1)

# Bitwise-and for ROI
ROI = cv2.bitwise_and(image, mask)

# Crop mask and turn background white
mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)
x,y,w,h = cv2.boundingRect(mask)
result = ROI[y:y+h,x:x+w]
mask = mask[y:y+h,x:x+w]
result[mask==0] = (255,255,255)

cv2.imshow('result', result)
cv2.waitKey()