一、要求
现在有一个多张图片构成的大图，要对图片进行分割和拼接。将下述图像分割成15个大小不同的子图像：
从中选择四个子图像，拼接成一个新得图像。例如：
二、代码
直接上代码：
1. import cv2 2. import numpy as np 3. import PIL.Image as Image 4. 5. def func(cut_width,cut_length,time,picture): 6. (width, length, depth) = picture.shape 7. # 预处理生成0矩阵 8. pic = np.zeros((cut_width, cut_length, depth)) 9. # 计算可以划分的横纵的个数 10. num_width = int(width / cut_width) 11. num_length = int(length / cut_length) 12. # for循环迭代生成 13. for i in range(0, num_width): 14. for j in range(0, num_length): 15. pic = picture[i * cut_width: (i + 1) * cut_width, j * cut_length: (j + 1) * cut_length, :] 16. result_path ='{}_{}_{}.jpg'.format(time,i + 1, j + 1) 17. pic = cv2.resize(pic,dsize=(100,100)) 18. cv2.imwrite(result_path, pic) 19. 20. # 读取要分割的图片，以及其尺寸等数据 21. cut_width_1 = 310 22. cut_width_2 = 50 23. cut_length_1 = 345 24. cut_length_2 = 50 25. picture_1 = cv2.imread("photo.jpg") 26. picture_2 = cv2.imread("1_1_1.jpg") 27. picture_3 = cv2.imread("1_2_1.jpg") 28. picture_4 = cv2.imread("1_2_2.jpg") 29. func(cut_width_1,cut_length_1,1,picture_1) 30. func(cut_width_2,cut_length_2,2,picture_2) 31. func(cut_width_2,cut_length_2,3,picture_3) 32. func(cut_width_2,cut_length_2,4,picture_4) 33. to_image = Image.new('RGB', (200, 200)) # 创建一个新图 34. from_image_1 = Image.open("2_1_1.jpg") 35. from_image_2 = Image.open("3_1_1.jpg") 36. from_image_3 = Image.open("3_1_2.jpg") 37. from_image_4 = Image.open("4_2_2.jpg") 38. to_image.paste(from_image_1, (0,0)) 39. to_image.paste(from_image_2, (100,0)) 40. to_image.paste(from_image_3, (0,100)) 41. to_image.paste(from_image_4, (100,100)) 42. to_image.save("result.jpg")
三、程序解读
所用的库为cv2和numpy这两个机器学习经常会用的库，首先导入这两个库：import numpy as np；import cv2。
代码核心在于func这个函数，里面有四个形参：cut_width,cut_length,time,picture。分别代表着需要切割的宽度，需要切割的长度，第几次切割以及需要切割的图片。
- 首先，用picture.shape获得当前图片的大小并返回。由于图片本身是一个个像素组成的，可以看成是像素矩阵，这样我们切割合并就会方便很多。所以，先用np.zero按原图片大小填充0。Num_width和num_length代表着可以划分的纵横个数。
- 之后两个for循环在原图片上进行分割，关键在pic = picture[i * cut_width: (i + 1) * cut_width, j * cut_length: (j + 1) * cut_length, :]这句代码，这是在原图片上进行数组分割，并将结果返回到pic中。result_path是指定的保存路径及名称，这是我们的time参数就派上用场了，第几次切割名称前面就加几，这样可以有效避免因多次切割导致图片覆盖的问题。
- 最后将图片保存。
通过多次调用函数并传入不同的尺寸、time和要处理的图片进行分割：
切割结果依次为2_1_1，2_1_2，2_2_1，2_2_2，1_1_2，3_1_1，3_1_2，3_2_1，3_2_2，4_1_1，4_1_2，4_2_1，4_2_2，1_3_1，1_3_2这15个图片。
我选择 1_1_2，2_2_2，3_1_2，4_1_2这四张图片进行组合：
拼接的代码主要用到PIL.Image，基本逻辑就是挑选出我所要拼接的四张图片，将它们“粘贴”到固定位置。Paste第一个参数是要粘贴的图片，第二个参数是要粘贴的位置，注意这里是左上角。最后一步，将拼接好的图片保存。
好啦！关于基于Numpy数组的图像分割和基于PIL对图像进行拼接就分享到这里啦！感兴趣的同学欢迎评论区留言！
