如何从标准化顶点裁剪正方形图像

Question

我正在使用此代码来识别照片的顶部和底部：（截至目前，我只对上衣起作用。一次做一件事；））

def get_file(path):
    client = vision.ImageAnnotatorClient()

    
    for images in os.listdir(path):
        # # Loads the image into memory
        with io.open(images, "rb") as image_file:
            content = image_file.read()

        image = types.Image(content=content)

        objects = client.object_localization(image=image).localized_object_annotations

        im = Image.open(images)
        width, height = im.size

        print("Number of objects found: {}".format(len(objects)))
        for object_ in objects:
            if object_.name == "Top":
                print("Top")
                l1 = object_.bounding_poly.normalized_vertices[0].x
                l2 = object_.bounding_poly.normalized_vertices[0].y
                l3 = object_.bounding_poly.normalized_vertices[2].x
                l4 = object_.bounding_poly.normalized_vertices[3].y
                left = l1 * width
                top = l2 * height
                right = l3 * width
                bottom = l4 * height
        
                im = im.crop((left, top, right, bottom))
                im.save('new_test_cropped.tif', 'tiff')
                
                im.show()

if __name__ == '__main__':
    parser = argparse.ArgumentParser(description="Script to automatically crop images based on google vision predictions of 'tops' and 'bottoms'")
    parser.add_argument('--path', help='Include the path to the images folder')

    args = parser.parse_args()

    get_file(args.path)

打开图像，识别服装，然后裁剪图像并保存到新文件中。（到目前为止，它们已在循环中被覆盖，但我稍后会修复）我想不通的是如何使裁剪比例达到 1:1。我需要将它们保存为方形裁剪后放在我们的网站上。老实说，normalized_vertices 对我来说毫无意义。这就是我遇到麻烦的原因。

起始图片：

输出：

期望的输出：

Answer 1

“归一化”表示坐标除以图像的宽度或高度，因此归一化坐标 [1, 0.5] 将指示图像的所有路径 (1) 和半路径 (0.5)。

对于 1:1 纵横比，您希望 right - left 等于 top - bottom。所以你想知道你需要增加哪个尺寸（宽度或高度），以及增加多少。

height = abs(top - bottom)
width = abs(right - left)
extrawidth = max(0, height - width)
extraheight = max(0, width - height)

如果height > width，我们想增加宽度而不是高度。由于 height - width > 0，正确的值将进入 extrawidth。但是因为 width - height < 0，extraheight 将是 0.

现在假设我们想要围绕原始裁剪矩形对称地增加图像的尺寸。

top -= extraheight // 2
bottom += extraheight // 2
left -= extrawidth // 2
right += extrawidth // 2

最后，做裁剪：

im = im.crop((left, top, right, bottom))

对于您的图像，假设您得到 left = 93、right = 215、top = 49 和 bottom = 205

之前：

之后：

如何从标准化顶点裁剪正方形图像

How to crop a square image from normalized vertices

python-3.x

google-vision