ymj_bim_test/utils.py

import json
import logging

import cv2



def filter_points(image_path,points):
    # 高度过大点过滤参数
    max_height_rate = 0.5 # 矩形高度占整个画面高度的最大比例，如果超过该比例，则认为是无效矩形

    # x范围过滤，只保留中间部分的点，只保留矩形完整出现在在画面中间的那部分矩形。
    left_x_cut_rate=0.2 # 左边界的裁剪比例，从左边开始裁剪百分之多少
    right_x_cut_rate=0.2 # 右边界的裁剪比例，从右边开始裁剪百分之多少
    image = cv2.imread(image_path)
    image_height = image.shape[0]
    image_width = image.shape[1]
    image_x_min = image_width * left_x_cut_rate
    image_x_max = image_width * (1 - right_x_cut_rate)

    #开始过滤点
    bad_point_index = []
    print(f'开始过滤点,原有点数为{len(points)}')
    for index in range(len(points)):
        point = points[index]
        # 高度过大过滤
        if point['height'] > image_height * max_height_rate:
            bad_point_index.append(index)
            continue


        # x坐标范围过滤
        # 原point中的x和y,是矩形左上角的坐标
        x_min = point['x'] # 矩形四个点坐标中x的最小值
        x_max = point['x'] + point['width'] # 矩形四个点坐标中x的最大值

        # 如果矩形x的最小值小于左边界，去除这个矩形
        if x_min < image_x_min:
            bad_point_index.append(index)
            continue
        # 如果矩形x的最大值大于右边界，去除这个矩形
        if x_max > image_x_max:
            bad_point_index.append(index)
            continue

    # 删除bad_point_index
    filtered_points = []
    for i, point in enumerate(points):
        if i not in bad_point_index:
            filtered_points.append(point)
    print(f'过滤点结束,过滤之后的点数为{len(filtered_points)}')
    return filtered_points



# def read_from_json(file_path):
#     with open(file_path, 'r') as f:
#         loaded_array = json.load(f)
#     return loaded_array
# cnts = read_from_json("data_sub/test_1/data_sub.json")
# filter_points("data_sub/test_1/wide_image.png",cnts)