ymj_bim_test/utils.py

import json
import logging

import cv2


"""
根据裁剪之后的图片,每个点的坐标需要重新计算,以新的图片的宽高作为坐标系
"""
def re_cal_point(point,offset):
    # 相当于所有的x坐标向左平移了offset个距离
    point['x'] = point['x'] - offset



"""
过滤矩形
    1 高度过大的不要
    2 整个矩形全部身体都在裁剪区域之外的不要
    
    返回值:
        1 过滤之后的矩形
        2 裁剪之后的图片
"""
def filter_rectangle(image_path, points):
    # 高度过大矩形过滤参数
    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

    # 裁剪参数
    left_x_cut_rate=0.1 # 左边界的裁剪比例，从左边开始裁剪百分之多少
    right_x_cut_rate=0.1# 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] # 获取图片高度
    image_width = image.shape[1] # 获取图片宽度
    image_x_min = int(image_width * left_x_cut_rate) # 左边界的裁剪点
    image_x_max = int(image_width * (1 - right_x_cut_rate)) # 右边界的裁剪点

    #开始过滤矩形
    bad_point_index = []
    print(f'开始过滤矩形,原有矩形数为{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,整个矩形全部身体都在裁剪区域之外的不要
        x_min = point['x'] # 矩形四个矩形坐标中x的最小值
        x_max = point['x'] + point['width'] # 矩形四个矩形坐标中x的最大值
        # 如果矩形x的 最大值 小于 左边界，去除这个矩形
        if x_max < image_x_min:
            bad_point_index.append(index)
            continue
        # 如果矩形x的 最小值 大于 右边界，去除这个矩形
        if x_min > image_x_max:
            bad_point_index.append(index)
            continue

    # 过滤,只保留有效矩形
    filtered_points = []
    for i, point in enumerate(points):
        # 如果当前矩形的索引在bad_point_index中，则去除这个矩形
        if i not in bad_point_index:
            # 重新计算点的坐标
            re_cal_point(point,image_x_min)
            # 塞入结果
            filtered_points.append(point)
    print(f'过滤矩形结束,过滤之后的矩形数为{len(filtered_points)}')

    # 图片裁剪
    # 裁剪图片 (height方向不变，宽度方向裁剪)
    cropped_image = image[:, image_x_min:image_x_max]
    # 展示
    # cv2.imshow("cropped_image", cropped_image)
    # cv2.imshow("image", image)
    # for i in range(len(filtered_points)):
    #     p = filtered_points[i]
    #     cv2.rectangle(cropped_image, (p['x'], p['y']), (p['x'] + p['width'], p['y'] + p['height']), (0, 0, 255), 2)
    #     # 写编号
    #     cv2.putText(cropped_image, str(i), (p['x'], p['y']), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
    # cv2.imshow("cropped_image_draw", cropped_image)
    # cv2.waitKey(0)
    return filtered_points, cropped_image



# 测试代码
# 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_rectangle("data_sub/test_1/wide_image.png",cnts)