python获取图片中两个点的具体坐标并将图无损裁剪下来

 更新时间:2025年11月10日 09:21:13   作者:miracleo_  
这篇文章主要为大家详细介绍了python如何获取图片中两个点的具体坐标并将图无损裁剪下来,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下

一、原始图片

二、取点的方法

point.py

from PIL import Image
from pylab import *


def point(img_path):
    Image.MAX_IMAGE_PIXELS = 100000000000
    # im = array(Image.open('best_result.png'))
    im = array(Image.open(img_path))
    imshow(im)
    print('Please click 2 points')
    x = ginput(2)
    # show()
    return x


if __name__ == '__main__':
    x = point('cut_orchard2.png')
    print('you clicked:', x)

三、另一种取点的方法

注意方法二展示的图片是原比例的,对于大图不太方便,推荐上一种方法。

point1.py

import cv2
import numpy as np

img = cv2.imread('C:\\Users\\mimi\\Desktop\\1.jpg')
a = []
b = []


def on_EVENT_LBUTTONDOWN(event, x, y, flags, param):
    if event == cv2.EVENT_LBUTTONDOWN:
        xy = "%d,%d" % (x, y)
        a.append(x)
        b.append(y)
        cv2.circle(img, (x, y), 1, (255, 0, 0), thickness=-1)
        cv2.putText(img, xy, (x, y), cv2.FONT_HERSHEY_PLAIN,
                    1.0, (0, 0, 0), thickness=1)
        cv2.imshow("image", img)


cv2.namedWindow("image")
cv2.setMouseCallback("image", on_EVENT_LBUTTONDOWN)
cv2.imshow("image", img)
cv2.waitKey(0)
print(a[0], b[0])

img[b[0]:b[1], a[0]:a[1], :] = 0  # 注意是 行,列(y轴的,X轴)
cv2.imshow("image", img)
cv2.waitKey(0)
print(a, b)

四、取点并裁剪图片

实现代码

此处引用point函数

from point import point
import cv2
import numpy as np


# 输入两个对角点的坐标,裁剪图片
def cut_pic(img_path, point_list):
    [(x1, y1), (x2, y2)] = point_list
    img = cv2.imread(img_path)
    # img = np.array(img)
    # 新图片
    print(img.shape)
    # 此处注意opencv的顺序是先h,后w,然后c。
    img_new = img[y1:y2, x1:x2, :]
    cv2.imwrite("save.png", img_new)


if __name__ == '__main__':
    # img_path = "xiatian_qingwa.jpg"
    img_path = "best_result1.png"
    # ----------------------------
    # 得到两个对角点的坐标
    point_two = point(img_path)
    point_two_new = []
    # 清空列表
    # point_two.clear()
    for i in point_two:
        i_new = list(map(int, i))
        point_two_new.append(i_new)
    # [(4393, 426), (12439, 12439)]
    print(point_two_new)
    # ----------------------------
    # point_two_new = [(4393, 426), (12439, 12439)]
    cut_pic(img_path, point_two_new)


控制台输出:

Please click 2 points
[(242, 177), (340, 340)]
(512, 820, 3)

得到青蛙的截图:

参考

如果显示图片过大报错应对方法

1.出现原因

当图片文件有超过89478485个像素点(若为16:9的图片,其分辨率约为12608×7092)时使用PIL会触发DecompressionBombWarning警告。如此高的上限,通常用途情况下不会触发此警告。但是当处理一些大型图片,例如:天文照片(嫦娥2号月面图片~1.38GB)、高dpi的大尺寸扫描图(舰娘官方挂历扫图@720dpi ~300MB),会导致PIL拒绝加载,并提示DecompressionBombWarning警告。对于这个警告的处理也要具体问题具体分析:解压后的数据小于当前物理内存的图片,可以通过设置Image.MAX_IMAGE_PIXELS来适当提高触发警告的阈值,继而强制加载。解压后的数据大小可以用图片尺寸与色彩位深来估计。

>>> from PIL import Image
>>> im = Image.open(r'some.jpf')
C:\Users\whose\AppData\Local\Programs\Python\Python36\lib\site-packages\PIL\Image.py:2438: DecompressionBombWarning: Image size (145458930 pixels) exceeds limit of 89478485 pixels, could be decompression bomb DOS attack.
DecompressionBombWarning)
>>> Image.MAX_IMAGE_PIXELS = 1000000000
>>> im = Image.open(r'some.jpf')

但是,对于解压后的数据显然大于当前物理内存的图片,应当灵活应用图片压缩方法具备的特性,例如JPEG的递进性(即Progressive)、JPEG 2000的区域解码(即Random Access)等等。然而这些特性,PIL几乎不能使用,因此应当考虑其他专业软件或者根据需求自行实现。

也许对于具有极大物理内存的用户来说,通过调整阈值,图像尺寸似乎就没有了上限。但事实上考虑到Python令人遗憾的多核性能(至少对于cPython),以及一个平凡的观察——你通常需要处理很多小图片,或者些许大图片——加载一个特别大的图片将不会在合理的时间内完成,即使通过并行处理也节约不了太多时间(并没有那么多图片需要处理)。

2.出现的实际情况

openslide.open_slide("xxx.ndpi")时会出现这个问题。

解决方法

第一种(我使用的)

from PIL import Image
Image.MAX_IMAGE_PIXELS = 2300000000

第二种

from PIL import ImageFile, Image
ImageFile.LOAD_TRUNCATED_IMAGES = True
Image.MAX_IMAGE_PIXELS = None

附录

注意关闭下面的勾,否者PIL无法正常工作

以上就是python获取图片中两个点的具体坐标并将图无损裁剪下来的详细内容,更多关于python图片裁剪的资料请关注脚本之家其它相关文章!

相关文章

  • Python使用RPC例子

    Python使用RPC例子

    本文主要介绍了Python使用RPC例子,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2022-06-06
  • Python UV安装、升级、卸载详细步骤记录

    Python UV安装、升级、卸载详细步骤记录

    这篇文章主要介绍了Python UV安装、升级、卸载的详细步骤,uv是 Astral推出的下一代 Python 包与项目管理器,主打单一可执行文件、极致性能,文中通过代码介绍的非常详细,需要的朋友可以参考下
    2025-06-06
  • Python操作MongoDB的实现示例

    Python操作MongoDB的实现示例

    本文主要介绍了使用pymongo库来连接MongoDB服务器,进行集合和文档的操作,创建和删除索引,以及使用聚合框架进行数据处理,感兴趣的可以了解一下
    2025-05-05
  • Python中单元测试的快速入门指南

    Python中单元测试的快速入门指南

    在这篇文章中,我们会深入探讨Python单元测试的各个方面,包括它的基本概念、基础知识、实践方法、高级话题,感兴趣的小伙伴可以跟随小编一起学习一下
    2023-07-07
  • 详解如何使用Python操作MySQL的各种功能和用法

    详解如何使用Python操作MySQL的各种功能和用法

    当今互联网时代,数据处理已经成为了一个非常重要的任务,而MySQL作为一款开源的关系型数据库,被广泛应用于各种场景,本篇博客将介绍如何使用Python操作MySQL的各种功能,以及一些高级用法,需要的朋友可以参考下
    2023-11-11
  • Python设计模式之备忘录模式原理与用法详解

    Python设计模式之备忘录模式原理与用法详解

    这篇文章主要介绍了Python设计模式之备忘录模式原理与用法,结合实例形式详细分析了备忘录模式的相关概念、原理及Python相关实现技巧,需要的朋友可以参考下
    2019-01-01
  • Python获取Excel文件行数的方法

    Python获取Excel文件行数的方法

    在数据分析和自动化办公领域,Python 因其简洁的语法和强大的库支持而广受欢迎,特别是当涉及到处理 Excel 文件时,Python 提供了多种库来简化这一过程,本文给大家介绍了如何使用Python获取 Excel 文件的行数,感兴趣的小伙伴跟着小编一起来看看吧
    2024-09-09
  • mac下给python3安装requests库和scrapy库的实例

    mac下给python3安装requests库和scrapy库的实例

    今天小编就为大家分享一篇mac下给python3安装requests库和scrapy库的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-06-06
  • 浅析Python中压缩zipfile与解压缩tarfile模块的使用

    浅析Python中压缩zipfile与解压缩tarfile模块的使用

    Python 提供了两个标准库模块来处理文件的压缩和解压缩操作:zipfile和tarfile,本文将分享 这两个模块的使用方法,感兴趣的小伙伴可以跟随小编一起学习一下
    2023-10-10
  • caffe的python接口deploy生成caffemodel分类新的图片

    caffe的python接口deploy生成caffemodel分类新的图片

    这篇文章主要为大家介绍了caffe的python接口生成deploy文件学习以及用训练好的模型(caffemodel)来分类新的图片示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-06-06

最新评论