用Python-OpenCV提取图像中的感兴趣区域以及图像的深拷贝和浅拷贝问题附示例代码

Posted 2022-06-11 昊虹图像算法

懒得打字了，直接上资料的图吧！

要注意，上面叙述中利用Numpy的索引提取ROI区域的叙述是有严重问题的，具体问题是对x1、x2、y1、y2所代表的值叙述错误。
x1:x2表示的是ROI区域在原图中的行范围，所以应该是y坐标值，x1:x2代表的区间是左闭右开的，即[x1,x2)。
y1:y2表示的是ROI区域在原图中的列范围，所以应该是x坐标值，y1:y2代表的区间同样也是左闭右开区间，即[y1,y2)

另外，由以上叙述可知，我们在对图像数据进行拷贝时一定要注意是深拷贝还是浅拷贝。深拷贝不是共用存储区，而浅拷贝是共用存储区。

接下来上示例代码：

目录

• 示例一：通过“=”实现浅拷贝
• 示例二：通过“=”和索引实现浅拷贝
• 示例三：通过函数copy()实现深拷贝
• 示例四：将矩阵的感兴趣区域替换为另一矩阵的值(深拷贝)

示例一：通过“=”实现浅拷贝

import numpy as np

A1 = np.zeros((7, 7), dtype='uint8')
# 通过“=”实现浅拷贝
B1 = A1
B1[3, 3] = 1

运行结果如下：

从以上代码和运行结果可知，B1是A1的浅拷贝，修改B1的值后，A1中相应位置的值也被改变了。

示例二：通过“=”和索引实现浅拷贝

import numpy as np

A1 = np.zeros((7, 7), dtype='uint8')
# 通过“=”和索引实现浅拷贝
B2 = A1[0:4, 0:3]
B2[1, 1] = 1

运行结果如下：

示例三：通过函数copy()实现深拷贝

import numpy as np

A1 = np.zeros((7, 7), dtype='uint8')

# 通过“=”和索引实现浅拷贝
B1 = A1[0:4, 0:3]

# 通过函数copy()实现深拷贝
C1 = B1.copy()

C1[1, 1] = 1

运行结果如下图所示：



说明：因为C1并不与A1和B1共用存储区，所以C1值的改变并不会影响A1和B1。

示例四：将矩阵的感兴趣区域替换为另一矩阵的值(深拷贝)

代码如下：

import numpy as np
A1 = np.zeros((7, 7), dtype='uint8')
B1 = np.ones((3, 3), dtype='uint8')
A1[1:4, 1:4] = B1

运行结果如下：

上面的结果看不出是深拷贝还是浅拷贝，我们加一条语句就知道了：

import numpy as np
A1 = np.zeros((7, 7), dtype='uint8')
B1 = np.ones((3, 3), dtype='uint8')
A1[1:4, 1:4] = B1

B1[1, 1] = 0

运行结果如下：


从上面的运行结果可知，语句：

A1[1:4, 1:4] = B1

只是把A1中的子区域的值替换为矩阵B1中的值，而并不是把A1中的子区域的存储空间和B1共享。

延伸阅读：Python的Numpy库的ndarray对象(矩阵)初始化、属性调整、属性获取、基本操作示例代码积累