计算机视觉 / 系统课时
裁剪感兴趣区域
裁剪感兴趣区域
ROI 裁剪看似只是数组切片,但坐标顺序、半开区间和负索引会直接决定结果是否正确。本节用 NumPy 切片实现安全裁剪,并把越界矩形先限制到图像范围内,避免误裁到图像另一侧。
学习目标
- 使用
image[y1:y2, x1:x2]正确裁剪矩形 ROI - 将越界坐标限制到图像宽高范围内
- 处理空矩形、负索引和切片视图带来的边界问题
ROI 切片遵循坐标半开区间
OpenCV 图像本质上是 NumPy 数组,访问顺序是“先行后列”,因此矩形裁剪写成 image[y1:y2, x1:x2]。其中 x 对应列、y 对应行;x2 和 y2 不包含在结果中,所以裁剪宽度是 x2 - x1,高度是 y2 - y1。

如果检测框使用的是 (x, y, width, height),应先换算成 x2 = x + width、y2 = y + height,再按同一套半开区间规则裁剪。
先裁边界再切片
正方向的结束索引超过数组大小时,NumPy 通常会自动截断;但负的开始索引具有“从末尾倒数”的含义。例如 image[1:4, -2:8] 不会把 -2 当成 0,而是从倒数第二列开始,因此必须显式限制坐标。
import numpy as np
def crop_roi(image, x1, y1, x2, y2):
h, w = image.shape[:2]
# 先把四个边界限制到合法范围,避免负索引发生倒数语义。
x1 = max(0, min(x1, w))
x2 = max(0, min(x2, w))
y1 = max(0, min(y1, h))
y2 = max(0, min(y2, h))
# 裁边后仍没有正面积,就拒绝生成空 ROI。
if x1 >= x2 or y1 >= y2:
raise ValueError("ROI has no valid area")
return image[y1:y2, x1:x2], (x1, y1, x2, y2)
def main():
image = np.arange(5 * 6 * 3, dtype=np.uint8).reshape(5, 6, 3)
roi, box = crop_roi(image, -2, 1, 8, 4)
print("clipped box =", box)
print("roi.shape =", roi.shape)
print("first pixel =", roi[0, 0].tolist())
print("last pixel =", roi[-1, -1].tolist())
if __name__ == "__main__":
main()预期输出
clipped box = (0, 1, 6, 4)
roi.shape = (3, 6, 3)
first pixel = [18, 19, 20]
last pixel = [69, 70, 71]原请求的横向范围是 -2 到 8,图像宽度只有 6,因此最终被限制为 0 到 6;纵向的 1 到 4 本来就合法,所以保持不变。
处理无效矩形
边界限制之后,还必须检查 x1 < x2 且 y1 < y2。如果目标框完全落在图像外部,或坐标顺序颠倒,直接切片只会得到空数组,后续传入 cv2.resize()、编码器或模型时才出现更难定位的错误。
来自检测器的坐标若是浮点数,应先按业务约定完成取整,再进入裁边函数。不要依赖切片自动转换,因为 Python 切片索引要求整数,向下取整、四舍五入还是向外扩展会影响实际包含的像素。
视图还是副本
普通 NumPy 切片返回的 ROI 通常是原图的视图,而不是独立副本。修改 roi[...] 可能同步改变 image 中对应区域;如果裁剪结果要独立编辑或长期保存,应使用 image[y1:y2, x1:x2].copy()。
当 ROI 还要传给要求连续内存的第三方接口时,可以使用 np.ascontiguousarray(roi)。安全裁剪的关键顺序是:先统一坐标语义,再裁边界,再验证有效面积,最后根据是否需要独立内存决定是否复制。