书接上回(doge)

阵列切片和裁剪

提取“感兴趣区域”是图像处理的一项重要技术。

比如说，你正在努力识别电影中的人脸。首先，您需要运行一个人脸检测算法，以找到您正在处理的所有帧中的人脸坐标。然后，您需要提取人脸并保存或处理它们。在羞羞的铁拳找到所有包含副掌门(沈腾)的照片将是一个很好的人脸识别小项目。

现在，让我们手动提取一个副掌门(沈腾)。这可以通过阵列切片来实现。

阵列切片显示在第20行，格式为：image[开始Y:结束Y，开始X:结束X]。这段代码获取一个副掌门，然后显示在第21行。就像上次一样，我们一直显示直到按下一个键（第26行）。

如图3所示，我们提取了沈腾的脸。在这个例子中，我实际上使用Photoshop预先确定了（x，y）坐标。

调整图像大小

调整图像大小很重要，原因有很多。首先，您可能需要调整大图像的大小以适应屏幕。对于较小的图像，图像处理速度也更快，因为要处理的像素更少。在深度学习的情况下，我们通常会调整图像大小，忽略纵横比，以便体积适合网络，而网络要求图像为正方形且具有一定的尺寸。

让我们将原始图像调整为200 x 200像素：

在第23行，我们忽略纵横比调整了图像的大小。窗口Fixed Resizing显示图像已调整大小，但由于未考虑纵横比，图像现在已扭曲。

让我们计算原始图像的纵横比，并使用它来调整图像大小，使其不会出现挤压和扭曲：

回想一下这个脚本的第9行，在那里我们提取了图像的宽度和高度。

假设我们要将600像素宽的图像调整为300像素宽，同时保持纵横比。

在第31行，我们计算新宽度与旧宽度的比率。

从那里，我们指定了新图像的尺寸dim。我们知道我们想要一幅300像素宽的图像，但我们必须用h乘以r（分别是原始高度和我们的比率）来计算高度。

将dim（我们的尺寸）输入CV2。resize函数，我们现在获得了一个名为resized的新图像，它没有失真（第32行）。

为了检查我们的工作，我们使用第33行的代码显示图像：

但是我们能让在调整尺寸时保持纵横比的过程变得更容易吗？

当然可以呀！

每次要调整图像大小时，计算纵横比都有点繁琐，因此我将代码包装在imutils中的一个函数中。

以下是如何使用imutils。调整大小：

在一行代码中，我们保留了纵横比并调整了图像的大小。

简单对吧？

您只需要提供目标宽度或目标高度作为关键字参数（第43行）。

结果如下：