OpenCV(十四):ROI区域截取
在OpenCV中,你可以使用Rect对象或cv::Range来截取图像的感兴趣区域(Region of Interest,ROI)。
方法一:使用Rect对象截取图像
Rect_(_Tp _x, _Tp _y, _Tp _width,_Tp _height)
- Tp:数据类型,C++模板特性,可以用int、double、float等替换。
- _x:矩形区域左上角第一个像素的x坐标,也就是第一个像素的列数。
- _y:矩形区域左上角第一个像素的y坐标,也就是第一个像素的行数。
- _width:矩形的宽,单位为像素,即矩形区域跨越的列数。
- _height:矩形的高,单位为像素,即矩形区域跨越的行数。
示例:
// 定义ROI矩形区域
int x = 0;
int y = 0;
int width = 1000;
int height = 2000;// 根据ROI定义的区域截取图像
cv::Rect roiRect(x, y, width, height);
cv::Mat roi = image(roiRect);
// 显示截取图像结果
imwrite("/sdcard/DCIM/image.jpg",image);
imwrite("/sdcard/DCIM/roi.jpg",roi);
在这个示例中,我们首先读取一张图像image。然后,我们定义ROI矩形区域,其中x和y表示矩形左上角的坐标,宽度为1000,高度为2000。接下来,我们使用这个矩形对象来从原始图像中截取ROI区域,并将其存储在名为roi的cv::Mat对象中。最后,我们使用cv::imwrite()函数来获取原始图像和截取的ROI。

(原始图像) (截取的ROI)
方法二:使用cv::Range截取图像的行或列范围
cv::Range::Range ( int start
int end
)
- start:区间的起始(包含)
- end:区间的结束(不包含)
示例:
// 定义截取范围
int startRow = 0;
int endRow = 2000;
int startCol = 0;
int endCol = 2000;// 使用cv::Range截取图像范围
cv::Range rowRange(startRow, endRow);
cv::Range colRange(startCol, endCol);
cv::Mat roi = image(rowRange, colRange);
// 显示截取图像结果
imwrite("/sdcard/DCIM/image.jpg",image);
imwrite("/sdcard/DCIM/roi.jpg",roi);
在这个示例中,我们同样首先读取一张图像Image。然后,我们使用rowRange()和colRange()函数来分别截取图像的行范围和列范围。在rowRange()函数中,指定了截取行的起始行号为0,结束行号为2000;而在colRange()函数中,指定了截取列的起始列号为0,结束列号为2000。最后,我们使用cv::imwrite()函数来显示原始图像和截取的ROI。

(原始图像) (截取的ROI)
无论你选择使用Rect对象还是cv::Range来截取图像,都能实现相同的效果。根据具体需求,你可以选择适合的方法进行图像截取。
相关文章:
OpenCV(十四):ROI区域截取
在OpenCV中,你可以使用Rect对象或cv::Range来截取图像的感兴趣区域(Region of Interest,ROI)。 方法一:使用Rect对象截取图像 Rect_(_Tp _x, _Tp _y, _Tp _width,_Tp _height) Tp:数据类型&…...
Java学习笔记之----I/O(输入/输出)一
在变量、数组和对象中存储的数据是暂时存在的,程序结束后它们就会丢失。想要永久地存储程序创建的数据,就需要将其保存在磁盘文件中(就是保存在电脑的C盘或D盘中),而只有数据存储起来才可以在其他程序中使用它们。Java的I/O技术可…...
介绍GitHub
GitHub 是一个基于互联网的源代码托管平台,可以帮助软件开发者存储和管理源代码,方便团队协作和版本控制。GitHub 的主要功能包括: 代码托管:开发者可以在 GitHub 上创建远程代码仓库,存储和管理他们的源代码。 版本控…...
js常用的循环遍历
1.while 循环 While语句包括一个循环条件和一段代码块,只要条件为真,就不断循环执行代码块。 while (条件) 语句; // 或者while (条件) 语句;//举例: var i 0; while (i < 100) { console.log(i 当前为: i); i i 1; }2.…...
存量时代的面经
spring-series,感谢这个项目的作者,还有springboot_learn 这个项目 Spring, 说来惭愧,接触spring 已经接近十年了 通过这个项目,我把spring重写的学习了一遍 1,早上先debug 的一个项目的源码是 springboot_security 在这里插入代码片/****: Creating filter chain:org…...
Python入门教程 | Python 流程控制语句
程序流程控制的三种结构 1.顺序结构 计算机执行程序的步骤是从上到下依次执行 2.选择结构(条件控制) Python 条件语句是通过一条或多条语句的执行结果(True 或者 False)来决定执行的代码块。 可以通过下图来简单了解条件…...
力扣:83. 删除排序链表中的重复元素(Python3)
题目: 给定一个已排序的链表的头 head , 删除所有重复的元素,使每个元素只出现一次 。返回 已排序的链表 。 来源:力扣(LeetCode) 链接:力扣(LeetCode)官网 - 全球极客挚…...
iKeyPrime完美解4G信号,可以登录iCloud,有消息通知,支持最新iOS16.6。
iKeyPrime是一款绕过激活锁界面的解锁工具,可以激活所有iPhone苹果手机,二网/三网恢复信号,并且支持插卡接打电话、收发短信、4G流量上网,支持iCloud登录,有消息通知,支持iPhone5S~X的所有型号,…...
micro python 编译流程和方法,以及一部分问题解决
micro python官网 https://micropython.org/ 点击 点击对应的芯片,我这里是ESP32-S3 点击到git 到esp32目录下 按照指引下载安装ESP-IDF IDF版本查看连接如下: https://docs.espressif.com/projects/esp-idf/en/latest/esp32/versions.html 我这里选择…...
AI篇-chatgpt基本用法(文心一言也适用)
目录 (1)基本规则 (2)例子1-文章摘要 (3)例子2-代码生成 (4)文心一言链接 (1)基本规则 相比于搜索引擎,ChatGPT的优势在于其高效的想法关联和…...
Python小知识 - 使用Python进行数据分析
使用Python进行数据分析 数据分析简介 数据分析,又称为信息分析,是指对数据进行综合处理、归纳提炼、概括总结的过程,是数据处理的第一步。 数据分析的目的是了解数据的内在规律,为数据挖掘,并应用于商业决策、科学研究…...
Pytorch.tensor 相关用法
Torch.tensor.backward()方法的使用举例 理解optimizer.zero_grad(), loss.backward(), optimizer.step()的作用及原理 Autograd: 自动求导 import torchatorch.randn(2,2) # tensor默认requires_gradFalse a((a*3)/(a-1)) print(a.requires_grad) print(a.grad_fn) # leaf …...
信维通信投资者关系活动:揭示5G创新实践,展望未来发展
信维通信于近期举办了一场面向投资者的关系活动,旨在揭示公司在5G时代的创新实践和展望未来发展计划。这场活动吸引了众多投资者和证券分析师的关注,他们期待了解信维通信在5G市场的布局和竞争优势。 在活动当天,信维通信的投资者关系部门负…...
AOP进阶-通知顺序
通知顺序 当多个切面的切入点都匹配到目标方法,目标方法运行时,多个通知都会被执行 执行顺序 不同切面类中,默认按照切面类的类名称字母排序 目标方法前的通知方法:字母排名靠前的先执行目标方法后的通知方法:字母排…...
Sui流动性质押黑客松|本周Workshop预告
Sui流动性质押黑客松正在如火如荼的报名中,Sui基金会现诚邀全球开发者前来参与,助力资产再流通。了解黑客松详情:Sui流动性质押黑客松开启报名,赢取千万美金质押和奖励! 黑客松官网:Sui Liquid Staking Ha…...
数学建模:线性与非线性优化算法
🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 数学建模:线性与非线性优化算法 优化算法是指在满足一定条件下,在众多方案中或者参数中最优方案,或者参数值,以使得某个或者多个功能指标达到最优,或使得系统的某些性能指标达到最大值或者最小…...
数学建模--粒子群算法(PSO)的Python实现
目录 1.开篇提示 2.算法流程简介 3.算法核心代码 4.算法效果展示 1.开篇提示 """ 开篇提示: 这篇文章是一篇学习文章,思路和参考来自:https://blog.csdn.net/weixin_42051846/article/details/128673427?utm_mediumdistribute.pc_relevant.none-task-blog-…...
【C++】STL-函数对象-内建函数对象
0.前言 1.算术仿函数 #include <iostream> using namespace std;// STL-内建函数对象-算术仿函数 #include<functional> // 内建函数对象头文件//以下举例两个仿函数 -- negate and plus// negate 一元仿函数 取反仿函数 void test01() {negate<int>n;cout …...
Redis 教程 - Redis 基本操作
Redis 教程 - Redis 基本操作 Redis(Remote Dictionary Server)是一个开源的内存数据库,它提供了键值对存储和多种数据结构的支持,被广泛应用于缓存、消息队列、计数器等场景。本教程将介绍 Redis 的基本操作,包括连接…...
FreeRTOS中断与任务之间同步(Error:..\..\FreeRTOS\portable\RVDS\ARM_CM4F\port.c,422 )
前言: FreeRTOS中,中断需要注意几点: 何时使用中断;中断服务函数(ISR)要处理的数据量有多大,通常我们希望中断的切换越快越好,也就是说,ISR尽量采用耗时较少的处理方式…...
大白话讲ReAct:大模型的“边想边干”
一、先搞懂:ReAct到底是个啥?ReAct,说白了就是“Reasoning(动脑想) Acting(动手做)”的组合,翻译过来就是“边思考、边行动、看反馈、再调整”——跟咱们普通人解决问题的思路&#…...
基于python的演唱会抢票系统
目录同行可拿货,招校园代理 ,本人源头供货商核心功能模块技术实现要点扩展功能设计异常处理方案项目技术支持源码获取详细视频演示 :文章底部获取博主联系方式!同行可合作同行可拿货,招校园代理 ,本人源头供货商 核心功能模块 用户管理模块 注册/登录功…...
从外卖配送到大疆无人机:经纬度距离计算在真实业务场景中的5种应用实践
经纬度计算在商业场景中的实战应用:从路径优化到智能决策 当你在手机上下单一份外卖,15分钟后热腾腾的餐食准时送达;当无人机精准降落在指定位置,完成最后一公里配送;当共享单车APP为你推荐最优停车点——这些场景背后…...
如何快速上手tuic:从零开始的安装与配置教程
如何快速上手tuic:从零开始的安装与配置教程 【免费下载链接】tuic 项目地址: https://gitcode.com/gh_mirrors/tu/tuic tuic是一款高效的GitHub加速工具,能够帮助用户解决GitHub访问速度慢、连接不稳定等问题,让开发者更流畅地获取G…...
重新定义交通安全研究范式:基于无人机轨迹数据的数字孪生解决方案
重新定义交通安全研究范式:基于无人机轨迹数据的数字孪生解决方案 【免费下载链接】UCF-SST-CitySim1-Dataset 项目地址: https://gitcode.com/gh_mirrors/ucf/UCF-SST-CitySim-Dataset 在自动驾驶技术快速发展的今天,传统交通安全研究面临着一个…...
Fish Speech 1.5 Web界面保姆级教程:上传参考音频→文本对齐→语音生成全链路
Fish Speech 1.5 Web界面保姆级教程:上传参考音频→文本对齐→语音生成全链路 你是不是也想用AI生成和自己声音一模一样的语音?Fish Speech 1.5就能帮你实现这个愿望!这个强大的语音合成工具不仅能生成自然流畅的语音,还能通过参…...
Phi-3-mini-4k-instruct-gguf步骤详解:supervisor服务管理与错误日志定位方法
Phi-3-mini-4k-instruct-gguf步骤详解:supervisor服务管理与错误日志定位方法 1. 模型概述 Phi-3-mini-4k-instruct-gguf是微软Phi-3系列中的轻量级文本生成模型GGUF版本,特别适合问答、文本改写、摘要整理和简短创作等场景。这个开箱即用的解决方案已…...
Qwen3-14B部署避坑指南:从环境配置到服务上线的完整流程
Qwen3-14B部署避坑指南:从环境配置到服务上线的完整流程 1. 环境准备与系统要求 在开始部署Qwen3-14B之前,确保你的硬件和软件环境满足以下要求: 1.1 硬件配置建议 组件最低配置推荐配置GPUNVIDIA T4 (16GB)NVIDIA A10G (24GB)或A100 (40…...
Mac用户福音:Qwen3-TTS声音克隆在ComfyUI上的M芯片优化方案
Mac用户福音:Qwen3-TTS声音克隆在ComfyUI上的M芯片优化方案 1. 为什么Mac用户需要特别优化方案 苹果M系列芯片凭借其出色的能效比和统一内存架构,已经成为许多创意工作者的首选。然而,在运行AI模型时,特别是像Qwen3-TTS这样的语…...
从预测到归因:手把手教你用因果森林(grf)做特征重要性分析与亚组发现
从预测到归因:手把手教你用因果森林(grf)做特征重要性分析与亚组发现 在金融风控、个性化营销和医疗疗效评估等领域,我们常常面临一个关键问题:干预措施的效果是否存在显著差异?传统分析方法如A/B测试能告诉…...
