如何使用Python裁剪不同尺寸图片的指定区域并生成新图片

依赖安装 #

首先安装所需的第三方库：

pip install opencv-python pillow numpy

实现逻辑 #

采用多尺度模板匹配算法，以你已有的裁剪后效果图作为匹配模板，可自动在不同尺寸的原始图片中定位到目标区域的准确位置，完成自动裁剪输出。

完整脚本代码 #

import cv2
import os
import numpy as np

# -------------------------- 可修改参数区域 --------------------------
# 模板文件路径：替换为你自己的裁剪后效果图路径
TEMPLATE_PATH = "template.jpg"
# 待处理原始图片存放文件夹
INPUT_DIR = "./input"
# 裁剪后图片输出文件夹
OUTPUT_DIR = "./output"
# 匹配阈值，取值0-1，数值越高匹配精度要求越高，误匹配率越低
MATCH_THRESHOLD = 0.8
# 缩放检测范围：0.5代表缩小到原图50%，2代表放大到原图200%，可根据实际情况调整
SCALE_RANGE = (0.5, 2.0)
# 缩放步长，步长越小检测越精细，速度越慢
SCALE_STEP = 30
# -------------------------------------------------------------------

# 加载灰度模板
template = cv2.imread(TEMPLATE_PATH, 0)
if template is None:
    raise FileNotFoundError(f"模板文件{TEMPLATE_PATH}不存在，请检查路径")
tpl_height, tpl_width = template.shape[:2]

# 创建输出目录
os.makedirs(OUTPUT_DIR, exist_ok=True)

# 遍历所有待处理图片
for filename in os.listdir(INPUT_DIR):
    # 跳过非图片文件
    if not filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp')):
        continue
    img_path = os.path.join(INPUT_DIR, filename)
    # 读取原始图片
    origin_img = cv2.imread(img_path)
    if origin_img is None:
        print(f"文件{filename}不是有效图片，跳过")
        continue
    # 转灰度图用于匹配
    gray_img = cv2.cvtColor(origin_img, cv2.COLOR_BGR2GRAY)

    best_score = -1
    best_location = None
    best_scale = 1.0

    # 多尺度遍历匹配
    for scale in np.linspace(SCALE_RANGE[0], SCALE_RANGE[1], SCALE_STEP)[::-1]:
        # 按比例缩放当前图片
        resized_gray = cv2.resize(gray_img, (int(gray_img.shape[1] * scale), int(gray_img.shape[0] * scale)), interpolation=cv2.INTER_AREA)
        # 缩放后的图片比模板还小就停止缩小
        if resized_gray.shape[0] < tpl_height or resized_gray.shape[1] < tpl_width:
            break
        # 计算缩放比例
        resize_ratio = gray_img.shape[1] / float(resized_gray.shape[1])
        # 模板匹配
        match_result = cv2.matchTemplate(resized_gray, template, cv2.TM_CCOEFF_NORMED)
        _, max_val, _, max_loc = cv2.minMaxLoc(match_result)
        # 记录最优匹配结果
        if max_val > best_score:
            best_score = max_val
            best_location = max_loc
            best_scale = resize_ratio

    # 匹配度达标则裁剪
    if best_score >= MATCH_THRESHOLD:
        x_start = int(best_location[0] * best_scale)
        y_start = int(best_location[1] * best_scale)
        x_end = int((best_location[0] + tpl_width) * best_scale)
        y_end = int((best_location[1] + tpl_height) * best_scale)
        # 裁剪图片
        cropped_img = origin_img[y_start:y_end, x_start:x_end]
        # 保存结果
        cv2.imwrite(os.path.join(OUTPUT_DIR, filename), cropped_img)
        print(f"图片{filename}处理完成")
    else:
        print(f"图片{filename}未匹配到目标区域，匹配度{best_score:.2f}，已跳过")

使用步骤 #

• 将任意一张已裁剪好的目标效果图保存为template.jpg，和脚本放在同一目录下
• 新建名为input的文件夹，把所有需要裁剪的原始图片都放入该文件夹
• 运行脚本，裁剪完成的图片会自动输出到自动生成的output文件夹中
• 若出现误匹配或者漏匹配的情况，可根据实际情况调整脚本开头的匹配阈值、缩放范围等参数

内容的提问来源于stack exchange，提问作者Abdul Moiz