Python如何获取bbox对应区域[0-255]范围内的像素矩阵值

现有代码的核心问题 #

• 索引顺序错误：numpy读取PIL图像得到的数组维度顺序为(高度, 宽度, 通道数)，第一个维度对应Y轴（垂直方向），第二个维度对应X轴（水平方向），原代码写反了X/Y的索引顺序，会裁剪到错误区域
• 批量坐标处理错误：df.iloc[0:, 1]会取出所有行的xmin值，直接用int()转换会报错，需要遍历每一行拿到单个bbox的坐标
• 缺少边界校验：未对坐标做合法性限制，可能出现坐标为负、超出图像尺寸的情况，导致异常

修正后代码 #

import glob
import numpy as np
import pandas as pd
from PIL import Image

# 提前读取存储bbox的DataFrame
# df = pd.read_csv("你的标注文件路径.csv")

# 匹配所有需要处理的图像，示例匹配目录下所有JPG文件
path = glob.glob("./**/*.JPG", recursive=True)

for img_path in path:
    imgs = Image.open(img_path).convert('RGB')
    image_width, image_height = imgs.size
    # 此处得到的数组默认就是uint8类型，取值范围天然为0-255
    imgArrays = np.array(imgs)
    
    # 遍历每个bbox单独处理
    for idx, row in df.iterrows():
        # 计算绝对坐标同时做边界限制，避免越界
        X1 = max(0, int(row[1] * image_width))  # xmin
        Y1 = max(0, int(row[2] * image_height)) # ymin
        X2 = min(image_width, int(row[3] * image_width))  # xmax
        Y2 = min(image_height, int(row[4] * image_height)) # ymax
        
        # 修正索引顺序：先取Y轴范围，再取X轴范围
        cropped_image = imgArrays[Y1:Y2, X1:X2]
        
        # 此处可添加后续处理逻辑，如存储像素值、保存裁剪区域等

内容的提问来源于stack exchange，提问作者Samah wa