基于Python与OpenCV的图片网格切割与不规则区域提取

青禾

发布时间：2026-10-12 | 2人浏览过

原创

介绍如何使用Python结合Pillow与OpenCV库，将图片按行列网格自动拆分为若干子图，或通过多边形坐标提取不规则感兴趣区域。提供完整代码示例、参数配置方法及透明度通道处理技巧。

环境与前置准备

操作前请确保已安装图像处理核心库。命令行输入以下指令完成依赖安装：

pip install opencv-python pillow numpy

方法一：按行列等分网格切割（适用常规拆分）

第1步：初始化切割函数与参数校验

目的是读取源图片尺寸并计算单块宽高。脚本通过终端交互获取图片路径、输出目录、目标行数与列数。运行后需检查控制台输出是否显示原始分辨率及行列参数合法性，确认无异常后即可继续执行。

import os
from PIL import Image

def split_grid_image(src_path, row_num, col_num, out_dir):
    img = Image.open(src_path)
    width, height = img.size
    print(f'原始图片信息: {width}x{height}, 格式: {img.format}, 模式: {img.mode}')

    os.makedirs(out_dir, exist_ok=True)
    basename, ext = os.path.splitext(os.path.basename(src_path))

    cell_w = width // col_num
    cell_h = height // row_num

    count = 0
    for r in range(row_num):
        for c in range(col_num):
            left = c * cell_w
            top = r * cell_h
            right = left + cell_w
            bottom = top + cell_h
            box = (left, top, right, bottom)
            img.crop(box).save(os.path.join(out_dir, f'{basename}_{count}.{ext}'), ext.upper())
            count += 1
    print(f'切割完成，共生成 {count} 张子图至 {out_dir}')

# 交互入口示例
if __name__ == '__main__':
    target_img = input('请输入图片文件路径：')
    save_folder = input('请输入输出目录（直接回车则使用原图同级目录）：')
    if not save_folder: save_folder = os.path.dirname(target_img)
    r = int(input('请输入切割行数：'))
    c = int(input('请输入切割列数：'))
    split_grid_image(target_img, r, c, save_folder)

第2步：执行切割并验证结果文件

运行脚本后，在指定输出文件夹内检查生成的图片命名格式是否严格遵循源文件名_索引.ext。若所有切片尺寸一致且拼接回原图无明显错位，即表示切割成功。注意：连续运行相同路径会覆盖旧文件，务必提前备份或使用新目录以避免数据丢失。

方法二：基于多边形坐标的区域提取（适用不规则裁剪）

第1步：构建掩膜与定义感兴趣区域

通过NumPy创建二维零矩阵，利用OpenCV的polylines勾勒轮廓，再用fillPoly填充白色作为透明遮罩。此步骤用于精确划定需要保留的像素范围，参数入口为坐标数组列表。

import cv2
import numpy as np
from PIL import Image

img = cv2.imread('target_photo.jpg')  # 替换为实际路径
pts_top = np.array([[0, 248], [512, 254], [512, 512], [0, 512]], dtype=np.int32)
pts_body = np.array([[0, 0], [512, 0], [512, 254], [0, 248]], dtype=np.int32)

mask_t = np.zeros(img.shape[:2], dtype='uint8')
cv2.fillPoly(mask_t, [pts_top], 255)
mask_b = np.zeros(img.shape[:2], dtype='uint8')
cv2.fillPoly(mask_b, [pts_body], 255)

第2步：应用位运算转换RGBA并保存

使用bitwise_and提取前景，并将BGR转为含Alpha通道的PNG以支持透明背景。遍历RGB阈值动态计算Alpha值，最后调用PIL另存。完成判断为终端打印通道最大值接近255，且对应目录下出现带透明背景的独立截图。

extracted_top = cv2.bitwise_and(img, img, mask=mask_t)
extracted_body = cv2.bitwise_and(img, img, mask=mask_b)

def bgr_to_rgba_alpha(src_arr, threshold=2):
    rgba = np.zeros((src_arr.shape[0], src_arr.shape[1], 4), dtype=np.uint8)
    rgba[:, :, :3] = src_arr
    alpha_mask = (src_arr[:,:,0] > threshold) | (src_arr[:,:,1] > threshold) | (src_arr[:,:,2] > threshold)
    rgba[:, :, 3][alpha_mask] = 255
    return rgba

pil_top = Image.fromarray(bgr_to_rgba_alpha(extracted_top))
pil_top.save('region_top.png', 'PNG')
print('不规则区域提取完成并已保存为PNG。')

完成判断与常见问题排查

切割任务结束后，打开输出文件夹核对切片数量是否与 行数 × 列数 完全匹配。若发现部分切片空白或越界，通常因源图非目标尺寸的整数倍导致余量分配不均，属正常现象。OpenCV 读写中文路径易报编码错误，建议在代码首行添加 cv2.imdecode(np.fromfile(path, dtype=np.uint8), -1) 替代标准读取函数。如需批量处理，可将交互输入替换为文件列表遍历逻辑。