图像处理之径向裁剪

1 圆形径向裁剪

       图像处理中对于鱼眼镜头获取的sensor图像是圆形，后端ISP处理中Drc、gamma、Y域对比度拉伸等模块会将圆形周边的亮度拉亮，或者色彩发生改变，从而影响鱼眼图像整体效果，尤其针对多帧拼接时影响会更大。因此，通常会采用径向裁剪的方式，

保留有效区域图像，将非有效区图像进行透明化或者拉黑。

2 径向裁剪实现(python+opencv)

       圆形径向裁剪代码实现如下，该代码实现非有效区域透明化处理。

#coding:utf8

import numpy as np
import cv2
from matplotlib import pyplot as plt
import glob as gb

# 图像处理，获取图片最大内接圆，其他区域置为透明
def img_deal(input_img):
    # cv2.IMREAD_COLOR，读取BGR通道数值，即彩色通道，该参数为函数默认值
    # cv2.IMREAD_UNCHANGED，读取透明（alpha）通道数值
    # cv2.IMREAD_ANYDEPTH，读取灰色图，返回矩阵是两维的
    img = cv2.imread(input_img, cv2.IMREAD_UNCHANGED)
    rows, cols, channel = img.shape

    # 创建一张4通道的新图片，包含透明通道，初始化是透明的
    img_new = np.zeros((rows,cols,4),np.uint8)
    img_new[:,:,0:3] = img[:,:,0:3]

    # 创建一张单通道的图片，设置最大内接圆为不透明，注意圆心的坐标设置，cols是x坐标，rows是y坐标
    img_circle = np.zeros((rows,cols,1),np.uint8)
    img_circle[:,:,:] = 0  # 设置为全透明
    img_circle = cv2.circle(img_circle,(cols/2,rows/2),min(rows, cols)/2,(255),-1) # 设置最大内接圆为不透明

    # 图片融合
    img_new[:,:,3] = img_circle[:,:,0]

    # 保存图片
    cv2.imwrite(input_img+".png", img_new)
    # cv2.imencode('.jpg', img)[1].tofile('./9.jpg')  # 保存到另外的位置

    # 显示图片，调用opencv展示
    # cv2.imshow("img_new", img_new)
    # cv2.waitKey(0)
    # cv2.destroyAllWindows()

    # 显示图片，调用matplotlib.pyplot展示
    plt.subplot(121), plt.imshow(img_convert(img), cmap='gray'), plt.title('IMG')
    plt.subplot(122), plt.imshow(img_convert(img_new), cmap='gray'), plt.title('IMG_NEW')
    plt.show()

# cv2与matplotlib的图像转换，cv2是bgr格式，matplotlib是rgb格式
def img_convert(cv2_img):
    # 灰度图片直接返回
    if len(cv2_img.shape) == 2:
        return cv2_img
    # 3通道的BGR图片
    elif len(cv2_img.shape) == 3 and cv2_img.shape[2] == 3:
        b, g, r = cv2.split(cv2_img)
        return cv2.merge((r, g, b))
    # 4通道的BGR图片
    elif len(cv2_img.shape) == 3 and cv2_img.shape[2] == 4:
        b, g, r, a = cv2.split(cv2_img)
        return cv2.merge((r, g, b, a))
    # 未知图片格式
    else:
        return cv2_img

# 主函数
if __name__ == "__main__":
    img_path = gb.glob("img/*")
    for path in img_path:
        print path
        img_deal(path)

         仿真效果如下：