Corta y recorta imágenes con Opencv y Python

Table of Contents

1. Introducción
2. Cómo cortar imágenes en OpenCV
   1. Corte vertical
   2. Corte horizontal
3. Cómo recortar una porción de una imagen
   1. Definir la región de interés (ROI)
   2. Extraer la ROI de la imagen
4. Conclusiones
5. Recursos adicionales

Introducción

¡Hola a todos! Mi nombre es Sergio y en este artículo voy a enseñarles cómo cortar y recortar imágenes utilizando OpenCV. El recorte de imágenes es una función básica pero muy útil en el procesamiento de imágenes y visión por computadora. En la primera parte de este artículo, veremos cómo cortar imágenes vertical y horizontalmente. Luego, en la segunda parte, aprenderemos a recortar una porción específica de una imagen utilizando regiones de interés (ROI). ¡Así que empecemos!

Cómo cortar imágenes en OpenCV

Cortar una imagen en OpenCV es bastante sencillo y se puede hacer tanto vertical como horizontalmente. Esto nos permite extraer una parte específica de una imagen según nuestras necesidades. Veamos cómo se hace.

Corte vertical

Si deseamos cortar una imagen verticalmente, es decir, tomar solo una parte de la altura de la imagen, utilizaremos los índices de las filas (rows) de la matriz de la imagen. Por ejemplo, si queremos tomar solo la mitad superior de la imagen, podemos hacerlo especificando el rango de filas desde el inicio (0) hasta la mitad de las filas de la imagen. Veamos un ejemplo:

fila_inicio = 0
fila_fin = filas // 2  # División entera para obtener la mitad de las filas
imagen_cortada = imagen[fila_inicio:fila_fin, :]

En este caso, hemos especificado que queremos tomar las filas desde el inicio hasta la mitad de las filas de la imagen. El símbolo ":" se utiliza para seleccionar todas las columnas de la imagen. Finalmente, almacenamos la imagen cortada en la variable "imagen_cortada".

Corte horizontal

Si queremos cortar una imagen horizontalmente, es decir, tomar solo una parte de la anchura de la imagen, utilizaremos los índices de las columnas (columns) de la matriz de la imagen. Por ejemplo, si queremos tomar solo la mitad izquierda de la imagen, podemos hacerlo especificando el rango de columnas desde el inicio (0) hasta la mitad de las columnas de la imagen. Veamos un ejemplo:

columna_inicio = 0
columna_fin = columnas // 2  # División entera para obtener la mitad de las columnas
imagen_cortada = imagen[:, columna_inicio:columna_fin]

Aquí hemos especificado que queremos tomar todas las filas de la imagen y las columnas desde el inicio hasta la mitad de las columnas de la imagen. Al igual que antes, almacenamos la imagen cortada en la variable "imagen_cortada".

Cómo recortar una porción de una imagen

Ahora que sabemos cómo cortar imágenes vertical y horizontalmente, vamos a ver cómo recortar una porción específica de una imagen utilizando regiones de interés (ROI).

Definir la región de interés (ROI)

Para recortar una porción específica de una imagen, primero debemos definir la región de interés (ROI) que queremos extraer. La ROI se define mediante un rectángulo que rodea la porción de la imagen que queremos recortar. Para dibujar el rectángulo en la imagen, necesitamos especificar las coordenadas de las esquinas superior izquierda (top left) y inferior derecha (bottom right) del rectángulo. Veamos un ejemplo:

x1, y1 = 385, 155  # Esquina superior izquierda del rectángulo
x2, y2 = 851, 613  # Esquina inferior derecha del rectángulo
cv2.rectangle(imagen, (x1, y1), (x2, y2), (0, 255, 0), 3)

En este caso, hemos especificado las coordenadas del rectángulo que rodea la porción de la imagen que queremos recortar. El rectángulo se dibuja en la imagen utilizando el color verde (0, 255, 0) y un grosor de 3 píxeles.

Extraer la ROI de la imagen

Una vez que hayamos definido la región de interés (ROI), podemos extraer esa porción específica de la imagen. Para hacerlo, utilizamos las coordenadas del rectángulo y los índices de las filas y columnas de la matriz de la imagen. Veamos un ejemplo:

roi = imagen[y1:y2, x1:x2]

Aquí hemos especificado que queremos extraer las filas desde y1 hasta y2 y las columnas desde x1 hasta x2. La ROI extraída se almacena en la variable "roi".

Conclusiones

En este artículo, hemos aprendido cómo cortar y recortar imágenes utilizando OpenCV. Hemos visto cómo cortar imágenes vertical y horizontalmente, así como cómo recortar una porción específica de una imagen utilizando regiones de interés (ROI). Estas técnicas son fundamentales en el procesamiento de imágenes y visión por computadora, y espero que puedan ser de utilidad en sus proyectos.

Recuerden que este es solo un ejemplo básico y que existen muchas otras herramientas y funciones disponibles en OpenCV para realizar tareas más avanzadas en el procesamiento de imágenes. Si desean aprender más sobre este tema, les recomiendo explorar los recursos adicionales que se encuentran al final de este artículo.

¡Muchas gracias por leer y nos vemos en el próximo artículo!

Recursos adicionales

• Cómo instalar OpenCV
• Código fuente y archivos del proyecto
• Source Academy: Curso avanzado de visión por computadora

Aspectos destacados

• Aprende a cortar y recortar imágenes utilizando OpenCV
• Conoce cómo cortar imágenes vertical y horizontalmente
• Aprende a recortar una porción específica de una imagen utilizando regiones de interés (ROI)
• Descubre recursos adicionales para seguir aprendiendo sobre procesamiento de imágenes

Preguntas frecuentes

¿Qué es OpenCV?

OpenCV es una biblioteca de software de código abierto diseñada para ayudar a los desarrolladores a realizar tareas de visión por computadora. Proporciona una amplia gama de funciones y algoritmos para manipular imágenes y videos.

¿Es difícil aprender OpenCV?

Si bien OpenCV puede parecer intimidante al principio, con la práctica y el estudio adecuados, la mayoría de las personas pueden adquirir habilidades básicas en el uso de la biblioteca. Recuerda que la clave está en la paciencia y la perseverancia.

¿Dónde puedo obtener imágenes para practicar?

Existen muchas fuentes en línea donde puedes encontrar imágenes de muestra para practicar tus habilidades de procesamiento de imágenes. Algunas opciones populares incluyen bancos de imágenes gratuitos y conjuntos de datos específicos de visión por computadora.

Nota: Los enlaces a recursos externos se proporcionan de forma ficticia y no representan enlaces reales.