Python中ROI（感兴趣区域）提取有多种实现方法，以下为你详细介绍： ### 基于鼠标交互获取圆形ROI区域 可以通过鼠标交互获得ROI圆心和半径信息，再使用Python OpenCV提供的函数提取ROI区域并进行操作。示例代码如下： ```python # 假设这里是获取圆心和半径后绘制圆形ROI并显示的代码片段 # 省略获取圆心和半径的代码 cv2.imshow('Circled', circled) cv2.waitKey(0) cv2.destroyAllWindows() ``` 该方法可根据需求进行调整，以满足更复杂的任务[^1]。 ### 基于轮廓填充和图像运算提取ROI 步骤如下： 1. 使用`cv2.drawContours`函数对ROI区域进行填充。 2. 将图像转换为灰度图。 3. 进行自适应阈值化处理。 4. 通过图像交运算获取ROI。 示例代码如下： ```python import cv2 # 假设contours、ROI、proimage已经定义 cv2.drawContours(ROI, contours, 1, (255, 255, 255), -1) # ROI区域填充白色，轮廓ID1 ROI = cv2.cvtColor(ROI, cv2.COLOR_BGR2GRAY) # 转换成灰度图 ROI = cv2.adaptiveThreshold(ROI, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 7, 7) # 自适应阈值化 imgroi = cv2.bitwise_and(ROI, proimage) # 图像交运算 ，获取的是原图处理——提取轮廓后的ROI ``` 也可以通过`cv2.bitwise_and(src, src, mask=ROI)`或`ROI & src`（无需灰度 + 阈值）获取原图中的ROI [^2]。 ### 基于坐标和大小提取ROI 以人脸数据库GENKI部分的图像为例，根据人脸区域的坐标和大小提取ROI。示例代码如下： ```python from PIL import Image import os src = '.' imlist = open(src + '/GENKI-SZSL_Images.txt', 'r').readlines() rs = [float(line.split()[1]) for line in open(src + '/GENKI-SZSL_labels.txt', 'r').readlines()] cs = [float(line.split()[0]) for line in open(src + '/GENKI-SZSL_labels.txt', 'r').readlines()] ss = [float(line.split()[2]) for line in open(src + '/GENKI-SZSL_labels.txt', 'r').readlines()] for i in range(0, len(rs)): path = src + '/images/' + imlist[i].strip() filename = src + '/output/' + imlist[i].strip() try: im = Image.open(path) except: continue r = rs[i] c = cs[i] s = ss[i] xLeft = int(c - s/2) yUpper = int(r - s/2) xRight = int(c + s/2) yLower = int(r + s/2) region = im.crop((xLeft, yUpper, xRight, yLower)) region.save(filename) ``` 该代码从指定文件中读取图像路径和人脸区域的坐标、大小信息，然后使用`Image.crop`方法提取ROI并保存 [^4]。 ### 基于切片提取ROI 直接使用切片操作提取ROI。示例代码如下： ```python import cv2 img1 = cv2.imread('roi.jpg') rows, cols = img1.shape[:2] roi = img1[0:rows, 0:cols] ``` 这里通过切片操作从图像中提取了一个矩形ROI [^2]。