Initial commit

split14.py

@@ -0,0 +1,128 @@
+import cv2
+import numpy as np
+import os
+
+# 读取输入图像
+image = cv2.imread('input.jpg')
+
+# 检查图像是否读取成功
+if image is None:
+    print("无法读取 input.jpg，请确保文件存在且路径正确。")
+    exit()
+
+# 获取图像的尺寸
+height, width = image.shape[:2]
+
+# 创建九个掩码，初始化为全黑
+masks = [np.zeros((height, width), dtype=np.uint8) for _ in range(9)]
+
+# 定义曲线参数，增加弯曲幅度
+amplitude_h = height / 15  # 横向曲线的最大幅度（修改为height / 15，增加弯曲）
+amplitude_v = width / 15   # 纵向曲线的最大幅度（修改为width / 15，增加弯曲）
+
+# 定义 x 和 y 坐标
+x = np.arange(width)
+y = np.arange(height)
+
+# 定义横向曲线（沿着 x 轴变化），在每个区域的中间进行一次弯曲
+y_h1 = np.zeros_like(x, dtype=float)
+y_h2 = np.zeros_like(x, dtype=float)
+
+# 定义纵向曲线（沿着 y 轴变化），在每个区域的中间进行一次弯曲
+x_v1 = np.zeros_like(y, dtype=float)
+x_v2 = np.zeros_like(y, dtype=float)
+
+# 定义横向曲线的三个段
+segment_width = width / 3
+
+for i in range(3):
+    # 定义每个段的起始和结束位置
+    start_x = i * segment_width
+    end_x = (i + 1) * segment_width
+    center_x = (start_x + end_x) / 2
+
+    # 创建掩码，确定在哪个段上
+    mask = (x >= start_x) & (x < end_x)
+
+    # 计算在该段上的相对位置
+    x_relative = x[mask] - center_x
+
+    # 计算幅度调节函数，使得在段的边界处为零，在中心为一
+    amplitude_modifier = np.cos(np.pi * x_relative / (end_x - start_x)) ** 2
+
+    # 计算曲线 y 值
+    y_h1[mask] = (height / 3) + amplitude_h * amplitude_modifier * np.sin(np.pi * x_relative / (end_x - start_x))
+    y_h2[mask] = (2 * height / 3) + amplitude_h * amplitude_modifier * np.sin(np.pi * x_relative / (end_x - start_x))
+
+# 确保 y 值在图像范围内
+y_h1 = np.clip(y_h1, 0, height - 1).astype(int)
+y_h2 = np.clip(y_h2, 0, height - 1).astype(int)
+
+# 定义纵向曲线的三个段
+segment_height = height / 3
+
+for i in range(3):
+    # 定义每个段的起始和结束位置
+    start_y = i * segment_height
+    end_y = (i + 1) * segment_height
+    center_y = (start_y + end_y) / 2
+
+    # 创建掩码，确定在哪个段上
+    mask = (y >= start_y) & (y < end_y)
+
+    # 计算在该段上的相对位置
+    y_relative = y[mask] - center_y
+
+    # 计算幅度调节函数，使得在段的边界处为零，在中心为一
+    amplitude_modifier = np.cos(np.pi * y_relative / (end_y - start_y)) ** 2
+
+    # 计算曲线 x 值
+    x_v1[mask] = (width / 3) + amplitude_v * amplitude_modifier * np.sin(np.pi * y_relative / (end_y - start_y))
+    x_v2[mask] = (2 * width / 3) + amplitude_v * amplitude_modifier * np.sin(np.pi * y_relative / (end_y - start_y))
+
+# 确保 x 值在图像范围内
+x_v1 = np.clip(x_v1, 0, width - 1).astype(int)
+x_v2 = np.clip(x_v2, 0, width - 1).astype(int)
+
+# 创建掩码
+for i in range(height):
+    for j in range(width):
+        y_curve1 = y_h1[j]
+        y_curve2 = y_h2[j]
+        x_curve1 = x_v1[i]
+        x_curve2 = x_v2[i]
+
+        # 判断所在区域
+        if i <= y_curve1:
+            if j <= x_curve1:
+                masks[0][i, j] = 255  # 左上角
+            elif j <= x_curve2:
+                masks[1][i, j] = 255  # 上中
+            else:
+                masks[2][i, j] = 255  # 右上角
+        elif i <= y_curve2:
+            if j <= x_curve1:
+                masks[3][i, j] = 255  # 中左
+            elif j <= x_curve2:
+                masks[4][i, j] = 255  # 中间
+            else:
+                masks[5][i, j] = 255  # 中右
+        else:
+            if j <= x_curve1:
+                masks[6][i, j] = 255  # 左下角
+            elif j <= x_curve2:
+                masks[7][i, j] = 255  # 下中
+            else:
+                masks[8][i, j] = 255  # 右下角
+
+# 确保输出目录存在
+output_dir = 'output'
+if not os.path.exists(output_dir):
+    os.makedirs(output_dir)
+
+# 应用掩码并保存图片
+for idx, mask in enumerate(masks):
+    img_part = cv2.bitwise_and(image, image, mask=mask)
+    cv2.imwrite(os.path.join(output_dir, f'output{idx+1}.png'), img_part)
+
+print("图片已成功切割成9张，并保存到 'output' 目录下。")