一、裁剪单个多边形
import numpy as np
import cv2
# 读取图像
img = cv2.imread("dog.jpg")
# 坐标点points
pts = np.array([[10, 10], [15, 0], [35, 8], [100, 20], [300, 45], [280, 100], [350, 230], [30, 200]])
pts = np.array([pts])
# 和原始图像一样大小的0矩阵，作为mask
mask = np.zeros(img.shape[:2], np.uint8)
# 在mask上将多边形区域填充为白色
cv2.polylines(mask, pts, 1, 255) # 描绘边缘
cv2.fillPoly(mask, pts, 255) # 填充
# 逐位与，得到裁剪后图像，此时是黑色背景
dst = cv2.bitwise_and(img, img, mask=mask)
# 添加白色背景
bg = np.ones_like(img, np.uint8) * 255
cv2.bitwise_not(bg, bg, mask=mask) # bg的多边形区域为0，背景区域为255
dst_white = bg + dst
cv2.imwrite("mask.jpg", mask)
cv2.imwrite("dst.jpg", dst)
cv2.imwrite("dst_white.jpg", dst_white)
裁剪结果：
原图：
mask：
裁剪后：
二、裁剪多个多边形
已有多组坐标点bts，代表着多个多边形区域。
思路：对每组坐标点都在mask上进行相同的操作即可。这里就不重复写了。
三、裁剪镂空多边形
已有多组坐标点bts，其中一组表示最外层多边形，其余的表示镂空区域多边形。
思路1：对于最外层多边形在mask上进行白色填充(255)；对于镂空区域多边形在mask上进行黑色填充(0)即可。这里就不重复写了。
思路2：对每个多边形区域都生成一个mask，用原图分别进行裁剪，然后做图像减法，最后再添加白色背景即可。这里就不重复写了。
本文地址：https://blog.csdn.net/PanYHHH/article/details/110940428
黄山市民网：https://www.huangshanshimin.com/
