在目标检测中，有时候拍摄的图像较大，而待测目标只是整个图像的一小块区域，这时候就需要对大的图像进行分割，这样有助于深度学习模型训练的速度，以及推理的速度，所以我们在拿到大的图像的时候先对其进行分割，分割成几个小区域，根据我们的训练模型输入图片大小来确定所要分割的图像大小，再根据整个图像的长宽大小，从而计算出长宽需要分割的块数，也就是这里代码中的rownum和colnum。

本文主要针对轮胎的图像分割，原始的轮胎图片过于巨大，对于标注数据集和直接输入模型都是不太方便实现的，因此先对原始图片进行切割。然后可以在运行合并的代码去验证切割的是否正确。

1、原图切割

原图如下：

根据分析，原图像大小尺寸为：宽：1706px,高：1279px

需要将原图切割为：宽：640px ，高：640px ,共6块

代码实现如下：

from PIL import Image
import numpy as np
import cv2
import os

# 切割图片
def splitimage(src, rownum, colnum, dstpath):
    img = Image.open(src)
    w, h = img.size
    if rownum <= h and colnum <= w:
        print('原图基本信息: