画像の切り取りがうまくできない

Question

前提・実現したいこと

画像一枚中の様々な場所から、画像のトリミングをしたい

発生している問題・エラーメッセージ

下記のコードの用に入力するとうまく画像を切り抜くことができるのですが、

width=448
ymax=1280
xmax=960
 #中央
    if number == 0:
        img_trim = img[ymax//2-width//2: ymax//2+width//2, xmax//2-width//2: xmax//2+width//2]
    #左上
    elif number == 1:
        img_trim = img[0:width, 0:width]
    #右上
    elif number == 2:
        img_trim = img[0:width, xmax-width:xmax]
    #左下
    elif number == 3:
        img_trim = img[ymax-wob-width:ymax-wob, 0:width]
    #右下
    elif number == 4:
        img_trim = img[ymax-wob-width:ymax-wob, xmax-width:xmax]

以下のように淵以外の場所を切り取りしようろするとすると、実行できなくなります。
この原因は何なのでしょうか。教えてください。
一応ほかの計算に使う関数も記載しております。関数部分は上記の実行できるものとなんら変更しておりません。
また、元画像サイズは縦960幅1280です。
切り抜きたいサイズは448448です。
wobは画像の下に黒い淵があるのでそれを考慮したためです。
wob=64です。

該当のソースコード

#(width*width)の正方形に切り出す
def trim(img, width, number, bar_switch,slide):
    ymax = img.shape[0]
    xmax = img.shape[1]

    if bar_switch == 'FE-SEM': # FE-SEM
        #width_of_bar
        wob = 64
    elif bar_switch == 'W-SEM': # W-SEM
        wob = 0
    else:
        pass

    #中央
    if number == 0:
        img_trim = img[ymax//2-width//2: ymax//2+width//2, xmax//2-width//2: xmax//2+width//2]
    #上1
    elif number == 1:
        img_trim = img[0:width, 0:width]
    #上２
    elif number == 2:
        img_trim = img[0:width, width:width+width]
     #上3
    elif number ==3:
        img_trim = img[0:width, xmax-width:xmax]
    #下1
    elif number ==4:
        img_trim = img[ymax-wob-width:ymax-wob, 0:width]    
    #下2
    elif number ==5:
        img_trim = img[ymax-wob-width:ymax-wob, width:width+width]
    #下3
    elif number == 6:
        img_trim = img[ymax-wob-width:ymax-wob, xmax-width:xmax]
    #中央1
    elif number == 7:
        img_trim = img[slide:width+slide, 0:width]
    #中央２
    elif number == 8:
        img_trim = img[slide:width+slide, width:width+width]
     #中央3
    elif number == 9:
        img_trim = img[slide:width+slide, xmax-width:xmax]
    #中央4
    elif number == 10:
        img_trim = img[ymax-wob-width-slide:ymax-wob-slide, 0:width]
    #中央5
    elif number == 11:
        img_trim = img[ymax-wob-width-slide:ymax-wob-slide, width:width+width]
    #中央6
    elif number == 12:
        img_trim = img[ymax-wob-width-slide:ymax-wob-slide, xmax-width:xmax]
    #中央7
    elif number == 13:
        img_trim = img[0:width, slide:width+slide]
    #中央8
    elif number == 14:
        img_trim = img[0:width, width+slide:width+width+slide]
     #中央9
    elif number == 15:
        img_trim = img[0:width, xmax-width-slide:xmax-slide]
    #中央10
    elif number == 16:
        img_trim = img[ymax-wob-width:ymax-wob, slide:width+slide]
    #中央11
    elif number == 17:
        img_trim = img[ymax-wob-width:ymax-wob, width+slide:width+width+slide]
    #中央12
    elif number == 18:
        img_trim = img[ymax-wob-width:ymax-wob, xmax-width-slide:xmax-slide]
    #中央13
    elif number == 19:
        img_trim = img[300:width+300, 0:width]    

    return img_trim


#(nosp*nosp)の枚数に画像を分割する
def trim2(img,ny,nx,ny1,nx1):
    ymax = img.shape[0]
    xmax = img.shape[1]

    img_trim = img[(ny1-1)*(ymax//ny):ny1*(ymax//ny),(nx1-1)*(xmax//nx):nx1*(xmax//nx)]
    return img_trim


def RGB_clahe_trans(img):
    # RGB --> YUV
    img0_YUV = cv2.cvtColor(img, cv2.COLOR_RGB2YUV)

    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    img0_YUV[:,:,0] = clahe.apply(img0_YUV[:,:,0])
    # YUV --> RGB
    img_clahe = cv2.cvtColor(img0_YUV, cv2.COLOR_YUV2RGB)

    return img_clahe


# Train, Validationデータを生成する関数.
def generate_train_val(img, SEM_select, clahe_select, path_tr_val, label_tr_val,slide):
    for i_tv in range(4):
        img = trim(img, 448, i_tv, SEM_select,slide)

        for j_tv in range(2):
            for k_tv in range(2):
                img_trim2 = trim2(img, 2, 2, j_tv+1, k_tv+1)

                # 適用的ヒストグラム平坦化 CLAHE
                if clahe_select == 'no':
                    pass
                elif clahe_select == 'clahe':
                    # clahe ( 関数内でRGB --> YCbCr --> Yに対してclahe --> YCbCr --> RGB )
                    img_trim2 = RGB_clahe_trans(img_trim2)
                else:
                    pass

                # 回転させる.
                set_angle = [0, 90, 180, 270]
                for l_tv in range(len(set_angle)):

                    if set_angle[l_tv] == 0:
                        img_Rot = img_trim2

                    else:
                        #画像回転
                        trans = cv2.getRotationMatrix2D((int(img_trim2.shape[1]//2), int(img_trim2.shape[0]//2)), set_angle[l_tv], scale=1.0)
                        img_Rot = cv2.warpAffine(img_trim2, trans, (img_trim2.shape[1], img_trim2.shape[0]))

                    # 保存用のパス生成.
                    original_file_name = path_tr_val.rsplit('/', 1)[1]
                    #print(original_file_name)
                    original_file_name = original_file_name.rsplit('.', 1)[0]
                    #print(original_file_name)

                    save_path = "./Databox_ver2/Train/"+str(label_tr_val)+"/"+str(original_file_name)+"."+str(i_tv+1)+"."+str(j_tv+1)+"."+str(k_tv+1)+"."+str(set_angle[l_tv])+".tif"
                    #print(save_path)

                    if save_images == "save":
                        # 画像保存
                        cv2.imwrite(save_path, img_Rot)
                    else:
                        pass
### メイン関数 ###################################################################
def main():

    # 1_set_preprocess.csv から指示を読み出し.
    SEM_select, clahe_select, mean_select = set_preprocess("./1_set_preprocess.csv")


    # 1_preprocess.csv を読み取り, データをTrain(Train, Validation)とTestに分ける.
    train_val_path, test_path = preprocess("./1_preprocess.csv")


    # フォルダ名にするため, labelを取得する.
    labels = np.unique(train_val_path.loc[:, 'label'])
    num_label = labels.shape[0]
    # 生成した画像を保存するためのフォルダを用意する.
    make_savedir(labels, num_label)
    
    slide=100

    # Train, Validationデータを1枚ずつ処理する.
    for i_tr_val in range(train_val_path.shape[0]):
    #for i_tr_val in range(1):
        path_tr_val = train_val_path.loc[i_tr_val, 'Dir']
        label_tr_val = train_val_path.loc[i_tr_val, 'label']
        print(path_tr_val, "is processing.")


        # 画像読み込み.
        img = cv2.imread(path_tr_val, 1)


        # TrainとValidationデータの生成関数へ.
        generate_train_val(img, SEM_select, clahe_select, path_tr_val, label_tr_val,slide)

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Comments

[mokemokechicken]

> 以下のように淵以外の場所を切り取りしようろするとすると、実行できなくなります。

「実行できなくなる」というのはどういう症状なんでしょうか？
「エラーが発生する？」「意図しない切り抜きになる？」
エラーになるとしたら、どういうエラーが（どういう入力のときに）発生しているかを調べると良いです（そして、それを一緒に質問に書くと良いです）。
意図しない切り抜きになるとしたら、どういう切り抜きに（どういう入力のときに）なるかを調べると良いです。こういう場合は、いろいろパラメータを変えて実行すると、上手くいくときと行かないときとか傾向があったりして問題箇所がわかることもありますよ。

[mokemokechicken]

今回の件とは無関係かもしれないですが、コードを見ていて少し不安になるのは以下の部分で、
bar_switch が FE-SEM, W-SEM 以外のときに wob は未定義になるので、
例えば number=4 のときだと エラーになりますね。
bar_switch が上記2種類しかないはずで、それ以外だと処理することができないなら、 else で pass するのではなく raise ValueError("bar_switchがへんだよ！") とかしておくと、そういう変な入力のときにすぐに気がつくことができます。

```
if bar_switch == 'FE-SEM': # FE-SEM
#width_of_bar
wob = 64
elif bar_switch == 'W-SEM': # W-SEM
wob = 0
else:
pass
```