博客
关于我
【CV】头盔检测&区域入侵项目
阅读量:466 次
发布时间:2019-03-06

本文共 1414 字,大约阅读时间需要 4 分钟。

如何在OpenCV中绘制图像边框和标签

以下代码示例展示了如何使用OpenCV库来在图像上绘制边框以及添加标签注释。

def plot_one_box(x, img, color=(0, 255, 0), label=None, line_thickness=3): 
"""绘制图像上的边框和标签注释"""
tl = line_thickness or int(round(0.002 * max(img.shape[0:2]))) # 计算线条厚度
c1, c2 = (int(x[0]), int(x[1])), (int(x[2]), int(x[3])) # 获取边框坐标
cv2.rectangle(img, c1, c2, color, thickness=tl, lineType=cv2.LINE_AA) # 绘制边框
if label:
tf = max(tl - 1, 1) # 计算字体厚度
t_size = cv2.getTextSize(label, 0, fontScale=tl / 3, thickness=tf)[0] # 计算字体大小
c2 = (c1[0] + t_size[0], c1[1] - t_size[1] - 3) # 调整坐标以容纳标签
cv2.rectangle(img, c1, c2, color, -1, cv2.LINE_AA) # 绘制填充的边框
cv2.putText(label, c1[0] + t_size[0], c1[1] - t_size[1] - 2, fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=tl / 3, color=color, thickness=tf) # 添加标签

参数说明

  • x (坐标点) - 绘制边框的左上角和右下角坐标
  • img (图像) - 需要绘制边框的图像数据
  • color (颜色) - 边框的颜色,默认为绿色((0, 255, 0))
  • label (标签) - 要添加在边框上的文字注释
  • line_thickness (线条厚度) - 边框的线条厚度,默认为3

使用示例

以下是一个使用该函数的示例代码片段:

import cv2
# 加载示例图像
img = cv2.imread("example_image.jpg")
# 使用函数绘制边框和标签
plot_one_box((100, 200, 300, 400), img, label="目标物体")
# 显示图像
cv2.imshow("结果图像", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项

  • 确保输入的图像路径正确
  • 调整颜色值以适应不同的图像类型
  • 标签的位置和大小可能需要根据实际需求进行调整
  • 线条厚度可以根据需要进行微调

最佳实践

  • 在实际应用中,可以根据具体需求调整线条颜色和厚度
  • 标签的字体大小和位置可以根据图像大小进行适当调整
  • 对于多个目标物体,可以重复调用函数并调整各自的坐标和参数
  • 确保在高分辨率图像中调整线条和字体大小以保证清晰可见

转载地址:http://pjfbz.baihongyu.com/

你可能感兴趣的文章
Pandas matplotlib 无法显示中文
查看>>
Pandas Plots:周末的单独颜色,x 轴上漂亮的打印时间
查看>>
Pandas 中的多索引旋转
查看>>
Pandas 中的日期范围
查看>>
pandas 中的时间序列箱线图
查看>>
Pandas 使用指南
查看>>
pandas 分组并使用最小值更新
查看>>
Pandas 对数据框的布尔比较
查看>>
pandas 将通话数据分割为15分钟的间隔
查看>>
pandas 找到局部最大值和最小值
查看>>
pandas 按日期和年份分组,并汇总金额
查看>>
pandas 数据帧到PostgreSQL表中使用的是没有SQLAlChemy的心理复制2吗?
查看>>
pandas 数据框条件 .mean() 取决于特定列中的值
查看>>
pandas 数据框至海运分组条形图
查看>>
pandas 时间序列重新采样结束给定的一天
查看>>
pandas 根据不是常量的第三列的值将值从一列复制到另一列
查看>>
pandas 根据值从多列中的一列查找
查看>>
Pandas 根据布尔条件选择行和列
查看>>
pandas 滚动窗口 - datetime64[ns] 未实现
查看>>
pandas 版本兼容特定的蟒蛇和NumPy配置吗?
查看>>