【python-opencv】绘图（目标检测框及其置信度等）
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了【python-opencv】绘图（目标检测框及其置信度等），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1830字，纯文字阅读大概需要3分钟。
内容图文
一些常见的参数，如下所示：
- img：您要绘制形状的图像
- color：形状的颜色。对于BGR，将其作为元组传递，例如：(255,0,0)对于蓝色。对于灰度，只需传递标量值即可。
- 厚度：线或圆等的粗细。如果对闭合图形（如圆）传递
-1，它将填充形状。默认厚度= 1 - lineType：线的类型，是否为8连接线，抗锯齿线等。默认情况下，为8连接线。cv.LINE_AA给出了抗锯齿的线条，看起来非常适合曲线。
要绘制多边形，首先需要顶点的坐标。将这些点组成形状为ROWSx1x2的数组，其中ROWS是顶点数，并且其类型应为int32。在这里，我们绘制了一个带有四个顶点的黄色小多边形。
pts = np.array([[10,5],[20,30],[70,20],[50,10]], np.int32) pts = pts.reshape((-1,1,2)) cv.polylines(img,[pts],True,(0,255,255))
注意 如果第三个参数为False，您将获得一条连接所有点的折线，而不是闭合形状。cv.polylines()可用于绘制多条线。只需创建要绘制的所有线条的列表，然后将其传递给函数即可。所有线条将单独绘制。与为每条线调用cv.line相比，绘制一组线是一种更好，更快的方法。
向图像添加文本：
要将文本放入图像中，需要指定以下内容。 - 您要写入的文字数据 - 您要放置它的位置坐标（即数据开始的左下角）。 - 字体类型（检查cv.putText文档以获取受支持的字体） - 字体比例（指定字体大小） - 常规的内容，例如颜色，厚度，线条类型等。为了获得更好的外观，建议使用lineType = cv.LINE_AA。
我们将在白色图像上写入OpenCV。
font = cv.FONT_HERSHEY_SIMPLEX cv.putText(img,‘OpenCV‘,(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
综合例子：
import
numpy as np
import
cv2 as cv
#
创建黑色的图像
img = np.zeros((512,512,3), np.uint8)
# 绘制一条厚度为5的蓝色对角线
cv.line(img,(0,0),(511,511),(255,0,0),5)
# 绘制厚度为3的矩形框，传入左上角和右下角坐标
cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
# 绘制一个圆，传入中心点坐标以及半径
cv.circle(img,(447,63), 63, (0,0,255), -1)
#要绘制椭圆，我们需要传递几个参数。一个参数是中心位置（x，y）。
#下一个参数是轴长度（长轴长度，短轴长度）。
#angle是椭圆沿逆时针方向旋转的角度。
#startAngle和endAngle表示从主轴沿顺时针方向测量的椭圆弧的开始和结束。即给出0和360给出完整的椭圆。
#有关更多详细信息，请参阅cv.ellipse的文档。
cv.ellipse(img,(256,256),(100,50),0,0,180,255,-1)
pts = np.array([[10,5],[20,30],[70,20],[50,10]], np.int32)
pts = pts.reshape((-1,1,2))
cv.polylines(img,[pts],True,(0,255,255))
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,‘OpenCV‘,(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
from google.colab.patches import cv2_imshow
cv2_imshow(img)
结果：
参考：http://woshicver.com/ThirdSection/2_3_OpenCV%E4%B8%AD%E7%9A%84%E7%BB%98%E5%9B%BE%E5%8A%9F%E8%83%BD/#opencv
原文：https://www.cnblogs.com/xiximayou/p/13071845.html
内容总结
以上是互联网集市为您收集整理的【python-opencv】绘图（目标检测框及其置信度等）全部内容，希望文章能够帮你解决【python-opencv】绘图（目标检测框及其置信度等）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。