Opencv(图像处理)-基于Python-绘图功能

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: Opencv(图像处理)-基于Python-绘图功能

1.介绍

OpenCV为开发者还提供了绘图功能,我们可以通过函数来实现在图片上作图。

2. line()

画线

cv2.line(img,开始点,结束点,颜色,线宽,线型,shift)

参数:img:在选中的图片上画;

开始点/结束点:开始坐标和结束坐标(x,y);

颜色:(b,g,r),作为元组输入,如果是灰度图像,直接填数字。

线宽: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

线型: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

3.rectangle()

画矩形

cv2.rectangle(img,起始坐标,中止坐标,颜色,线宽,线型)

img:在选中的图片上画;

起始坐标,中止坐标:从左上角坐标开始,到右下角结束。

颜色:(b,g,r),作为元组输入,如果是灰度图像,直接填数字。

线宽: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

线型: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。

4.circle()

画圆

cv2.circle(img,中心坐标,半径,颜色,线宽,线型)

img:在选中的图片上画;

中心坐标和半径:圆的中心坐标,半径。

颜色:(b,g,r),作为元组输入,如果是灰度图像,直接填数字。

线宽: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

线型: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。

5. ellipse()

画椭圆

cv2.ellipse(img,中心位置,(长轴长,短轴长),angle,stratAngle,endAngle,颜色,线宽,线型)

img:在选中的图片上画;

中心位置:中心坐标

(长轴长,短轴长):元组的形式输入轴的长度。

angle:椭圆沿顺时针方向旋转的角度。

startAngle和endAngle: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。

6.polylines()

画多边形

cv2.polylines(img,点集,是否闭环,颜色)

img:在选中的图片上画;

点集:点的集合,如:[[10,5],[20,30],[70,20],[50,10]],并且点集的数据格式必须为np.int32

是否闭环:True\false

颜色:(b,g,r),作为元组输入,如果是灰度图像,直接填数字

7.fillPoly()

画实心的多边形

cv2.fillPoly(img,点集,颜色)

8. putText()

将文本放入图像中

cv2.putText(img,放入文字,起始坐标,font,字体大小,颜色,线宽,线型)

img:在选中的图片上画

放入文字:是一个字符串

起始坐标:放入位置的左下角坐标

font:文字类型,什么字体

字体大小:填数字

颜色:(b,g,r),作为元组输入,如果是灰度图像,直接填数字。

线宽: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

线型: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。cv2.LINE_AA给出了抗锯齿的线条,看起来非常适合曲线,也适合文字。

字体的标志:

代码示例

import cv2
import numpy as np
# 创建一个黑色图片
img = np.zeros((480, 640, 3), np.uint8)
# 画直线
cv2.line(img, (10, 10), (300, 300), (255, 255, 255))
# 画一个矩形,填上-1,是画实心矩形
cv2.rectangle(img, (10, 10), (100, 40),(255, 255, 0), -1)
# 画一个实心圆
cv2.circle(img, (200, 200), 60, (0, 255, 255), -1, cv2.LINE_AA)
# 画一个椭圆
cv2.ellipse(img, (300, 200), (50, 20), 30, 0, 180, (255, 255, 255), -1)
# 画一个多边形
# 列表的形式创建一个数组
# 将数组以列表的形式传进去
arr = np.array([[100, 100], [100, 200], [300, 20], [400, 100]], np.int32)
arr.reshape((-1, 1, 2))
cv2.polylines(img, [arr], False, (255, 255, 255))
# 填充多边形
cv2.fillPoly(img, [arr], (255, 0, 255))
# 加入字体
cv2.putText(img, "OpenCV", (50, 350), cv2.FONT_HERSHEY_SIMPLEX, 3, (255, 255, 255),lineType = cv2.LINE_AA)
cv2.imshow('draw', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

9.用鼠标在图片上作图

"""
用鼠标在图片上直接作图
按住键盘L,拖动鼠标画直线
按住键盘r,拖动鼠标画矩形
按住键盘c,拖动鼠标画圆
"""
import cv2
import numpy as np
curshape = 0
startpos = [0, 0]
def mouse_callback(event, x, y, flags,userdata):
    global startpos, curshape
    if cv2.EVENT_LBUTTONDOWN == event: # 鼠标左键按下,获取起始坐标
        startpos = [x, y]
    elif event == cv2.EVENT_LBUTTONUP: # 鼠标左键抬起, 获得终点坐标
        if curshape == 0: # drawline
            cv2.line(img, startpos, (x, y), (255, 255, 255))
        elif curshape == 1: # drawrectangle
            cv2.rectangle(img, startpos, (x, y), (255, 255, 255))
        elif curshape == 2: # drawcircle
            a = (x - startpos[0])
            b = (y - startpos[1])
            r = int(((a**2)+(b**2))**0.5)  #结果要强转一下
            cv2.circle(img, startpos, r, (255, 255, 255))
# 创建窗口大小
cv2.namedWindow('drawing', cv2.WINDOW_NORMAL)
cv2.resizeWindow('drawing', 640, 480)
# 让该函数一直监听drawing界面,为了调用函数
cv2.setMouseCallback('drawing', mouse_callback)
# 创建全黑图片
img = np.zeros((480, 640, 3), np.uint8)
while True:
    cv2.imshow('drawing', img)
    key = cv2.waitKey(0)&0xff
    if key == ord('q'):
        print("退出成功")
        break
    elif key == ord('l'): # 线
        curshape = 0
    elif key == ord('r'): # 矩形
        curshape = 1
    elif key == ord('c'): # 圆
        curshape = 2
    else:
        print("输入错误,请重新输入")
cv2.destroyAllWindows()

鼠标的回调函数,一定要传五个参数!第五个参数可以随便用一个参数来占位!

目录
相关文章
|
10月前
|
设计模式 缓存 监控
Python装饰器:优雅增强函数功能
Python装饰器:优雅增强函数功能
389 101
|
10月前
|
缓存 测试技术 Python
Python装饰器:优雅地增强函数功能
Python装饰器:优雅地增强函数功能
315 99
|
10月前
|
存储 缓存 测试技术
Python装饰器:优雅地增强函数功能
Python装饰器:优雅地增强函数功能
556 98
|
10月前
|
缓存 Python
Python中的装饰器:优雅地增强函数功能
Python中的装饰器:优雅地增强函数功能
|
机器学习/深度学习 存储 数据挖掘
Python图像处理实用指南:PIL库的多样化应用
本文介绍Python中PIL库在图像处理中的多样化应用,涵盖裁剪、调整大小、旋转、模糊、锐化、亮度和对比度调整、翻转、压缩及添加滤镜等操作。通过具体代码示例,展示如何轻松实现这些功能,帮助读者掌握高效图像处理技术,适用于图片美化、数据分析及机器学习等领域。
780 20
|
安全 前端开发 数据库
Python 语言结合 Flask 框架来实现一个基础的代购商品管理、用户下单等功能的简易系统
这是一个使用 Python 和 Flask 框架实现的简易代购系统示例,涵盖商品管理、用户注册登录、订单创建及查看等功能。通过 SQLAlchemy 进行数据库操作,支持添加商品、展示详情、库存管理等。用户可注册登录并下单,系统会检查库存并记录订单。此代码仅为参考,实际应用需进一步完善,如增强安全性、集成支付接口、优化界面等。
|
SQL 安全 算法
解读 Python 3.14:模板字符串、惰性类型、Zstd压缩等7大核心功能升级
Python 3.14 引入了七大核心技术特性,大幅提升开发效率与应用安全性。其中包括:t-strings(PEP 750)提供更安全灵活的字符串处理;类型注解惰性求值(PEP 649)优化启动性能;外部调试器API标准化(PEP 768)增强调试体验;原生支持Zstandard压缩算法(PEP 784)提高效率;REPL交互环境升级更友好;UUID模块扩展支持新标准并优化性能;finally块语义强化(PEP 765)确保资源清理可靠性。这些改进使Python在后端开发、数据科学等领域更具竞争力。
821 5
解读 Python 3.14:模板字符串、惰性类型、Zstd压缩等7大核心功能升级
|
人工智能 算法 计算机视觉
Python 图像处理技巧
本文介绍了Python图像处理中需要掌握的15个基本技能,涵盖图像读取与保存、颜色空间转换、裁剪与调整大小、滤波与平滑、边缘检测、阈值处理、形态学操作、直方图处理、特征检测与描述、图像配准与特征匹配、轮廓检测与分析、图像分割、模板匹配、透视变换与仿射变换以及傅里叶变换等内容。通过OpenCV、Pillow和Matplotlib等库实现相关功能,为图像处理提供了全面的基础指导。
348 0
|
人工智能 搜索推荐 测试技术
通义灵码 2.0 智能编码功能评测:Deepseek 加持下的 Python 开发体验
通义灵码 2.0 智能编码功能评测:Deepseek 加持下的 Python 开发体验
801 11
|
监控 Java 计算机视觉
Python图像处理中的内存泄漏问题:原因、检测与解决方案
在Python图像处理中,内存泄漏是常见问题,尤其在处理大图像时。本文探讨了内存泄漏的原因(如大图像数据、循环引用、外部库使用等),并介绍了检测工具(如memory_profiler、objgraph、tracemalloc)和解决方法(如显式释放资源、避免循环引用、选择良好内存管理的库)。通过具体代码示例,帮助开发者有效应对内存泄漏挑战。
810 1

推荐镜像

更多