Python生成ArUco标签并保存在本地

实验目的：

写一个Python程序，能够生成指定字典的aruco标签图片，并保存在本地

程序实现：

要编写一个能够生成指定字典的 ArUco 标签图片并保存在本地的 Python 程序，你可以使用 opencv-python 库来生成和处理图像，以及 numpy 库来处理数组。确保你已经安装了这两个库。下面是一个示例程序：

import cv2
import numpy as np
def generate_aruco_marker(marker_id, dictionary_name, size=200):
    aruco_dict = cv2.aruco.Dictionary_get(dictionary_name)
    marker_image = np.zeros((size, size), dtype=np.uint8)
    marker_image = cv2.aruco.drawMarker(aruco_dict, marker_id, size, marker_image)
    return marker_image
def save_marker_image(marker_id, dictionary_name, filename):
    marker_image = generate_aruco_marker(marker_id, dictionary_name)
    cv2.imwrite(filename, marker_image)
    print(f"Marker image saved as {filename}")
if __name__ == "__main__":
    marker_id = 0  # 修改为你希望生成的 ArUco 标签 ID
    dictionary_name = cv2.aruco.DICT_4X4_50  # 修改为你希望使用的字典类型
    filename = f"aruco_marker_{marker_id}.png"
    save_marker_image(marker_id, dictionary_name, filename)

在这个示例程序中，我们定义了两个函数：generate_aruco_marker 用于生成 ArUco 标签图片，save_marker_image 用于保存生成的标签图片。你可以通过修改 marker_id 和 dictionary_name 变量来指定要生成的标签的 ID 和所使用的字典类型。运行程序后，生成的标签图片将会保存在与程序同级的目录下。

请注意，确保你已经安装了 opencv-python 库，如果没有安装，可以使用以下命令进行安装：

pip install opencv-python

此外，确保你也安装了 numpy 库：

pip install numpy

字典选择

ArUco 字典有多种类型，每种类型都包含不同数量和大小的标签。在示例程序中，dictionary_name 使用了 cv2.aruco.DICT_4X4_50，这是一种 4x4 大小的字典，包含了 50 个不同的标签。

除了 cv2.aruco.DICT_4X4_50，还有其他几种常用的字典类型，你可以根据需要选择：

1. cv2.aruco.DICT_4X4_100: 包含 100 个 4x4 大小的标签。
2. cv2.aruco.DICT_4X4_250: 包含 250 个 4x4 大小的标签。
3. cv2.aruco.DICT_4X4_1000: 包含 1000 个 4x4 大小的标签。
4. cv2.aruco.DICT_5X5_50: 包含 50 个 5x5 大小的标签。
5. cv2.aruco.DICT_5X5_100: 包含 100 个 5x5 大小的标签。
6. cv2.aruco.DICT_5X5_250: 包含 250 个 5x5 大小的标签。
7. cv2.aruco.DICT_5X5_1000: 包含 1000 个 5x5 大小的标签。
8. 
   

还有其他的大小和数量组合，你可以根据你的需要选择适合的字典类型。例如，如果你需要更大或更多样的标签，可以选择更大的字典类型。在程序中，只需将 dictionary_name 替换为你选择的字典类型即可。

此外，"original" 字典是 ArUco 标签的默认字典，它包含了最常用的标签类型。这个字典的命名为 cv2.aruco.DICT_ARUCO_ORIGINAL，它包含了 1024 个不同的标签，每个标签都有不同的 ID 和图案。如果希望使用这个默认字典，可以在示例程序中的 dictionary_name 变量中使用 cv2.aruco.DICT_ARUCO_ORIGINAL：

dictionary_name = cv2.aruco.DICT_ARUCO_ORIGINAL

这样，生成的标签将会使用 "original" 字典中的标签类型。注意，"original" 字典相对来说是比较大的，包含了很多不同的标签，所以生成的标签图片可能会相对复杂一些。