cv2.putText

简介: cv2.putText

cv2.putText 是 OpenCV 库中的一个函数,用于在图像上添加文本。这个函数的作用是在指定的位置显示文本信息,常用于标注图像中的特定区域、添加标签或者显示处理后的结果显示。

函数的基本用法如下:

cv2.putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]])

参数解释:

  • img: 要在其上绘制文本的图像。
  • text: 要添加的文本字符串。
  • org: 文本字符串在图像中的左下角坐标(即起始点)。
  • fontFace: 字体类型。OpenCV提供了几种字体,如 cv2.FONT_HERSHEY_SIMPLEX, cv2.FONT_HERSHEY_PLAIN 等。
  • fontScale: 字体缩放比例(字体大小)。
  • color: 文本颜色,以BGR格式(蓝色,绿色,红色)提供。
  • thickness: 文本线条的粗细,默认为1。
  • lineType: 线条的类型,例如 cv2.LINE_AA 表示抗锯齿线条。
  • bottomLeftOrigin: 当这个参数为True时,图像数据的原点在左下角。通常情况下,这个参数为False,意味着原点在左上角。

示例代码:

import cv2

# 读取图像
image = cv2.imread('example.jpg')

# 设置文本内容和属性
text = 'Hello, OpenCV'
org = (50, 50)  # 左下角坐标
fontFace = cv2.FONT_HERSHEY_SIMPLEX
fontScale = 1
color = (255, 0, 0)  # 蓝色文本
thickness = 2
lineType = cv2.LINE_AA

# 将文本放置在图像上
cv2.putText(image, text, org, fontFace, fontScale, color, thickness, lineType)

# 显示图像
cv2.imshow('Image with Text', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中,我们将在图像的(50, 50)位置添加蓝色文本 "Hello, OpenCV",然后显示带有文本的图像。cv2.waitKey(0) 函数使窗口保持打开状态,直到用户按下任意键。最后,cv2.destroyAllWindows() 函数关闭所有OpenCV创建的窗口。

目录
相关文章
|
12月前
|
计算机视觉
Opencv学习笔记(五):cv2.putText()和cv2.rectangle()详细理解
这篇文章详细介绍了OpenCV库中的`cv2.putText()`和`cv2.rectangle()`函数的使用方法,并通过一个实战例子展示了如何使用这些函数在图像上绘制文字和矩形框。
1135 0
Opencv学习笔记(五):cv2.putText()和cv2.rectangle()详细理解
|
计算机视觉 容器
OpenCV-寻找非零点cv::findNonZero
OpenCV-寻找非零点cv::findNonZero
599 0
|
5月前
|
机器学习/深度学习 人工智能 算法
Python+YOLO v8 实战:手把手教你打造专属 AI 视觉目标检测模型
本文介绍了如何使用 Python 和 YOLO v8 开发专属的 AI 视觉目标检测模型。首先讲解了 YOLO 的基本概念及其高效精准的特点,接着详细说明了环境搭建步骤,包括安装 Python、PyCharm 和 Ultralytics 库。随后引导读者加载预训练模型进行图片验证,并准备数据集以训练自定义模型。最后,展示了如何验证训练好的模型并提供示例代码。通过本文,你将学会从零开始打造自己的目标检测系统,满足实际场景需求。
2961 0
Python+YOLO v8 实战:手把手教你打造专属 AI 视觉目标检测模型
|
9月前
|
机器学习/深度学习 自然语言处理 搜索推荐
自注意力机制全解析:从原理到计算细节,一文尽览!
自注意力机制(Self-Attention)最早可追溯至20世纪70年代的神经网络研究,但直到2017年Google Brain团队提出Transformer架构后才广泛应用于深度学习。它通过计算序列内部元素间的相关性,捕捉复杂依赖关系,并支持并行化训练,显著提升了处理长文本和序列数据的能力。相比传统的RNN、LSTM和GRU,自注意力机制在自然语言处理(NLP)、计算机视觉、语音识别及推荐系统等领域展现出卓越性能。其核心步骤包括生成查询(Q)、键(K)和值(V)向量,计算缩放点积注意力得分,应用Softmax归一化,以及加权求和生成输出。自注意力机制提高了模型的表达能力,带来了更精准的服务。
10384 46
|
PHP 计算机视觉
罗德里格斯公式推导,以及如何使用cv2.Rodrigues进行旋转矩阵和旋转向量之间的相互转化
罗德里格斯公式推导,以及如何使用cv2.Rodrigues进行旋转矩阵和旋转向量之间的相互转化
551 0
|
9月前
|
C语言
【C语言程序设计——循环程序设计】统计海军鸣放礼炮声数量(头歌实践教学平台习题)【合集】
有A、B、C三艘军舰同时开始鸣放礼炮各21响。已知A舰每隔5秒1次,B舰每隔6秒放1次,C舰每隔7秒放1次。编程计算观众总共听到几次礼炮声。根据提示,在右侧编辑器Begin--End之间的区域内补充必要的代码。开始你的任务吧,祝你成功!
177 13
|
人工智能 监控 算法
AI计算机视觉笔记二十 八:基于YOLOv8实例分割的DeepSORT多目标跟踪
本文介绍了YOLOv8实例分割与DeepSORT视觉跟踪算法的结合应用,通过YOLOv8进行目标检测分割,并利用DeepSORT实现特征跟踪,在复杂环境中保持目标跟踪的准确性与稳定性。该技术广泛应用于安全监控、无人驾驶等领域。文章提供了环境搭建、代码下载及测试步骤,并附有详细代码示例。
1327 1
|
XML 机器学习/深度学习 数据格式
YOLOv8训练自己的数据集+常用传参说明
YOLOv8训练自己的数据集+常用传参说明
19804 1
关于使用51单片机实现两个及以上外部中断
关于使用51单片机实现两个及以上外部中断
434 0