爆款云主机2核4G限时秒杀,88元/年起!
查看详情

活动

天翼云最新优惠活动,涵盖免费试用,产品折扣等,助您降本增效!
热门活动
  • 618智算钜惠季 爆款云主机2核4G限时秒杀,88元/年起!
  • 免费体验DeepSeek,上天翼云息壤 NEW 新老用户均可免费体验2500万Tokens,限时两周
  • 云上钜惠 HOT 爆款云主机全场特惠,更有万元锦鲤券等你来领!
  • 算力套餐 HOT 让算力触手可及
  • 天翼云脑AOne NEW 连接、保护、办公,All-in-One!
  • 中小企业应用上云专场 产品组合下单即享折上9折起,助力企业快速上云
  • 息壤高校钜惠活动 NEW 天翼云息壤杯高校AI大赛,数款产品享受线上订购超值特惠
  • 天翼云电脑专场 HOT 移动办公新选择,爆款4核8G畅享1年3.5折起,快来抢购!
  • 天翼云奖励推广计划 加入成为云推官,推荐新用户注册下单得现金奖励
免费活动
  • 免费试用中心 HOT 多款云产品免费试用,快来开启云上之旅
  • 天翼云用户体验官 NEW 您的洞察,重塑科技边界

智算服务

打造统一的产品能力,实现算网调度、训练推理、技术架构、资源管理一体化智算服务
智算云(DeepSeek专区)
科研助手
  • 算力商城
  • 应用商城
  • 开发机
  • 并行计算
算力互联调度平台
  • 应用市场
  • 算力市场
  • 算力调度推荐
一站式智算服务平台
  • 模型广场
  • 体验中心
  • 服务接入
智算一体机
  • 智算一体机
大模型
  • DeepSeek-R1-昇腾版(671B)
  • DeepSeek-R1-英伟达版(671B)
  • DeepSeek-V3-昇腾版(671B)
  • DeepSeek-R1-Distill-Llama-70B
  • DeepSeek-R1-Distill-Qwen-32B
  • Qwen2-72B-Instruct
  • StableDiffusion-V2.1
  • TeleChat-12B

应用商城

天翼云精选行业优秀合作伙伴及千余款商品,提供一站式云上应用服务
进入甄选商城进入云市场创新解决方案
办公协同
  • WPS云文档
  • 安全邮箱
  • EMM手机管家
  • 智能商业平台
财务管理
  • 工资条
  • 税务风控云
企业应用
  • 翼信息化运维服务
  • 翼视频云归档解决方案
工业能源
  • 智慧工厂_生产流程管理解决方案
  • 智慧工地
建站工具
  • SSL证书
  • 新域名服务
网络工具
  • 翼云加速
灾备迁移
  • 云管家2.0
  • 翼备份
资源管理
  • 全栈混合云敏捷版(软件)
  • 全栈混合云敏捷版(一体机)
行业应用
  • 翼电子教室
  • 翼智慧显示一体化解决方案

合作伙伴

天翼云携手合作伙伴,共创云上生态,合作共赢
天翼云生态合作中心
  • 天翼云生态合作中心
天翼云渠道合作伙伴
  • 天翼云代理渠道合作伙伴
天翼云服务合作伙伴
  • 天翼云集成商交付能力认证
天翼云应用合作伙伴
  • 天翼云云市场合作伙伴
  • 天翼云甄选商城合作伙伴
天翼云技术合作伙伴
  • 天翼云OpenAPI中心
  • 天翼云EasyCoding平台
天翼云培训认证
  • 天翼云学堂
  • 天翼云市场商学院
天翼云合作计划
  • 云汇计划
天翼云东升计划
  • 适配中心
  • 东升计划
  • 适配互认证

开发者

开发者相关功能入口汇聚
技术社区
  • 专栏文章
  • 互动问答
  • 技术视频
资源与工具
  • OpenAPI中心
开放能力
  • EasyCoding敏捷开发平台
培训与认证
  • 天翼云学堂
  • 天翼云认证
魔乐社区
  • 魔乐社区

支持与服务

为您提供全方位支持与服务,全流程技术保障,助您轻松上云,安全无忧
文档与工具
  • 文档中心
  • 新手上云
  • 自助服务
  • OpenAPI中心
定价
  • 价格计算器
  • 定价策略
基础服务
  • 售前咨询
  • 在线支持
  • 在线支持
  • 工单服务
  • 建议与反馈
  • 用户体验官
  • 服务保障
  • 客户公告
  • 会员中心
增值服务
  • 红心服务
  • 首保服务
  • 客户支持计划
  • 专家技术服务
  • 备案管家

了解天翼云

天翼云秉承央企使命,致力于成为数字经济主力军,投身科技强国伟大事业,为用户提供安全、普惠云服务
品牌介绍
  • 关于天翼云
  • 智算云
  • 天翼云4.0
  • 新闻资讯
  • 天翼云APP
基础设施
  • 全球基础设施
  • 信任中心
最佳实践
  • 精选案例
  • 超级探访
  • 云杂志
  • 分析师和白皮书
  • 天翼云·创新直播间
市场活动
  • 2025智能云生态大会
  • 2024智算云生态大会
  • 2023云生态大会
  • 2022云生态大会
  • 天翼云中国行
天翼云
  • 活动
  • 智算服务
  • 产品
  • 解决方案
  • 应用商城
  • 合作伙伴
  • 开发者
  • 支持与服务
  • 了解天翼云
      • 文档
      • 控制中心
      • 备案
      • 管理中心

      传统CV算法——基于Opencv的图像绘制

      首页 知识中心 大数据 文章详情页

      传统CV算法——基于Opencv的图像绘制

      2025-03-31 08:57:06 阅读次数:6

      cv2,图像,坐标,矩形,绘制

      直线绘制

      参数解析:

      • (图像矩阵,直线起始坐标, 直线终止坐标、颜色、线条厚度)
        cv2.line()是OpenCV中用于绘制直线的函数。
        参数说明:
      • img:要绘制直线的图像矩阵。
      • (100,30):直线的起点坐标。
      • (210,180):直线的终点坐标。
      • color:直线的颜色,三个值分别表示蓝色、绿色和红色通道的强度。这里(0,0,255)表示纯蓝色。
      • thickness:直线的宽度。默认为1,如果设置为大于1的整数,将绘制实心直线。

      以上参数可以根据需要调整,以绘制不同颜色、宽度和位置的直线。

      import cv2
      import numpy as np
      
      img  = cv2.imread(r"./images/1.jpg")
      
      cv2.line(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      
      cv2.imshow("pic show",img)
      cv2.waitKey(0)
      

      传统CV算法——基于Opencv的图像绘制

      圆形绘制

      • 参数 (图像,圆心,半径,颜色,线条厚度)
        cv2.circle()是OpenCV库中用于绘制圆的函数,它可以在图像上绘制一个圆。

      参数如下:

      • img:需要绘制圆的图像。
      • center:圆心的坐标,可以用一个元组(x,y)表示。
      • radius:圆的半径,以像素为单位。
      • color:圆的颜色,可以是一个元组(B,G,R)表示,或者是一个整数值,表示灰度值。
      • thickness:圆的边框线的粗细,如果为负值,表示圆填充颜色。
      • lineType:线的类型,可以是8常数代表8位连接,也可以是4常数代表4位连接。
      • shift:圆心坐标和半径的小数点位数。

      注意:在绘制圆时,需要保证圆心坐标和半径都在图像范围内,否则可能会导致绘制失败。

      import cv2
      import numpy as np
      
      img  = cv2.imread(r"./images/1.jpg")
      
      # cv2.line(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      cv2.circle(img,center=(50,50),radius=30,color=(0,0,255),thickness=2)
      
      cv2.imshow("pic show",img)
      cv2.waitKey(0)
      
      

      传统CV算法——基于Opencv的图像绘制

      矩形绘制

      • 参数(图像,左上角坐标,右下角坐标,颜色,线条厚度)
        cv2.rectangle函数是OpenCV中用于绘制矩形的函数。以下是cv2.rectangle函数的参数说明:

      • image:要绘制矩形的图像。这个参数必须是一个NumPy数组,即一个图像。

      • pt1:矩形的左上角顶点坐标。可以通过一个元组或一个列表来指定。例如(10, 10)或 [10, 10]。

      • pt2:矩形的右下角顶点坐标。同样可以通过一个元组或一个列表来指定。

      • color:矩形的颜色。可以是一个整数或一个元组。如果是一个整数,它代表了灰度值。如果是一个元组,它代表了RGB值。

      • thickness:矩形的边框线的宽度。默认值为1,表示绘制一个实心矩形。

      • lineType:矩形边框线的类型。默认值为cv2.LINE_8,表示8邻域连接。

      • shift:坐标点的小数点位数。默认值为0,表示坐标点的小数点位数为0。

      cv2.rectangle函数可以用于绘制矩形的轮廓线,也可以用于填充矩形的颜色。

      import cv2
      import numpy as np
      
      img  = cv2.imread(r"./images/1.jpg")
      
      # cv2.line(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      # cv2.circle(img,center=(50,50),radius=30,color=(0,0,255),thickness=2)
      cv2.rectangle(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      
      cv2.imshow("pic show",img)
      cv2.waitKey(0)
      
      

      传统CV算法——基于Opencv的图像绘制

      椭圆型绘制

      • image:它是要在其上绘制椭圆的图像。

      centerCoordinates:它是椭圆的中心坐标。坐标表示为两个值的元组,即(X坐标值,Y坐标值)。
      axesLength:它包含两个变量的元组,分别包含椭圆的长轴和短轴(长轴长度,短轴长度)。
      angle:椭圆旋转角度,以度为单位。
      startAngle:椭圆弧的起始角度,以度为单位。
      endAngle:椭圆弧的终止角度,以度为单位。
      color:它是要绘制的形状边界线的颜色。对于BGR,我们通过一个元组。例如:(255,0,0)为蓝色。
      thickness:是形状边界线的粗细像素。厚度-1像素将用指定的颜色填充形状。
      lineType:这是一个可选参数,它给出了椭圆边界的类型。
      shift:这是一个可选参数。它表示中心坐标中的小数位数和轴的值。

      import cv2
      import numpy as np
      
      img  = cv2.imread(r"./images/1.jpg")
      
      # cv2.line(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      # cv2.circle(img,center=(50,50),radius=30,color=(0,0,255),thickness=2)
      # cv2.rectangle(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      cv2.ellipse(img,center=(100,100),axes=(100,50),angle=0,startAngle=0,endAngle=360,color=(255,0,0),thickness=2)
      cv2.imshow("pic show",img)
      cv2.waitKey(0)
      

      传统CV算法——基于Opencv的图像绘制

      自定义形状

      • 多边形,isClosed 代表是否是封闭
        cv2.polylines函数用于绘制多边形线条。它的参数如下:

      image: 要绘制线条的图像。
      pts: 一个由多个多边形点的列表组成的列表,每个多边形点由(x, y)坐标表示。
      isClosed: 一个布尔值,指示多边形是否是闭合的。如果为True,函数将在绘制最后一个点和第一个点之间绘制一条线条来闭合多边形。
      color: 线条的颜色,可以是一个整数列表表示RGB颜色,或者可以是一个名为cv2.COLOR_*的预定义常量。
      thickness: 线条的粗细,以像素为单位。
      lineType: 线条的类型,可以是cv2.LINE_*的预定义常量。
      shift: 点坐标的小数位数。

      注意:pts参数必须是一个整数类型的数组,所以需要使用32()函数将坐标数组中的元素转换为整数。

      import cv2
      import numpy as np
      
      img  = cv2.imread(r"./images/1.jpg")
      
      # cv2.line(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      # cv2.circle(img,center=(50,50),radius=30,color=(0,0,255),thickness=2)
      # cv2.rectangle(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      # cv2.ellipse(img,center=(100,100),axes=(100,50),angle=0,startAngle=0,endAngle=360,color=(255,0,0),thickness=2)
      pts = np.array([[10,5],[50,10],[70,20],[20,30]],dtype=np.int32)
      pts = pts.reshape((-1,1,2))
      cv2.polylines(img,[pts],isClosed=True,color=(0,0,255),thickness=2)
      
      cv2.imshow("pic show",img)
      cv2.waitKey(0)
      

      传统CV算法——基于Opencv的图像绘制

      绘制文本

      cv2.putText()是OpenCV中用于在图像上绘制文字的函数。它有以下几个参数:

      1. img:需要绘制文字的图像。

      2. text:要绘制的文本内容。

      3. org:绘制文本的起始位置,是一个包含两个元素的元组,如(x, y)。

      4. fontFace:文本字体的类型,可以是预定义的字体类型(如cv2.FONT_HERSHEY_SIMPLEX,cv2.FONT_HERSHEY_PLAIN等),也可以是自定义的字体,使用字体文件的路径。

      5. fontScale:字体的缩放比例。

      6. color:文本的颜色,是一个包含三个元素的元组,表示B、G、R三个分量的值。

      7. thickness:文本的粗细线宽。

      8. lineType:线条的类型,可以是cv2.LINE_AA(抗锯齿线条)或cv2.LINE_8(8连接线条)。

      9. bottomLeftOrigin:一个布尔值,用于指定文本坐标相对于绘制原点的位置。如果为True,则文本坐标相对于图像的左下角;如果为False,则文本坐标相对于图像的左上角。

      调用cv2.putText()函数后,会在指定的图像上绘制出文本。

      import cv2
      import numpy as np
      
      img  = cv2.imread(r"./images/1.jpg")
      
      # cv2.line(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      # cv2.circle(img,center=(50,50),radius=30,color=(0,0,255),thickness=2)
      # cv2.rectangle(img,(100,30),(210,180),color=(0,0,255),thickness=2)
      # cv2.ellipse(img,center=(100,100),axes=(100,50),angle=0,startAngle=0,endAngle=360,color=(255,0,0),thickness=2)
      # pts = np.array([[10,5],[50,10],[70,20],[20,30]],dtype=32)
      # pts = pts.reshape((-1,1,2))
      # cv2.polylines(img,[pts],isClosed=True,color=(0,0,255),thickness=2)
      
      cv2.putText(img,"gril",(10,30),cv2.FONT_HERSHEY_SIMPLEX,fontScale=1,color=(0,0,255),thickness=1,lineType=cv2.LINE_AA)
      
      cv2.imshow("pic show",img)
      cv2.waitKey(0)
      
      

      传统CV算法——基于Opencv的图像绘制

      其他类型

      ellipse():用于绘制椭圆或圆形的函数。它接受四个参数:(x, y, width, height)。其中,x和y是椭圆中心的坐标,width和height分别是椭圆的宽度和高度。

      arc():用于绘制弧线的函数。它接受六个参数:(x, y, width, height, start, stop)。其中,x和y是弧线的中心坐标,width和height分别是弧线的宽度和高度,start和stop是弧线的起始角度和终止角度。

      triangle():用于绘制三角形的函数。它接受六个参数:(x1, y1, x2, y2, x3, y3)。其中,(x1, y1),(x2, y2),(x3, y3)是三个顶点的坐标。

      rect():用于绘制矩形的函数。它接受四个参数:(x, y, width, height)。其中,x和y是矩形的左上角坐标,width和height分别是矩形的宽度和高度。

      quad():用于绘制四边形的函数。它接受八个参数:(x1, y1, x2, y2, x3, y3, x4, y4)。其中,(x1, y1),(x2, y2),(x3, y3),(x4, y4)是四个顶点的坐标。

      版权声明:本文内容来自第三方投稿或授权转载,原文地址:https://swpucwf.blog.csdn.net/article/details/118711892,作者:小陈phd,版权归原作者所有。本网站转在其作品的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如因作品内容、版权等问题需要同本网站联系,请发邮件至ctyunbbs@chinatelecom.cn沟通。

      上一篇:机器学习和深度学习的区别

      下一篇:传统CV算法——图像特征算法概述

      相关文章

      2025-05-19 09:04:53

      ArcMap生成矢量面的外接圆或外接矩形

      ArcMap生成矢量面的外接圆或外接矩形

      2025-05-19 09:04:53
      最小 , 矩形
      2025-05-13 09:53:13

      计算机初级选手的成长历程——扫雷详解

      计算机初级选手的成长历程——扫雷详解

      2025-05-13 09:53:13
      坐标 , 游戏
      2025-04-18 08:02:09

      QT从入门到精通(三)——实现文件列表遍历的图像浏览器

      QT从入门到精通(三)——实现文件列表遍历的图像浏览器

      2025-04-18 08:02:09
      初始化 , 图像 , 文件夹 , 方法 , 构造函数
      2025-04-18 08:02:09

      传统CV算法——基于opencv的答题卡识别判卷系统

      基于OpenCV的答题卡识别系统,其主要功能是自动读取并评分答题卡上的选择题答案。系统通过图像处理和计算机视觉技术,自动化地完成了从读取图像到输出成绩的整个流程。

      2025-04-18 08:02:09
      cv2 , 图像 , 实现
      2025-04-18 08:02:02

      diffusionAI从入门到精通——基本组件介绍

      diffusionAI从入门到精通——基本组件介绍

      2025-04-18 08:02:02
      图像 , 文本 , 模型 , 生成 , 示例 , 输入
      2025-04-18 08:02:02

      传统CV算法——边缘检测算法综述

      边缘是不同区域的分界线,是周围(局部)灰度值有显著变化的像素点的集合,有幅值与方向两个属性。这个不是绝对的定义,主要记住边缘是局部特征,以及周围灰度值显著变化产生边缘。

      2025-04-18 08:02:02
      图像 , 梯度 , 检测 , 算子 , 边缘
      2025-04-09 09:16:56

      Python算法学习[11]—图像问题&问题描述与实现

      在计算机视觉中,图像处理是一个重要的领域。本文将介绍两个常见的图像问题:图像旋转和图像缩放,并提供Python代码来实现这些问题的解决方案。

      2025-04-09 09:16:56
      Python , 函数 , 图像 , 旋转 , 矩阵 , 问题
      2025-04-09 09:15:47

      《Java游戏编程原理与实践教程》读书笔记(第4章——Java游戏程序的基本框架)

      《Java游戏编程原理与实践教程》读书笔记(第4章——Java游戏程序的基本框架)

      2025-04-09 09:15:47
      动画 , 图像 , 屏幕 , 方法 , 游戏 , 绘制
      2025-04-09 09:14:12

      【JAVA】-- 黄金矿工小游戏(一)(实现思路+每步代码)

      【JAVA】-- 黄金矿工小游戏(一)(实现思路+每步代码)

      2025-04-09 09:14:12
      右键 , 抓取 , 绘制
      2025-04-09 09:13:17

      python 无监督生成模型

      无监督生成模型在机器学习中扮演着重要角色,特别是当我们在没有标签数据的情况下想要生成新的样本或理解数据的内在结构时。一种流行的无监督生成模型是生成对抗网络(Generative Adversarial Networks, GANs)。

      2025-04-09 09:13:17
      图像 , 样本 , 生成 , 生成器 , 训练
      查看更多
      推荐标签

      作者介绍

      天翼云小翼
      天翼云用户

      文章

      33561

      阅读量

      5236758

      查看更多

      最新文章

      传统CV算法——边缘检测算法综述

      2025-04-18 08:02:02

      传统CV算法——图像特征算法概述

      2025-04-01 10:28:07

      传统CV算法——基于 SIFT 特征点检测与匹配实现全景图像拼接

      2025-04-01 10:28:07

      传统CV算法——边缘算子与图像金字塔算法介绍

      2025-04-01 10:28:07

      传统CV算法——图像基本操作与形态学操作

      2025-03-28 07:42:50

      OpenCV库模块解析

      2025-03-21 08:23:07

      查看更多

      热门文章

      matlibplot从入门到精通——基本使用

      2024-11-06 07:12:42

      自编码模型(下)

      2024-11-14 08:05:55

      数学建模算法与应用 第13章 数字图像处理

      2024-11-26 09:46:16

      目标检测从入门到精通——数据增强方法总结

      2025-01-08 08:33:04

      基于局部保留降维与空谱特征融合的高光谱图像分类算法研究

      2024-12-18 08:24:44

      传统CV算法——threshold阈值算法介绍

      2025-01-06 08:37:58

      查看更多

      热门标签

      算法 leetcode python 数据 java 数组 节点 大数据 i++ 链表 golang c++ 排序 django 数据类型
      查看更多

      相关产品

      弹性云主机

      随时自助获取、弹性伸缩的云服务器资源

      天翼云电脑(公众版)

      便捷、安全、高效的云电脑服务

      对象存储

      高品质、低成本的云上存储服务

      云硬盘

      为云上计算资源提供持久性块存储

      查看更多

      随机文章

      自编码模型(下)

      数学建模算法与应用 第13章 数字图像处理

      传统CV算法——边缘算子与图像金字塔算法介绍

      基于局部保留降维与空谱特征融合的高光谱图像分类算法研究

      传统CV算法——threshold阈值算法介绍

      目标检测从入门到精通——数据增强方法总结

      • 7*24小时售后
      • 无忧退款
      • 免费备案
      • 专家服务
      售前咨询热线
      400-810-9889转1
      关注天翼云
      • 旗舰店
      • 天翼云APP
      • 天翼云微信公众号
      服务与支持
      • 备案中心
      • 售前咨询
      • 智能客服
      • 自助服务
      • 工单管理
      • 客户公告
      • 涉诈举报
      账户管理
      • 管理中心
      • 订单管理
      • 余额管理
      • 发票管理
      • 充值汇款
      • 续费管理
      快速入口
      • 天翼云旗舰店
      • 文档中心
      • 最新活动
      • 免费试用
      • 信任中心
      • 天翼云学堂
      云网生态
      • 甄选商城
      • 渠道合作
      • 云市场合作
      了解天翼云
      • 关于天翼云
      • 天翼云APP
      • 服务案例
      • 新闻资讯
      • 联系我们
      热门产品
      • 云电脑
      • 弹性云主机
      • 云电脑政企版
      • 天翼云手机
      • 云数据库
      • 对象存储
      • 云硬盘
      • Web应用防火墙
      • 服务器安全卫士
      • CDN加速
      热门推荐
      • 云服务备份
      • 边缘安全加速平台
      • 全站加速
      • 安全加速
      • 云服务器
      • 云主机
      • 智能边缘云
      • 应用编排服务
      • 微服务引擎
      • 共享流量包
      更多推荐
      • web应用防火墙
      • 密钥管理
      • 等保咨询
      • 安全专区
      • 应用运维管理
      • 云日志服务
      • 文档数据库服务
      • 云搜索服务
      • 数据湖探索
      • 数据仓库服务
      友情链接
      • 中国电信集团
      • 189邮箱
      • 天翼企业云盘
      • 天翼云盘
      ©2025 天翼云科技有限公司版权所有 增值电信业务经营许可证A2.B1.B2-20090001
      公司地址:北京市东城区青龙胡同甲1号、3号2幢2层205-32室
      • 用户协议
      • 隐私政策
      • 个人信息保护
      • 法律声明
      备案 京公网安备11010802043424号 京ICP备 2021034386号