OpenCV-实现图形绘制

最新推荐文章于 2024-10-08 12:57:54 发布

weixin_44119674

最新推荐文章于 2024-10-08 12:57:54 发布

阅读量121

点赞数

分类专栏： OpenCV入门学习文章标签： opencv python 人工智能

本文链接：https://blog.csdn.net/weixin_44119674/article/details/130001909

版权

OpenCV入门学习专栏收录该内容

130 篇文章 4 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了如何利用OpenCV库在Python中实现各种图形的绘制，包括直线、曲线、矩形、圆形等。通过实例代码，读者将掌握OpenCV的图形绘制技巧，并能应用于图像处理和计算机视觉项目。

摘要由CSDN通过智能技术生成

# -*- coding:utf-8 -*-
# 绘制直线
"""
作者：794919561
日期：2023/4/6 
"""
import cv2
import numpy as np

# 创建背景为黑色的图像
img = np.zeros((480,640,

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_44119674

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

OpenCV-Python实战（1）——OpenCV简介与图像处理基础

盼小辉丶的博客

08-10

22万+

OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。

Python OpenCV-基本图形绘制

数据科学知识库

04-21

678

1.导入模块 import cv2 as cv import numpy as np 2.OpenCV绘图大致步骤 OpenCV 图形绘制步骤（1）先定义基础画布canvas = np.zeros((400,600,3),dtype=np.uint8)+255 （2）画布分界,(300,0)分别是宽、高cv.line(canvas,(300,0),(300,399),(0,0,0,),2) （3）在画布上绘制图形，如画圆cv.circle(canvas, (150, 300), 88, (0, 0,

参与评论您还未登录，请先登录后发表或查看评论

Opencv-绘制几何图形

m0_63893772的博客

08-05

1071

绘制圆形。

Python机器视觉--OpenCV入门--OpenCV鼠标绘制图形

寒江之雪，披蓑独钓的博客

08-13

1872

利用OpenCV提供的绘制图形API可以轻松在图像上绘制各种图形, 比如直线, 矩形, 圆, 椭圆等图形.line(img, pt1, pt2, color, thickness, lineType, shift) 画直线img: 在哪个图像上画线pt1, pt2: 开始点, 结束点. 指定线的开始与结束位置color: 颜色thickness: 线宽lineType: 线型.线型为-1, 4, 8, 16, 默认为8shift: 坐标缩放比例....

OpenCV-绘制旋转矩形

翟天保的博客

08-27

1万+

结合OpenCV写了一个绘制旋转矩形的函数

opencv-python图形图像处理入门基础知识

老猿Python

09-16

9232

本文详细介绍了opencv-python的安装、加载图像文件、捕获摄像头、显示图像、鼠标事件捕获、键盘事件处理、几何图像绘制、颜色空间转换、图像阈值处理、图像修复等基础知识，适合开始学习opencv-python的初学者。

opencv-java实现基本图形操作

qq_56781117的博客

12-22

1518

opencv-java实现基本图形操作这是我图像处理大作业完成后摸出来的第二篇博客，上期已经简单介绍过如何在springboot环境下使用opencv，这期就承接上回简单讲讲Java版opencv的基本操作。在我的理解中，关于opencv的基本操作差不多就是旋转，水平镜像翻转，放大缩小，以及裁剪绘制等。都是一些没什么技术含量的操作，大都是调用函数即可完成，有过opencv基础的同学肯定可以很快掌握。但是在讲解之前，有一点需要和大家提前探讨，那就是java版opencv对几个核心库的封装，c版openc

OpenCV-Python实战（3）——OpenCV中绘制图形与文本

最新发布

10-08

内容概要：本文详细介绍并通过实例展示了如何利用OpenCV库的Python接口进行基本图形绘制以及文字渲染。主要内容涵盖绘制直线、矩形、圆等简单的几何图形，同时拓展介绍了更加复杂图形的画法和图形的综合展示。适用...

C++ - Qt - opencv - 图像分割 - 种子提取 - 特征提取

05-14

在这个项目中，OpenCV是实现图像分割和特征提取的核心工具。它提供了一系列函数，如边缘检测（Canny）、区域生长、阈值分割等，用于种子提取。 **4. 图像分割：** 图像分割是将图像分成多个有意义的区域或部分的...

OpenCV高级图形用户界面(2)关闭所有由 OpenCV 创建的窗口的函数destroyAllWindows()的使用

jndingxin的专栏

10-08

525

cv::destroyAllWindows() 函数用于关闭所有由 OpenCV 创建的窗口。

OpenCV-背景建模

2301_77698138的博客

10-05

1173

OpenCV中的背景建模技术是实现运动检测、场景理解和事件检测等应用的重要基础。通过选择合适的背景建模方法（如混合高斯模型）和相应的实现函数（如createBackgroundSubtractorMOG2()），我们可以有效地从视频序列中提取出静态背景，并将动态前景对象与背景进行分离。这为后续的进一步分析和处理提供了便利。

《OpenCV》—— 指纹验证

weixin_73504499的博客

10-01

2652

用两张指纹图片中的其中一张对其验证。

【进阶OpenCV】（6）--指纹识别

m0_74896766的博客

10-06

1467

本篇介绍了，如何将源图像指纹同指纹库中的指纹进行匹配，并得到的对应指纹的信息。

OpenCV马赛克

A_Lv123的博客

10-05

705

for m in range(200,400): #m,n表示打马赛克区域。

【进阶OpenCV】（5）--指纹验证

m0_74896766的博客

10-05

699

本篇介绍了，通过使用SIFT特征特征提取方法，统计两者之间的特征匹配点数量，来验证指纹是否匹配。

【进阶OpenCV】（4）--图像拼接

m0_74896766的博客

10-04

1383

本篇介绍了：如何通过计算关键点以及透视变换的矩阵将两个不同视角的图片进行拼接，使得它们能够完整协和的展示出来。

opencv-python图形缺口检测

05-25

缺口检测是计算机视觉中的一种重要应用。OpenCV-Python库提供了许多图像处理和计算机视觉的功能，可以用来实现缺口检测。以下是一些实现缺口检测的步骤： 1. 读取图像：使用OpenCV-Python库中的cv2.imread()函数读取图像。 2. 灰度化处理：将读取的彩色图像转换为灰度图像，可以使用cv2.cvtColor()函数。 3. 图像二值化：将灰度图像转换为二值图像，可以使用cv2.threshold()函数。 4. 边缘检测：使用Canny算子进行边缘检测，可以使用cv2.Canny()函数。 5. 轮廓检测：使用cv2.findContours()函数找到图像中的所有轮廓。 6. 过滤轮廓：根据轮廓的大小、形状等特征，过滤掉不符合条件的轮廓。 7. 绘制轮廓：使用cv2.drawContours()函数将符合条件的轮廓绘制在原图上。 8. 显示结果：使用cv2.imshow()函数显示处理后的图像。下面是一个简单的代码示例： ```python import cv2 # 读取图像 img = cv2.imread('image.jpg') # 灰度化处理 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图像二值化 ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 边缘检测 edges = cv2.Canny(binary, 50, 150) # 轮廓检测 contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 过滤轮廓 for contour in contours: if cv2.contourArea(contour) < 100: continue if len(contour) < 5: continue # 绘制轮廓 cv2.drawContours(img, [contour], -1, (0, 0, 255), 2) # 显示结果 cv2.imshow('result', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个例子中，我们读取一张图像，然后进行灰度化处理、图像二值化、边缘检测和轮廓检测。然后我们通过过滤轮廓，只保留符合条件的轮廓，并使用cv2.drawContours()函数将其绘制在原图上。最后，使用cv2.imshow()函数显示处理后的图像。