关键词：
OpenCV-Python实战（3）——OpenCV中绘制图形与文本（万字总结，️📕建议收藏📕）
0. 前言
OpenCV 作为计算机视觉库，其中一项基本功能就是绘制图形；OpenCV 提供了绘制直线、圆、矩形、椭圆等的函数。在构建计算机视觉项目时，通常希望通过绘制一些图形来显式的标注图像。例如，在人脸检测算法中，会通过绘制一个矩形，突出显示计算图像中检测到的人脸。此外，如果开发人脸识别算法，除了绘制一个矩形突出显示检测到的人脸外，通常还会绘制文本标识检测到的人脸的身份。最后，项目可能还会需要输出一些调试信息，例如，可以显示检测到的人脸数量或处理时间(用于查看算法的性能)。本文，将介绍如何使用 OpenCV 库绘制图形和文本。
1. OpenCV 绘图基础
OpenCV 提供了许多绘制基本图形的函数，包括直线、矩形和圆形等；除此之外，使用 OpenCV，也可以绘制其它更多的基本图形。图像上绘制基本形状有许多实用的场景，常见的用例主要包括：
- 显示算法的一些中间结果
- 显示算法的最终结果
- 显示一些调试信息
在下图中，可以看到一张绘制有矩形检测框的图像，其中实用矩形来显式的标示检测到的人脸图片(人脸检测)，文本信息用于显示算法输出的其它相关的有用信息。通过这种方式，可以查看算法检测到面孔的位置：
本文中，我们将学习如何绘制具有不同颜色的基本图形和文本。为了达到这一目的，首先简要介绍下不同颜色的构建方式。我们可以构建颜色字典，使用颜色字典定义要使用的主要颜色。下表中列示了本文可能用到的颜色及其色值：
| 颜色名 | 颜色值 | 预览 |
| blue | (255, 0, 0) | |
| green | (0, 255, 0) | |
| red | (0, 0, 255) | |
| cyan | (255, 255, 0) | |
| magenta | (255, 0, 255) | |
| yellow | (0, 255, 255) | |
| black | (0, 0, 0) | |
| white | (255, 255, 255) | |
| gray | (125, 125, 125) | |
| dark_gray | (50, 50, 50) | |
| light_gray | (220, 220, 220) |
由上表可以构建颜色字典如下：
colors = 'blue': (255, 0, 0), 'green': (0, 255, 0), 'red': (0, 0, 255), 'cyan': (255, 255, 0), 'magenta': (255, 0, 255), 'yellow': (0, 255, 255), 'black': (0, 0, 0), 'white': (255, 255, 255), 'gray': (125, 125, 125), 'dark_gray': (50, 50, 50), 'light_gray': (220, 220, 220), 'rand': np.random.randint(0, high=256, size=(3,)).tolist()
以上字典中定义了一些预定义的颜色，如果要使用特定颜色，例如红色 (red)：
colors['red']
或者，可以使用 (0, 0, 255) 来得到红色。但是使用这个字典，不需要记住 RGB 颜色空间的色值，比数字三元组更容易使用。
除了使用字典外，另一种常见的方法是创建一个 colors_constant.py 文件来定义颜色。其中，每种颜色都由一个常量定义：
BLUE = (255, 0, 0)
GREEN = (0, 255, 0)
RED = (0, 0, 255)
YELLOW = (0, 255, 255)
MAGENTA = (255, 0, 255)
CYAN = (255, 255, 0)
LIGHT_GRAY = (220, 220, 220)
DARK_GRAY = (50, 50, 50)
在项目目录的其他文件中，可以使用以下代码使能够引用这些常量：
import colors_constant as colors
print("red: ".format(colors.RED))
此外，由于我们使用 Matplotlib 显示图形，因此我们需要通用函数 show_with_matplotlib()，其带有两个参数的，第一个是要显示的图像，第二个是要图形窗口的标题。因为必须使用 Matplotlib 显示彩色图像，因此首先需要将 BGR 图像转换为 RGB。此函数的第二步也是最后一步是使用 Matplotlib 函数显示图像：
def show_with_matplotlib(img, title):
# 将 BGR 图像转换为 RGB
img_RGB = img[:, :, ::-1]
# 使用 Matplotlib 显示图形
plt.imshow(img_RGB)
plt.title(title)
plt.show()
为了演示 colors 常量和 show_with_matplotlib() 函数的使用，创建 testing.py 脚本进行测试：
import cv2
import numpy as np
import matplotlib.pyplot as plt
def show_with_matplotlib(img, title):
# 将 BGR 图像转换为 RGB
img_RGB = img[:, :, ::-1]
# 使用 Matplotlib 显示图形
plt.imshow(img_RGB)
plt.title(title)
plt.show()
# 定义颜色字典:
colors = 'blue': (255, 0, 0), 'green': (0, 255, 0), 'red': (0, 0, 255), 'yellow': (0, 255, 255),
'magenta': (255, 0, 255), 'cyan': (255, 255, 0), 'white': (255, 255, 255), 'black': (0, 0, 0),
'gray': (125, 125, 125), 'rand': np.random.randint(0, high=256, size=(3,)).tolist(),
'dark_gray': (50, 50, 50), 'light_gray': (220, 220, 220)
# 创建画布
image = np.zeros((500, 500, 3), dtype="uint8")
# 修改画布背景颜色
image[:] = colors['rand']
# 利用 colors 字典绘制直线
separation = 40
for key in colors:
cv2.line(image, (0, separation), (500, separation), colors[key], 15)
separation += 40
# 显示图形
show_with_matplotlib(image, 'Dictionary with some predefined colors')
在上例中，创建了一个大小为 500 x 500的图像，具有 3 个通道(彩色图像)，数据类型为 uint8 (8 位无符号整数)，原始背景为黑色：
image = np.zeros((500, 500, 3), dtype="uint8")
如果，希望将背景颜色，例如将背景颜色修改为随机色 rand，则执行以下操作：
image[:] = colors['rand']
接下来，使用 cv2.line() 函数(这里仅作示例使用，有关此函数具体使用方式，将在下节进行详细介绍)绘制一些直线，每条线条都使用 colors 字典填充颜色。
separation = 40
for key in colors:
cv2.line(image, (0, separation), (500, separation), colors[key], 10)
separation += 40
最后，使用创建的 show_with_matplotlib() 函数绘制图像：
show_with_matplotlib(image, 'Dictionary with some predefined colors')
接下来，将详细介绍在 OpenCV 中基本图形的绘制。
2. OpenCV绘制图形
本节，将了解如何使用 OpenCV 函数绘制图形。首先，介绍基本图形的绘制，然后将详细介绍更高级的图形绘制。
2.1 基本图形的绘制
OpenCV 中的基本图形，包括直线、矩形和圆形等，它们是最常见和最容易绘制的形状。绘制图形的第一步是创建一个容纳绘制图形的画布。为此，将创建具有 3 个通道(以正确显示 BGR 图像)和 uint8 类型(8 位无符号整数)的 500 x 500 的黑色背景图像：
image = np.zeros((500, 500, 3), dtype="uint8")
之后使用颜色字典将背景设置为浅灰色：
image[:] = colors['gray']
一切准备就绪，接下来，我们准备绘制基本形状。需要注意的是，OpenCV 提供的大多数绘图函数都有共同的参数，因此首先总结介绍这些参数，如下表所示：
| 参数 | 说明 |
|---|---|
| img | 要绘制图形的画布图像 |
| color | 用于绘制图形的颜色(BGR 三元组) |
| thickness | 如果此值为正，则为图形轮廓的粗细；否则，将绘制填充形状 |
| lineType | 图形边线的类型。 OpenCV 提供了三种类型的线：cv2.LINE_4 ：四连接线，cv2.LINE_8 ：八连接线，cv2.LINE_AA ：抗锯齿线 |
| shift | 表示与定义图形的某些点的坐标相关的小数位数 |
上述参数中，lineType 的 cv2.LINE_AA 选项可产生更好的绘图质量，但绘制速度较慢。八连接线和四连接线都是非抗锯齿线，使用 Bresenham 算法绘制。而抗锯齿线使用高斯滤波算法。
2.1.1 直线
我们要了解的第一个函数是直线绘制函数 cv2.line()，函数用法如下：
img = cv2.line(img, pt1, pt2, color, thickness=1, lineType=8, shift=0)
此函数在 img 图像上画一条连接 pt1 和 pt2 的直线：
cv2.line(image, (0, 0), (500, 500), colors['magenta'], 3)
cv2.line(image, (0, 500), (500, 0), colors['cyan'], 10)
cv2.line(image, (250, 0), (250, 500), colors['rand'], 3)
cv2.line(image, (0, 250), (500, 250), colors['yellow'], 10)
绘制图形后，调用 show_with_matplotlib(image, 'cv2.line()') 函数显示图像：
2.1.2 矩形
矩形绘制函数 cv2.rectangle() 用法如下：
img = cv2.rectangle(img, pt1, pt2, color, thickness=1, lineType=8, shift=0)
此函数根据矩形左上角点 pt1 和 右下角点 pt2 绘制矩形：
cv2.rectangle(image, (10, 50), (60, 300), colors['green'], 3)
cv2.rectangle(image, (80, 50), (130, 300), colors['blue'], -1)
cv2.rectangle(image, (150, 50), (350, 100), colors['red'], -1)
cv2.rectangle(image, (150, 150), (350, 300), colors['cyan'], 10)
绘制这些矩形后，调用 show_with_matplotlib(image, 'cv2.rectangle()') 函数显示图形：
Note：thickness 参数若为负值(例如 -1)，则意味着将使用颜色填充图形。
2.1.3 圆形
圆形图形的绘制函数 cv2.circle() 用法如下：
img = cv2.circle(img, center, radius, color, thickness=1, lineType=8, shift=0)
此函数以点 center 为中心绘制一个半径为 radius 的圆：
cv2.circle(image, (50, 50), 40, colors['magenta'], 3)
cv2.circle(image, (150, 150), 40, colors['rand'], -1)
cv2.circle(image, (250, 250), 50, colors['yellow'], 5)
cv2.circle(image, (250, 250), 60, colors['yellow'], 2)
cv2.circle(image, (350, 350), 40, colors['cyan'], -2)
cv2.circle(image, (450, 450), 40, colors['blue'], 3)
绘制完这些圆形后，调用 show_with_matplotlib(image, 'cv2.circle()') 函数显示图像：
2.2 高级图形的绘制
了解了常见基本图形的绘制后，接下来将介绍如何绘制剪裁线、箭头、椭圆和折线等。同样第一步是创建一个将绘制图形的画布：
image = np.zeros((500, 500, 3), dtype="uint8")
image[:] = colors['gray']
接下来，可以开始绘制新的图形了。
2.2.1 剪裁线
剪裁线绘制函数 cv2.clipLine() 使用方法如下：
retval, pt1_new, pt2_new = cv2.clipLine(imgRect, pt1, pt2)
cv2.clipLine() 函数返回矩形内的线段(由输出点 pt1_new 和 pt2_new 定义)，该函数根据定义的矩形 imgRect 裁剪线段。如果两个原始点 pt1 和 pt2 都在矩形之外，则 retval 为 False；否则返回 True：
cv2.line(image, (0, 0), (500, 500), colors['green'], 3)
cv2.rectangle(image, (100, 100), (300, 300), colors['blue'], 3)
ret, p1, p2 = cv2.clipLine((100, 100, 300, 300), (0, 0), (300, 300))
if ret:
cv2.line(image, p1, p2, colors['magenta'], 3)
ret, p1, p2 = cv2.clipLine((100, 100, 300, 300), (250, 150), (0, 400))
if ret:
cv2.line(image, p1, p2, colors['cyan'], 3)
调用 show_with_matplotlib(image, 'cv2.clipLine()') 函数后，在下图中，可以看到代码运行的结果：
2.2.2 箭头
箭头绘制函数 cv2.arrowedLine() 的用法如下：
cv2.arrowedLine(img, pt1, pt2, color, thickness=1, lineType=8, shift=0, tipLength=0.1)
此函数用于绘制箭头，箭头从 pt1 定义的点指向 pt2 定义的点。箭头尖端的长度可以由 tipLength 参数控制，该参数是根据线段长度( pt1 和 pt2 之间的距离)的百分比定义的：
# 箭头尖端的长度为线段长度的 10%
cv2.arrowedLine(image, (50, 50), (450, 50), colors['cyan'], 3, 8, 0, 0.1)
# 箭头尖端的长度为线段长度的 30%
cv2.arrowedLine(image, (50, 200), (450, 200), colors['magenta'], 3, cv2.LINE_AA, 0, 0.3)
# 箭头尖端的长度为线段长度的 30%
cv2.arrowedLine(image, (50, 400), (450, 400), colors['blue'], 3, 8, 0, 0.3)
以上代码定义了三个箭头，除了箭头的大小不同外，使用了不同的 lineType 参数 cv2.LINE_AA (也可以写 16 )和 8 (也可以写 cv2.LINE_8 )，调用 show_with_matplotlib(image, 'cv2.arrowedLine()') 函数后，可以观察它们之间的区别：
2.2.3 椭圆
绘制椭圆的函数 cv2.ellipse() 用法如下：
cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness=1, lineType=8, shift=0)
此函数用于绘制不同类型的椭圆：angle 参数(以度为单位)可以旋转椭圆；axes 参数控制长短轴的大小；startAngle 和 endAngle 参数用于设置所需的椭圆弧(以度为单位)，例如，需要完整闭合的椭圆，则 startAngle = 0、 endAngle = 360：
cv2.ellipse(image, (100, 100), (60, 40), 0, 0, 360, colors['red'], -1)
cv2.ellipse(image, (100, 200), (80, 40), 0, 0, 360, colors['green'], 3)
cv2.ellipse(image, (100, 200), (10, 40), 0, 0, 360, colors['blue'], 3)
cv2.ellipse(image, (300, 300), (20, 80), 0, 0, 180, colors['yellow'], 3)
cv2.ellipse(image, (300, 100), (20, 80), 0, 0, 270, colors['cyan'], 3)
cv2.ellipse(image, (250, 250), (40, 40), 0, 0, 360, colors['magenta']查看详情
opencv-python实战（番外篇）——opencvnumpy和matplotlib直方图比较(代码片段)
OpenCV-Python实战（番外篇）——OpenCV、NumPy和Matplotlib直方图比较前言OpenCV、NumPy和Matplotlib灰度直方图比较OpenCV、NumPy和Matplotlib颜色直方图比较相关链接前言在《OpenCV-Python实战（7）——直方图详解（❤️万字长... 查看详情
opencv-python实战（17）——人脸识别详解(代码片段)
OpenCV-Python实战（17）——人脸识别详解0.前言1.人脸识别简介2.使用OpenCV进行人脸识别2.1使用OpenCV进行人脸识别流程示例3.使用dlib进行人脸识别4.使用face_recognition进行人脸识别小结系列链接0.前言人脸处理是人工智能中的一... 查看详情
opencv-python实战（10）——详解opencv轮廓检测(代码片段)
OpenCV-Python实战（10）——详解OpenCV轮廓检测0.前言1.轮廓介绍2.轮廓检测3.轮廓压缩4.图像矩4.1一些基于矩的对象特征4.2Hu不变矩小结系列链接0.前言在计算机视觉领域，轮廓通常指图像中对象边界的一系列点。因此，... 查看详情
opencv-python实战（11）——opencv轮廓检测相关应用(代码片段)
OpenCV-Python实战（11）——OpenCV轮廓检测相关应用0.前言1.轮廓绘制2.轮廓筛选3.轮廓识别4.轮廓匹配小结系列链接0.前言在计算机视觉领域，轮廓通常指图像中对象边界的一系列点。因此，轮廓通常描述了对象边界的... 查看详情
opencv-python实战（13）——opencv与机器学习的碰撞(代码片段)
OpenCV-Python实战（13）——OpenCV与机器学习的碰撞0.前言1.机器学习简介1.1监督学习1.2无监督学习1.3半监督学习2.K均值(K-Means)聚类2.1K-Means聚类示例3.K最近邻3.1K最近邻示例4.支持向量机4.1支持向量机示例小结系列链接0.前言机... 查看详情
opencv-python实战（16）——人脸追踪详解(代码片段)
OpenCV-Python实战（16）——人脸追踪详解0.前言1.人脸追踪技术简介2.使用基于dlibDCF的跟踪器进行人脸跟踪2.1完整代码3.使用基于dlibDCF的跟踪器进行对象跟踪3.2完整代码小结系列链接0.前言人脸处理是人工智能中的一个热门... 查看详情
《nuitka打包实战指南》实战打包opencv-python(代码片段)
实战打包OpenCV-Python打包时解决掉的问题：ModuleNotFoundError:NoModulenamedcv2ImportError:numpy.core.multiarrayfailedtoimport打包示例源码：请看文章末尾版本信息：opencv-python==4.5.1.48numpy==1.23.2Nuitka==0.6.19.1打包系统： Windows1064位打包前我们需要... 查看详情
opencv-python实战（12）——一文详解ar增强现实(代码片段)
OpenCV-Python实战（12）——一文详解AR增强现实0.前言1.增强现实简介2.基于无标记的增强现实2.1特征检测2.2特征匹配2.3利用特征匹配和单应性计算以查找对象3.基于标记的增强现实3.1创建标记和字典3.2检测标记3.3相机校准3.4... 查看详情
opencv-python实战——opencv图像运算（❤️万字长文，含大量示例❤️）(代码片段)
OpenCV-Python实战（5）——OpenCV图像运算（❤️万字长文，含大量示例❤️）0.前言1.饱和运算2.图像加减法与图像混合3.按位运算4.形态变换4.1膨胀运算与腐蚀运算4.2开运算与闭运算4.3形态梯度运算4.4顶帽运算与... 查看详情
opencv-python实战——opencv用于图像分割的阈值技术（含大量示例，建议收藏）(代码片段)
OpenCV-Python实战（9）——OpenCV用于图像分割的阈值技术（含大量示例，建议收藏）0.前言1.阈值技术简介2.简单的阈值技术2.1阈值类型2.2简单阈值技术的实际应用3.自适应阈值算法4.Otsu阈值算法5.Triangle阈值算法6.... 查看详情
opencv-python实战——opencv简介与图像处理基础（万字总结，️建议收藏️）(代码片段)
OpenCV-Python实战（1）——OpenCV简介与图像处理基础（内含大量示例，📕建议收藏📕）OpenCV介绍Python安装OpenCVOpenCV主要模块OpenCV应用场景OpenCV图像处理基础图像基础图像处理中的主要问题图像处理流程像... 查看详情
opencv-python实战——opencv中绘制图形与文本（万字总结，️❤️建议收藏️❤️）(代码片段)
OpenCV-Python实战（3）——OpenCV中绘制图形与文本（万字总结，️📕建议收藏📕）0.前言1.OpenCV绘图基础2.OpenCV绘制图形2.1基本图形的绘制2.1.1直线2.1.2矩形2.1.3圆形2.2高级图形的绘制2.2.1剪裁线2.2.2箭头2.2.3... 查看详情
opencv-python实战——opencv常见图像处理技术（❤️万字长文，含大量示例❤️）(代码片段)
OpenCV-Python实战（4）——OpenCV常见图像处理技术（❤️万字长文，含大量示例❤️）0.前言1.拆分与合并通道2.图像的几何变换2.1缩放图像2.2平移图像2.3旋转图像2.4图像的仿射变换2.5图像的透视变换2.6裁剪图像3.... 查看详情
opencv-python实战——opencv中的色彩空间和色彩映射（❤️含大量实例，建议收藏❤️）(代码片段)
OpenCV-Python实战（6）——OpenCV中的色彩空间和色彩映射（❤️含大量示例❤️，建议收藏）0.前言1.色彩空间1.1显示色彩空间1.2不同色彩空间在皮肤分割中的不同效果2.色彩映射2.1OpenCV中的色彩映射2.2自定义色彩... 查看详情
opencv-python实战——图像与视频文件的处理（两万字详解，️建议收藏️）(代码片段)
OpenCV-Python实战（2）——图像与视频文件的处理（两万字详解，️📕建议收藏📕）0.前言1.图像与视频文件处理基础2.图像的读取与写入2.1在OpenCV中读取图像2.2使用OpenCV写入图像2.3计算机视觉项目处理流... 查看详情
opencv-python实战（14）——人脸检测详解（仅需6行代码学会4种人脸检测方法）(代码片段)
OpenCV-Python实战（14）——人脸检测详解（仅需6行代码学会4种人脸检测方法）0.前言1.人脸处理简介2.安装人脸处理相关库2.1安装dlib2.2安装face_recognition2.3安装cvlib3.人脸检测3.1使用OpenCV进行人脸检测3.1.1基于Haar级联... 查看详情
opencv-python实战——直方图详解（❤️含大量实例，建议收藏❤️）(代码片段)
OpenCV-Python实战（7）——直方图详解（❤️含大量示例，建议收藏❤️）0.前言1.直方图简介1.1直方图相关术语2.灰度直方图2.1不带蒙版的灰度直方图2.2带有蒙版的灰度直方图3.颜色直方图4.直方图的自定义可视... 查看详情