计算机视觉 / 系统课时
绘制基础图形
绘制基础图形
OpenCV 可以直接修改图像像素,在画面上叠加直线、矩形、圆形、多边形和关键点标记。这些绘图 API 常用于目标检测框、兴趣区域、特征点和调试结果可视化,本节用一张画布集中掌握常用接口。
学习目标
- 使用 OpenCV 绘制直线、矩形、圆形和多边形
- 理解坐标、颜色、线宽和填充参数的作用
- 使用关键点标记快速突出检测位置
绘图接口的共同规则
OpenCV 图像坐标以左上角为原点,横向是 ,纵向是 。Python 中常用的 BGR 图像颜色按蓝、绿、红顺序填写,例如 (0, 0, 255) 表示红色,而不是 RGB 中的蓝色。
大多数绘图函数都会直接修改传入的图像数组。thickness 控制边框宽度;对于矩形、圆等封闭图形,把它设为 -1 通常表示填充内部区域。
一次绘制常用基础图形
下面创建一张 800×500 的白色画布,并分别绘制直线、矩形、圆形、多边形以及十字关键点。示例没有外部图片依赖,可以直接运行。
import cv2
import numpy as np
canvas = np.full((500, 800, 3), 255, dtype=np.uint8)
# 线段:起点、终点、BGR 颜色、线宽
cv2.line(canvas, (50, 70), (300, 70), (255, 0, 0), 4, cv2.LINE_AA)
# 矩形与圆形都可以通过 thickness 控制轮廓宽度
cv2.rectangle(canvas, (50, 120), (300, 260), (0, 180, 0), 3)
cv2.circle(canvas, (470, 190), 75, (0, 0, 255), 4, cv2.LINE_AA)
# 多边形顶点需要整理成 OpenCV 接受的整数坐标数组
polygon = np.array([[580, 100], [730, 140], [700, 280], [560, 250]], dtype=np.int32)
cv2.polylines(canvas, [polygon], True, (180, 0, 180), 4, cv2.LINE_AA)
# drawMarker 适合在特征点、角点或检测中心位置添加醒目标记
cv2.drawMarker(canvas, (400, 380), (0, 120, 255),
markerType=cv2.MARKER_CROSS, markerSize=35, thickness=3)
cv2.imwrite("drawing-demo.png", canvas)
print("image shape:", canvas.shape)
print("saved: drawing-demo.png")预期输出
image shape: (500, 800, 3)
saved: drawing-demo.png打开 drawing-demo.png 可以看到蓝色直线、绿色矩形、红色圆形、紫色闭合多边形,以及位于画面下方的十字关键点标记。
选择轮廓还是填充
绘制检测框时通常保留轮廓,避免遮挡原图内容;绘制蒙版或突出区域时可以使用填充。以矩形为例,thickness=2 会绘制两像素宽的边框,而 thickness=-1 会把整个矩形内部填满。
抗锯齿参数 cv2.LINE_AA 对斜线、圆形和文字尤其有用,可以让边缘更平滑。对于只作为二值掩膜使用的图像,则通常不需要抗锯齿,因为边缘生成的中间像素值可能影响后续阈值判断。
坐标和数据类型的常见边界
绘图坐标通常应使用整数。来自浮点计算的检测结果可以在绘制前转换为整数,但不要过早舍入用于后续几何计算的原始坐标。图像之外的部分会被裁掉,因此坐标超出边界不一定立即报错,却可能让标记看起来“消失”。
cv2.polylines() 与单个矩形、圆形接口不同,它接收一组顶点数组,并通过布尔参数决定是否把最后一个点连接回第一个点。需要填充任意多边形时,可以改用 cv2.fillPoly()。
基础绘图 API 的核心并不复杂:先确定像素坐标,再选择颜色、线宽和是否填充。把算法产生的检测框、轮廓和关键点映射到这些接口后,就能快速把不可见的数值结果转化成可检查的视觉结果。