绘图功能

OpenCV 提供了丰富的绘图功能，可以在图像上绘制各种几何图形和文字。这些功能在可视化结果、标注图像、创建交互界面等场景中非常有用。

绘图基础

在 OpenCV 中，绘图操作直接在图像数组上进行，会修改原始图像。如果需要保留原始图像，应该先创建副本：

import cv2
import numpy as np

# 创建空白图像（黑色背景）
image = np.zeros((400, 600, 3), dtype=np.uint8)

# 或者复制已有图像
original = cv2.imread('image.jpg')
image = original.copy()

所有绘图函数都有一些共同的参数：

img：目标图像，绘图操作会直接修改这个图像。

color：颜色，对于彩色图像是 BGR 格式的元组，如 (255, 0, 0) 表示蓝色。对于灰度图像是单个数值。

thickness：线条粗细，默认为 1。设为 -1 表示填充图形内部。

lineType：线条类型，影响线条的平滑程度：

• cv2.LINE_8：8 连通线（默认）
• cv2.LINE_4：4 连通线
• cv2.LINE_AA：抗锯齿线，线条更平滑

绘制直线

使用 cv2.line() 函数绘制直线：

import cv2
import numpy as np

image = np.zeros((400, 600, 3), dtype=np.uint8)

# 绘制蓝色直线
cv2.line(image, (0, 0), (600, 400), (255, 0, 0), 2)

# 绘制绿色抗锯齿直线
cv2.line(image, (0, 400), (600, 0), (0, 255, 0), 2, cv2.LINE_AA)

# 绘制粗红色直线
cv2.line(image, (300, 0), (300, 400), (0, 0, 255), 5)

cv2.imshow('Lines', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数说明：

• pt1：起点坐标 (x, y)
• pt2：终点坐标 (x, y)
• color：线条颜色
• thickness：线条粗细

绘制矩形

使用 cv2.rectangle() 函数绘制矩形：

import cv2
import numpy as np

image = np.zeros((400, 600, 3), dtype=np.uint8)

# 绘制空心矩形（蓝色边框）
cv2.rectangle(image, (50, 50), (200, 150), (255, 0, 0), 2)

# 绘制填充矩形（绿色填充）
cv2.rectangle(image, (250, 50), (400, 150), (0, 255, 0), -1)

# 绘制红色边框矩形
cv2.rectangle(image, (450, 50), (550, 150), (0, 0, 255), 3)

cv2.imshow('Rectangles', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数说明：

• pt1：矩形左上角坐标
• pt2：矩形右下角坐标
• thickness：边框粗细，-1 表示填充

矩形绘制常用于目标检测结果的可视化，标注检测到的物体位置。

绘制圆形

使用 cv2.circle() 函数绘制圆形：

import cv2
import numpy as np

image = np.zeros((400, 600, 3), dtype=np.uint8)

# 绘制空心圆
cv2.circle(image, (150, 200), 80, (255, 0, 0), 2)

# 绘制填充圆
cv2.circle(image, (300, 200), 80, (0, 255, 0), -1)

# 绘制抗锯齿圆
cv2.circle(image, (450, 200), 80, (0, 0, 255), 2, cv2.LINE_AA)

cv2.imshow('Circles', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数说明：

• center：圆心坐标 (x, y)
• radius：圆的半径
• thickness：边框粗细，-1 表示填充

圆形常用于标注特征点、人脸检测结果等场景。

绘制椭圆

使用 cv2.ellipse() 函数绘制椭圆：

import cv2
import numpy as np

image = np.zeros((400, 600, 3), dtype=np.uint8)

# 绘制完整椭圆
cv2.ellipse(image, (150, 200), (100, 50), 0, 0, 360, (255, 0, 0), 2)

# 绘制旋转椭圆（旋转角度 45 度）
cv2.ellipse(image, (300, 200), (100, 50), 45, 0, 360, (0, 255, 0), 2)

# 绘制椭圆弧（从 0 度到 180 度）
cv2.ellipse(image, (450, 200), (100, 50), 0, 0, 180, (0, 0, 255), 2)

# 绘制填充椭圆
cv2.ellipse(image, (300, 350), (80, 40), 0, 0, 360, (255, 255, 0), -1)

cv2.imshow('Ellipses', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数说明：

• center：椭圆中心坐标
• axes：椭圆半轴长度 (长轴, 短轴)
• angle：椭圆旋转角度（度）
• startAngle：起始角度
• endAngle：结束角度

椭圆绘制在人脸检测、姿态估计等任务中常用于标注检测结果。

绘制多边形

使用 cv2.polylines() 函数绘制多边形：

import cv2
import numpy as np

image = np.zeros((400, 600, 3), dtype=np.uint8)

# 定义多边形顶点
pts = np.array([[100, 50], [200, 150], [150, 300], [50, 300], [0, 150]], np.int32)

# 重塑为 (n, 1, 2) 形状
pts = pts.reshape((-1, 1, 2))

# 绘制空心多边形
cv2.polylines(image, [pts], True, (255, 0, 0), 2)

# 绘制填充多边形
pts2 = np.array([[350, 50], [500, 100], [450, 300], [300, 250]], np.int32)
pts2 = pts2.reshape((-1, 1, 2))
cv2.fillPoly(image, [pts2], (0, 255, 0))

cv2.imshow('Polygons', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数说明：

• pts：多边形顶点数组列表
• isClosed：是否闭合多边形
• thickness：线条粗细

多边形绘制常用于图像分割结果的标注，以及标注不规则形状的目标区域。

绘制文字

使用 cv2.putText() 函数在图像上绘制文字：

import cv2
import numpy as np

image = np.zeros((400, 600, 3), dtype=np.uint8)

# 绘制基本文字
cv2.putText(image, 'Hello OpenCV', (50, 100), 
            cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)

# 不同字体
fonts = [
    cv2.FONT_HERSHEY_SIMPLEX,
    cv2.FONT_HERSHEY_PLAIN,
    cv2.FONT_HERSHEY_DUPLEX,
    cv2.FONT_HERSHEY_COMPLEX,
    cv2.FONT_HERSHEY_TRIPLEX,
    cv2.FONT_HERSHEY_COMPLEX_SMALL
]

font_names = ['SIMPLEX', 'PLAIN', 'DUPLEX', 'COMPLEX', 'TRIPLEX', 'COMPLEX_SMALL']

for i, (font, name) in enumerate(zip(fonts, font_names)):
    cv2.putText(image, name, (50, 150 + i * 40), font, 0.8, (255, 255, 255), 1)

cv2.imshow('Text', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数说明：

• text：要绘制的文字字符串
• org：文字左下角坐标 (x, y)
• fontFace：字体类型
• fontScale：字体缩放比例
• thickness：线条粗细

获取文字尺寸

在绘制文字前，可以使用 cv2.getTextSize() 获取文字的尺寸，用于精确布局：

import cv2
import numpy as np

image = np.zeros((200, 600, 3), dtype=np.uint8)

text = 'Center Text'
font = cv2.FONT_HERSHEY_SIMPLEX
font_scale = 1.5
thickness = 2

# 获取文字尺寸
(text_width, text_height), baseline = cv2.getTextSize(text, font, font_scale, thickness)

# 计算居中位置
image_height, image_width = image.shape[:2]
x = (image_width - text_width) // 2
y = (image_height + text_height) // 2

# 绘制居中文字
cv2.putText(image, text, (x, y), font, font_scale, (255, 255, 255), thickness)

cv2.imshow('Centered Text', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

绘制中文文字

OpenCV 的 putText() 函数不支持中文，需要使用 PIL 库来绘制中文：

import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont

# 创建图像
image = np.zeros((200, 600, 3), dtype=np.uint8)

# 转换为 PIL 图像
pil_image = Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
draw = ImageDraw.Draw(pil_image)

# 加载字体（需要指定字体文件路径）
try:
    font = ImageFont.truetype('simhei.ttf', 30)
except:
    font = ImageFont.load_default()

# 绘制中文
draw.text((50, 80), '中文文字示例', font=font, fill=(255, 255, 255))

# 转换回 OpenCV 格式
image = cv2.cvtColor(np.array(pil_image), cv2.COLOR_RGB2BGR)

cv2.imshow('Chinese Text', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

综合示例

目标检测可视化

import cv2

def draw_detection_result(image, boxes, labels, scores, colors=None):
    """
    绘制目标检测结果
    
    参数:
        image: 输入图像
        boxes: 边界框列表 [(x1, y1, x2, y2), ...]
        labels: 标签列表
        scores: 置信度列表
        colors: 每个类别的颜色
    """
    if colors is None:
        colors = [(255, 0, 0), (0, 255, 0), (0, 0, 255), (255, 255, 0), (255, 0, 255)]
    
    for i, (box, label, score) in enumerate(zip(boxes, labels, scores)):
        x1, y1, x2, y2 = box
        color = colors[i % len(colors)]
        
        # 绘制边界框
        cv2.rectangle(image, (x1, y1), (x2, y2), color, 2)
        
        # 准备标签文字
        text = f'{label}: {score:.2f}'
        
        # 获取文字尺寸
        (text_width, text_height), _ = cv2.getTextSize(
            text, cv2.FONT_HERSHEY_SIMPLEX, 0.6, 1)
        
        # 绘制标签背景
        cv2.rectangle(image, (x1, y1 - text_height - 10), 
                     (x1 + text_width, y1), color, -1)
        
        # 绘制标签文字
        cv2.putText(image, text, (x1, y1 - 5), 
                   cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 1)
    
    return image

# 使用示例
image = cv2.imread('street.jpg')
boxes = [(100, 100, 200, 300), (300, 150, 450, 350)]
labels = ['person', 'car']
scores = [0.95, 0.87]

result = draw_detection_result(image, boxes, labels, scores)
cv2.imshow('Detection Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

绘制统计图表

import cv2
import numpy as np

def draw_bar_chart(data, labels, title, width=600, height=400):
    """
    绘制简单的柱状图
    
    参数:
        data: 数据列表
        labels: 标签列表
        title: 图表标题
        width: 图像宽度
        height: 图像高度
    """
    image = np.ones((height, width, 3), dtype=np.uint8) * 255
    
    margin = 60
    chart_width = width - 2 * margin
    chart_height = height - 2 * margin
    
    # 绘制坐标轴
    cv2.line(image, (margin, margin), (margin, height - margin), (0, 0, 0), 2)
    cv2.line(image, (margin, height - margin), (width - margin, height - margin), (0, 0, 0), 2)
    
    # 计算柱子参数
    n = len(data)
    bar_width = chart_width // (n * 2)
    max_data = max(data)
    
    # 绘制柱子
    colors = [(255, 0, 0), (0, 255, 0), (0, 0, 255), (255, 255, 0), (255, 0, 255)]
    
    for i, (value, label) in enumerate(zip(data, labels)):
        x = margin + bar_width + i * bar_width * 2
        bar_height = int(value / max_data * chart_height)
        y = height - margin - bar_height
        
        color = colors[i % len(colors)]
        cv2.rectangle(image, (x, y), (x + bar_width, height - margin), color, -1)
        
        # 绘制数值
        cv2.putText(image, str(value), (x + bar_width // 4, y - 10),
                   cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1)
        
        # 绘制标签
        cv2.putText(image, label, (x, height - margin + 20),
                   cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0), 1)
    
    # 绘制标题
    cv2.putText(image, title, (width // 2 - len(title) * 5, 30),
               cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 0), 2)
    
    return image

# 使用示例
data = [85, 92, 78, 95, 88]
labels = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri']
chart = draw_bar_chart(data, labels, 'Weekly Sales')

cv2.imshow('Bar Chart', chart)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像标注工具

import cv2
import numpy as np

class ImageAnnotator:
    def __init__(self, image_path):
        self.image = cv2.imread(image_path)
        self.clone = self.image.copy()
        self.points = []
        self.drawing = False
        
    def mouse_callback(self, event, x, y, flags, param):
        if event == cv2.EVENT_LBUTTONDOWN:
            self.points.append((x, y))
            
        elif event == cv2.EVENT_MOUSEMOVE:
            if len(self.points) > 0:
                self.image = self.clone.copy()
                cv2.polylines(self.image, [np.array(self.points + [(x, y)])], 
                            False, (0, 255, 0), 2)
                
        elif event == cv2.EVENT_RBUTTONDOWN:
            if len(self.points) >= 3:
                self.image = self.clone.copy()
                cv2.fillPoly(self.image, [np.array(self.points)], (0, 255, 0))
                self.points = []
    
    def run(self):
        cv2.namedWindow('Annotator')
        cv2.setMouseCallback('Annotator', self.mouse_callback)
        
        while True:
            cv2.imshow('Annotator', self.image)
            key = cv2.waitKey(1) & 0xFF
            
            if key == ord('r'):
                self.image = self.clone.copy()
                self.points = []
            elif key == ord('s'):
                cv2.imwrite('annotated.jpg', self.image)
            elif key == 27:
                break
        
        cv2.destroyAllWindows()

annotator = ImageAnnotator('image.jpg')
annotator.run()

小结

本章介绍了 OpenCV 的绘图功能，包括直线、矩形、圆形、椭圆、多边形和文字的绘制。关键要点：

绘图修改原图：所有绘图操作都会直接修改目标图像，如需保留原图请先复制。

坐标系统：OpenCV 使用图像坐标系，原点在左上角，x 向右，y 向下。

颜色格式：OpenCV 使用 BGR 格式，注意与其他库的 RGB 格式区分。

抗锯齿：使用 cv2.LINE_AA 可以获得更平滑的线条效果。

中文支持：OpenCV 原生不支持中文，需要借助 PIL 库实现。

下一章将学习图像处理基础，包括颜色空间转换、几何变换和图像滤波等内容。