y_center = 712
draw_0 = cv2.rectangle(image, (x_center-h, y_center-h), (x_center+h, y_center+h), (255, 0, 0), 2)
cv2.imshow('German',draw_0)
参数是对角顶点坐标，颜色空间，线宽。
Python:
cv2.
circle
(img, center, radius, color[, thickness[, lineType[, shift]]])
|
Parameters:
|
-
img
– Image where the circle is drawn.
-
center
– Center of the circle.
-
radius
– Radius of the circle.
-
color
– Circle color.
-
thickness
– Thickness of the circle outline, if positive. Negative thickness means that a filled circle is to be drawn.
-
lineType
– Type of the circle boundary. See the
line()
description.
-
shift
– Number of fractional bits in the coordinates of the center and in the radius value.
|
更多数学原理小文请关注公众号：未名方略
import cv2
# 读取图像
img = cv2.imread(r'C:/labs/
opencv
test/1.jpg', cv2.IMREAD_COLOR) #第一个参数是路径，第二个参数是读取方式，这里也可以写成1，三通道读取图片
# 创建窗口
cv2.namedWindow('
opencv
', cv2.WINDOW_NORMAL) #第一个参数是窗口名字，第二个参数是呈现方式，这里表示自定义，WINDOW_AUTOSIZE表示自适应
# 设置窗口大小
cv2.resizeW
#打开图片并根据坐标
画
框，并保存图片+显示
img = Image.open(iamge_path) # 打开图片
a = ImageDraw.ImageDraw(img) #用a来表示
# 在边界框的两点（左上角、右下角）
画
矩形，无填充，边框红色，边框像素为5
a.
rectangle
((...
参考代码：
from PyQt5.QtWidgets import QWidget, QApplication, QLabel
from PyQt5.QtCore import QRect, Qt
from PyQt5.QtGui import QImage, QPixmap, QPainter, QPen, QGuiApplication
import cv2
import sys
class ...
import cv2
#img=cv2.
rectangle
(img,(100,100),(500,500),(0,255,0),3)
'''边框的左上角的像素坐标是(100,100)，右下角的像素坐标是(500,500)，且一定要注意，像素坐标值都是正整数；
(0,255,0)表示边框颜色是绿色；
后面的3，表示边框的线宽度为3'''
def draw(img,left,right,color):
#img=cv2.imread(spath)
img=cv2.
rectangle
(img,
Python
是一种高级编程语言，具有许多优点，其中一个亮点就是它的灵活性和易用性。使用
Python
，我们可以很轻松地实现各种功能，例如使用
Python
的
OpenCV
库来检测图像中的灯光亮点。
OpenCV
是一个开源的计算机视觉库，它提供了许多图像处理和计算机视觉相关的功能。使用
OpenCV
，我们可以轻松地读取、处理和分析图像。
对于检测图像中的灯光亮点，我们可以使用一些图像处理技术来实现。首先，我们可以使用
OpenCV
的函数来读取图像并将其转换为灰度图像。然后，我们可以使用阈值函数来将图像二值化，将亮度高于某个阈值的像素设为白色，低于阈值的像素设为黑色。
接下来，我们可以使用连通组件分析技术来标记并提取图像中的亮点。连通组件分析将对图像进行像素级别的分析，将相连的亮像素组成一个连通组件。通过计算连通组件的大小和位置，我们可以筛选出符合条件的亮点。
最后，我们可以通过绘制
圆
圈或者
方框
来标记检测到的亮点，并将它们显示在原始图像上。这样，我们就可以直观地看到哪些区域含有灯光亮点。
总结来说，
Python
的一个亮点就是它丰富的库和工具，使得实现图像处理任务变得非常简单。使用
Python
和
OpenCV
，我们可以轻松地检测图像中的灯光亮点，并对它们进行分析和标记。这个功能对于许多领域，如计算机视觉、智能交通系统和图像识别等都非常有用。
