目标检测后的图像上绘制边界框和标签

这篇具有很好参考价值的文章主要介绍了目标检测后的图像上绘制边界框和标签。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

效果如图所示,有个遗憾就是CV2在图像上显示中文有点难,也不想用别的了,所以改成了英文,代码在下面了,一定要注意一点,就是标注文件的读取一定要根据自己的实际情况改一下,我的所有图像的标注文件是一个XML文件。

目标检测后的图像上绘制边界框和标签,目标检测,人工智能,计算机视觉文章来源地址https://www.toymoban.com/news/detail-687821.html

import cv2
import os
import numpy as np

def draw_label_type(draw_img,bbox,label_color):
    label = str(bbox[-1])
    labelSize = cv2.getTextSize(label + '0', cv2.FONT_HERSHEY_SIMPLEX, 0.5, 2)[0]
    if bbox[1] - labelSize[1] - 3 < 0:
        # 在图像上绘制边界框
        cv2.rectangle(draw_img,
                      (bbox[0], bbox[1] + 2),
                      (bbox[0] + labelSize[0], bbox[1] + labelSize[1] + 3),
                      color=label_color,
                      thickness=-1
                      )

        # 在图像中的边界框中打上标签
        cv2.putText(draw_img, label,
                    (bbox[0], bbox[1] + labelSize[1] + 3),
                    cv2.FONT_HERSHEY_SIMPLEX,
                    0.5,
                    (0, 0, 0),
                    thickness=1
                    )
    else:
        # 在图像上绘制边界框
        cv2.rectangle(draw_img,
                      (bbox[0], bbox[1] - labelSize[1] - 3),
                      (bbox[0] + labelSize[0], bbox[1] - 3),
                      color=label_color,
                      thickness=-1
                      )

        # 在图像中的边界框中打上标签
        cv2.putText(draw_img, label,
                    (bbox[0], bbox[1] - 3),
                    cv2.FONT_HERSHEY_SIMPLEX,
                    0.5,
                    (0, 0, 0),
                    thickness=1
                    )
    cv2.rectangle(draw_img, (bbox[0], bbox[1]), (bbox[2], bbox[3]), color=label_color, thickness=1)
    return draw_img

# 读取标注文件
def read_data(data_name):
    image_label=[]
    with open(data_name, 'r') as f:
        for line in f:
            image_label.append(line)
    return image_label

def spli_lab(word):
    labs = []
    while (len(word) > 10):
        tem = [int(word[-9]),int(word[-8]),int(word[-5]),int(word[-4]),word[-1]]
        labs.append(tem)
        word = word[:-10]
    return labs

def img_ann_ply(label):
    for lab in label:
        word = lab.split()
        #获取一张图象中的标签及位置
        # !!!!!怎们分离需要根据自己存储格式改变
        img_box = spli_lab(word)
        img_name = word[0][:-2]
        # 图像文件存储为.bmp。这里因为发现有的标间存储有bug设置了一个筛选
        if img_name[-1] != 'p':
            img_name = img_name[:-1]
        image = os.path.join(inputPath, img_name)
        # img = cv2.imread(image)
        img = cv2.imdecode(np.fromfile(image, dtype=np.uint8), -1)
        # 根据数据集中缺陷的不同设置边界框的颜色
        for box in img_box:
            if box[-1] == '"虫烂"':
                box_color = (255, 0, 0)
                box[-1] = 'Insect rot'
            elif box[-1] == '"内皮"':
                box_color = (0, 0, 255)
                box[-1] = 'endothelium'
            else:
                box_color = (0, 255, 0)
                box[-1] = 'charring'

            img = draw_label_type(img, box, box_color)

        #展示图像
        cv2.imshow("banliquexain", img)
        # 延时显示,如果想要键盘控制窗口的切换可将int数字改成0
        cv2.waitKey(60)
        #为了使窗口变得连续,我们将窗口销毁注销
        # cv2.destroyAllWindows()

if __name__ == '__main__':
    inputPath = r"F:\project\*****\datasets_2000"
    dataset_root = r"F:\project\**\datasets_2000\DetectTrainData.txt"
    # 读取标注文件,注意!!!!!!
    # 这里的标注文件读取会因文件存储格式不同需要自己改动
    label=read_data(data_name=dataset_root)

    #把标注文件中每张图像分别标注并显示
    img_ann_ply(label)


到了这里,关于目标检测后的图像上绘制边界框和标签的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 3D目标检测数据集 KITTI(标签格式解析、3D框可视化、点云转图像、BEV鸟瞰图)

    本文介绍在3D目标检测中,理解和使用KITTI 数据集,包括KITTI 的基本情况、下载数据集、标签格式解析、3D框可视化、点云转图像、画BEV鸟瞰图等,并配有实现代码。 目录  1、KITTI数据集3D框可视化 2、KITTI 3D数据集 3、下载数据集 4、标签格式 5、标定参数解析 6、点云数据--投

    2024年02月08日
    浏览(41)
  • 13.3 目标检测和边界框

    假设原图的高为 H ,宽为 W 每个锚框包含的信息有:每个锚框的类别 和 偏移量。 偏移量指的是:真实边界相对于锚框的偏移量。 预测时:为每张图片生成多个锚框,预测所有锚框的类别和偏移量。 假设有 4 个真实框 B1,B2,B3,B4。 9 个锚框A1,A2,A3,A4,A5,A6,A7,A8,A9。 如上,每个真实

    2024年02月12日
    浏览(27)
  • 【动手学深度学习】--20.目标检测和边界框

    学习视频:物体检测和数据集【动手学深度学习v2】 官方笔记:目标检测和边界框 在图像分类任务中,我们假设图像中只有一个主要物体对象,我们只关注如何识别其类别。 然而,很多时候图像里有多个我们感兴趣的目标, 我们不仅想知道它们的类别,还想得到它们在图像

    2024年02月11日
    浏览(36)
  • 冒号用法 视频41 13.3. 目标检测和边界框 QA 13.4锚框

    python与pytorch中的冒号“:”的用法_Norstc的博客-CSDN博客_pytorch 冒号 冒号的作用是按一定标号取list的部分元素给定列表a,那么a[st:ed]表示取标号从st到ed-1的所有元素,即[st,ed)如果没有给定st或者ed就表示没有给的st默认为0,ed默认为len(a)即a[st:]表示取从st开始的所有元素;a[:

    2023年04月09日
    浏览(50)
  • 图像处理技术:数字图像分割 ------ 图像分割、边界分割(边缘检测)、区域分割

    是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分 成若干个互不相交的区域,使得这些特征在同一区域内表现出一致 性或相似性,而在不同区域间表现出明显的不同 分割出来的区域应该同时满足:  (1)分割出来的图像区域的均匀性和连通性。 • 均匀性是指该

    2024年02月04日
    浏览(44)
  • 开集目标检测-标签提示目标检测大模型(吊打YOLO系列-自动化检测标注)

    大多数现有的对象检测模型都经过训练来识别一组有限的预先确定的类别。将新类添加到可识别对象列表中需要收集和标记新数据,并从头开始重新训练模型,这是一个耗时且昂贵的过程。该大模型的目标是开发一个强大的系统来检测由人类语言输入指定的任意对象,而无需

    2024年01月23日
    浏览(58)
  • 目标检测 - 绘制bounding box

    工具类

    2024年01月23日
    浏览(38)
  • 【目标检测】YOLOv5:标签中文显示/自定义颜色

    本篇主要用来实现将YOLOv5输出的标签转成中文,并且自定义标签颜色的需求。 我所使用的是YOLOv5-5.0版本。 在detect.py中,这两行代码设置标签名字和颜色。 可以发现,类别名字并不是在运行检测时导入的,而是内嵌在保存的模型参数文件中。 新建一个 load_model.py 文件,加载

    2024年02月04日
    浏览(102)
  • 基于MMdetection框架的目标检测研究-6.混淆矩阵绘制

    文章背景: 当我们训练完模型后,我们需要用训练后的模型对正负样本图片进行目标检测测试,这时候我们需要算模型在新的数据集上的检测效果(精度、过杀率、漏检率,准确度等),这时候使用测试后的结果绘制成混淆矩阵,可以很方便的帮助我们呈现和理解模型的泛化能

    2024年02月17日
    浏览(44)
  • 迈向多模态AGI之开放世界目标检测 | 人工智能

    作者: 王斌 谢春宇 冷大炜 引言 目标检测是计算机视觉中的一个非常重要的基础任务,与常见的的图像分类/识别任务不同,目标检测需要模型在给出目标的类别之上,进一步给出目标的位置和大小信息,在CV三大任务(识别、检测、分割)中处于承上启下的关键地位。当前

    2024年02月16日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包