博客
关于我
C++ opencv小练习绘制点,直线,圆,椭圆等基本图像
阅读量:258 次
发布时间:2019-03-01

本文共 1451 字,大约阅读时间需要 4 分钟。

OpenCV图形绘制教程:通过代码实现多种图形

OpenCV是一个强大的图像处理库,能够帮助开发者快速实现图形绘制和图像操作。以下将通过OpenCV代码示例,详细说明如何绘制多种常见图形,包括直线、圆、椭圆和矩形。

1.1 初始化图像

首先,我们需要创建一个空的图像矩阵,并设置其背景颜色。以下代码示例:

Mat img = Mat::zeros(Size(800, 600), CV_8UC3);img.setTo(255);
  • Mat::zeros(Size(800, 600), CV_8UC3) 创建一个800x600像素、8位深度的彩色图像。
  • img.setTo(255) 将整个图像设置为白色背景。

1.2 绘制直线

OpenCV提供了line()函数用于绘制直线。以下是绘制两点之间直线的代码:

Point p1(100, 100);Point p2(758, 50);line(img, p1, p2, Scalar(0, 0, 255), 2);
  • Point p1(100, 100) 定义第一个点的坐标。
  • Point p2(758, 50) 定义第二个点的坐标。
  • line(img, p1, p2, Scalar(0, 0, 255), 2) 绘制连接两点的红色直线,线宽为2。

1.3 绘制圆

使用circle()函数绘制圆。以下是绘制圆的代码:

Point p(20, 20);circle(img, p, 1, Scalar(0, 255, 0), -1);
  • Point p(20, 20) 定义圆心坐标。
  • circle(img, p, 1, Scalar(0, 255, 0), -1) 绘制半径为1的绿色圆,-1 表示圆周不闭合。

1.4 绘制椭圆

通过ellipse()函数绘制椭圆。以下是绘制椭圆的代码:

Point center(100, 100);Size ellipseSize(90, 60);ellipse(img, center, ellipseSize, 30, 0, 360, Scalar(255, 255, 0), 3, 8);
  • Point center(100, 100) 定义椭圆中心坐标。
  • Size ellipseSize(90, 60) 定义椭圆的长宽。
  • ellipse(img, center, ellipseSize, 30, 0, 360, Scalar(255, 255, 0), 3, 8) 绘制黄色椭圆,角度为30度,线宽为3,线类型为8。

1.5 绘制矩形

使用rectangle()函数绘制矩形。以下是绘制矩形的代码:

Rect rect(250, 250, 120, 200);rectangle(img, rect, Scalar(0, 255, 255), 3);
  • Rect rect(250, 250, 120, 200) 定义矩形的坐标和尺寸。
  • rectangle(img, rect, Scalar(0, 255, 255), 3) 绘制 cyan 矩形,线宽为3。

1.6 显示图像

最后,使用imshow()函数显示图像:

imshow("画板", img);waitKey();
  • imshow("画板", img) 显示图像窗口标题为"画板"。
  • waitKey() 绘制完成后,按下任意键继续。

通过以上代码示例,可以轻松绘制多种常见图形。OpenCV提供了丰富的绘图功能,允许开发者快速实现复杂的图形操作。

转载地址:http://xvhv.baihongyu.com/

你可能感兴趣的文章
numpy 或 scipy 有哪些可能的计算可以返回 NaN?
查看>>
numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
查看>>
numpy 数组与矩阵的乘法理解
查看>>
NumPy 数组拼接方法-ChatGPT4o作答
查看>>
numpy 用法
查看>>
Numpy 科学计算库详解
查看>>
Numpy.fft.fft和numpy.fft.fftfreq有什么不同
查看>>
numpy.linalg.norm(求范数)
查看>>
Numpy.ndarray对象不可调用
查看>>
Numpy.VisibleDeproationWarning:从不整齐的嵌套序列创建ndarray
查看>>
Numpy:按多个条件过滤行?
查看>>
Numpy:条件总和
查看>>
numpy、cv2等操作图片基本操作
查看>>
numpy中的argsort的用法
查看>>
NumPy中的精度:比较数字时的问题
查看>>
numpy判断对应位置是否相等,all、any的使用
查看>>
Numpy多项式.Polynomial.fit()给出的系数与多项式.Polyfit()不同
查看>>
Numpy如何使用np.umprod重写range函数中i的python
查看>>
numpy学习笔记3-array切片
查看>>
numpy数组替换其中的值(如1替换为255)
查看>>