Python如何优雅地可视化目标检测框 |
您所在的位置:网站首页 › opencv 画框 › Python如何优雅地可视化目标检测框 |
1 引言 随着计算机视觉算法工程师的内卷,从事目标检测的小伙伴们越来越多了.很多时候我们费了九牛二虎之力训练了一版模型,可是可视化出来的效果平淡无奇.是不是有点太不给力啦,作为计算机视觉工程师,我们是不是应该关注下如何优雅地可视化我们模型地检测结果呢? 2 举个栗子最常用的可视化目标检测结果的就是我们所说的矩形框,矩形框的画法也可以分为好多中,我们以下图进行说明: 上图皮卡丘的矩形检测效果示例中:左上为我们常用的不带标签的输出框,右上为YOLO系列美化带标签后的矩形框.左下为四个角点美化后的矩形框,右下为带标签的角点美化矩形框. 3 实现3.1 函数讲解 在opencv中,我们通常使用cv2.rectangle函数进行矩形框的绘制,该函数的一般形式如下: 相应的参数含义如下: image: 输入图像start_point: 矩形框左上点坐标end_point: 矩形框右下点坐标color: 矩形框颜色 默认BGR顺序thickness: 线的粗细,其中 -1 代表填充整个矩形3.2 读入图像 我们使用上述函数,来画我们的示例图像: img_name = './pikachu.jpg' img = cv2.imread(img_name) box = [ 140, 16,468,390, "pikachu"] box_color = (255,0,255) cv2.rectangle(img, (box[0], box[1]), (box[2], box[3]), color=box_color, thickness=2)结果如下: 左侧为我们的原图,右侧为我们画框的效果图. 3.3 标签美化接下来我们来给矩形框添加标签,我们观察上述画图函数,注意最后一个参数thickness,如果此值等于-1,那么将对矩形框执行填充效果.基于此,我们来写标签美化代码,如下: 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上图中左侧为原图,右侧为添加文本标签后的结果图. 3.4 角点美化 上述添加完标签后,由于标签框和目标矩形框颜色一致,边界处不太容易区分,这里添加对角点美化的代码,代码如下: def draw_box_corner(draw_img,bbox,length,corner_color): # Top Left cv2.line(draw_img, (bbox[0], bbox[1]), (bbox[0] + length, bbox[1]), corner_color, thickness=3) cv2.line(draw_img, (bbox[0], bbox[1]), (bbox[0], bbox[1] + length), corner_color, thickness=3) # Top Right cv2.line(draw_img, (bbox[2], bbox[1]), (bbox[2] - length, bbox[1]), corner_color, thickness=3) cv2.line(draw_img, (bbox[2], bbox[1]), (bbox[2], bbox[1] + length), corner_color, thickness=3) # Bottom Left cv2.line(draw_img, (bbox[0], bbox[3]), (bbox[0] + length, bbox[3]), corner_color, thickness=3) cv2.line(draw_img, (bbox[0], bbox[3]), (bbox[0], bbox[3] - length), corner_color, thickness=3) # Bottom Right cv2.line(draw_img, (bbox[2], bbox[3]), (bbox[2] - length, bbox[3]), corner_color, thickness=3) cv2.line(draw_img, (bbox[2], bbox[3]), (bbox[2], bbox[3] - length), corner_color, thickness=3)上述函数参数解释如下: draw_img: 输入图像bbox: 目标检测框 形式(x1,y1,x2,y2)length: 直线长度corner_color: 直线颜色运行结果如下: 左侧为原图,右侧为添加角点美化后的结果图. 3.5 综合效果 综合上述标签美化和角点美化,可以得到二者综合后的效果图如下: 通过cv2.rectangle 函数设置 thickness, 我们可以得到填充后的图像,进而利用opencv中的 cv2.add_weight 函数可以实现透明效果. 示例如下: 左侧为img , 右侧为填充后的draw_img, 那么利用add_weight 进行加权的代码如下: alpha = 0.8 gamma = 0 out_img = cv2.addWeighted(img,alpha,draw_img,1-alpha,gamma)运行后的效果图如下: 左侧为 alpha=0.5的效果图,右侧为alpha=0.8的效果图. 5 扩展应用利用上述原理,我们可以方便地将透明效果从矩形框迁移至不规则封闭区域, 样例如下: 左侧为我们输入分割网络的原始图像,右侧为我们分割网络可行驶区域的推理图, 我们使用alpha=0.6对上述两幅图进行加权,得到结果如下: 本文实现了目标检测矩形框的标签优化以及角点优化,并给出了透明化的具体原理和实际扩展应用,以及详细的代码实现. 您学废了吗? 7 参考参考 注: 完整代码,点击获取。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |