python實現(xiàn)在圖片上畫特定大小角度矩形框
做圖像識別的時候需要在圖片中畫出特定大小和角度的矩形框,自己寫了一個函數(shù),給定的輸入是圖片名稱,矩形框的位置坐標,長寬和角度,直接輸出畫好矩形框的圖片。
主要思想是先根據(jù)x,y坐標和長寬得到矩形,然后通過數(shù)學計算得到旋轉(zhuǎn)angle角度后的新矩形框的四個頂點位置坐標,再利用draw.line()函數(shù)畫出來。
import math import matplotlib.pyplot as plt import numpy as np from PIL import Image, ImageDraw def draw(filename,result): img = Image.open(filename) w,h=img.size draw = ImageDraw.Draw(img) result=np.array(result) x=result[0][0] y=result[0][1] angle=result[0][2] height=result[0][3] width=result[0][4] anglePi = -angle*math.pi/180.0 cosA = math.cos(anglePi) sinA = math.sin(anglePi) x1=x-0.5*width y1=y-0.5*height x0=x+0.5*width y0=y1 x2=x1 y2=y+0.5*height x3=x0 y3=y2 x0n= (x0 -x)*cosA -(y0 - y)*sinA + x y0n = (x0-x)*sinA + (y0 - y)*cosA + y x1n= (x1 -x)*cosA -(y1 - y)*sinA + x y1n = (x1-x)*sinA + (y1 - y)*cosA + y x2n= (x2 -x)*cosA -(y2 - y)*sinA + x y2n = (x2-x)*sinA + (y2 - y)*cosA + y x3n= (x3 -x)*cosA -(y3 - y)*sinA + x y3n = (x3-x)*sinA + (y3 - y)*cosA + y draw.line([(x0n, y0n),(x1n, y1n)], fill=(0, 0, 255)) draw.line([(x1n, y1n),(x2n, y2n)], fill=(255, 0, 0)) draw.line([(x2n, y2n),(x3n, y3n)],fill= (0,0,255)) draw.line([(x0n, y0n), (x3n, y3n)],fill=(255,0,0)) plt.imshow(img) plt.show()
改寫成c++
由于c++程序也需要用到這個程序,改寫一下
void CopentestDlg::OnBnClickedAnaly()
{
CString x,y,angle,width;
float xRaw[4], yRaw[4];
float xNew[4], yNew[4];
float height = 33;
if (imageCut==NULL) {
AfxMessageBox(_T("未打開圖片不能分析"));
return;
}
GetDlgItem(IDC_EX)->GetWindowText(x);
GetDlgItem(IDC_EY)->GetWindowText(y);
GetDlgItem(IDC_ANGLE)->GetWindowText(angle);
GetDlgItem(IDC_WIDTH)->GetWindowText(width);
float xf = _tstof(x); //將Cstring轉(zhuǎn)成float類型
float yf = _tstof(y);
float widthf= _tstof(width);
float anglef= _tstof(angle);
xRaw[1] = xf - 0.5*widthf;
yRaw[1] = yf - 0.5*height;
xRaw[0] = xf + 0.5*widthf;
yRaw[0] = yRaw[1];
xRaw[2] = xRaw[1];
yRaw[2] = yf + 0.5*height;
xRaw[3] = xRaw[0];
yRaw[3] = yRaw[2];
float anglePi = -anglef*pi / 180.0;
float cosA = cos(anglePi);
float sinA = sin(anglePi);
xNew[0] = (xRaw[0] - xf)*cosA - (yRaw[0] - yf)*sinA + xf;
yNew[0] = (xRaw[0] - xf)*sinA + (yRaw[0] - yf)*cosA + yf;
xNew[1] = (xRaw[1] - xf)*cosA - (yRaw[1] - yf)*sinA + xf;
yNew[1] = (xRaw[1] - xf)*sinA + (yRaw[1] - yf)*cosA + yf;
xNew[2] = (xRaw[2] - xf)*cosA - (yRaw[2] - yf)*sinA + xf;
yNew[2] = (xRaw[2] - xf)*sinA + (yRaw[2] - yf)*cosA + yf;
xNew[3] = (xRaw[3] - xf)*cosA - (yRaw[3] - yf)*sinA + xf;
yNew[3] = (xRaw[3] - xf)*sinA + (yRaw[3] - yf)*cosA + yf;
cvLine(imageCut, cvPoint(xNew[0], yNew[0]), cvPoint(xNew[1], yNew[1]), cvScalar(0, 0, 255), 3);
cvLine(imageCut, cvPoint(xNew[1], yNew[1]), cvPoint(xNew[2], yNew[2]), cvScalar(255, 0, 0), 3);
cvLine(imageCut, cvPoint(xNew[2], yNew[2]), cvPoint(xNew[3], yNew[3]), cvScalar(0, 0, 255), 3);
cvLine(imageCut, cvPoint(xNew[0], yNew[0]), cvPoint(xNew[3], yNew[3]), cvScalar(255, 0, 0), 3);
DrawPicToHDC(imageCut, IDC_Cut);
pEdit->ReplaceSel(_T("圖片已修改\r\n"));
}
效果圖

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關文章
Python機器學習應用之基于天氣數(shù)據(jù)集的XGBoost分類篇解讀
XGBoost是一個優(yōu)化的分布式梯度增強庫,旨在實現(xiàn)高效,靈活和便攜。它在?Gradient?Boosting?框架下實現(xiàn)機器學習算法。XGBoost提供并行樹提升(也稱為GBDT,GBM),可以快速準確地解決許多數(shù)據(jù)科學問題2022-01-01
python基于Node2Vec實現(xiàn)節(jié)點分類及其可視化示例詳解
這篇文章主要為大家介紹了python基于Node2Vec實現(xiàn)節(jié)點分類及其可視化示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-04-04
Python名片管理系統(tǒng)+猜拳小游戲案例實現(xiàn)彩(色控制臺版)
這篇文章主要介紹了Python名片管理系統(tǒng)+猜拳小游戲案例實現(xiàn)彩(色控制臺版),文章圍繞主題展開詳細的內(nèi)容介紹,具有一定的參考價值,感興趣的小伙伴可以參考一下2022-08-08

