目錄
- 1 引言
- 2 舉個栗子
- 3 實現
- 3.1 函數講解
- 3.2 讀入圖像
- 3.3 標簽美化
- 3.4 角點美化
- 3.5 綜合效果
- 4 透明效果實現
- 5 擴展應用
- 6 總結
- 7 參考
1 引言
隨著計算機視覺算法工程師的內卷,從事目標檢測的小伙伴們越來越多了.
很多時候我們費了九牛二虎之力訓練了一版模型,可是可視化出來的效果平淡無奇.
是不是有點太不給力啦,作為計算機視覺工程師,我們是不是應該關注下如何優雅地可視化我們模型地檢測結果呢?
2 舉個栗子
最常用的可視化目標檢測結果的就是我們所說的矩形框,矩形框的畫法也可以分為好多中,我們以下圖進行說明:
我們以上圖皮卡丘的矩形檢測框為例,左上為我們常用的不帶標簽的輸出框,右上為YOLO系列美化帶標簽后的矩形框,左下為四個角點美化后的矩形框,右下為帶標簽的角點美化矩形框.
3 實現
3.1 函數講解
在opencv中,我們通常使用cv2.rectangle函數進行矩形框的繪制,該函數的一般形式如下:
cv2.rectangle(image, start_point, end_point, color, thickness)
相應的參數含義如下:
- image: 輸入圖像
- start_point: 矩形框左上點坐標
- end_point: 矩形框右下點坐標
- color: 矩形框顏色 默認BGR順序
- thickness: 線的粗細,其中 -1 代表填充整個矩形
3.2 讀入圖像
我們使用上述函數,來畫我們的示例圖像:
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)
結果如下:
左側為我們的原圖,右側為我們畫框的效果圖.
3.3 標簽美化
接下來我們來給矩形框添加標簽,我們觀察上述畫圖函數,注意最后一個參數thickness,如果此值等于-1,那么將對矩形框執行填充效果.基于此,我們來寫標簽美化代碼,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 0:
cv2.rectangle(draw_img,
(bbox[0], bbox[1] + 2),
(bbox[0] + labelSize[0], bbox[1] + labelSize[1] + 3),
color=label_color,
thickness=-1
)
cv2.putText(draw_img, label,
(bbox[0], bbox[1] + labelSize + 3),
cv2.FONT_HERSHEY_SIMPLEX,
0.5,
(0, 0, 0),
thickness=1
)
else:
cv2.rectangle(draw_img,
(bbox[0], bbox[1] - labelSize[1] - 3),
(bbox[0] + labelSize[0], bbox[1] - 3),
color=label_color,
thickness=-1
)
cv2.putText(draw_img, label,
(bbox[0], bbox[1] - 3),
cv2.FONT_HERSHEY_SIMPLEX,
0.5,
(0, 0, 0),
thickness=1
)
上述代碼中,首先計算標簽文本的大小,然后據標簽文本大小進行矩形填充,最后使用cv2.putText畫對應的標簽文本.
運行效果如下:
左側為原圖,右側為添加文本標簽后的結果圖.
3.4 角點美化
上述添加完標簽后,由于標簽框和目標矩形框顏色一致,邊界處不太容易區分,這里添加對角點美化的代碼,代碼如下:
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)
上述函數參數解釋如下:
- draw_img 輸入圖像
- bbox 目標檢測框 形式(x1,y1,x2,y2)
- length 直線長度
- corner_color 直線顏色
運行結果如下:
左側為原圖,右側為添加角點美化后的結果圖.
3.5 綜合效果
綜合上述標簽美化和角點美化,可以得到二者綜合后的效果圖如下:
4 透明效果實現
通過cv2.rectangle 函數設置 thickness 我們可以得到填充后的圖像,進而利用opencv中的 cv2.add_weight函數可以實現透明效果.
示例如下:
左側為img , 右側為填充后的draw_img,那么利用add_weight 進行加權的代碼如下:
alpha = 0.8
gamma = 0
out_img = cv2.addWeighted(img,alpha,draw_img,1-alpha,gamma)
運行后的效果圖如下:
左側為 alpha=0.5的效果圖,右側為alpha=0.8的效果圖.
和原圖放到一起進行對比,如下:
是不是看上去優雅多了…
5 擴展應用
利用上述原理,我們可以方便地將透明效果從矩形框遷移至不規則封閉區域, 樣例如下:
左側為我們輸入分割網絡的原始圖像,右側為我們分割網絡可行駛區域的推理圖,我們使用alpha=0.6對上述兩幅圖進行加權,得到結果如下:
6 總結
本文實現了目標檢測矩形框的標簽優化以及角點優化,并給出了透明化的具體原理和實際擴展應用,以及詳細的代碼實現.
您學廢了嗎?
7 參考
鏈接一
鏈接二
到此這篇關于Python如何優雅地可視化目標檢測框的文章就介紹到這了,更多相關Python目標檢測框內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 利用Python進行數據可視化的實例代碼
- 淺談哪個Python庫才最適合做數據可視化
- 這3個Python實時可視化工具包來幫你了解性能瓶頸
- python數據可視化plt庫實例詳解
- 學會Python數據可視化必須嘗試這7個庫
- python可視化之顏色映射詳解
