当前位置:

首页 > 编程开发 > 使用Python在图片上画矩形全攻略

使用Python在图片上画矩形全攻略

介绍了利用OpenCV和Pillow在Python中绘制矩形的核心方法,涵盖目标检测、OCR、隐私保护等场景。详细解析了坐标、颜色、线宽等参数,并演示了cv2.rectangle与ImageDraw.rectangle的基础用法、实心矩形、圆角矩形、标签标注、马赛克及半透明遮罩等实战技巧,对比了两库的性能与适用场景。

本文目录

    在实际的图像处理项目里,画矩形(Rectangle) 这个操作,出现的频率之高,甚至超过了画线。

    使用Python在图片上画矩形全攻略

    从目标检测中的边界框(Bounding Box),到OCR识别中的文字区域高亮,再到隐私保护里的马赛克遮挡,这些功能的核心,归根结底都是在画矩形。

    今天,我们就继续沿用 OpenCV 和 Pillow 这两把“利器”,深入聊聊如何在 Python 中把矩形画得既优雅又高效。

    一、 为什么矩形如此重要?

    • 目标检测:YOLO、Faster R-CNN 这些模型输出的结果,本质上就是一组矩形框坐标 (x, y, w, h)。
    • ROI 提取:通过矩形框选出感兴趣的区域(Region of Interest),然后进行裁剪或单独处理,这是最基础也最常用的操作。
    • 数据脱敏:用矩形色块覆盖身份证号、车牌号、人脸等敏感信息,这招在数据安全里至关重要。

    二、 核心参数解析

    在动手写代码之前,先来梳理一下画矩形的几个核心要素:

    1. 左上角坐标 (x1, y1)
    2. 右下角坐标 (x2, y2)
      • 注意,有些库也支持直接传入一个列表 [x1, y1, x2, y2],用起来更顺手。
    3. 颜色:RGB 或 BGR 元组,这个看具体库的约定。
    4. 线宽/填充:是只画个边框,还是把整个矩形填满?

    三、 OpenCV 实现:cv2.rectangle()

    OpenCV 在计算机视觉领域堪称首选,它的 rectangle 函数效率极高,与 numpy 数组操作配合得天衣无缝。

    1. 基础用法:画一个红色边框

    import cv2
    import numpy as np
    
    # 创建一张黑色背景图
    img = np.zeros((500, 500, 3), dtype=np.uint8)
    
    # 定义左上角和右下角坐标
    pt1 = (50, 50)      # (x, y)
    pt2 = (400, 300)    # (x, y)
    
    # 定义颜色 (OpenCV 是 BGR,所以 (0, 0, 255) 是红色)
    color = (0, 0, 255)
    
    # 定义线宽 (如果是 -1,表示填充)
    thickness = 3
    
    # 画矩形
    cv2.rectangle(img, pt1, pt2, color, thickness)
    
    cv2.imshow("OpenCV Rectangle", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    

    2. 进阶技巧

    A. 画实心矩形(马赛克遮挡神器)

    只需将 thickness 设置为 -1,就能画出一个填充的矩形。这在遮挡敏感信息时非常实用。

    # 画一个绿色的实心矩形
    cv2.rectangle(img, (50, 350), (450, 450), (0, 255, 0), -1)
    

    B. 画圆角矩形(OpenCV 没有直接函数,需要自己实现)

    OpenCV 本身没有提供画圆角矩形的直接函数,但我们可以通过组合画线和画圆来模拟。这里分享一个简单的“伪圆角”方法:

    # 简单的圆角矩形函数
    def draw_rounded_rectangle(img, pt1, pt2, color, radius, thickness):
        x1, y1 = pt1
        x2, y2 = pt2
        # 画四条边
        cv2.line(img, (x1 + radius, y1), (x2 - radius, y1), color, thickness)
        cv2.line(img, (x1 + radius, y2), (x2 - radius, y2), color, thickness)
        cv2.line(img, (x1, y1 + radius), (x1, y2 - radius), color, thickness)
        cv2.line(img, (x2, y1 + radius), (x2, y2 - radius), color, thickness)
        # 画四个角
        cv2.circle(img, (x1 + radius, y1 + radius), radius, color, thickness)
        cv2.circle(img, (x2 - radius, y1 + radius), radius, color, thickness)
        cv2.circle(img, (x1 + radius, y2 - radius), radius, color, thickness)
        cv2.circle(img, (x2 - radius, y2 - radius), radius, color, thickness)
    
    # 使用
    draw_rounded_rectangle(img, (50, 50), (250, 200), (255, 255, 0), 20, 2)
    

    四、 Pillow 实现:ImageDraw.rectangle()

    Pillow 的 API 在处理坐标时更加灵活,支持直接传入列表,而且颜色是直观的 RGB 模式,对新手更友好。

    1. 基础用法

    from PIL import Image, ImageDraw
    
    # 创建白色背景图
    img = Image.new('RGB', (500, 500), color='white')
    draw = ImageDraw.Draw(img)
    
    # 坐标可以是 [左上角x, 左上角y, 右下角x, 右下角y]
    box = [50, 50, 400, 300]
    
    # 画蓝色边框,宽度为 3
    draw.rectangle(box, outline='blue', width=3)
    
    # 画一个红色实心矩形
    draw.rectangle([50, 350, 450, 450], fill='red')
    
    img.show()
    

    2. Pillow 的独特优势:支持多边形裁剪

    实际上,Pillow 的 rectangle 方法可以接受任意多边形坐标(只要遵循矩形框选逻辑),或者配合 ImageDraw.polygon 使用,自由度更高。

    五、 实战案例:三个高价值场景

    场景 1:给检测到的物体打标签(带文字的矩形)

    在目标检测中,我们经常需要在矩形框的上方贴一个带背景色的文字标签,让输出结果一目了然。

    import cv2
    
    img = cv2.imread("test.jpg") # 假设有一张原图
    x, y, w, h = 100, 100, 200, 300 # 模拟检测框
    
    # 1. 画矩形框
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
    
    # 2. 画文字背景(实心小矩形)
    label = "Person"
    (text_width, text_height), _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.6, 2)
    cv2.rectangle(img, (x, y - 25), (x + text_width, y), (0, 255, 0), -1) # 填充
    
    # 3. 写文字
    cv2.putText(img, label, (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 2)
    
    cv2.imshow("Labeled", img)
    cv2.waitKey(0)
    

    场景 2:高级马赛克(网格状矩形)

    一个简单的实心色块太生硬了,真正的马赛克效果,是由许多小矩形组成的。

    def apply_mosaic(img, x, y, w, h, block_size=10):
        """
        对指定区域 (x, y, w, h) 进行马赛克处理
        """
        roi = img[y:y+h, x:x+w]
        # 缩小再放大,模拟马赛克
        roi = cv2.resize(roi, (w // block_size, h // block_size), interpolation=cv2.INTER_LINEAR)
        roi = cv2.resize(roi, (w, h), interpolation=cv2.INTER_NEAREST)
        img[y:y+h, x:x+w] = roi
        return img
    
    # 使用
    img = cv2.imread("face.jpg")
    img = apply_mosaic(img, 50, 50, 200, 200)
    cv2.imshow("Mosaic", img)
    cv2.waitKey(0)
    

    虽然这里用了 resize,但原理上就是通过像素块来模拟“大矩形”的效果。

    场景 3:半透明遮罩(Highlight)

    有时候,我们需要高亮某个区域,但又不想完全遮住底下的图像内容。

    import cv2
    import numpy as np
    
    img = cv2.imread("test.jpg")
    overlay = img.copy()
    
    # 定义区域
    x, y, w, h = 100, 100, 300, 300
    
    # 在覆盖层上画一个半透明矩形
    # 先画一个实心矩形
    cv2.rectangle(overlay, (x, y), (x+w, y+h), (255, 0, 0), -1)
    
    # 混合原图和覆盖层 (alpha=0.3 表示覆盖层透明度)
    cv2.addWeighted(overlay, 0.3, img, 0.7, 0, img)
    
    cv2.imshow("Transparent Overlay", img)
    cv2.waitKey(0)
    

    六、 OpenCV vs Pillow:画矩形该选谁?

    特性OpenCV (cv2.rectangle)Pillow (ImageDraw.rectangle)
    坐标系左上角(0,0),向右下增长左上角(0,0),向右下增长
    参数(img, pt1, pt2, color, thickness)(xy, outline, fill, width)
    填充thickness = -1fill = 'color'
    性能极快 (底层C++,支持Numpy)中等 (纯Python实现部分)
    颜色BGR (易错点)RGB (直观)
    推荐场景视频处理、实时检测、算法开发批量图片处理、Web后端生成图

    七、 总结

    画矩形看起来简单,但到了实际项目里,往往需要结合坐标计算、颜色空间转换和图层混合等一系列技巧。

    • 如果你在搞 YOLO/SSD 目标检测 或 OpenCV 项目,那么 cv2.rectangle 必须熟练掌握。特别是利用 -1 做遮挡,以及用 addWeighted 做半透明高亮,都是非常实用的技巧。
    • 如果你在用 Pillow 写脚本,它的参数设计更人性化,支持直接传列表,这一点值得点赞。
    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 Python
    相关文章 更多
    python删除一个列表里的重复元素的方法与代码示例
    python删除一个列表里的重复元素的方法与代码示例

    学习如何使用Python高效删除列表中的重复元素。本文提供5种常见方法的代码示例,涵盖保持顺序与不保持顺序的场景,适合初学者和进阶开发者参考。

    Python写接口的步骤及完整代码示例
    Python写接口的步骤及完整代码示例

    详细讲解使用Python编写Web接口的核心步骤与完整代码示例,涵盖环境准备、路由定义、数据校验、服务启动及调试测试方法。

    codex怎么读取word文档及docx文件操作教程
    codex怎么读取word文档及docx文件操作教程

    介绍如何利用编程工具读取和解析Word文档(docx格式),涵盖基础文本提取代码示例、结构化数据处理逻辑,以及处理复杂排版时的技术局限与替代方案。

    怎么在Python中调用C语言代码提升性能
    怎么在Python中调用C语言代码提升性能

    详细讲解在Python中调用C语言代码提升性能的完整实践指南,包含原理分析、编译步骤、ctypes与CFFI具体实现、性能对比及常见陷阱。

    Python与C语言的性能差异及底层原理
    Python与C语言的性能差异及底层原理

    深入解析Python与C语言在执行效率上的数量级差异,从编译机制、变量内存布局、动态类型推断到GIL锁,系统阐明底层核心原理。

    Python和C语言哪个更适合编程入门
    Python和C语言哪个更适合编程入门

    客观对比Python与C语言在心智负担、底层机制与学习反馈上的核心差异,提供清晰有据的选择标准与切实的入门学习路径。

    selenium上传文件教程本地文件路径设置方法
    selenium上传文件教程本地文件路径设置方法

    深入解析Selenium处理文件上传的技术细节,涵盖标准HTML控件的路径直接注入法与非标准控件的系统级模拟方案,提供Windows与Linux环境下的路径设置最佳实践及常见异常排查。

    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景
    大数据开发语言选型:Java对比Scala与Python的优缺点及适用场景

    针对大数据工程场景,系统对比Java、Scala与Python在执行性能、生态结合、开发效率和维护成本上的核心差异,给出清晰的架构选型依据与落地方案。

    langgraph python guide中文入门教程详解
    langgraph python guide中文入门教程详解

    本篇LangGraph Python中文入门教程详解,系统梳理StateGraph状态机定义、节点编写、边与条件路由、检查点持久化(MemorySaver)等核心机制,提供从环境安装到完整循环智能体构建的代码示例与实操指导。

    Windows 安装 Python:从官方入口到虚拟环境的可复现实践
    Windows 安装 Python:从官方入口到虚拟环境的可复现实践

    面向后端开发者,基于 Python 官方文档说明如何在 Windows 上安装 Python、创建 venv 虚拟环境及使用 pip 管理依赖。包含可复制命令、验证方法及工具选择边界,避免常见配置误区。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。