OpenCV - Basics

with its python binding

 

 

0. Introduction

• 这破玩意的在安装的时候叫opencv-python，但是在引用的时候叫cv2，至少现在还叫这个名字...

• OpenCV的包有编号，一个cv1一个cv2，这不是版本号，而是用来指代opencv底层开发语言的版本，一开始的cv1是用C开发的，后来的cv2是用C++开发的

• 引用OpenCV

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  1
   
   
   
   
   
   
   
  1
   
  import cv2
   
   
   
   
   
   

 

 

 

1. 图片

1.1 图片格式

• 一般的彩图是以RGB（Red-Green-Blue）模式储存的，但是OpenCV中彩图是以BGR（Blue-Green-Red）的通道顺序储存的

  颠倒通道顺序是哪个逆天人物想出来的啊kora

  

  一般B, G, R channel values在不同图片类型下的取值范围：

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  3
   
   
   
   
   
   
   
   
  1
   
  CV_8U       8bit unsigned integer       0 - 255
   
   
   
  2
   
  CV_16U      16bit unsigned integer      0 - 65535
   
   
   
  3
   
  CV_32F      32bit floating point        0 - 1
   
   
   
   
   
   
   

• Alpha Channel是除了BGR以外的第四通道——“非彩色通道”，能读取透明度

• 灰度图则只有一个通道

 

1.2 导入图片 cv2.imread()

xxxxxxxxxx
 
1
 
 
 
 
 
 
 
1
 
img = cv2.imread('path/to/pic', read_mode)
 
 
 
 
 
 

• 参数1 - 图片路径

  • 与代码在同一文件夹下可直接写文件名'hao_kang_de.png'

  • 不在同一文件夹下则需要给出完整路径/home/user_name/hao_kang_de.png

  Tip：路径中不要有中文

• 参数2 - 读取模式（Optional）

  • cv2.IMREAD_UNCHANGED - 4通道（BGR+Alpha）彩图（-1）

  • cv2.IMREAD_GRAYSCALE - 单通道灰度图（0）

  • cv2.IMREAD_COLOR - 3通道（BGR）彩图（1），默认值

• 返回值 - BGR形式的图像对象，类型为numpy.ndarray

 

1.3 显示图片 cv2.imshow()

xxxxxxxxxx
 
4
 
 
 
 
 
 
 
 
1
 
cv2.namedWindow('hao_kang_de', window_type) # Optional
 
 
 
2
 
cv2.imshow('hao_kang_de', img)
 
 
 
3
 
cv2.waitKey(0) # Mandatory!!!
 
 
 
4
 
cv2.destroyAllWindows() # 详见善后工作
 
 
 
 
 
 
 

• 参数1 - 窗口的名称

  • 如果定义窗口则需要二者的窗口名称保持一致

  • 不先定义窗口那么打开的就是不可调整的自适应大小的窗口

• 参数2 - 导入的图片

• 配套的辅助性代码：

  • cv2.waitKey() (Mandatory)

    参数 - 等待的时间（单位：ms），时间到（或者按下某个键）后会执行接下来的程序，若数值为0则意味着一直等下去

    1. waitKey控制着imshow的持续时间，所以二者必须配合食用：imshow后不跟waitKey相当于没有给imshow提供显示图像的时间

    2. waitKey不是time.sleep()，前者必须在必须在至少存在一个HighGUI窗口的时候才会起作用；后者则是无条件的延时机制，且对HighGUI窗口不起作用；所以time.sleep()代替不了waitKey！

    3. 一行常用的代码的解释：

       
       
       
       
       
       
       
       xxxxxxxxxx
        
       1
        
        
        
        
        
        
        
       1
        
       cv2.waitKey(1000) & 0xFF == ord('q') # 1000ms内用户在键盘上按下了"q"键
        
        
        
        
        
        

       • cv2.waitKey(1000) - returns a 32-bit integer corresponding to a pressed key in 1000ms

       • 0xFF - hex，换成bin为11111111，换成dec是255

       waitKey返回值的范围是0-255，但是linux上的waitKey可能会返回比255更大的数值（毕竟总共有32位），拿0xFF来做位与运算的目的是通过它保留waitKey正常返回值（前8位），屏蔽掉不该有但可能出现的的后24位。

  • cv2.namedWindow() (Optional)

    参数1 - 窗口的名称

    参数2 - 窗口的类型

    • cv2.WINDOW_AUTOSIZE - 默认值，窗口大小自适应图片，不可调整（图片大的时候会很nasty）

    • cv2.WINDOW_NORMAL - 窗口大小可以调整

 

1.4 保存图片 cv2.imwrite()

xxxxxxxxxx
 
1
 
 
 
 
 
 
 
1
 
cv2.imwrite('file_name.png', img)
 
 
 
 
 
 

• 参数1 - 包含后缀名的文件名（.bmp, .png, .jpg, .webp等等）

• 参数2 - 要保存的图片

 

1.5 读取属性信息

xxxxxxxxxx
 
1
 
 
 
 
 
 
 
1
 
img = cv2.imread('114514_1919810.png')
 
 
 
 
 
 

• Shape of an imageimg.shape

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  2
   
   
   
   
   
   
   
   
  1
   
  >>> print(img.shape)
   
   
   
  2
   
  (114, 514, 3)
   
   
   
   
   
   
   

  若img是彩图，则返回一个三项的tuple：(rows, columns, channels)

  若img是灰度图，则只有两项，不返回channel的数量

• Sum of pixelsimg.size

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  2
   
   
   
   
   
   
   
   
  1
   
  >>> print(img.size)
   
   
   
  2
   
  175788
   
   
   
   
   
   
   

  请注意，它返回的不是单一图层的pixel数量，而是三个图层所有pixel的数量，这点可以用img.shape的数据计算得来

• Image data typeimg.dtype/astype

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  8
   
   
   
   
   
   
   
   
  1
   
  # 查看图片数据类型
   
   
   
  2
   
  >>> print(img.dtype)
   
   
   
  3
   
  uint8 # 8-bit unsigned integer
   
   
   
  4
   
  
   
   
   
  5
   
  # 如果图片数据类型是float64之类的，然后需要转换到uint8
   
   
   
  6
   
  >>> img = img.astype('np.uint8')
   
   
   
  7
   
  >>> print(img.dtype)
   
   
   
  8
   
  uint8
   
   
   
   
   
   
   

 

1.6 像素级修改

听起来很酷吧？其实并不（

需要始终记住：导入的图片是有图层的，而每个图层都是可以修改的

• Access pixel

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  10
   
   
   
   
   
   
   
   
  1
   
  # 图片坐标（100,250）的像素
   
   
   
  2
   
  # 获取完整的BGR值
   
   
   
  3
   
  >>> px = img[100, 250]
   
   
   
  4
   
  >>> print(px)
   
   
   
  5
   
  [157 166 200] # [Blue Green Red]
   
   
   
  6
   
  
   
   
   
  7
   
  # 获取Blue图层的数值
   
   
   
  8
   
  >>> blue = img[100, 250, 0]
   
   
   
  9
   
  >>> print(blue)
   
   
   
  10
   
  157
   
   
   
   
   
   
   

• Modify pixel

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  4
   
   
   
   
   
   
   
   
  1
   
  # 修改图片坐标（111, 370）像素的BGR值
   
   
   
  2
   
  >>> img[111, 370] = [255, 255, 255]
   
   
   
  3
   
  >>> print(img[111, 370])
   
   
   
  4
   
  [255, 255, 255]
   
   
   
   
   
   
   

• 关于单一pixel的单一图层

  以上方式一般是用来选择图片的某个区域的，而对于某个pixel的某个图层，由于读取的图像是numpy数组，numpy内置的array.item()与array.itemset()更合适

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  9
   
   
   
   
   
   
   
   
  1
   
  # 图片坐标（77, 256）像素的Red图层
   
   
   
  2
   
  # 获取数值
   
   
   
  3
   
  >>> img.item(77, 256, 2)
   
   
   
  4
   
  167
   
   
   
  5
   
  
   
   
   
  6
   
  # 修改数值
   
   
   
  7
   
  >>> img.itemset((77, 256, 2), 33)
   
   
   
  8
   
  >>> img.item(77, 256, 2)
   
   
   
  9
   
  33
   
   
   
   
   
   
   

• 图像截取

  数据类型是numpy数组，所以用最基本的slicing就可以截取了

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  1
   
   
   
   
   
   
   
  1
   
  img_cut = img[16:33, 44:77]
   
   
   
   
   
   

 

1.7 通道拆分合并

彩图的BGR三个通道可以拆开，也可以合并

• cv2.split() - 通道拆分

• cv2.merge() - 通道合并

xxxxxxxxxx
 
2
 
 
 
 
 
 
 
 
1
 
b, g, r = cv2.split(img)
 
 
 
2
 
neo_img = cv2.merge((b, g, r))
 
 
 
 
 
 
 

实际上split()比较耗时，用numpy索引效率更高

xxxxxxxxxx
 
3
 
 
 
 
 
 
 
 
1
 
b = img[:, :, 0]
 
 
 
2
 
cv2.imshow('blue', b)
 
 
 
3
 
cv2.waitKey(0)
 
 
 
 
 
 
 

 

1.1.8 色彩空间转换

• 色彩空间

  BGR和灰度图在图片格式里讲过了

  HSV色彩空间

  • OpenCV中用得最多的色彩空间，比BGR更容易区分颜色（S和V的改变只会导致变成同一颜色的变体）

  • Hue - Saturation - Value（色相 - 饱和度 - 明度）

  

  • 取值范围：

    • Hue - [0, 179]

    • Saturation - [0, 255]

    • Value - [0, 255]

    Hue的理论数值应当是[0, 360]，然而8bit图像最大只有255，所以OpenCV中Hue的范围被除了2

• 空间转换

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  1
   
   
   
   
   
   
   
  1
   
  cv2.cvtcolor(img, cvt_mode) # 该函数能将图片从一种色彩空间（比如BGR）转换到另一种色彩空间（比如灰度图）
   
   
   
   
   
   

  • 参数1 - 待转换的导入的图片

  • 参数2 - 转换模式，常用的两个：

    • BGR到灰度图 - cv2.COLOR_BGR2GRAY

    • BGR到HSV - cv2.COLOR_BGR2HSV

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  4
   
   
   
   
   
   
   
   
  1
   
  # Example: BGR -> gray scale
   
   
   
  2
   
  
   
   
   
  3
   
  img = imread('hao_kang_de.jpg')
   
   
   
  4
   
  img_gray = cv2.cvtcolor(img, cv2.COLOR_BGR2GRAY)
   
   
   
   
   
   
   

  色彩转换其实是数学运算，比如灰度化常用的公式是：gray = R * 0.299 + G * 0.587 + B * 0.114

 

1.1.9 图片混合

• 直接相加

  叠加两张格式，高度，宽度，通道数都相同的图片时，可以用cv2.add()，也可以a + b（numpy数组相加），但原理不一样

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  15
   
   
   
   
   
   
   
   
  1
   
  img = cv2.add(src1, src2)
   
   
   
  2
   
  # 参数    src1/2  叠加的两张源图像
   
   
   
  3
   
  
   
   
   
  4
   
  # Example
   
   
   
  5
   
  # 两张相同格式，相同通道数，仅有一个像素的图片
   
   
   
  6
   
  a = np.uint8([250])
   
   
   
  7
   
  b = np.uint8([10])
   
   
   
  8
   
  neo_1 = cv2.add(a, b)
   
   
   
  9
   
  neo_2 = a + b
   
   
   
  10
   
  
   
   
   
  11
   
  # 原理不一样，结果就有概率不一样
   
   
   
  12
   
  >>> print(neo_1)
   
   
   
  13
   
  255     # 250+10=260 => 255 ”有天花板”
   
   
   
  14
   
  >>> print(neo_2)
   
   
   
  15
   
  4       # (250+10)%256 = 4  ”数值滚动”
   
   
   
   
   
   
   

  但是如果是Binary Image（只有0和255两种值，不是灰度图！），那么两种方法的结果是一样的

• 加权混图

  cv2.addWeighted()允许将两张图片按照以下公式线性加权混合

  $$im{g}_{neo}=\alpha \cdot im{g}_1+\beta \cdot im{g}_2+\gamma$$

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  4
   
   
   
   
   
   
   
   
  1
   
  res = cv2.addWeighted(src1, c1, src2, c2, c3)
   
   
   
  2
   
  # 参数
   
   
   
  3
   
  # src1/2        叠加的两张源图像
   
   
   
  4
   
  # c1/2/3        分别对应上文公式中的alpha，beta，gamma
   
   
   
   
   
   
   

  

 

 

2. 视频流

OpenCV提供了用于处理视频的类cv2.VideoCapture

2.1 捕获视频

cv2.VideoCapture() 既能处理相机视频流，也能处理视频文件

xxxxxxxxxx
 
5
 
 
 
 
 
 
 
 
1
 
# 初始化笔记本内置相机视频流
 
 
 
2
 
cap = cv2.VideoCapture(0)
 
 
 
3
 

 
 
 
4
 
# 初始化某视频文件
 
 
 
5
 
cap = cv2.VideoCapture('path/to/vid.mkv')
 
 
 
 
 
 
 

参数 - 可以是相机的设备索引号，也可以是到某个现成视频的path

返回值 - 捕获的cv2.VideoCapture对象

相机的设备索引号默认值为-1，表示随机选取一个摄像头

0代表第一个摄像头（一般是笔记本内置的那个），1代表第二个...以此类推

 

2.2 “确保”打开相机

cv2.VideoCapture.open() 用于打开相机

cv2.VideoCapture.isOpened() 用于检测相机是否正确打开，返回值为bool

xxxxxxxxxx
 
3
 
 
 
 
 
 
 
 
1
 
# 如果相机没打开，那就打开它
 
 
 
2
 
if not cap.isOpened():
 
 
 
3
 
    cap.open()
 
 
 
 
 
 
 

 

2.3 读帧（播放）

• cv2.VideoCapture.read()

  • 简单读帧

    这个函数能在视频流中捕获帧信息，会返回两个量：

    • 是否正确读取帧（bool）

    • 读取的帧的图像，如果没读到则该值为空

    
    
    
    
    
    
    
    xxxxxxxxxx
     
    5
     
     
     
     
     
     
     
     
    1
     
    ret, frame = cap.read()
     
     
     
    2
     
    if ret:
     
     
     
    3
     
        cv2.imshow('captured', frame)
     
     
     
    4
     
        cv2.waitKey(0)
     
     
     
    5
     
        cv2.destroyWindow('captured')
     
     
     
     
     
     
     

  • 播放视频

    
    
    
    
    
    
    
    xxxxxxxxxx
     
    13
     
     
     
     
     
     
     
     
    1
     
    cap = cv2.VideoCapture('path/to/something.mkv')
     
     
     
    2
     
    
     
     
     
    3
     
    if not cap.isOpened():
     
     
     
    4
     
        cap.open()
     
     
     
    5
     
    
     
     
     
    6
     
    while True:
     
     
     
    7
     
        ret, frame = cap.read()
     
     
     
    8
     
        if ret:
     
     
     
    9
     
            cv2.imshow('hao_kang_de', frame)
     
     
     
    10
     
            cv2.waitKey(1)
     
     
     
    11
     
    
     
     
     
    12
     
    cap.release()
     
     
     
    13
     
    cv2.destroyAllWindows()
     
     
     
     
     
     
     

    我们可以通过控制waitKey()的时长来控制视频播放速度（相当于控制每一帧的时间）

    每读完一帧，cap.read()都会自动指向下一帧，所以视频会正常播放下去，read()的具体机制可以拆分为“解码已读帧”和“指向下一帧”两部分，详见下文的grab()和retrieve()

• cv2.VideoCapture.grab()

  这个函数用于指向下一帧，返回一个bool来表示是否成功

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  1
   
   
   
   
   
   
   
  1
   
  ret = cap.grab()
   
   
   
   
   
   

• cv2.VideoCapture.retrieve()

  这个函数用于解码grab()捕获的视频帧，返回内容与read()一样

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  1
   
   
   
   
   
   
   
  1
   
  ret, frame = cap.retrieve()
   
   
   
   
   
   

• read()与grab(), retrieve()的关系

  read()可以理解为grab()与retrieve()的结合体：grab()指向下一帧，retrieve()解码并返回这一帧的图像

 

2.4 属性读取/修改

cv2.VideoCapture.get() 传入VideoCaptureProperties（propID）即可查看，可参考这个网址

cv2.VideoCapture.set() 传入propID和需要的数值就即可修改属性

propID可以是属性名称，也可以是代表它们的数字

xxxxxxxxxx
 
9
 
 
 
 
 
 
 
 
1
 
cv2.VideoCapture.get(propID)
 
 
 
2
 
cv2.VideoCapture.get(propID, value)
 
 
 
3
 

 
 
 
4
 
# 用两种方式查看帧宽度
 
 
 
5
 
cap.get(3)
 
 
 
6
 
cap.get(cv2.CAP_PROP_FRAME_WIDTH)
 
 
 
7
 

 
 
 
8
 
# 修改帧宽度
 
 
 
9
 
cap.get(cv2.CAP_PROP_FRAME_WIDTH, 114514)
 
 
 
 
 
 
 

常用的propID与其对应的数字如下：

xxxxxxxxxx
 
13
 
 
 
 
 
 
 
 
1
 
cv2.CAP_PROP_POS_MSEC       0       当前播放进度在视频文件中的位置（单位：ms）
 
 
 
2
 
cv2.CAP_PROP_FRAME_WIDTH    3       帧宽度
 
 
 
3
 
cv2.CAP_PROP_FRAME_HEIGHT   4       帧高度
 
 
 
4
 
cv2.CAP_PROP_FPS            5       FPS
 
 
 
5
 
cv2.CAP_PROP_FRAME_COUNT    7       总帧数
 
 
 
6
 

 
 
 
7
 
# 以下仅适用于相机
 
 
 
8
 
cv2.CAP_PROP_BRIGHTNESS     10      亮度
 
 
 
9
 
cv2.CAP_PROP_CONTRAST       11      对比度
 
 
 
10
 
cv2.CAP_PROP_SATURATION     12      饱和度
 
 
 
11
 
cv2.CAP_PROP_HUE            13      色相
 
 
 
12
 
cv2.CAP_PROP_GAIN           14      白平衡提升
 
 
 
13
 
cv2.CAP_PROP_EXPOSURE       15      曝光度
 
 
 
 
 
 
 

 

2.5 保存视频

不是捕获！是保存！

 

3. 善后工作(释放资源)

3.1 cv2.destroyAllWindows()

这个屑函数的功能如下：

• close all the windows

• de-allocate any associated memory usage

一般来说不涉及内存资源调用的简单程序不需要这一行，操作系统会take care of everything

然而它还是很重要啊啊啊啊啊！！！

 

3.2 cv2.destroyWindow()

可以定向关闭某个窗口，释放相关资源

xxxxxxxxxx
 
1
 
 
 
 
 
 
 
1
 
cv2.destroyWindow('window_name')
 
 
 
 
 
 

 

3.3 cv2.VideoCapture.release()

如果说有一个cv2.VideoCapture()类的对象cap，那就能用典中典的cap.release()

这个屑函数的功能是在程序结束时候释放视频流，比如已经打开的视频文件/已经初始化的摄像头

 

 

4. 绘图函数

WARNING：绘图函数均会直接影响原图

4.1 空手搓图

如前文所言，OpenCV的图片数据是以numpy数组的形式储存的，所以...

xxxxxxxxxx
 
2
 
 
 
 
 
 
 
 
1
 
# 一张512*512的bgr格式的黑色uint8图片
 
 
 
2
 
img = np.zeros((512, 512, 3), np.uint8)
 
 
 
 
 
 
 

 

4.2 直线&矩形&多边形

• 直线cv2.line()

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  5
   
   
   
   
   
   
   
   
  1
   
  cv2.line(src_img, pt1, pt2, color, thickness)
   
   
   
  2
   
  # src_img       画布图像
   
   
   
  3
   
  # pt1/2         线的两个端点的坐标
   
   
   
  4
   
  # color         线的色彩，BGR格式
   
   
   
  5
   
  # thickness     (Optional)线宽，默认为1
   
   
   
   
   
   
   

• 矩形 cv2.rectangle()

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  6
   
   
   
   
   
   
   
   
  1
   
  cv2.rectangle(src_img, upper_l, lower_r, thickness)
   
   
   
  2
   
  # src_img       画布图像
   
   
   
  3
   
  # upper_l       矩形左上点坐标
   
   
   
  4
   
  # lower_r       矩形右下点坐标
   
   
   
  5
   
  # color         线的色彩，BGR格式
   
   
   
  6
   
  # thickness     (Optional)线宽，默认为1，若为-1则是"填充"
   
   
   
   
   
   
   

• 多边形 cv2.polylines()

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  12
   
   
   
   
   
   
   
   
  1
   
  # 画多边形需要指定一系列顶点坐标，格式必须是int32
   
   
   
  2
   
  pts = np.array([[10, 5],  [50, 10], [70, 20], [20, 30]], np.int32)
   
   
   
  3
   
  # 然后需要reshape成一个n*1*2的三维矩阵
   
   
   
  4
   
  # reshape的第一个参数是新多出来的z-axis，该值是-1，表明这个维度的长度是通过后面的两个维度计算出来的（顶点数量不确定）
   
   
   
  5
   
  pts = pts.reshape((-1, 1, 2))
   
   
   
  6
   
  
   
   
   
  7
   
  cv2.polylines(src_img, [pts], isClosed, color, thickness)
   
   
   
  8
   
  # src_img       画布图像
   
   
   
  9
   
  # pts           处理过的顶点坐标
   
   
   
  10
   
  # isClosed      图像是否闭合
   
   
   
  11
   
  # color         线的色彩，BGR格式
   
   
   
  12
   
  # thickness     (Optional)线宽，默认为1，若为-1则是"填充"
   
   
   
   
   
   
   

 

4.3 圆形&椭圆形

OpenCV中的原点在左上角，坐标轴方向是正常的

• 圆形cv2.circle()

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  6
   
   
   
   
   
   
   
   
  1
   
  cv2.circle(src_img, center, radius, color, thickness)
   
   
   
  2
   
  # src_img       画布图像
   
   
   
  3
   
  # center        圆心坐标
   
   
   
  4
   
  # radius        半径
   
   
   
  5
   
  # color         线的色彩，BGR格式
   
   
   
  6
   
  # thickness     (Optional)线宽，默认为1，若为-1则是"填充"
   
   
   
   
   
   
   

• 椭圆形cv2.ellipse

  
  
  
  
  
  
  
  xxxxxxxxxx
   
  9
   
   
   
   
   
   
   
   
  1
   
  cv2.ellipse(src_img, center, x_y_axis, rot_angle, start_angle, end_angle, color, thickness)
   
   
   
  2
   
  # src_img       画布图像
   
   
   
  3
   
  # center        椭圆圆心
   
   
   
  4
   
  # x_y_axis      x/y轴长度
   
   
   
  5
   
  # rot_angle     椭圆整体旋转角度
   
   
   
  6
   
  # start_angle   椭圆启始角度（从+x-axis算）
   
   
   
  7
   
  # end_angle     椭圆结束角度（正方向为clockwise）
   
   
   
  8
   
  # color         线的色彩，BGR格式
   
   
   
  9
   
  # thickness     (Optional)线宽，默认为1，若为-1则是"填充"
   
   
   
   
   
   
   

 

4.4 文字

cv2.putText() - 添加文字的函数

xxxxxxxxxx
 
10
 
 
 
 
 
 
 
 
1
 
font = cv2.FONT_HERSHEY_SIMPLEX # 常用字体
 
 
 
2
 
cv2.putText(src_img, 'text', posit, font, size, color, thickness, lineType=cv2.LINE_AA)
 
 
 
3
 
# src_img       画布图像
 
 
 
4
 
# text          文本内容
 
 
 
5
 
# posit         起始坐标（左下角）
 
 
 
6
 
# font          字体
 
 
 
7
 
# size          文本大小
 
 
 
8
 
# color         线的色彩，BGR格式
 
 
 
9
 
# thickness     (Optional)文本粗细，默认为1
 
 
 
10
 
# lineType      线的类型，一般选择cv2.LINE_AA（抗锯齿线型）