在计算机视觉领域，对图像进行后处理以显示预测结果是一个常见的需求。这通常涉及到在图像上绘制边界框并为这些框添加标签。本文将介绍如何使用Python和OpenCV库的cv2.putText方法来实现这一功能。将通过一个示例来展示最终的实现效果。
如果还没有一个模型，可以查看本文底部，将展示如何使用Roboflow Universe中的示例模型。要绘制边界框，需要以下信息：
以下是想要添加边界框和标签的原始图像：
将使用上文中的“predictions”列表，该列表包含了所有必要的信息。可以根据需要替换下面的变量，以使项目中的代码正常工作。以下是需要绘制边界框并为每个边界框添加标签的代码：
import cv2
predictions = [...] # 在此处添加预测结果
for bounding_box in predictions['predictions']:
x0 = bounding_box['x'] - bounding_box['width'] / 2
x1 = bounding_box['x'] + bounding_box['width'] / 2
y0 = bounding_box['y'] - bounding_box['height'] / 2
y1 = bounding_box['y'] + bounding_box['height'] / 2
start_point = (int(x0), int(y0))
end_point = (int(x1), int(y1))
cv2.rectangle(img, start_point, end_point, color=(0,0,0), thickness=1)
cv2.putText(
img,
bounding_box["class"],
(int(x0), int(y0) - 10),
fontFace = cv2.FONT_HERSHEY_SIMPLEX,
fontScale = 0.6,
color = (255, 255, 255),
thickness=2
)
cv2.imwrite("example_with_bounding_boxes.jpg", img)
这段代码将在图像上添加一个标签，显示预测的类别名称。(x, y)元组表示想要在图像上添加标签的位置。然后指定了一些其他属性：要使用的字体类型、字体大小、文本颜色（在例子中是黑色）以及文本的粗细（即文本的加粗程度）。
现在，所有的边界框都在顶部显示了标签。
在上述指南中，围绕一个检测人和梯子的模型绘制了边界框标签。如果想使用人和梯子检测模型进行测试，首先需要注册Roboflow，然后访问“人和梯子宇宙数据集”。这个数据集附带了一个免费使用的训练好的模型。
点击侧边栏中的“模型”，向下滚动并复制看到的代码到一个Python文件中。代码看起来会像这样，其中包含API密钥：
from roboflow import Roboflow
rf = Roboflow(api_key="API_KEY")
project = rf.workspace().project("people-and-ladders")
model = project.version(4).model
这段代码导入了模型。在底部添加一行新代码，以在本地文件上运行推理：
predictions = model.predict("image.jpg", confidence=50).json()
现在，“predictions”变量包含了模型返回的所有预测结果，这些结果的置信度等于或高于50%。现在有了一个模型，可以在其预测结果上绘制边界框和标签。
在本教程中，讨论了：