OpenCV中cv.rectangle函数参数详解

普通网友 普通网友 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 700+累计阅读 778平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄3年
关注
原创 最新推荐文章于 2026-03-01 00:09:25 发布 778 阅读 AI 写同款· GEO 优化 ›
OpenCV 专栏收录该内容
¥59.90 ¥99.00
102篇文章
订阅专栏

OpenCV（Open Source Computer Vision）是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。其中，cv.rectangle函数用于在图像上绘制矩形框。本文将详细解释cv.rectangle函数的各个参数的含义，并提供相应的源代码示例。

cv.rectangle函数的语法如下：

cv.rectangle(img, pt1, pt2, color, thickness=1, lineType=cv.LINE_8, shift=
了解本专栏 订阅专栏 解锁全文
标签
#opencv #人工智能 #计算机视觉
python+opencv+百度智能云 人脸识别——人数识别+标记 一.设计流程 1.导入模块 import time import base64 import cv2 import requests time模块：计时 base64模块：由于某些系统中只能使用ASCII字符。Base64就是用来将非ASCII字符的数据转换成 ASCII字符的一种方法。 cv2模块：本程序中要用到opencv的框选模块 requests模块：使得python进行网络请求时，变得人性化，使用Requests可以轻而易举的完成浏览器可有的任何操作 2.获取token 这里首先要在百度 阅读详情

相关推荐

Opencv入门---绘图篇

是 OpenCV 库中用于在图像上绘制直线的函数。它可以在图像上绘制一条直线，指定直线的起始点和结束点。是 OpenCV 中用于在图像上绘制椭圆形的函数。函数用于在任何图像上绘制圆。函数用于在任何图像上绘制矩形，

IDdaxia的博客 2530

python-opencv 中 cv2.boundingRect 以及 cv2.rectangle用法

矩形边框（Bounding Rectangle）是说，用一个最小的矩形，把找到的形状包起来。还有一个带旋转的矩形，面积会更小，效果见下图： 首先介绍下cv2.boundingRect(img)这个函数 这个函数很简单，img是一个二值图，也就是它的参数； 返回四个值，分别是x，y，w，h； x，y是矩阵左上点的坐标，w，h是矩阵的宽和高 然后利用cv2.rectangle(img, (x,y),...

fjswcjswzy的博客 1万+

【opencv-python】 cv2.rectangle(...)绘制矩形

【opencv-python】 cv2.rectangle绘制矩形1.背景2.参数3.示例 1.背景 绘制一个简单的，有厚度的或实心的矩形。 cv2绘制矩形的接口： cv2.rectangle(img,pt1,pt2,color[,thickness[,lineType[,shift]]]) -> img 本博客python以及cv2版本如下： python:3.7.9 (default, Aug 31 2020, 17:10:11) [MSC v.1916 64 bit (AMD64)] open

jn10010537的博客 7306

c++ opencv Rectangle

openCV中cvRectangle与cv::rectangle绘制矩形边框 我的例子：-1代表填充 Rect格式：(x,y,w,h)。 cv::rectangle(image_new, Rect(last_x, 16, x_new- last_x, 32), Scalar(0, 0, 0), -1, 1,0); cvRentangle和cv::rectangle函数原型对比： C： voidcvRectangle(CvArr*img, CvPointpt...

jacke121的专栏 5495

当OTN网络遭遇LOS告警：5个运维老手才知道的故障定位技巧（含CA动作对照表）

本文深入解析OTN网络中LOS告警的实战定位技巧，涵盖光功率深度诊断、模块差异分析及核心的CA动作机制。通过逆向追踪告警流与对照速查表，帮助运维人员快速锁定故障段落，区分硬软故障，并掌握系统健康度评估方法，从而提升排障效率与网络稳定性。

weixin_29266007的博客 555

三菱FX5U运动控制（步进）

三菱FX5U脉冲定位控制，原点回归，相对定位，绝对定位，运动控制案例。

weixin_55762091的博客 1万+

【各种轮子2】基于Icepak的PCB散热仿真比较

随着电子产品的集成度越来越高，PCB板的尺寸越来越小，板级芯片散热的问题越来越成为电子工程师的一个重要挑战。对于板级芯片散热，主要依靠工程师对PCB自身的设计进行优化，同时要兼顾系统的尺寸和成本。本文分别从芯片角度和PCB角度进行建模，芯片模型选用QFN封装，PCB模型采用走线导入模型，探讨了芯片结构，PCB铜厚，PCB叠层厚度对芯片散热的影响。

3671

F5 GTM DNS 实战指南：智能DNS的监控与健康检查机制

本文深入解析F5 BIG-IP GTM智能DNS的核心机制，重点阐述其监控与探针两大功能如何协同工作。监控器负责深度检查服务器应用健康，确保服务可用性；探针则实时测量网络路径质量，实现基于延迟的智能流量调度。文章通过实战配置步骤，指导如何构建逻辑架构、建立iQuery通信、配置业务级健康检查及探针，从而构建高可用、高性能的全局负载均衡解决方案。

weixin_29240711的博客 472

从零到一：手把手教你用Python搭建医学影像识别CNN模型（附完整代码）

本文详细介绍了如何使用Python和TensorFlow/Keras从零开始构建一个医学影像识别的CNN模型，涵盖数据预处理、模型架构设计、训练调优及部署全流程。通过实战案例和完整代码，帮助开发者快速掌握深度学习在医学影像识别中的应用，特别适合医疗AI领域的初学者和研究者。

spark7igniter的博客 201

深度强化Q学习-基于微软AirSim仿真环境的自动驾驶案例（原理代码详解简易可行）

最近在学习《强化学习原理与Python实现》，肖智清著。参考第十二章的自动驾驶案例，写一篇总结，尽量做到简单可行，让有志于自动驾驶的小伙伴可以通过此篇博客可以管中窥豹，初步了解自动驾驶的强化学习训练过程。 本篇将自动驾驶问题转化为回合制的强化学习任务，设计以车辆观察图像和运行状态为输入的自动驾驶算法，并在AirSim仿真环境中进行训练和测试。本篇使用带经验回放和目标网络的基于深度Q网络算法设计并实现智能体，对经验回放、目标网络和深度Q学习算法进行简单介绍，并用代码实现。

shao918516的博客 8601

【ROS机器人系统】自主导航+YOLO目标检测+语音播报

完成自主导航功能，并在小车移动至指定地点的过程中，通过机器人的摄像头检测导航途中所见物体，识别出物体的种类（框选出不同物体并标注识别结果），结合科大讯飞语音合成模块对识别结果进行语音播报。..............................

南京大学软件工程硕士在读 2万+

手把手教你学Simulink--基于Simulink的风力发电系统用双馈电机控制仿真建模

特点高效节能：在广泛的风速范围内保持高效的能量转换。独立控制有功和无功功率：通过控制转子电流实现对有功和无功功率的独立调节。较低的成本：相比直接驱动或全功率变流器方案，成本较低。挑战控制复杂度较高：需要复杂的控制算法来实现有功和无功功率的解耦控制。对电网波动敏感：需要良好的稳定性控制策略以应对电网电压波动。利用Simscape Electrical中的模块构建DFIG的物理模型，配置参数如电阻、电感、极对数等。matlab深色版本% 添加DFIG电机模块。

MHD0815的博客 353

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。
上一篇： 边缘检测：使用OpenCV进行图像边缘检测
下一篇： OpenCV在嵌入式ARM开发移植的详细过程
点赞 0
评论 0
书签 书签 0
普通网友
普通网友
博客等级 码龄3年 48粉丝 0原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值