此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • ColorMap
  • 函数
  • add_augmentation_footer
  • append_text_block
  • concat_images
  • create_text_image
  • distinct_color_generator
  • draw_bbox_label
  • draw_cross
  • draw_dashed_rectangle
  • draw_keypoint_label
  • get_contrast_color
  • hsv_to_rgb
  • resolve_color
  • rgb_to_hsv
  • str_to_rgb
  • visualize
  • wrap_text
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

visualizations

最后更新
Python API: luxonis_ml.data.utils.visualizations

类

ColorMap

将不同的 RGB 颜色分配给可哈希标签的映射。ColorMap 为任意可哈希标签生成并存储不同的颜色。颜色在请求时使用 distinct_color_generator 延迟分配。

方法

init
Python
1def __init__(self):

函数

Python
1def add_augmentation_footer(image: np.ndarray, augmentations: list[str]) -> np.ndarray:
将应用的增强作为页脚附加到图像下方。

append_text_block

Python
1def append_text_block(image: np.ndarray, lines: list[str], font_scale: float, bg_color: Color = (245, 245, 245), text_color: Color = (32, 32, 32)) -> np.ndarray:
在图像下方附加一个多行文本块。

concat_images

Python
1def concat_images(image_dict: dict[str, np.ndarray], padding: int = 10, label_height: int = 30) -> np.ndarray:
将图像连接成一个带标签的图像。它将尝试创建一个正方形图像网格。参数
  • image_dict (dict[str, np.ndarray]): 图像名称到图像的映射。
  • padding (int): 图像之间的填充。
  • label_height (int): 每个标签的高度。
返回
  • np.ndarray: 连接后的图像。

create_text_image

Python
1def create_text_image(text: str, width: int, height: int, font_size: float = 0.7, bg_color: Color = 255, text_color: Color = 0) -> np.ndarray:
创建带有居中文本的图像。参数
  • text (str): 要显示的文本。
  • width (int): 图像宽度。
  • height (int): 图像高度。
  • font_size (float): 文本的字体大小。
  • bg_color (Color): 背景颜色。
  • text_color (Color): 文本颜色。
返回
  • np.ndarray: 生成的图像。

distinct_color_generator

Python
1def distinct_color_generator(stop: int = -1) -> Generator[RGB, None, None]:
使用黄金比例生成不同的 RGB 颜色。此生成器以 RGB 格式生成一系列不同的颜色。通过以黄金比例递增色相并保持饱和度和值不变来生成颜色。这确保了视觉上不同的颜色广泛分布。参数
  • stop (int): 可选的最大生成颜色数。如果设置为 -1,则生成器无限期地继续。
返回
  • Generator[RGB, None, None]
生成
  • 下一个 RGB 颜色,每个分量在 [0, 255] 范围内。

draw_bbox_label

Python
1def draw_bbox_label(image: np.ndarray, class_name: str, box: np.ndarray, color: tuple[int, int, int], font_scale: float):
在边界框的左上角绘制类名标签。参数
  • image (np.ndarray): 要绘制的图像。
  • class_name (str): 类的名称。
  • box (np.ndarray): 边界框坐标,格式为 [class_id, x1, y1, x2, y2],其中 (x1, y1) 是左上角,(x2, y2) 是右下角。
  • color (tuple[int, int, int]): 标签颜色。
  • font_scale (float): 字体比例。

draw_cross

Python
1def draw_cross(img: np.ndarray, center: tuple[int, int], size: int = 5, color: Color = 0, thickness: int = 1):
在图像上绘制一个十字。参数
  • img (np.ndarray): 要绘制的图像。
  • center (tuple[int, int]): 十字的中心。
  • size (int): 十字的大小。
  • color (Color): 十字颜色。
  • thickness (int): 线条粗细。

draw_dashed_rectangle

Python
1def draw_dashed_rectangle(image: np.ndarray, pt1: tuple[int, int], pt2: tuple[int, int], color: Color, thickness: int = 1, dash_length: int = 10):
在图像上绘制虚线矩形。参数
  • image (np.ndarray): 要绘制的图像。
  • pt1 (tuple[int, int]): 矩形的左上角。
  • pt2 (tuple[int, int]): 矩形的右下角。
  • color (Color): 矩形颜色。
  • thickness (int): 线条粗细。
  • dash_length (int): 每段虚线的长度。

draw_keypoint_label

Python
1def draw_keypoint_label(image: np.ndarray, text: str, point: tuple[int, int], size: int, color: tuple[int, int, int], font_scale: float):
在图像上关键点旁边绘制文本标签。参数
  • image (np.ndarray): 要绘制的图像。
  • text (str): 要绘制的文本。
  • point (tuple[int, int]): 关键点坐标。
  • size (int): 关键点大小。
  • color (tuple[int, int, int]): 文本颜色。
  • font_scale (float): 字体比例。

get_contrast_color

Python
1def get_contrast_color(color: Color) -> RGB:
返回给定 RGB 颜色的对比色。参数
  • color (Color): 要对比的颜色。
返回
  • RGB: 对比色。

hsv_to_rgb

Python
1def hsv_to_rgb(color: HSV) -> RGB:
将 HSV 颜色转换为 RGB。参数
  • color (HSV): 要转换的 HSV 颜色。
返回
  • RGB: 转换后的 RGB 颜色。

resolve_color

Python
1def resolve_color(color: Color) -> RGB:
将颜色解析为 RGB。参数
  • color (Color): 要解析的颜色。
返回
  • RGB: 解析后的 RGB 颜色。
引发
  • ValueError: 如果整数通道值超出 [0, 255] 范围。

rgb_to_hsv

Python
1def rgb_to_hsv(color: Color) -> HSV:
将 RGB 颜色转换为 HSV。参数
  • color (Color): 要转换的颜色。
返回
  • HSV: 转换后的 HSV 颜色。

str_to_rgb

Python
1def str_to_rgb(string: str) -> RGB:
将字符串转换为其确定性 RGB 颜色。参数
  • string (str): 要转换的字符串。
返回
  • RGB: 确定性 RGB 颜色。

visualize

Python
1def visualize(image: np.ndarray, source_name: str, labels: Labels, classes: dict[str, dict[str, int]], blend_all: bool = False, categorical_encodings: dict[str, dict[str, int]] | None = None, *, skeletons: dict[str, tuple[list[str], list[tuple[int, int]]]] | None = None, draw_skeletons: bool = False, keypoint_label_mode: Literal['none', 'numbers', 'names', 'full'] = 'numbers') -> np.ndarray:
在图像上可视化标签。参数
  • image (np.ndarray): 要可视化的图像。
  • source_name (str): 图像源的名称。
  • labels (Labels): 要可视化的标签。
  • classes (dict[str, dict[str, int]]): 从任务名称到类 ID 映射的映射。
  • blend_all (bool): 是否将所有标签混合到单个图像中。这会混合属于不同任务的标签。
  • categorical_encodings (dict[str, dict[str, int]] | None): 分类元数据任务的可选映射。键是完整的任务标识符,例如 "task_name/metadata/key",值将字符串标签映射到编码整数。
  • skeletons (dict[str, tuple[list[str], list[tuple[int, int]]]] | None): 按任务名称键入的可选关键点骨架元数据。
  • draw_skeletons (bool): 是否绘制关键点骨架边缘。
  • keypoint_label_mode (Literal['none', 'numbers', 'names', 'full']): 关键点标签模式。"none" 隐藏关键点标签,"numbers" 绘制数字索引,"full" 在可用时绘制骨架关键点名称。
返回
  • np.ndarray: 可视化图像。

wrap_text

Python
1def wrap_text(text: str, max_width: int, font_scale: float, thickness: int = 1) -> list[str]:
将文本包装成适合给定宽度的行。