visualizations
最后更新
luxonis_ml.data.utils.visualizations类
ColorMap
方法
init
Python
1def __init__(self):函数
add_augmentation_footer
Python
1def add_augmentation_footer(image: np.ndarray, augmentations: list[str]) -> np.ndarray: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:concat_images
Python
1def concat_images(image_dict: dict[str, np.ndarray], padding: int = 10, label_height: int = 30) -> np.ndarray: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。
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: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。
np.ndarray: 生成的图像。
distinct_color_generator
Python
1def distinct_color_generator(stop: int = -1) -> Generator[RGB, None, None]:示例
Pycon
1>>> colors = list(distinct_color_generator(stop=2))
2>>> len(colors)
32
4>>> all(len(color) == 3 for color in colors)
5Truestop(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。
Generator[RGB, None, None]
- 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):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):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):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):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:示例
Pycon
1>>> get_contrast_color((255, 0, 0))
2(0, 255, 255)
3>>> get_contrast_color(0)
4(0, 0, 0)color(Color): 要对比的颜色。
RGB: 对比色。
hsv_to_rgb
Python
1def hsv_to_rgb(color: HSV) -> RGB:示例
Pycon
1>>> hsv_to_rgb((0, 1, 1))
2(255, 0, 0)
3>>> hsv_to_rgb((120, 1, 1))
4(0, 255, 0)color(HSV): 要转换的 HSV 颜色。
RGB: 转换后的 RGB 颜色。
resolve_color
Python
1def resolve_color(color: Color) -> RGB:示例
Pycon
1>>> resolve_color(12)
2(12, 12, 12)
3>>> resolve_color((1, 2, 3))
4(1, 2, 3)
5>>> resolve_color(300)
6Traceback (most recent call last):
7...
8ValueError: Color value 300 is out of range [0, 255]color(Color): 要解析的颜色。
RGB: 解析后的 RGB 颜色。
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:示例
Pycon
1>>> tuple(round(v, 3) for v in rgb_to_hsv((255, 0, 0)))
2(0.0, 1.0, 1.0)
3>>> tuple(round(v, 3) for v in rgb_to_hsv(128))
4(0.0, 0.0, 0.502)color(Color): 要转换的颜色。
HSV: 转换后的 HSV 颜色。
str_to_rgb
Python
1def str_to_rgb(string: str) -> RGB:示例
Pycon
1>>> str_to_rgb("car") == str_to_rgb("car")
2True
3>>> len(str_to_rgb("car"))
43string(str): 要转换的字符串。
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: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。
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]: