写一段opencv代码关于框选矩形后对中心点位置进行标注以及显示中心点位置

以下是一段示例代码，用于在框选矩形后对中心点进行标注并显示中心点位置：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 绘制矩形框选区域
x, y, w, h = cv2.selectROI(img)
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 计算矩形中心点位置
cx = int(x + w / 2)
cy = int(y + h / 2)

# 在中心点位置处绘制圆形标记
cv2.circle(img, (cx, cy), 5, (0, 0, 255), -1)

# 显示图像和中心点位置
cv2.imshow('image', img)
print('Center point: ({}, {})'.format(cx, cy))

cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码使用了cv2.selectROI()函数来让用户选择矩形框选区域，并使用cv2.rectangle()函数在该区域绘制矩形。然后，计算矩形中心点位置并使用cv2.circle()函数在该位置处绘制圆形标记。最后，使用cv2.imshow()函数显示图像，并使用print()函数显示中心点位置。

相关问题

调用 OpenCV 分类器检测视频中的行人并用绿色框进行标注，将框的中心 点用红色点进行标注

以下是基于 OpenCV 的行人检测代码，会在视频中检测行人并用绿色框进行标注，同时在框的中心点用红色点进行标注：

import cv2

# 加载行人检测分类器
classifier = cv2.CascadeClassifier('haarcascade_fullbody.xml')

# 加载视频文件
cap = cv2.VideoCapture('test.mp4')

while True:
    # 读取视频帧
    ret, frame = cap.read()

    # 如果视频结束则退出循环
    if not ret:
        break

    # 将帧转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测行人
    pedestrians = classifier.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # 在行人位置画矩形框和中心点
    for (x, y, w, h) in pedestrians:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
        cv2.circle(frame, (int(x + w/2), int(y + h/2)), 2, (0, 0, 255), -1)

    # 显示视频帧
    cv2.imshow('Pedestrian Detection', frame)

    # 按下 q 键退出循环
    if cv2.waitKey(1) == ord('q'):
        break

# 释放视频文件和窗口
cap.release()
cv2.destroyAllWindows()

需要注意的是，本代码中使用的分类器为 `haarcascade_fullbody.xml`，如果需要检测的是头部或上半身，可以更换为相应的分类器。同时，在实际使用中，可能需要调整检测参数以达到最佳效果。

根据提供的视频文件，调用 OpenCV 分类器检测视频中的行人并用绿色框进行标注，将框的中心 点用红色点进行标注，将识别标注处理后的视频保存

这是一个需要编写代码才能完成的任务，以下是一份示例代码，供您参考：

import cv2

# 加载分类器
classifier = cv2.CascadeClassifier("path/to/haar_cascade.xml")

# 打开视频文件
cap = cv2.VideoCapture("path/to/video.mp4")

# 获取视频帧率和尺寸
fps = cap.get(cv2.CAP_PROP_FPS)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

# 创建视频处理器
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter("path/to/output.mp4", fourcc, fps, (width, height))

# 处理每一帧
while True:
    # 读取一帧
    ret, frame = cap.read()
    if not ret:
        break

    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测行人
    pedestrians = classifier.detectMultiScale(gray)

    # 标注行人
    for (x, y, w, h) in pedestrians:
        # 绘制矩形框
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

        # 绘制中心点
        center_x = int(x + w / 2)
        center_y = int(y + h / 2)
        cv2.circle(frame, (center_x, center_y), 5, (0, 0, 255), -1)

    # 写入处理后的帧
    out.write(frame)

# 释放资源
cap.release()
out.release()

在运行代码之前，您需要将其中的路径替换为实际视频文件和分类器文件的路径。此代码使用 Haar 级联分类器检测行人，并在检测到的行人周围绘制矩形框和中心点，然后将处理后的视频帧写入输出文件。您可以根据需要更改输出文件的格式和路径。