YOLOv8 获取框框 opencv

### 使用 OpenCV 获取 YOLOv8 检测结果中的边界框

为了实现这一功能，首先需要加载预训练的YOLOv8模型并执行推理操作。之后，解析返回的结果以提取边界框的信息。

#### 加载YOLOv8模型
使用`ultralytics`库来加载YOLOv8模型：

from ultralytics import YOLO

model = YOLO('yolov8n.pt')  # Load a pretrained model (recommended for best performance)

#### 执行目标检测
接下来，在给定的图像上运行预测函数来进行目标检测：

results = model(image, conf=0.5)  # Perform inference with confidence threshold set to 0.5

这里设置了一个置信度阈值（conf），只有当检测对象的概率大于这个数值时才会被保留下来[^1]。

#### 解析边界框数据
一旦获得了检测结果，就可以从中抽取边界框的位置和其他相关信息。每个检测结果都包含了多个属性，其中最重要的是`boxes`，它保存着所有检测到的对象及其对应的坐标信息。

for result in results:
    boxes = result.boxes.cpu().numpy()  # Convert tensor to numpy array on CPU
    for box in boxes:
        r = box.xyxy[0].astype(int)  # Get the bounding box coordinates as integers
        class_id = int(box.cls[0])   # Class ID of detected object
        score = float(box.conf[0])   # Confidence score
        
        print(f'Class {class_id}, Score: {score:.2f}, Box: {r}')
        
        # Draw rectangle using OpenCV
        cv2.rectangle(image, tuple(r[:2]), tuple(r[2:]), color=(0, 255, 0), thickness=2)

上述代码片段展示了如何遍历所有的检测结果，并利用OpenCV绘制矩形框表示各个物体所在位置。同时打印出了类别编号、得分以及具体的边框范围。