使用OpenCV4.9的随机生成器和文本

返回：OpenCV系列文章目录（持续更新中......）

上一篇：OpenCV 4.9基本绘图

下一篇：OpenCV系列文章目录（持续更新中......）

目标

在本教程中，您将学习如何：

使用随机数生成器类 （cv：：RNG）以及如何从均匀分布中获取随机数。
使用函数 cv：:p utText 在 OpenCV 窗口上显示文本

法典

在上一个教程（基本绘图）中，我们绘制了各种几何图形，并给出了坐标（以 cv::P oint 的形式）、颜色、厚度等输入参数。您可能已经注意到，我们为这些参数提供了特定的值。
在本教程中，我们打算对绘图参数使用随机值。此外，我们打算用大量的几何图形填充我们的图像。由于我们将以随机方式初始化它们，因此此过程将是自动的，并使用循环 .
此代码位于 OpenCV 示例文件夹中。否则你可以从这里下载它

解释

让我们从检查主要功能开始。我们观察到，我们做的第一件事是创建一个随机数生成器对象（RNG）：

RNG rng( 0xFFFFFFFF );

RNG 实现了一个随机数生成器。在此示例中，rng 是使用值 0xFFFFFFFF 初始化的 RNG 元素
然后我们创建一个初始化为零的矩阵（这意味着它将显示为黑色），指定其高度、宽度和类型：

Mat image = Mat::zeros( window_height, window_width, CV_8UC3 ); 
imshow( window_name, image );

然后我们继续画疯狂的东西。看一下代码后，可以看到它主要分为 8 个部分，定义为函数：

 
c = Drawing_Random_Lines(image, window_name, rng);
if( c != 0 ) return 0;c = Drawing_Random_Rectangles(image, window_name, rng);
if( c != 0 ) return 0;c = Drawing_Random_Ellipses( image, window_name, rng );
if( c != 0 ) return 0;c = Drawing_Random_Polylines( image, window_name, rng );
if( c != 0 ) return 0;c = Drawing_Random_Filled_Polygons( image, window_name, rng );
if( c != 0 ) return 0;c = Drawing_Random_Circles( image, window_name, rng );
if( c != 0 ) return 0;c = Displaying_Random_Text( image, window_name, rng );
if( c != 0 ) return 0;c = Displaying_Big_End( image, window_name, rng );

所有这些函数都遵循相同的模式，因此我们将只分析其中的几个，因为相同的解释适用于所有函数。
检出函数Drawing_Random_Lines:

int Drawing_Random_Lines( Mat image, char* window_name, RNG rng )
{int lineType = 8;Point pt1, pt2;for( int i = 0; i < NUMBER; i++ ){pt1.x = rng.uniform( x_1, x_2 );pt1.y = rng.uniform( y_1, y_2 );pt2.x = rng.uniform( x_1, x_2 );pt2.y = rng.uniform( y_1, y_2 );line( image, pt1, pt2, randomColor(rng), rng.uniform(1, 10), 8 );imshow( window_name, image );if( waitKey( DELAY ) >= 0 ){ return -1; }}return 0;
}

我们可以观察到以下几点：

for 循环将重复 NUMBER 次。由于函数 cv::line 位于此循环中，这意味着将生成 NUMBER 行。
线极值由 pt1 和 pt2 给出。对于 pt1，我们可以看到：

```
pt1.x = rng.uniform( x_1, x_2 );
pt1.y = rng.uniform( y_1, y_2 );
```
- 我们知道 rng 是一个随机数生成器对象。在上面的代码中，我们调用 rng.uniform（a，b）。这将在值 a 和 b 之间生成随机均匀分布（在 a 中包含，在 b 中不占）。
- 从上面的解释中，我们推断出极值 pt1 和 pt2 将是随机值，因此线的位置将非常不可预测，从而产生很好的视觉效果（查看下面的结果部分）。
- 作为另一个观察结果，我们注意到在 cv::line 参数中，对于颜色输入，我们输入：
- ```
randomColor(rng)
```
  我们来检查一下函数实现：
```
static Scalar randomColor( RNG& rng ){int icolor = (unsigned) rng;return Scalar( icolor&255, (icolor>>8)&255, (icolor>>16)&255 );}
```

正如我们所看到的，返回值是一个标量，具有 3 个随机初始化的值，用作线条颜色的 R、G 和 B 参数。因此，线条的颜色也是随机的！

上面的解释适用于生成圆形、椭圆、多边形等的其他函数。中心和顶点等参数也是随机生成的。

在完成之前，我们还应该看一下 Display_Random_Text 和 Displaying_Big_End 函数，因为它们都有一些有趣的功能：

Display_Random_Text：

int Displaying_Random_Text( Mat image, char* window_name, RNG rng )
{int lineType = 8;for ( int i = 1; i < NUMBER; i++ ){Point org;org.x = rng.uniform(x_1, x_2);org.y = rng.uniform(y_1, y_2);putText( image, "Testing text rendering", org, rng.uniform(0,8),rng.uniform(0,100)*0.05+0.1, randomColor(rng), rng.uniform(1, 10), lineType);imshow( window_name, image );if( waitKey(DELAY) >= 0 ){ return -1; }}return 0;
}

一切都很熟悉:

putText( image, "Testing text rendering", org, rng.uniform(0,8),rng.uniform(0,100)*0.05+0.1, randomColor(rng), rng.uniform(1, 10), lineType);

那么，cv:::p utText 函数有什么作用呢？在我们的示例中：

在图像中绘制文本**“测试文本呈现”**
文本的左下角将位于 Point org 中
字体类型是以下范围内的随机整数值：。[0,8>
字体的比例用表达式 rng.uniform（0， 100）x0.05 + 0.1 表示（表示其范围为：[0.1,5.1>)
文本颜色是随机的（用 randomColor（rng）表示）)
文本粗细介于 1 和 10 之间，由 rng.uniform（1,10） 指定

因此，我们将在随机位置获得（类似于其他绘图功能）图像上的 NUMBER 文本。

Displaying_Big_End
```
int Displaying_Big_End( Mat image, char* window_name, RNG rng )
{Size textsize = getTextSize("OpenCV forever!", FONT_HERSHEY_COMPLEX, 3, 5, 0);Point org((window_width - textsize.width)/2, (window_height - textsize.height)/2);int lineType = 8;Mat image2;for( int i = 0; i < 255; i += 2 ){image2 = image - Scalar::all(i);putText( image2, "OpenCV forever!", org, FONT_HERSHEY_COMPLEX, 3,Scalar(i, i, 255), 5, lineType );imshow( window_name, image2 );if( waitKey(DELAY) >= 0 ){ return -1; }}return 0;
}
```
除了函数 getTextSize（获取参数文本的大小）之外，我们可以观察到的新操作是在 foor 循环中：
```
image2 = image - Scalar::all(i)
```
因此，image2 是 image 和 Scalar：：all（i） 的减法。事实上，这里发生的事情是，image2 的每个像素都是减去图像的每个像素减去 i 值的结果（请记住，对于每个像素，我们考虑的是三个值，例如 R、G 和 B，因此每个值都会受到影响）

还要记住，减法运算总是在内部执行饱和运算，这意味着获得的结果将始终在允许的范围内（在我们的示例中，没有负数，介于 0 和 255 之间）