Python在图片上画矩形：从简单边框到复杂标注的全攻略

在上一篇博客中，我们学会了如何在图片上画线。而在实际的图像处理项目中，画矩形（Rectangle）的使用频率甚至比画线还要高。

无论是目标检测中的边界框（Bounding Box）、OCR识别中的文字区域高亮，还是隐私保护中的马赛克遮挡，本质上都是在画矩形。

今天，我们将继续使用OpenCV和Pillow这两个利器，深入讲解如何在 Python 中优雅地画矩形。

一、 为什么矩形如此重要？

• 目标检测：YOLO、Faster R-CNN 等模型输出的结果通常是矩形框坐标(x, y, w, h)。
• ROI 提取：通过矩形框选感兴趣区域（Region of Interest），进行裁剪或单独处理。
• 数据脱敏：用矩形色块覆盖身份证号、车牌、人脸。

二、 核心参数解析

在开始写代码前，先记住画矩形的几个核心要素：

1. 左上角坐标(x1, y1)
2. 右下角坐标(x2, y2)
   • 注意：有些库也支持传入[x1, y1, x2, y2]列表。
3. 颜色：RGB 或 BGR 元组。
4. 线宽/填充：是只画边框，还是填充整个矩形？

三、 OpenCV 实现：cv2.rectangle()

OpenCV 是计算机视觉的首选，它的rectangle函数非常高效，支持 numpy 数组操作。

1. 基础用法：画一个红色边框

importcv2importnumpyasnp# 创建一张黑色背景图img=np.zeros((500,500,3),dtype=np.uint8)# 定义左上角和右下角坐标pt1=(50,50)# (x, y)pt2=(400,300)# (x, y)# 定义颜色 (OpenCV 是 BGR，所以 (0, 0, 255) 是红色)color=(0,0,255)# 定义线宽 (如果是 -1，表示填充)thickness=3# 画矩形cv2.rectangle(img,pt1,pt2,color,thickness)cv2.imshow("OpenCV Rectangle",img)cv2.waitKey(0)cv2.destroyAllWindows()

2. 进阶技巧

A. 画实心矩形（马赛克遮挡神器）

只需将thickness设置为-1即可填充矩形。这常用于遮挡敏感信息。

# 画一个绿色的实心矩形cv2.rectangle(img,(50,350),(450,450),(0,255,0),-1)

B. 画圆角矩形（OpenCV 没有直接函数，需要自己实现）

OpenCV 原生不支持圆角矩形，但我们可以通过画线和圆组合，或者用循环画短线来模拟。这里教大家一个简单的“伪圆角”方法：

# 简单的圆角矩形函数defdraw_rounded_rectangle(img,pt1,pt2,color,radius,thickness):x1,y1=pt1 x2,y2=pt2# 画四条边cv2.line(img,(x1+radius,y1),(x2-radius,y1),color,thickness)cv2.line(img,(x1+radius,y2),(x2-radius,y2),color,thickness)cv2.line(img,(x1,y1+radius),(x1,y2-radius),color,thickness)cv2.line(img,(x2,y1+radius),(x2,y2-radius),color,thickness)# 画四个角cv2.circle(img,(x1+radius,y1+radius),radius,color,thickness)cv2.circle(img,(x2-radius,y1+radius),radius,color,thickness)cv2.circle(img,(x1+radius,y2-radius),radius,color,thickness)cv2.circle(img,(x2-radius,y2-radius),radius,color,thickness)# 使用draw_rounded_rectangle(img,(50,50),(250,200),(255,255,0),20,2)

四、 Pillow 实现：ImageDraw.rectangle()

Pillow 的 API 在处理坐标时更加灵活，支持直接传入列表，且颜色是直观的 RGB。

1. 基础用法

fromPILimportImage,ImageDraw# 创建白色背景图img=Image.new('RGB',(500,500),color='white')draw=ImageDraw.Draw(img)# 坐标可以是 [左上角x, 左上角y, 右下角x, 右下角y]box=[50,50,400,300]# 画蓝色边框，宽度为 3draw.rectangle(box,outline='blue',width=3)# 画一个红色实心矩形draw.rectangle([50,350,450,450],fill='red')img.show()

2. Pillow 的独特优势：支持多边形裁剪

Pillow 的rectangle其实可以接受任意多边形坐标（只要是矩形框选逻辑），或者配合ImageDraw.polygon使用更自由。

五、 实战案例：三个高价值场景

场景 1：给检测到的物体打标签（带文字的矩形）

在目标检测中，我们通常在矩形上方贴一个带背景色的文字标签。

importcv2 img=cv2.imread("test.jpg")# 假设有一张原图x,y,w,h=100,100,200,300# 模拟检测框# 1. 画矩形框cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)# 2. 画文字背景（实心小矩形）label="Person"(text_width,text_height),_=cv2.getTextSize(label,cv2.FONT_HERSHEY_SIMPLEX,0.6,2)cv2.rectangle(img,(x,y-25),(x+text_width,y),(0,255,0),-1)# 填充# 3. 写文字cv2.putText(img,label,(x,y-5),cv2.FONT_HERSHEY_SIMPLEX,0.6,(255,255,255),2)cv2.imshow("Labeled",img)cv2.waitKey(0)

场景 2：高级马赛克（网格状矩形）

简单的实心矩形太生硬，真正的马赛克是由很多小矩形组成的。

defapply_mosaic(img,x,y,w,h,block_size=10):""" 对指定区域 (x, y, w, h) 进行马赛克处理 """roi=img[y:y+h,x:x+w]# 缩小再放大，模拟马赛克roi=cv2.resize(roi,(w//block_size,h//block_size),interpolation=cv2.INTER_LINEAR)roi=cv2.resize(roi,(w,h),interpolation=cv2.INTER_NEAREST)img[y:y+h,x:x+w]=roireturnimg# 使用img=cv2.imread("face.jpg")img=apply_mosaic(img,50,50,200,200)cv2.imshow("Mosaic",img)cv2.waitKey(0)

注：虽然这用了 resize，但原理上是把像素块变成了“大矩形”。

场景 3：半透明遮罩（Highlight）

有时候我们需要高亮某个区域，但又不想完全遮住原图。

importcv2importnumpyasnp img=cv2.imread("test.jpg")overlay=img.copy()# 定义区域x,y,w,h=100,100,300,300# 在覆盖层上画一个半透明矩形# 先画一个实心矩形cv2.rectangle(overlay,(x,y),(x+w,y+h),(255,0,0),-1)# 混合原图和覆盖层 (alpha=0.3 表示覆盖层透明度)cv2.addWeighted(overlay,0.3,img,0.7,0,img)cv2.imshow("Transparent Overlay",img)cv2.waitKey(0)

六、 OpenCV vs Pillow：画矩形该选谁？

七、 总结

画矩形看似简单，但在实际应用中往往需要结合坐标计算、颜色空间转换和图层混合。

• 如果你在做YOLO/SSD 目标检测或OpenCV 项目，请熟练掌握cv2.rectangle，特别是利用-1做遮挡，利用addWeighted做半透明高亮。
• 如果你在做Pillow 脚本处理，记得它的参数更人性化，支持直接传列表。