如何使用Ultralytics代码在YOLOv8检测图像中去除标签文字？

方法一：推理时直接关闭标签显示（最简便） #

这是Ultralytics库内置的功能，新手直接用参数控制就行：

• 代码调用示例：

  from ultralytics import YOLO
  
  # 加载预训练的YOLOv8模型
  model = YOLO('yolov8n.pt')
  # 对目标图像推理，设置不显示标签文字
  results = model('你的图像路径.jpg', show_labels=False)
  # 保存处理后的图像
  results[0].save('处理后图像.jpg')
  

• 命令行调用示例（适合不想写代码的情况）：

  yolo predict model=yolov8n.pt source=你的图像路径.jpg show-labels=False save=True
  

  执行后会自动保存不带标签的检测结果到runs/detect/predict文件夹里。

方法二：后期擦除已生成图像的标签（适合批量处理） #

如果已经有了带标签的检测图，或者需要更灵活的处理，可以用OpenCV擦除标签区域：

import cv2
from ultralytics import YOLO

model = YOLO('yolov8n.pt')
# 先推理得到检测框信息
results = model('你的图像路径.jpg')
# 读取原始图像
img = cv2.imread('你的图像路径.jpg')

# 遍历每个检测框，擦除标签区域
for result in results:
    for box in result.boxes:
        # 获取检测框的坐标（左上角x1,y1，右下角x2,y2）
        x1, y1, x2, y2 = map(int, box.xyxy[0])
        # 标签一般在框的上方，这里取框上方20像素高度的区域填充（颜色可根据图像背景调整）
        cv2.rectangle(img, (x1, y1-20), (x2, y1), (255, 255, 255), -1)

# 保存处理后的图像
cv2.imwrite('处理后图像.jpg', img)

注意：如果标签在框内部，需要调整填充区域的y坐标范围，比如改成(x1, y1)到(x2, y1+20)，具体看你的检测图标签位置。

内容的提问来源于stack exchange，提问作者Aya