一、YOLOV8的相关文件修改

1. 进入路径文件：

C:\Users\82370\.conda\envs\Ayolo8\Lib\site-packages\ultralytics\engine\result.py（此处路径为你的anacod安装的虚拟环境Ayolo8位置）

<code>conda create -n Ayolo8 python=3.11 # 虚拟环境安装代码

conda activate Ayolo8 # 激活虚拟环境

pip install ultralytics # 安装相应的ultralytics

2. 打开result.py，补充绘制中心点和标注中心点位置代码

找到相应的函数：annotator.box_label（）,右击——转到定义，进入定义函数的文件plotting.py

补充相应的代码

补充代码内容如下，可以直接复制过去：

<code> # 补充代码：

# 在预测图中绘制一个中心坐标红点

# self.im表示圆点绘制的位置，((p1[0]+p2[0])//2,(p1[1]+p2[1])//2)表示坐标位置//表示取整除法

# self.lw表示线宽和半径，（0，0，225）表示颜色

cv2.circle(self.im,((p1[0]+p2[0])//2,(p1[1]+p2[1])//2),self.lw,(0,0,225),self.lw)

# 创建中心点坐标变量

Center = (((p1[0]+p2[0])/2+p1[0]),((p1[1]+p2[1])/2+p1[1]))

# 用于在图像上添加文本

# str（Center）表示要添加的文本内容，

# ((p1[0]+p2[0])//2,(p1[1]+p2[1])//2)表示文本起始点坐标

# 0代表字体类型， self.lw/3表示字体大小，txt.color表示文本颜色

# 4表示线宽，lineType表示线型

cv2.putText(self.im, str(Center),((p1[0]+p2[0])//2,(p1[1]+p2[1])//2),0,

self.lw/3,txt_color,thickness=4,lineType=cv2.LINE_AA)

# # 打印坐标信息

print("左上点的坐标为：(" + str(p1[0]) + "," + str(p1[1]) + ")，右上点的坐标为(" + str(p2[0]) + "," + str(

p1[1]) + ")")

print("左下点的坐标为：(" + str(p1[0]) + "," + str(p2[1]) + ")，右下点的坐标为(" + str(p2[0]) + "," + str(

p2[1]) + ")")

print("中心点的坐标为：(" + str((p2[0] - p1[0]) / 2 + p1[0]) + "," + str((p2[1] - p1[1]) / 2 + p1[1]) + ")")

二、获取像素坐标示例

运行test.py文件

# 导入openCV库，实现相应的图片读写

import cv2 # 导入openCV库的代码

# 下载图片

import numpy as np # 使用np作为numpy库的别名

import urllib.request # 通过导入request模块，我们可以使用它提供的功能来发送HTTP请求、获取网页内容等。

from ultralytics import YOLO # 将YOLOv8导入到该py文件中

# 加载官方或自定义模型

model = YOLO(r"E:\Deep learning\YOLOv8\yolov8n.pt") # 加载一个官方的检测模型

color_3 = cv2.imread('3.jpeg')

source=[color_3]

results = model.predict(source, save=True, show_conf=False)

color_3 = results[0].plot() # 在图像上添加色彩帧（追踪结果）

cv2.imshow('my_img_name_3', color_3)

参考博文：（博文写的非常详细，参考价值高👍）

YOLOv8、YOLOv8_OBB输出detect检测到的目标坐标信息_yolov8输出预测框的坐标-CSDN博客