1、导入库文件

这里主要使用PySimpleGUI、cv2和numpy库文件，PySimpleGUI库文件实现GUI可视化，cv2库文件是Python的OpenCV接口文件，numpy库文件实现数值的转换和运算，均可通过pip导入。

import PySimpleGUI as sg  #pip install pysimplegui
import cv2  #pip install opencv-python
import numpy as np #pip install numpy

2、设计GUI

基于PySimpleGUI库文件实现GUI设计，本项目界面设计较为简单，设计800X400尺寸大小的框图，浅绿色背景，主要由摄像头界面区域和控制按钮区域两部分组成。效果如下所示：

GUI代码如下所示：

    #背景色sg.theme('LightGreen')#定义窗口布局layout = [[sg.Image(filename='', key='image')],[sg.Radio('None', 'Radio', True, size=(10, 1))],[sg.Radio('threshold', 'Radio', size=(10, 1), key='thresh'),sg.Slider((0, 255), 128, 1, orientation='h', size=(40, 15), key='thresh_slider')],[sg.Radio('canny', 'Radio', size=(10, 1), key='canny'),sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_a'),sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_b')],[sg.Radio('contour', 'Radio', size=(10, 1), key='contour'),sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='contour_slider'),sg.Slider((0, 255), 80, 1, orientation='h', size=(20, 15), key='base_slider')],[sg.Radio('blur', 'Radio', size=(10, 1), key='blur'),sg.Slider((1, 11), 1, 1, orientation='h', size=(40, 15), key='blur_slider')],[sg.Radio('hue', 'Radio', size=(10, 1), key='hue'),sg.Slider((0, 225), 0, 1, orientation='h', size=(40, 15), key='hue_slider')],[sg.Radio('enhance', 'Radio', size=(10, 1), key='enhance'),sg.Slider((1, 255), 128, 1, orientation='h', size=(40, 15), key='enhance_slider')],[sg.Button('Exit', size=(10, 1))]]#窗口设计window = sg.Window('OpenCV实时图像处理',layout,location=(800, 400),finalize=True)

3、调用摄像头

打开电脑内置摄像头，将数据显示在GUI界面上，效果如下所示：

代码如下所示：

    #打开内置摄像头cap = cv2.VideoCapture(0)while True:event, values = window.read(timeout=0, timeout_key='timeout')#实时读取图像ret, frame = cap.read()#GUI实时更新imgbytes = cv2.imencode('.png', frame)[1].tobytes()window['image'].update(data=imgbytes)window.close()

4、实时图像处理

4.1、阈值二值化

进行阈值二值化操作，大于阈值values['thresh_slider']的，使用255表示，小于阈值values['thresh_slider']的，使用0表示，效果如下所示：

代码如下所示：

if values['thresh']:frame = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)[:, :, 0]frame = cv2.threshold(frame, values['thresh_slider'], 255, cv2.THRESH_BINARY)[1]

4.2、边缘检测

进行边缘检测，values['canny_slider_a']表示最小阈值，values['canny_slider_b']表示最大阈值，效果如下所示：

代码如下所示：

if values['canny']:frame = cv2.Canny(frame, values['canny_slider_a'], values['canny_slider_b'])

4.3、轮廓检测

轮廓检测是形状分析和物体检测和识别的有用工具，连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度，效果如下所示：

代码如下所示：

if values['contour']:hue = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)hue = cv2.GaussianBlur(hue, (21, 21), 1)hue = cv2.inRange(hue, np.array([values['contour_slider'], values['base_slider'], 40]),np.array([values['contour_slider'] + 30, 255, 220]))cnts= cv2.findContours(hue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]cv2.drawContours(frame, cnts, -1, (0, 0, 255), 2)

4.4、高斯滤波

进行高斯滤波,(21, 21)表示高斯矩阵的长与宽都是21，标准差取values['blur_slider']，效果如下所示：

代码如下所示：

if values['blur']:frame = cv2.GaussianBlur(frame, (21, 21), values['blur_slider'])

4.5、色彩转换

色彩空间的转化，HSV转换为BGR，效果如下所示：

代码如下所示：

if values['hue']:frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)frame[:, :, 0] += int(values['hue_slider'])frame = cv2.cvtColor(frame, cv2.COLOR_HSV2BGR)

4.6、调节对比度

增强对比度，使图像中的细节看起来更加清晰，效果如下所示：

代码如下所示：

if values['enhance']:enh_val = values['enhance_slider'] / 40clahe = cv2.createCLAHE(clipLimit=enh_val, tileGridSize=(8, 8))lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)lab[:, :, 0] = clahe.apply(lab[:, :, 0])frame = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)

5、退出系统

直接break即可跳出循环。

if event == 'Exit' or event is None:break

拓展学习：基于Python的人工智能美颜系统

请关注公众号，回复关键字：OpenCV实时图像处理，获取项目资源。

Python+OpenCV实时图像处理相关推荐

使用Python+opencv进行图像处理(一) | 视觉入门
计算机视觉是人工智能最热门的应用领域之一.人工智能技术推动了汽车自动驾驶.机器人以及各种照片处理类软件的巨大发展.目标检测技术也在稳步推进.生成对抗网络(GANs)同样也是人们最近比较关注的一个问题. ...
使用Python+OpenCV进行图像处理之入门教程
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达简介人脸识别和目标检测这样的术语听起来觉得很酷,但是当涉及到从头 ...
python opencv实时显示测量数据_python OpenCV 宽度测量
机器视觉第六次实验一.实验目的通过OpenCV第六次进行实验,对图片进行宽度测量. 二.实验内容对图片进行宽度测量. 三.实验过程我使用的是python语言+openCV对图片进行宽度测量的功 ...
python图像处理opencv_使用Python+OpenCV进行图像处理（二）| 视觉入门
[前言]图像预处理对于整个图像处理任务来讲特别重要.如果我们没有进行恰当的预处理,无论我们有多么好的数据也很难得到理想的结果. 本篇是视觉入门系列教程的第二篇.整个视觉入门系列内容如下: 基本的图像处 ...
使用Python+OpenCV进行图像处理（三）| 视觉入门
检测是计算机视觉任务中的主要任务之一,而且应用很广泛.检测技术可以帮助人类检测那些容易被肉眼忽略的错误:也可以"帮助"自动驾驶汽车感知空间信息.无疑自动化的检测技术的广泛应用将为我 ...
使用Python+OpenCV进行图像处理（二）| 视觉入门
图像预处理对于整个图像处理任务来讲特别重要.如果我们没有进行恰当的预处理,无论我们有多么好的数据也很难得到理想的结果. 本篇是视觉入门系列教程的第二篇.整个视觉入门系列内容如下: 理解颜色模型与在图像 ...
python opencv 图像切割_使用Python+OpenCV进行图像处理（二）| 视觉入门
译者 | 磐石编辑 | 安可 [前言]图像预处理对于整个图像处理任务来讲特别重要.如果我们没有进行恰当的预处理,无论我们有多么好的数据也很难得到理想的结果. 本篇是视觉入门系列教程的第二篇.整个视觉 ...
Python+OpenCV实现图像处理OCR手写数字识别原理
文章目录一.基本原理 1.载入训练图片: 2.图片分割: 3.灰度处理: 4.数据矩阵化: 5.分配训练集与测试集: 6.将训练测试集进行标定: 7.创建KNN邻近: 8.使用测试集: 二.具体代码 ...
python—openCV实时追踪乒乓球
""" 张耀 2021年08月20日 """ import cv2 import numpy as npcap = cv2.VideoCap ...

Python+OpenCV实时图像处理

目录

1、导入库文件

2、设计GUI

3、调用摄像头

4、实时图像处理

4.1、阈值二值化

4.2、边缘检测

4.3、轮廓检测

4.4、高斯滤波

4.5、色彩转换

4.6、调节对比度

5、退出系统

Python+OpenCV实时图像处理相关推荐

最新文章

热门文章