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
初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼,这里给各位分享一个小项目,可通过摄像头实时动态查看各类图像处理的特点,也可对各位调参、测试有一定帮助。
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 ...
最新文章
- GANs笔记(1) - 初步了解 GANs
- 关于sam9x60板卡的调试
- 【Deep Learning笔记】神经网络基础
- CVPR 2022 3月3日论文速递(19 篇打包下载)涵盖网络架构设计、姿态估计、三维视觉、动作检测、语义分割等方向
- DCMTK:DSRDocument类的测试程序
- charles 手机抓包设置
- Android 开发笔记 ProgressDialog的Back健关闭
- Java对象的四种引用
- 区分节点列表和HTML集合
- Ubuntu 14.04 无线网卡驱动安装
- lammps教程:推荐几个比较实用的lammps自带函数(2)
- 3D打印机DIY之五------切片软件Cura的使用
- 读取、回收和重用:使用 Excel、XML 和 Java 技术轻松搞定报告,第 2 部分
- win10添加网络打印机_win10系统连接网络打印机
- 统计表格中相同数据的出现个数
- 对智能电视的几个看法和观点
- 给我5分钟,手把手带你学会定时任务!
- java crach 日志解析
- 饿了么退货显示服务器异常,外卖配送异常订单如何处理?商家必看!
- asp数据库服务器端连接错误信息,主数据库连接出错,请检查数据库连接字符串!...