Python+OpenCV六种实时图像处理详细讲解
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
批判性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
花世界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
皖南山区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='ba_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
商务代理window = sg.Window('OpenCV实时图像处理',
layout,
location=(800, 400),
finalize=True)
3、调⽤摄像头
古老的手艺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 = ad(timeout=0, timeout_key='timeout')
#实时读取图像
ret, frame = ad()
#GUI实时更新
imgbytes = cv2.imencode('.png', frame)[1].tobytes()
window['image'].update(data=imgbytes)
window.clo()
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：
嘴巴上火怎么办代码如下所⽰：
if values['thresh']:
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)[:, :, 0]
爱情派对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['ba_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'] / 40
clahe = ateCLAHE(clipLimit=enh_val, tileGridSize=(8, 8))
lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)
lab[:, :, 0] = clahe.apply(lab[:, :, 0])
美国化妆品
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
以上就是Python+OpenCV六种实时图像处理详细讲解的详细内容，更多关于Python+OpenCV实时图像处理的资料请关注其它相关⽂章！
