Python+OpenCV六种实时图像处理详细讲解
作者：不脱发的程序猿
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'] / 40
clahe = 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
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脚本之家其它相关文章！