目录
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，项目演示效果如下（CSDN插入视频电脑端不能居中真是难为强迫症）：
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
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。
转载：https://blog.csdn.net/m0_38106923/article/details/103836242