Python+OpenCV六種實時圖像處理詳細講解

Posted on by

初學OpenCV圖像處理的小夥伴肯定對什麼高斯函數、濾波處理、閾值二值化等特性非常頭疼，這裡給各位分享一個小項目，可通過攝像頭實時動態查看各類圖像處理的特點，也可對各位調參、測試有一定幫助。

1、導入庫文件

這裡主要使用PySimpleGUI、cv2和numpy庫文件，PySimpleGUI庫文件實現GUI可視化，cv2庫文件是Python的OpenCV接口文件，numpy庫文件實現數值的轉換和運算，均可通過pip導入。

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

2、設計GUI

基於PySimpleGUI庫文件實現GUI設計，本項目界面設計較為簡單，設計800X400尺寸大小的框圖，淺綠色背景，主要由攝像頭界面區域和控制按鈕區域兩部分組成。效果如下所示：

GUI代碼如下所示：

    #背景色
    sg.theme('LightGreen')
 
    #定義窗口佈局
    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))]
    ]
 
    #窗口設計
    window = sg.Window('OpenCV實時圖像處理',
               layout,
               location=(800, 400),
               finalize=True)

3、調用攝像頭

打開電腦內置攝像頭，將數據顯示在GUI界面上，效果如下所示：

代碼如下所示：

    #打開內置攝像頭
    cap = cv2.VideoCapture(0)
    while True:
        event, values = window.read(timeout=0, timeout_key='timeout')
 
        #實時讀取圖像
        ret, frame = cap.read()
 
        #GUI實時更新
        imgbytes = cv2.imencode('.png', frame)[1].tobytes()
        window['image'].update(data=imgbytes)
 
    window.close()

4、實時圖像處理

4.1、閾值二值化

進行閾值二值化操作，大於閾值values[‘thresh_slider’]的，使用255表示，小於閾值values[‘thresh_slider’]的，使用0表示，效果如下所示：

 代碼如下所示：

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、邊緣檢測

進行邊緣檢測，values[‘canny_slider_a’]表示最小閾值，values[‘canny_slider_b’]表示最大閾值，效果如下所示：

代碼如下所示：

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

4.3、輪廓檢測

輪廓檢測是形狀分析和物體檢測和識別的有用工具，連接所有連續點（沿著邊界）的曲線，具有相同的顏色或強度，效果如下所示：

 代碼如下所示：

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、高斯濾波

進行高斯濾波,(21, 21)表示高斯矩陣的長與寬都是21，標準差取values[‘blur_slider’]，效果如下所示：

 代碼如下所示：

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

4.5、色彩轉換

色彩空間的轉化，HSV轉換為BGR，效果如下所示：

 代碼如下所示：

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、調節對比度

增強對比度，使圖像中的細節看起來更加清晰，效果如下所示：

  代碼如下所示：

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、退出系統

直接break即可跳出循環。

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

以上就是Python+OpenCV六種實時圖像處理詳細講解的詳細內容，更多關於Python+OpenCV實時圖像處理的資料請關註WalkonNet其它相關文章！

推薦閱讀：