怎么用Python和OpenCV制作實時圖像處理？

怎么用Python和OpenCV制作實時圖像處理？相信很多新手小白還沒學會這個技能，通過這篇文章的總結，希望你能學會制作實時圖像處理。如下資料是制作實時圖像處理的方法步驟。

導入庫文件

這里主要使用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

基于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。

GUI代碼如下所示：

#背景色

sg.theme('LightGreen')

#定義窗口布局

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

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，大于閾值values['thresh_slider']的，使用255表示，小于閾值values['thresh_slider']的，使用0表示

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]

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

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，Axitrader返傭
，連接所有連續點(沿著邊界)的曲線，具有相同的顏色或強度

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']

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

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

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:

以上就是用Python和OpenCV制作實時圖像處理的方法了，看完之后是否有所收獲呢？如果想了解更多相關內容，歡迎關注億速云行業資訊！