前言
这节实验课来学习基于PyQt的GUI界面设计，有了这个可视化界面，我们可以更加方便地在同一个界面里实现对图像的旋转、平滑、锐化等多种处理。
5.1 各模块介绍
整个页面分为三个部分：顶部区域：“加载图片”和“保存图像”按钮，用于导入待处理的图片并把处理后的图片存储起来。图像显示区域：左侧为原始图像区域，右侧为处理后图像区域。底部区域：为图像各处理操作的按钮，现在包括“灰度化”“去噪”和“锐化”等功能。
下面展示这三个部分的代码构成：
顶部区域：
# 创建顶部布局（加载和保存按钮）
top_layout = QHBoxLayout() # 水平布局
load_btn = QPushButton("📂 加载图片") # 加载按钮，带图标
save_btn = QPushButton("💾 保存图像") # 保存按钮，带图标
load_btn.clicked.connect(self.load_image) # 连接加载按钮点击信号
save_btn.clicked.connect(self.save_image) # 连接保存按钮点击信号
top_layout.addWidget(load_btn) # 添加加载按钮到布局
top_layout.addWidget(save_btn) # 添加保存按钮到布局
top_layout.addStretch() # 添加伸缩项，使按钮靠左
main_layout.addLayout(top_layout) # 将顶部布局添加到主布局
main_layout.addWidget(self._h_line()) # 添加水平分割线图像显示区域：
# 创建第一行图像显示布局
img_layout = QHBoxLayout() # 水平布局
self.original_label = QLabel() # 显示原始图像的标签
self.processed_label = QLabel() # 显示处理后图像的标签
底部区域：
# 创建底部按钮布局（图像处理功能）
bottom_layout = QHBoxLayout()
# 按钮列表：文本与对应的处理模式
for text, func in [("⚫灰度化", "gray"), ("🔍去噪", "denoise"),
("✨锐化", "sharpen")]:
btn = QPushButton(text) # 创建按钮
# 连接按钮点击信号到处理函数，lambda传递模式参数
btn.clicked.connect(lambda _, f=func: self.process(f))
bottom_layout.addWidget(btn) # 添加按钮到底部布局
bottom_layout.addStretch() # 添加伸缩项，使按钮靠左
main_layout.addLayout(bottom_layout) # 将底部布局添加到主布局5.2 扩展功能
首先我想对顶部区域完善，在“加载图片”和“保存图像”之间增加“图片复原”功能，这样可以反复对同一张图像进行不同的操作。把如下代码添加到源代码中，并在ImageProcessor中增加该功能的代码：
restore_btn = QPushButton("↩️ 图片复原")
restore_btn.clicked.connect(self.restore_image)#连接复原按钮的事件
top_layout.addWidget(restore_btn)
def restore_image(self):
"""将处理后的图像恢复为原始图像"""
if 'original' not in self.image_data:
QMessageBox.warning(self, "提示", "请先加载图片") # 提示用户加载图像
return
# 将处理后的图像恢复为原始图像
self.image_data['processed'] = self.image_data['original'].copy()
# 更新处理后图像显示
self.show_image(self.image_data['processed'], self.processed_label)下面展示功能运行结果：点击“图片复原”按钮，右侧的处理后图像恢复为原始图像。
观察上图我们发现：代码的原有功能只能对原始图像进行处理，不能在已处理的图像上进行二次处理。我们在process图像功能代码中增加约束条件，使得如果图像已被处理过，则在处理后的图像上进行处理。
def process(self, mode):
"""根据选择的模式处理图像"""
if 'processed' not in self.image_data: # 如果没有处理过的图像，默认使用原始图像进行处理
if 'original' not in self.image_data:
QMessageBox.warning(self, "提示", "请先加载图片") # 提示用户加载图像
return
img = self.image_data['original'] # 获取原始图像
else:
img = self.image_data['processed'] # 获取处理后的图像作为基础图像
result = None # 初始化处理结果运行结果如下：先进行灰度处理，再进行锐化，我们发现一直点“锐化”图像会一直不断加深锐化程度。
接着我们将所学的图像处理操作都添加到底部区域当中。在“去噪”的前面增加“添噪”的功能，并能够选择添加“椒盐噪声”“高斯噪声”“均匀噪声”三种：在底部按钮中添加“添噪”按钮，并在process图像功能代码中添加添噪处理（注意一定要创建图像副本，对副本进行噪声处理），并在代码最后添加添噪的相关代码。
#“添噪”按钮
for text, func in [("⚫灰度化", "gray"),("⚡添噪", "add_noise"), ("🔍去噪", "denoise"), ("✨锐化", "sharpen")]:
btn = QPushButton(text)
#process中的代码
elif mode == "add_noise": # 添噪处理
# 弹出对话框让用户选择噪声类型
noise_type, ok = QInputDialog.getItem(
self, "选择噪声类型", "噪声类型", ["椒盐噪声", "高斯噪声", "均匀噪声"], 0, False)
if ok and noise_type:
img_copy = img.copy() # 使用副本进行操作
if noise_type == "椒盐噪声":
result = self.add_salt_pepper_noise(img_copy)
elif noise_type == "高斯噪声":
result = self.add_gaussian_noise(img_copy)
elif noise_type == "均匀噪声":
result = self.add_uniform_noise(img_copy)
else:
return
#三种噪声代码
def add_salt_pepper_noise(self, image):
"""添加椒盐噪声"""
# 添加椒盐噪声
salt_pepper_prob = 0.05 # 椒盐噪声的概率
salt_prob = 0.5 # 椒盐比例
noisy_image = image.copy() # 创建图像副本进行操作
# 随机生成与图像大小相同的掩码
noise_mask = np.random.random(noisy_image.shape[:2])
salt_mask = noise_mask < (salt_pepper_prob * salt_prob) # 椒噪声掩码
pepper_mask = noise_mask > (1 - salt_pepper_prob * (1 - salt_prob)) # 盐噪声掩码
# 添加椒噪声（白色像素）
noisy_image[salt_mask] = 255
# 添加盐噪声（黑色像素）
noisy_image[pepper_mask] = 0
return noisy_image.astype(np.uint8) # 确保返回的图像是uint8类型
def add_gaussian_noise(self, image):
"""添加高斯噪声"""
mean = 0 # 均值
sigma = 25 # 标准差
# 生成与图像大小相同的高斯噪声
gaussian_noise = np.random.normal(mean, sigma, image.shape).astype(np.float32)
# 将图像转换为浮点数进行运算，避免溢出
noisy_image = cv2.add(image.astype(np.float32), gaussian_noise.astype(np.float32))
# 将图像值裁剪到[0, 255]并转换为uint8类型
return np.clip(noisy_image, 0, 255).astype(np.uint8)
def add_uniform_noise(self, image):
"""添加均匀噪声"""
low = -50 # 均匀噪声的下限
high = 50 # 均匀噪声的上限
# 生成与图像大小相同的均匀噪声
uniform_noise = np.random.uniform(low, high, image.shape).astype(np.float32)
# 将图像转换为浮点数进行运算，避免溢出
noisy_image = cv2.add(image.astype(np.float32), uniform_noise.astype(np.float32))
# 将图像值裁剪到[0, 255]并转换为uint8类型
return np.clip(noisy_image, 0, 255).astype(np.uint8)注意：不要忘记在开头导入QInputDialog
from PyQt5.QtWidgets import QInputDialog
下面分别展示这三种噪声的添加情况：
接着完善一下去噪的三种滤波方法，同样也是在process图像功能代码中添加“中值滤波”“高斯滤波”“均值滤波”三种去噪方法供用户选择（注意一定要创建图像副本，对副本进行处理），并在代码最后添加三种去噪的相关代码。
#process中的代码
elif mode == "denoise": # 去噪处理
# 弹出对话框让用户选择去噪方法
denoise_type, ok = QInputDialog.getItem(
self, "选择去噪方法", "去噪方法", ["中值滤波", "高斯滤波", "均值滤波"], 0, False)
if ok and denoise_type:
img_copy = img.copy() # 使用副本进行操作
if denoise_type == "中值滤波":
result = self.median_filter(img_copy)
elif denoise_type == "高斯滤波":
result = self.gaussian_filter(img_copy)
elif denoise_type == "均值滤波":
result = cv2.fastNlMeansDenoisingColored(img, None, 10, 10, 7, 21)
else:
return
#三种滤波方法
def median_filter(self, image):
"""中值滤波"""
return cv2.medianBlur(image, 5) # 使用5x5的核进行中值滤波
def gaussian_filter(self, image):
"""高斯滤波"""
return cv2.GaussianBlur(image, (5, 5), 0) # 使用5x5的核进行高斯滤波
def mean_filter(self, image):
"""均值滤波"""
return cv2.blur(image, (5, 5)) # 使用5x5的核进行均值滤波
def show_image(self, img, label):
"""显示图像"""
try:
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 将BGR转为RGB格式
h, w, ch = rgb.shape
bytes_per_line = ch * w
q_img = QImage(rgb.data, w, h, bytes_per_line, QImage.Format.Format_RGB888) # 转为QImage格式
label.setPixmap(QPixmap.fromImage(q_img).scaled(400, 400, Qt.AspectRatioMode.KeepAspectRatio)) # 设置显示图像
except Exception as e:
QMessageBox.critical(self, "错误", f"显示图像时发生错误：{e}") # 捕获并显示异常信息下面针对用非局部均值滤波处理椒盐噪声来进行功能展示：
为了获得更丰富的数据库，我们再增加一个图像旋转功能：同样是在底部按钮中添加“旋转”按钮，并在process图像功能代码中添加旋转处理，并在代码最后添加旋转的相关代码。
#“旋转”按钮
for text, func in [("⚫灰度化", "gray"), ("⚡添噪", "add_noise"), ("🔍去噪", "denoise"), ("✨锐化", "sharpen"), ("🔄旋转", "rotate")]:
#process中的代码
elif mode == "rotate": # 旋转处理
result = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE) # 顺时针旋转90度
5.3 最终代码展示
下面展示的是添加上所有功能的代码，真的太多啦！快把我累瘫了 ，部分添加在上文中没有提及到的，下面的代码都进行了注释，想要继续学习的小伙伴可以探索一下注释掉的部分有什么作用
# 导入必要的库
import sys # 系统相关操作
import cv2 # OpenCV库，用于图像处理
import numpy as np # 数值计算库
from PyQt5.QtWidgets import ( # PyQt5界面组件
QApplication, QMainWindow, QWidget, QLabel, QPushButton,
QFileDialog, QMessageBox, QVBoxLayout, QHBoxLayout, QFrame
)
from PyQt5.QtGui import QPixmap, QImage # 图像显示相关
from PyQt5.QtCore import Qt # Qt核心功能
from PyQt5.QtWidgets import QInputDialog # 需要添加这个导入
class ImageProcessor(QMainWindow):
def __init__(self):
super().__init__() # 调用父类构造函数初始化
self.setWindowTitle("PyQt演示") # 设置窗口标题
self.resize(900, 600) # 设置窗口初始大小
# 存储原始图像和处理后的图像数据（使用字典保存）
self.image_data = {}
# 创建主窗口的中心部件和布局
main_widget = QWidget() # 创建中心部件
self.setCentralWidget(main_widget) # 设置为主窗口的中心部件
main_layout = QVBoxLayout(main_widget) # 使用垂直布局
# 设置主窗口的样式表（背景颜色、标签样式、按钮样式）
main_widget.setStyleSheet("""
QWidget {
background-color: #f0f4f8; # 浅蓝色背景
}
QLabel {
border: 2px solid #aaa; # 灰色边框
border-radius: 10px; # 圆角
background-color: white; # 白色背景
padding: 5px; # 内边距
box-shadow: 0px 4px 6px rgba(0, 0, 0, 0.1); # 阴影效果
}
QPushButton {
font-size: 15px; # 按钮字体大小
padding: 8px 18px; # 按钮内边距
min-width: 100px; # 按钮最小宽度
}
""")
# 创建顶部布局（加载和保存按钮）
top_layout = QHBoxLayout() # 水平布局
load_btn = QPushButton("📂 加载图片") # 加载按钮，带图标
save_btn = QPushButton("💾 保存图像") # 保存按钮，带图标
restore_btn = QPushButton("↩️ 图片复原")
load_btn.clicked.connect(self.load_image) # 连接加载按钮点击信号
save_btn.clicked.connect(self.save_image) # 连接保存按钮点击信号
restore_btn.clicked.connect(self.restore_image) # 连接复原按钮的事件
top_layout.addWidget(load_btn) # 添加加载按钮到布局
top_layout.addWidget(save_btn) # 添加保存按钮到布局
top_layout.addWidget(restore_btn)
top_layout.addStretch() # 添加伸缩项，使按钮靠左
main_layout.addLayout(top_layout) # 将顶部布局添加到主布局
main_layout.addWidget(self._h_line()) # 添加水平分割线
# 创建第一行图像显示布局
img_layout = QHBoxLayout() # 水平布局
self.original_label = QLabel() # 显示原始图像的标签
self.processed_label = QLabel() # 显示处理后图像的标签
self.new_label = QLabel() # 预留的新标签（可用于扩展功能）
# 设置标签的固定大小和对齐方式
for label in (self.original_label, self.processed_label, self.new_label):
label.setFixedSize(400, 400) # 固定尺寸400x400像素
label.setAlignment(Qt.AlignmentFlag.AlignCenter) # 居中对齐
# 将标签和分割线添加到布局
img_layout.addWidget(self.original_label) # 原始图像标签
img_layout.addWidget(self._v_line()) # 垂直分割线
img_layout.addWidget(self.processed_label) # 处理后的图像标签
img_layout.addWidget(self._v_line()) # 垂直分割线
img_layout.addWidget(self.new_label) # 新标签
img_layout.setSpacing(0) # 设置布局内部件间距为0
main_layout.addLayout(img_layout) # 将图像布局添加到主布局
main_layout.addWidget(self._h_line()) # 添加水平分割线
'''# 创建第二行图像显示布局（结构与第一行相同）
img_layout_row2 = QHBoxLayout()
self.original_label2 = QLabel()
self.processed_label2 = QLabel()
self.new_label2 = QLabel()
# 设置标签属性
for label in (self.original_label2, self.processed_label2, self.new_label2):
label.setFixedSize(400, 400)
label.setAlignment(Qt.AlignmentFlag.AlignCenter)
# 添加部件到第二行布局
img_layout_row2.addWidget(self.original_label2)
img_layout_row2.addWidget(self._v_line())
img_layout_row2.addWidget(self.processed_label2)
img_layout_row2.addWidget(self._v_line())
img_layout_row2.addWidget(self.new_label2)
img_layout_row2.setSpacing(0)
main_layout.addLayout(img_layout_row2) # 添加到主布局
main_layout.addWidget(self._h_line()) # 添加分割线'''
# 创建底部按钮布局（图像处理功能）
bottom_layout = QHBoxLayout()
# 按钮列表：文本与对应的处理模式
for text, func in [("⚫灰度化", "gray"), ("🔍去噪", "denoise"),("⚡添噪", "add_noise"),
("✨锐化", "sharpen"), ("🔄旋转", "rotate")]:
btn = QPushButton(text) # 创建按钮
# 连接按钮点击信号到处理函数，lambda传递模式参数
btn.clicked.connect(lambda _, f=func: self.process(f))
bottom_layout.addWidget(btn) # 添加按钮到底部布局
bottom_layout.addStretch() # 添加伸缩项，使按钮靠左
main_layout.addLayout(bottom_layout) # 将底部布局添加到主布局
# 创建水平分割线的方法
def _h_line(self):
line = QFrame()
line.setFrameShape(QFrame.Shape.HLine) # 设置为水平线
line.setFrameShadow(QFrame.Shadow.Sunken) # 凹陷阴影效果
line.setStyleSheet("color: #ccc;") # 浅灰色
return line
# 创建垂直分割线的方法
def _v_line(self):
line = QFrame()
line.setFrameShape(QFrame.Shape.VLine) # 设置为垂直线
line.setFrameShadow(QFrame.Shadow.Sunken)
line.setStyleSheet("color: #ccc;")
return line
def load_image(self):
"""加载图像文件"""
# 弹出文件选择对话框，限定图片格式
file, _ = QFileDialog.getOpenFileName(self, "选择图片", "", "图片文件 (*.png *.jpg *.bmp)")
if file:
img = cv2.imread(file) # 使用OpenCV读取图像
if img is None: # 读取失败处理
QMessageBox.warning(self, "错误", "无法加载图像")
return
# 存储原始图像和处理后的图像（初始为原图副本）
self.image_data['original'] = img
self.image_data['processed'] = img.copy()
self.show_image(img, self.original_label) # 在原始标签显示图像
def save_image(self):
"""保存处理后的图像"""
if 'processed' not in self.image_data: # 检查是否存在处理后的图像
QMessageBox.warning(self, "提示", "没有可保存的图像")
return
# 弹出保存文件对话框，选择保存路径和格式
file, _ = QFileDialog.getSaveFileName(self, "保存图像", "", "PNG (*.png);;JPG (*.jpg)")
if file:
cv2.imwrite(file, self.image_data['processed']) # 保存图像
QMessageBox.information(self, "成功", f"图像已保存：{file}") # 提示保存成功
def restore_image(self):
"""将处理后的图像恢复为原始图像"""
if 'original' not in self.image_data:
QMessageBox.warning(self, "提示", "请先加载图片") # 提示用户加载图像
return
# 将处理后的图像恢复为原始图像
self.image_data['processed'] = self.image_data['original'].copy()
# 更新处理后图像显示
self.show_image(self.image_data['processed'], self.processed_label)
def add_salt_pepper_noise(self, image):
"""添加椒盐噪声"""
# 添加椒盐噪声
salt_pepper_prob = 0.05 # 椒盐噪声的概率
salt_prob = 0.5 # 椒盐比例
noisy_image = image.copy() # 创建图像副本进行操作
# 随机生成与图像大小相同的掩码
noise_mask = np.random.random(noisy_image.shape[:2])
salt_mask = noise_mask < (salt_pepper_prob * salt_prob) # 椒噪声掩码
pepper_mask = noise_mask > (1 - salt_pepper_prob * (1 - salt_prob)) # 盐噪声掩码
# 添加椒噪声（白色像素）
noisy_image[salt_mask] = 255
# 添加盐噪声（黑色像素）
noisy_image[pepper_mask] = 0
return noisy_image.astype(np.uint8) # 确保返回的图像是uint8类型
def add_gaussian_noise(self, image):
"""添加高斯噪声"""
mean = 0 # 均值
sigma = 25 # 标准差
# 生成与图像大小相同的高斯噪声
gaussian_noise = np.random.normal(mean, sigma, image.shape).astype(np.float32)
# 将图像转换为浮点数进行运算，避免溢出
noisy_image = cv2.add(image.astype(np.float32), gaussian_noise.astype(np.float32))
# 将图像值裁剪到[0, 255]并转换为uint8类型
return np.clip(noisy_image, 0, 255).astype(np.uint8)
def add_uniform_noise(self, image):
"""添加均匀噪声"""
low = -50 # 均匀噪声的下限
high = 50 # 均匀噪声的上限
# 生成与图像大小相同的均匀噪声
uniform_noise = np.random.uniform(low, high, image.shape).astype(np.float32)
# 将图像转换为浮点数进行运算，避免溢出
noisy_image = cv2.add(image.astype(np.float32), uniform_noise.astype(np.float32))
# 将图像值裁剪到[0, 255]并转换为uint8类型
return np.clip(noisy_image, 0, 255).astype(np.uint8)
def median_filter(self, image):
"""中值滤波"""
return cv2.medianBlur(image, 5) # 使用5x5的核进行中值滤波
def gaussian_filter(self, image):
"""高斯滤波"""
return cv2.GaussianBlur(image, (5, 5), 0) # 使用5x5的核进行高斯滤波
def mean_filter(self, image):
"""均值滤波"""
return cv2.blur(image, (5, 5)) # 使用5x5的核进行均值滤波
def process(self, mode):
"""根据选择的模式处理图像"""
if 'processed' not in self.image_data: # 如果没有处理过的图像，默认使用原始图像进行处理
if 'original' not in self.image_data:
QMessageBox.warning(self, "提示", "请先加载图片") # 提示用户加载图像
return
img = self.image_data['original'] # 获取原始图像
else:
img = self.image_data['processed'] # 获取处理后的图像作为基础图像
result = None # 初始化处理结果
try:
# 根据模式选择处理方式
if mode == "gray": # 灰度化
result = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转为灰度图
result = cv2.cvtColor(result, cv2.COLOR_GRAY2BGR) # 转回三通道（为了显示一致）
self.image_data['original'] = result
elif mode == "denoise": # 去噪处理
# 弹出对话框让用户选择去噪方法
denoise_type, ok = QInputDialog.getItem(
self, "选择去噪方法", "去噪方法", ["中值滤波", "高斯滤波", "均值滤波"], 0, False)
if ok and denoise_type:
img_copy = img.copy() # 使用副本进行操作
if denoise_type == "中值滤波":
result = self.median_filter(img_copy)
elif denoise_type == "高斯滤波":
result = self.gaussian_filter(img_copy)
elif denoise_type == "均值滤波":
result = cv2.fastNlMeansDenoisingColored(img, None, 10, 10, 7, 21)
elif mode == "sharpen": # 锐化
# 定义锐化卷积核
kernel = np.array([[-1, -1, -1],
[-1, 9, -1],
[-1, -1, -1]])
result = cv2.filter2D(img, -1, kernel) # 应用卷积核
elif mode == "rotate": # 旋转
# 顺时针旋转90度
result = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)
elif mode == "add_noise": # 添噪处理
# 弹出对话框让用户选择噪声类型
noise_type, ok = QInputDialog.getItem(
self, "选择噪声类型", "噪声类型", ["椒盐噪声", "高斯噪声", "均匀噪声"], 0, False)
if ok and noise_type:
img_copy = img.copy() # 使用副本进行操作
if noise_type == "椒盐噪声":
result = self.add_salt_pepper_noise(img_copy)
elif noise_type == "高斯噪声":
result = self.add_gaussian_noise(img_copy)
elif noise_type == "均匀噪声":
result = self.add_uniform_noise(img_copy)
else:
return
self.image_data['processed'] = result
self.show_image(result, self.processed_label)
except Exception as e: # 添加异常处理
QMessageBox.critical(self, "错误", f"处理失败: {str(e)}")
def show_image(self, img, label):
"""显示图像"""
try:
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 将BGR转为RGB格式
h, w, ch = rgb.shape
bytes_per_line = ch * w
q_img = QImage(rgb.data, w, h, bytes_per_line, QImage.Format.Format_RGB888) # 转为QImage格式
label.setPixmap(QPixmap.fromImage(q_img).scaled(400, 400, Qt.AspectRatioMode.KeepAspectRatio)) # 设置显示图像
except Exception as e:
QMessageBox.critical(self, "错误", f"显示图像时发生错误：{e}") # 捕获并显示异常信息
if __name__ == "__main__":
app = QApplication(sys.argv) # 创建应用实例
window = ImageProcessor() # 创建主窗口实例
window.show() # 显示窗口
sys.exit(app.exec()) # 进入事件循环，等待用户操作
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
