OpenCV训练题

m0_62060781

已于 2025-04-21 21:03:16 修改

阅读量448

点赞数 5

文章标签： opencv 人工智能计算机视觉

于 2025-04-21 21:03:04 首次发布

本文链接：https://blog.csdn.net/m0_62060781/article/details/147402323

版权

一、创建一个 PyQt 应用程序，该应用程序能够：

使用 OpenCV 加载一张图像。
在 PyQt 的窗口中显示这张图像。
提供四个按钮（QPushButton）：

一个用于将图像转换为灰度图
一个用于将图像恢复为原始彩色图
一个用于将图像进行翻转
一个用于将图像进行旋转
4.当用户点击按钮时，相应地更新窗口中显示的图像。

import sys
import cv2
from PyQt6.QtGui import QImage, QPixmap
from PyQt6.QtWidgets import QWidget, QApplication, QLabel, QPushButton
from PyQt6 import uic


# 封装一个我的窗口类
class MyWidget(QWidget):
    def __init__(self):
        super().__init__()
        # 通过 uic 将 ui 界面加载到程序中来
        ui = uic.loadUi("./form.ui", self)

        # 加载图像
        self.original_image = cv2.imread("../images/lena.png")
        if self.original_image is None:
            print("无法加载图像，请检查图像路径。")
            sys.exit(1)
        self.current_image = self.original_image.copy()

        self.label: QLabel = ui.label
        self.btn1: QPushButton = ui.btn1
        self.btn2: QPushButton = ui.btn2
        self.btn3: QPushButton = ui.btn3
        self.btn4: QPushButton = ui.btn4

        # 显示原始图像
        self.display_image(self.current_image)
        self.label.setScaledContents(True)

        # 连接按钮信号和槽函数
        self.btn1.clicked.connect(self.convert_to_gray)
        self.btn2.clicked.connect(self.restore_color)
        self.btn3.clicked.connect(self.flip_image)
        self.btn4.clicked.connect(self.rotate_image)

    def display_image(self, image):
        height, width, channel = image.shape
        bytes_per_line = 3 * width
        q_img = QImage(image.data, width, height, bytes_per_line, QImage.Format.Format_BGR888)
        pixmap = QPixmap.fromImage(q_img)
        self.label.setPixmap(pixmap)

    def convert_to_gray(self):
        self.current_image = cv2.cvtColor(self.current_image, cv2.COLOR_BGR2GRAY)
        self.current_image = cv2.cvtColor(self.current_image, cv2.COLOR_GRAY2BGR)
        self.display_image(self.current_image)

    def restore_color(self):
        self.current_image = self.original_image.copy()
        self.display_image(self.current_image)

    def flip_image(self):
        self.current_image = cv2.flip(self.current_image, 1)
        self.display_image(self.current_image)

    def rotate_image(self):
        self.current_image = cv2.rotate(self.current_image, cv2.ROTATE_90_CLOCKWISE)
        self.display_image(self.current_image)


if __name__ == '__main__':
    app = QApplication(sys.argv)
    myWidget = MyWidget()
    myWidget.show()
    sys.exit(app.exec())

结果展示：

二、创建一个 PyQt 应用程序，该应用程序能够：

使用 OpenCV 加载一张彩色图像，并在 PyQt 的窗口中显示它。
提供一个滑动条（QSlider），允许用户调整图像的亮度。
当用户调整滑动条时，实时更新窗口中显示的图像亮度。
添加另一个滑动条（QSlider），允许用户调整图像的对比度。
当用户调整滚动条时，实时更新窗口中显示的图像对比度。
提供一个按钮（QPushButton），允许用户将图像保存为新的文件。
当用户点击保存按钮时，将调整后的图像保存到指定的路径，OpenCV中使用cv2.imwrite()来保存图片。

import sys
import cv2
from PyQt6.QtGui import QImage, QPixmap
from PyQt6.QtWidgets import QWidget, QApplication, QLabel, QPushButton, QSlider, QFileDialog
from PyQt6 import uic


class MyWidget(QWidget):
    def __init__(self):
        super().__init__()
        # 通过 uic 将 ui 界面加载到程序中来
        ui = uic.loadUi("./form1.ui", self)

        self.original_image = cv2.imread("../images/lena.png")
        if self.original_image is None:
            print("无法加载图像，请检查图像路径。")
            sys.exit(1)
        self.current_image = self.original_image.copy()

        self.label: QLabel = ui.label
        self.Slider1: QSlider = ui.Slider1
        self.Slider2: QSlider = ui.Slider2
        self.pushButton: QPushButton = ui.pushButton

        # 初始化滑动条范围
        self.Slider1.setRange(-100, 100)
        self.Slider2.setRange(0, 200)
        self.Slider1.setValue(0)
        self.Slider2.setValue(100)

        # 连接信号和槽
        self.Slider1.valueChanged.connect(self.adjust_brightness)
        self.Slider2.valueChanged.connect(self.adjust_contrast)
        self.pushButton.clicked.connect(self.save_image)

        self.display_image(self.current_image)
        self.label.setScaledContents(True)

    def display_image(self, image):
        height, width, channel = image.shape
        bytes_per_line = 3 * width
        q_img = QImage(image.data, width, height, bytes_per_line, QImage.Format.Format_BGR888)
        pixmap = QPixmap.fromImage(q_img)
        self.label.setPixmap(pixmap)

    def adjust_brightness(self, value):
        # 调整亮度
        alpha = 1.0
        beta = value
        self.current_image = cv2.convertScaleAbs(self.original_image, alpha=alpha, beta=beta)
        self.display_image(self.current_image)

    def adjust_contrast(self, value):
        # 调整对比度
        alpha = value / 100.0
        beta = 0
        self.current_image = cv2.convertScaleAbs(self.original_image, alpha=alpha, beta=beta)
        self.display_image(self.current_image)

    def save_image(self):
        # 选择保存路径
        file_path, _ = QFileDialog.getSaveFileName(self, "保存图像", "", "图像文件 (*.png *.jpg *.jpeg)")
        if file_path:
            try:
                cv2.imwrite(file_path, self.current_image)
                print(f"图像已保存到 {file_path}")
            except Exception as e:
                print(f"保存图像时出错: {e}")


if __name__ == '__main__':
    app = QApplication(sys.argv)
    myWidget = MyWidget()
    myWidget.show()
    sys.exit(app.exec())

结果展示：

三、创建一个 PyQt 应用程序，该应用程序能够：

使用 OpenCV 加载一张图像。
在 PyQt 的窗口中显示这张图像。
提供一个下拉列表（QComboBox），对图像做（模糊、锐化、边缘检测）处理：

模糊——使用cv2.GaussianBlur()实现
锐化——使用cv2.Laplacian()、cv2.Sobel()实现
边缘检测——使用cv2.Canny()实现

当用户点击下拉列表选项时，相应地更新窗口中显示的图像。
提供一个按钮，当用户点击按钮时，能保存调整后的图像。

import sys
import cv2
from PyQt6.QtGui import QImage, QPixmap
from PyQt6.QtWidgets import QWidget, QApplication, QLabel, QPushButton, QSlider, QFileDialog, QComboBox
from PyQt6 import uic


# 封装一个我的窗口类
class MyWidget(QWidget):
    def __init__(self):
        super().__init__()
        # 通过uic将ui界面加载到程序中来
        ui = uic.loadUi("./form2.ui",self)

        self.original_image = cv2.imread("../images/lena.png")
        if self.original_image is None:
            print("无法加载图像，请检查图像路径。")
            sys.exit(1)
        self.current_image = self.original_image.copy()

        self.label: QLabel = ui.label
        self.comboBox:QComboBox = ui.comboBox
        self.pushButton:QPushButton = ui.pushButton

        self.comboBox.addItems(["原始图像","模糊处理","锐化处理","边缘检测"])

        self.display_image(self.current_image)
        self.label.setScaledContents(True)

        self.comboBox.currentIndexChanged.connect(self.comboBox_slot)
        self.pushButton.clicked.connect(self.save_image)

    def display_image(self, image):
        height, width, channel = image.shape
        bytes_per_line = 3 * width
        q_img = QImage(image.data, width, height, bytes_per_line, QImage.Format.Format_BGR888)
        pixmap = QPixmap.fromImage(q_img)
        self.label.setPixmap(pixmap)

    def comboBox_slot(self):
        if self.comboBox.currentText() == "原始图像":
            self.current_image = self.original_image.copy()
        elif self.comboBox.currentText() == "模糊处理":
            self.current_image = cv2.GaussianBlur(self.original_image,(5,5),0)
        elif self.comboBox.currentText() == "锐化处理":
            laplacian = cv2.Laplacian(self.original_image,cv2.CV_64F)
            self.current_image = cv2.convertScaleAbs(laplacian)
        elif self.comboBox.currentText() == "边缘检测":
            # 使用 Canny 边缘检测
            self.current_image = cv2.Canny(self.original_image, 100, 200)
            # 转换为三通道图像以便显示
            self.current_image = cv2.cvtColor(self.current_image, cv2.COLOR_GRAY2BGR)

        self.display_image(self.current_image)

    def save_image(self):
        # 选择保存路径
        file_path, _ = QFileDialog.getSaveFileName(self, "保存图像", "", "图像文件 (*.png *.jpg *.jpeg)")
        if file_path:
            try:
                cv2.imwrite(file_path, self.current_image)
                print(f"图像已保存到 {file_path}")
            except Exception as e:
                print(f"保存图像时出错: {e}")


if __name__ == '__main__':
    app = QApplication(sys.argv)
    myWidget = MyWidget()
    myWidget.show()
    sys.exit(app.exec())

结果展示：

四、请编写一段Python代码，实现以下功能：

读取一张二维码图片
进行二值化处理和形态学操作，获取二维码轮廓
通过轮廓外接特征检测或者多边形逼近等获取二维码的四个点
进行透视变换，矫正二维码图像

import cv2
import numpy as np


def order_points(pts):
    """对四个点进行排序：左上，右上，右下，左下"""
    rect = np.zeros((4, 2), dtype="float32")
    s = pts.sum(axis=1)
    rect[0] = pts[np.argmin(s)]  # 左上（x+y最小）
    rect[2] = pts[np.argmax(s)]  # 右下（x+y最大）

    diff = np.diff(pts, axis=1)
    rect[1] = pts[np.argmin(diff)]  # 右上（y-x最小）
    rect[3] = pts[np.argmax(diff)]  # 左下（y-x最大）
    return rect


# 1. 读取图片
image = cv2.imread('../images/erwei.jpg')
image = cv2.resize(image,(0,0),fx=0.5,fy=0.5)
orig = image.copy()

# 2. 预处理
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5, 5), 0)
_, thresh = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 形态学操作（闭运算填充内部空隙）
kernel = np.ones((3, 3), np.uint8)
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=2)

# 3. 轮廓检测
contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 筛选最大轮廓并进行多边形逼近
max_area = 0
screen_pts = None
for cnt in contours:
    area = cv2.contourArea(cnt)
    if area < 1000:  # 过滤小面积噪声
        continue
    peri = cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
    if len(approx) == 4:
        if area > max_area:
            max_area = area
            screen_pts = approx.reshape(4, 2)

if screen_pts is None:
    raise ValueError("未检测到二维码轮廓")

# 4. 透视变换
rect = order_points(screen_pts)
(tl, tr, br, bl) = rect

# 计算目标图像尺寸
width_a = np.linalg.norm(br - bl)
width_b = np.linalg.norm(tr - tl)
max_width = max(int(width_a), int(width_b))

height_a = np.linalg.norm(tr - br)
height_b = np.linalg.norm(tl - bl)
max_height = max(int(height_a), int(height_b))

# 目标点坐标
dst = np.array([
    [0, 0],
    [max_width - 1, 0],
    [max_width - 1, max_height - 1],
    [0, max_height - 1]], dtype="float32")

# 计算变换矩阵并执行变换
M = cv2.getPerspectiveTransform(rect, dst)
warped = cv2.warpPerspective(orig, M, (max_width, max_height))

# 显示结果
cv2.imshow("Original", orig)
cv2.imshow("Corrected QR Code", warped)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、请编写一段Python代码，实现以下功能：

读取一张彩色图像
制作要提取颜色的掩膜
输出抠图后的前景图和背景图

import cv2
import numpy as np

def extract_colors(image_path):
    # 1. 读取彩色图像
    img = cv2.imread(image_path)
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    # 2. 定义颜色范围（示例：提取红色系）
    # 可根据需求修改阈值范围
    lower_red1 = np.array([0, 43, 46])     # 红色HSV下限1
    upper_red1 = np.array([10, 255, 255])    # 红色HSV上限1
    lower_red2 = np.array([156, 43, 46])   # 红色HSV下限2（处理色相环闭合）
    upper_red2 = np.array([180, 255, 255])   # 红色HSV上限2

    # 生成掩膜
    mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
    mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
    mask = cv2.bitwise_or(mask1, mask2)

    # 形态学优化（填充空洞、去除噪声）
    kernel = np.ones((5,5), np.uint8)
    mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=2)
    mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1)

    # 3. 分割前景和背景
    foreground = cv2.bitwise_and(img, img, mask=mask)
    background = cv2.bitwise_and(img, img, mask=cv2.bitwise_not(mask))

    # 4. 显示结果
    # cv2.imshow("Original", img)
    cv2.imshow("Foreground", foreground)
    cv2.imshow("Background", background)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 执行函数（替换为你的图片路径）
extract_colors("../images/redflowers.png")

结果展示：