1.系统介绍
系统包括文件浏览区域,缩略图区域,大图区域,图像分析区域(包括增加亮度,去除毛发噪声等功能),识别结果区域,还可以进行外接摄像头随时采集皮肤图像进行识别以及分析,此外还有历史记录查询区域和每一种疾病信息,参考图查询区域,分类数据集使用的是ISIC2019皮肤癌分类数据集,用Tensorflow2.0框架进行训练,之后转为pb模型用opencv进行调用,肿瘤区域分割使用ISIC2017数据集,选择U-net进行训练,之后转为onnx模型,使用onnxruntime进行调用。
2.登录界面
运行之后首先显示登录界面
相关代码
conn = sqlite3.connect('./database/user.db')
cursor = conn.cursor()
cursor.execute('SELECT * FROM user')
result = cursor.fetchall()
cursor.close()
conn.close()
# 1 获取输入的账户和密码
account = self.lineEdit.text() # 记得text要打括号()!
password = self.lineEdit_2.text()
if account == "" or password == "":
QMessageBox.warning(self, "警告", "账号密码不能为空,请输入!")
return
else:
for j in result:
if account == str(j[0]) and password == str(j[1]):
self.attach = 1
break
if self.attach == 1:
self.main = Main()
self.main.show()
# 2关闭本窗口
self.close()
else:
QMessageBox.warning(self, "警告", "账户或密码错误,请重新输入!")
3.注册界面
点击注册按钮显示注册界面
相关代码
self.account = self.lineEdit.text() # 记得text要打括号()!
self.password = self.lineEdit_2.text()
self.re_password = self.lineEdit_3.text()
if self.account == "" or self.password == "" or self.re_password == "":
QMessageBox.warning(self, "警告", "请输入用户名或密码!")
elif self.password != self.re_password:
QMessageBox.warning(self, "警告", "输入密码不一致,请重新输入!")
else:
conn = sqlite3.connect('./database/user.db')
cursor = conn.cursor()
cursor.execute('INSERT INTO user VALUES (?,?)', (self.account, self.password))
cursor.close()
conn.commit()
conn.close()
QMessageBox.warning(self, "成功", "注册成功!")
4.主界面
输入用户名密码点击登录按钮跳转到主界面
5.选择文件夹
在文件选择区域选择自己要识别的图像文件夹,双击之后缩略图区域会显示文件夹内所有的图片
6.选择图片
双击选好的图片会显示大图
7.对图像进行处理
通过点击右边的复选框,可以对图像进行简单的处理
7.1 去除毛发噪声
去除前
去除后
7.2 病变区域分割
分割模型使用我之前发过的代码进行训练,之后对其进行部署https://blog.csdn.net/qq_38412266/article/details/107400045?spm=1001.2014.3001.5502
7.3 平滑处理
可以选择核大小
7.4 伽马矫正
7.5 均衡化
可以选择不同的通道进行均衡化
7.6 亮度调节
7.7 边缘检测
8 处理后图片保存
鼠标放到图片区域点击右键
选择位置进行保存
保存成功
9 皮肤病识别
点击识别按钮,使用模型对图片进行预测
10 打开摄像头
软件也可以外接摄像头
11 摄像头抓取图片
对于摄像头抓取的图片也可以进行相应的图像处理
12 摄像头抓取识别
对于摄像头捕捉的图像点击识别按钮进行识别
13 查询页面
点击查询跳出查询页面,可以查询历史记录以及每种疾病的信息
14 历史记录
选中要查询的历史记录,双击会显示当时进行识别的图像,存储主要用的是sqlite轻量级数据库
15 疾病信息
选择要查询的疾病信息,双击可以看到疾病的介绍以及参考图片