python打包pyqt5+opencv开发的程序(一):pyinstaller

目的:将python项目打包成exe文件。

项目特点:该python项目包含多个子文件夹及py文件,与外部有xml数据交换。

使用的库:pyqt5,numpy,matplotlib,opencv-python,scikit-learn

方法:新建虚拟环境,使用pyinstaller进行打包,避免在anaconda环境下打包体积过大。

问题:anaconda下打包的exe文件约200Mb,新建环境后体积有减小,但是仍然有100Mb。下一步尝试使用UPX压缩、在visual studio下用C++封装后打包、用python-embedded…

步骤

1、新建virtualenv环境,并激活环境
由于anaconda会自带很多不需要用的库,所以直接在开发的环境下打包会导致打包之后的exe文件体积过大,因此在cmd下用系统自带的python新建虚拟环境,只安装必须的库。

1)在cmd窗口下,输入python,如下图,确定python版本与开发环境是一致的。
在这里插入图片描述

Tips:

  • 如果安装了python,提示指令出错,将python.exe所在的目录加入系统环境变量中;
  • 如果显示的是anaconda的python,可以将anaconda所在的环境变量删掉,或者将官方版python在环境变量中的位置放在anaconda之前;

2)在cmd下,安装virtualenv用于创建独立的python环境;

pip install virtualenv

3)cd选择一个路径,在该路径下建立新的、干净的python环境;

virtualenv your_env    # your_env 自行命名

4)cd切换到新建环境中的scripts路径下(eg. E:\your_env\Scripts),输入activate激活环境;

5)cd切换到程序目录,该目录下有程序的入口,比如main.py

2、结合pyinstaller,安装必要的库
1)使用pip安装项目中使用到的库;

pip install pyqt5 numpy matplotlib opencv-python scikit-learn

2)使用pyinstaller尝试打包,记下显式缺少的库(eg. ModuleNotFoundError),再通过pip安装;

pyinstaller -F main.py

比如出现如下信息:

ModuleNotFoundError: No module named 'win32com',经查询,是由于缺少pywin32库。

直接通过pip install pywin32安装即可。

3)如果执行成功,当前路径下将会多出3个文件:./build./distmain.spec

3、修改.spec文件,加入缺失的dll、module
1)cd切换到dist路径下,运行main.exe,对于简单的项目,这一步可能直接成功运行,则到此为止。若运行不成功,会出现错误提示,根据提示继续下一步;
2)如果提示....PyInstallerImportError: Failed to load dynlib/dll...,则找到该dll文件,放在当前程序文件夹中,将main.specdatas修改如下:

# 例子,  第一个引号表示dll名,第二个引号表示路径
datas=[('vcomp140.dll','.'),('MvCameraControl.dll','.')], 

3)如果提示ModuleNotFoundError: No module named 'sklearn.utils._cython_blas',由于这是在sklearn中的子模块,不能通过pip安装,需要将main.spec中的hiddenimports修改如下:

hiddenimports=['sklearn.utils._cython_blas'],

4)修改之后重新编译,需要先将./build./dist文件夹删掉,再用pyinstaller指令,指令中的main.py改成main.spec

pyinstaller -F main.spec

4、将依赖数据(比如用于持久化的数据./data)和main.exe放在一个文件夹下,即可运行。


debug:

  • ModuleNotFoundError: No module named 'pkg_resources.py2_warn'
    需要降低setuptools的版本。

Tips:
设置国内镜像,提升pip下载速度
在环境变量Home对应的文件夹中新建一个./pip/pip.ini文件,加入如下内容:

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=mirrors.aliyun.com
  • 2
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
车辆识别系统通常包含三部分:图像处理、特征提取和分类识别。下面是一个基于Python+PyQt5+API的简单车辆识别系统的实现: 1. 图像处理 使用OpenCV库实现图像处理,包括读取图像、调整图像大小、图像灰度化、二值化、边缘检测等。 ```python import cv2 def preprocess_image(image_path): """ 对图像进行预处理 """ # 读取图像 image = cv2.imread(image_path) # 调整图像大小 image = cv2.resize(image, (800, 600)) # 灰度化 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 二值化 _, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) # 边缘检测 edge = cv2.Canny(binary, 50, 150) return edge ``` 2. 特征提取 使用深度学习模型提取图像特征。这里使用已经训练好的VGG16模型作为特征提取器。 ```python import numpy as np from keras.applications.vgg16 import VGG16, preprocess_input from keras.models import Model def extract_features(image): """ 使用VGG16模型提取图像特征 """ # 加载VGG16模型 base_model = VGG16(weights='imagenet') # 截取VGG16模型的倒数第二层作为特征提取器 feature_extractor = Model(inputs=base_model.input, outputs=base_model.get_layer('fc2').output) # 对图像进行预处理 image = np.expand_dims(image, axis=0) image = preprocess_input(image) # 提取特征 features = feature_extractor.predict(image) return features.flatten() ``` 3. 分类识别 使用训练好的分类器进行车辆识别。这里使用SVM模型作为分类器。 ```python from sklearn.externals import joblib def recognize_vehicle(image_path): """ 车辆识别 """ # 图像预处理 image = preprocess_image(image_path) # 提取特征 features = extract_features(image) # 加载SVM模型 svm_model = joblib.load('svm_model.pkl') # 进行分类识别 prediction = svm_model.predict([features]) return prediction[0] ``` 4. 编写GUI界面 使用PyQt5库编写GUI界面,包括文件选择、图像显示、车辆识别按钮等。 ```python import sys from PyQt5.QtWidgets import QWidget, QApplication, QLabel, QPushButton, QFileDialog, QHBoxLayout, QVBoxLayout from PyQt5.QtGui import QPixmap class VehicleRecognition(QWidget): def __init__(self): super().__init__() self.initUI() def initUI(self): # 创建文件选择按钮 self.selectButton = QPushButton('选择图片', self) self.selectButton.clicked.connect(self.showFileDialog) # 创建车辆识别按钮 self.recognizeButton = QPushButton('车辆识别', self) self.recognizeButton.clicked.connect(self.recognizeVehicle) # 创建图像显示区域 self.imageLabel = QLabel(self) # 创建布局 hbox = QHBoxLayout() hbox.addWidget(self.selectButton) hbox.addWidget(self.recognizeButton) vbox = QVBoxLayout() vbox.addLayout(hbox) vbox.addWidget(self.imageLabel) self.setLayout(vbox) # 设置窗口属性 self.setGeometry(300, 300, 800, 600) self.setWindowTitle('车辆识别系统') self.show() def showFileDialog(self): """ 显示文件选择对话框 """ options = QFileDialog.Options() options |= QFileDialog.DontUseNativeDialog fileName, _ = QFileDialog.getOpenFileName(self,"选择图片","./","Images (*.png *.xpm *.jpg)", options=options) if fileName: self.imageLabel.setPixmap(QPixmap(fileName).scaled(800, 600)) def recognizeVehicle(self): """ 进行车辆识别 """ image_path = self.imageLabel.pixmap().toImage() prediction = recognize_vehicle(image_path) self.setWindowTitle('车辆识别系统 - ' + prediction) if __name__ == '__main__': app = QApplication(sys.argv) ex = VehicleRecognition() sys.exit(app.exec_()) ``` 这样,我们就完成了一个基于Python+PyQt5+API的简单车辆识别系统。需要注意的是,这个系统只是一个简单的示例,实际应用中可能需要更复杂的图像处理和更精准的分类识别算法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值