Python 实现有UI界面的图像处理小工具 PIL CV2 NUMPY

最新推荐文章于 2024-07-27 12:20:46 发布
最新推荐文章于 2024-07-27 12:20:46 发布
阅读量893 收藏 11
点赞数 1
分类专栏： 学习 HW 文章标签： python 图像处理 ui
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42242783/article/details/121790202
版权
学习 同时被 2 个专栏收录
2 篇文章 0 订阅
订阅专栏
HW
1 篇文章 0 订阅
订阅专栏

文章目录

前言

数字媒体作业需要使用任意语言编写一个图像处理小工具，并且处理过程尽量不使用库函数提供的方法，一开始使用Python就是为了更方便使用库提供的方法QAQ

环境 WIN10 Python V3.7.9
使用到的包 tkiner PIL cv2 numpy matplotlib pyplot

Ⅰ、窗体创建

1> 使用 tkinter 构建一个基本窗体

####################### 初始化GUI窗体 #######################

win = tkinter.Tk()
win.title("Hello Test")
win.geometry('1000x800')

####### 菜单栏 #######
menubar = tkinter.Menu(win)

filemenu = tkinter.Menu(menubar, tearoff=False)
filemenu.add_command(label='打开  ', command=open_file)
filemenu.add_command(label='保存  ', command=save_file)

image01 = tkinter.Menu(menubar, tearoff=False)
image01.add_command(label='灰度图  ', command=grayscale_Image)
image01.add_command(label='负片  ', command=negative_Film)
image01.add_command(label='二值化  ', command=image_binaryzation)
image01.add_command(label='提高对比度  ', command=image_enhancement) 
image01.add_command(label='图像模糊  ', command=image_blur) 
image01.add_separator()
image01.add_command(label='恢复原图  ', command=restore_Original)


menubar.add_cascade(label='文件', menu=filemenu)
menubar.add_cascade(label='图像', menu=image01)

win.config(menu=menubar)

####### 框 #######
frm = tkinter.Frame(win)
frm.pack()

frm_top1 = tkinter.Frame(frm, width=1000, height='5', bg='yellow')
frm_top2 = tkinter.Frame(frm, width=1000, height='5', bg='yellow')
frm_top3 = tkinter.Frame(frm, width=1000, height='5', bg='yellow')
frm_l = tkinter.Frame(frm, width="1920", height='1080', bg='red')
frm_r = tkinter.Frame(frm)

x1 = IntVar()
x2 = IntVar()
x3 = IntVar()
rch_b = tkinter.Checkbutton(frm_top1, text = "红色通道", variable = x1, \
                 onvalue = 1, offvalue = 0,  width = 20, command=channel)
gch_b = tkinter.Checkbutton(frm_top1, text = "绿色通道", variable = x2, \
                 onvalue = 1, offvalue = 0, width = 20, command=channel)
bch_b = tkinter.Checkbutton(frm_top1, text = "蓝色通道", variable = x3, \
                 onvalue = 1, offvalue = 0, width = 20, command=channel)

rch_b.pack(side='left')
gch_b.pack(side='left')
bch_b.pack(side='left')

t01 = tkinter.Label(frm_top1, text="高比例")
E1 = tkinter.Entry(frm_top1, bd =5, width="5")
t02 = tkinter.Label(frm_top1, text="宽比例")
E2 = tkinter.Entry(frm_top1, bd =5, width="5")
B1 = tkinter.Button(frm_top1, text ="缩小", command = img_narrow)

t01.pack(side="left")
E1.pack(side="left")
t02.pack(side="left")
E2.pack(side="left")
B1.pack(side="left")

t03 = tkinter.Label(frm_top1, text="高比例")
E3 = tkinter.Entry(frm_top1, bd =5, width="5")
t04 = tkinter.Label(frm_top1, text="宽比例")
E4 = tkinter.Entry(frm_top1, bd =5, width="5")
B2 = tkinter.Button(frm_top1, text ="放大", command = img_enlarge)

t03.pack(side="left")
E3.pack(side="left")
t04.pack(side="left")
E4.pack(side="left")
B2.pack(side="left")

cv = tkinter.Canvas(frm_l, height=1920, width=1080)

# frame=tkinter.Frame(cv) #把frame放在canvas里
# frame.place(width=180, height=180) #frame的长宽，和canvas差不多的

# vbar=tkinter.Scrollbar(cv,orient=VERTICAL)
# vbar.place(x = 1000-20,width=20,height=800-100)
# vbar.configure(command=cv.yview)
# hbar=tkinter.Scrollbar(cv,orient=HORIZONTAL)#水平滚动条
# hbar.place(x =0,y=800-100,width=1000,height=20)
# hbar.configure(command=cv.xview)

cv.config(width=1920,height=1080)
# cv.config(xscrollcommand=hbar.set,yscrollcommand=vbar.set)
cv.pack()
# hbar.pack(side=BOTTOM)
# vbar.pack(side=RIGHT)
try:
    # file_path = filedialog.askopenfilename(title=u'选择文件')
    # im1 = Image.open(file_path)  # 打开图片
    # im2 = ImageTk.PhotoImage(im1)  # 用PIL模块的PhotoImage打开
    # imx = im1
    # open_file()
    pass
except:
    pass


cv.create_image(10,10,image=im2,anchor="nw")

# img_cv = cv.create_image(500,500,image=photo, anchor="nw")

frm_top1.pack(side='top')
frm_top2.pack(side='top')
frm_top3.pack(side='top')
frm_l.pack(side='left')
frm_r.pack(side='right')

####### LOOP #######
win.mainloop()

Ⅱ、文件处理方法 打开和保存

1> 图像的打开

# 打开文件 获取文件路径 写入画板
def open_file():
    global im1
    global im2
    global imx
    global file_path
    global cvimg
    global imarray
    file_pathX = filedialog.askopenfilename(title=u'选择文件')
    im1 = Image.open(file_pathX)
    im1.save('Source.png')
    cvimg = cv2.imread(file_path)
    cv2.imwrite('Source.png', cvimg)
    
    im1 = Image.open(file_path)  # 打开图片
    imarray = np.array(im1)
    im2 = ImageTk.PhotoImage(im1)  # 用PIL模块的PhotoImage打开
    cv.create_image(10,10,image=im2,anchor="nw")
    imx = im1
    im1.save(buffer_path)
    restore_Original()
    # cv.itemconfigure(img_cv, image=photo1)
    # frm_l.update()
    # print(img_cv)
    # frm_top.config(width=win.winfo_width(),height='50') 设置窗口大小
    pass

2> 图像的保存

保存方法是最后写的在之前声明了一些全局变量


def save_file():
    global im2
    save_path=tkinter.filedialog.asksaveasfilename(title='保存文件',defaultextension=".png")
    # im2.show()
    im2._PhotoImage__photo.write(save_path)
    # x.save(save_path)
    pass

Ⅲ、图像处理函数

1> 灰度图

def grayscale_Image():
    global im2
    global im1
    global imx
    imageWidth = imx.width
    imageHeight = imx.height
    # for x in range(imageWidth):
    #     for y in range(imageHeight):
    #         r,g,b=imx.getpixel((x,y))
    #         #  print(imx.getpixel((x,y)))
    #         imx.putpixel((x,y),(r*1+g*2+b*1)>>2)

    imx2 = imx.convert(mode='L')
    im2 = ImageTk.PhotoImage(imx2) 
    cv.create_image(10,10,image=im2,anchor="nw")
    imx2.save(buffer_path)
    pass

2> 负片效果

def negative_Film():
    global im2
    global im1
    global cvimg
    # global imx
    imx.convert(mode='RGB')
    imageWidth = imx.width
    imageHeight = imx.height


    b,g,r = cv2.split(cvimg)
    b = 255 - b
    g = 255 - g
    r = 255 - r


    cvimg[:,:,0] = b
    cvimg[:,:,1] = g
    cvimg[:,:,2] = r
    # for x in range(imageWidth):
    #     for y in range(imageHeight):
    #         r,g,b,e=imx.getpixel((x,y))
    #         imx.putpixel((x,y),(255-r,255-g,255-b))
    image = Image.fromarray(cv2.cvtColor(cvimg,cv2.COLOR_BGR2RGB)) 
    im2 = ImageTk.PhotoImage(image) 
    cv.create_image(10,10,image=im2,anchor="nw")
    imx.save(buffer_path)
    pass

3> 图片缩小


# 图片缩放
def img_narrow():
    global cvimg
    global im2
    global imarray
    global imx
    imageWidth = imx.width
    imageHeight = imx.height
#   dsize=（0.5*width,0.5*height）
#   size = (int(E1.get()), int(E2.get())) 
    # cvimg = cv2.resize(cvimg, size)
    
    height = np.double(E1.get())
    width =  np.double(E2.get())	
    output_h = round(imageHeight * height)
    output_w = round(imageWidth * width)

    new_arr = np.zeros((output_h, output_w, 3), dtype = "uint8")
    for i in range(output_h):
    	for j in range(output_w):
            # imx.putpixel((i,j),(imarray[round((i+1)/0.6-1), round((j+1)/0.6-1),0], imarray[round((i+1)/0.6-1), round((j+1)/0.6-1),1], imarray[round((i+1)/0.6-1), round((j+1)/0.6-1),2]))
            # print(type(imarray[round((i+1)/0.6-1), round((j+1)/0.6-1), 0]))
                    # imarray[round((i+1)/0.6-1), round((j+1)/0.6-1)][1], \
                    # imarray[round((i+1)/0.6-1), round((j+1)/0.6-1)][2])
            new_arr[i, j] = imarray[round((i+1)/height-1), round((j+1)/width-1)] 

    new_im = Image.fromarray(new_arr)

    image = Image.fromarray(cv2.cvtColor(new_arr,cv2.COLOR_BGR2RGB)) 
    im2 = ImageTk.PhotoImage(image) 
    cv.create_image(10,10,image=im2,anchor="nw")
    imx.save(buffer_path)
    pass

4> 图片放大


# 图片放大 最近点插值
def img_enlarge():
    global cvimg
    global im2
    global imarray
    global imx
    imageWidth = imx.width
    imageHeight = imx.height

    height = np.double(E3.get())
    width =  np.double(E4.get())	
    output_h = round(imageHeight * height)
    output_w = round(imageWidth * width)

    new_arr = np.zeros((output_h, output_w, 3), dtype = "uint8")
    for i in range(output_h):
    	for j in range(output_w):
            x = round((i+1)/height-1)
            y = round((j+1)/width-1)
            new_arr[i, j] = imarray[x, y] 

    new_im = Image.fromarray(new_arr)

    image = Image.fromarray(cv2.cvtColor(new_arr,cv2.COLOR_BGR2RGB)) 
    im2 = ImageTk.PhotoImage(image) 
    cv.create_image(10,10,image=im2,anchor="nw")
    imx.save(buffer_path)


    pass

5> 增强对比度


# 对比度增强  线性变换
def image_enhancement():
    global imarray
    global im2
    global cvimg
 
    a=1.5
    b=0
    y = np.float64(a)*cvimg+b
    y[y>255]=255
    y = np.round(y)
    img_bright= y.astype(np.uint8)

    image = Image.fromarray(cv2.cvtColor(img_bright,cv2.COLOR_BGR2RGB)) 
    im2 = ImageTk.PhotoImage(image) 
    cv.create_image(10,10,image=im2,anchor="nw")

    pass

6> 图像模糊 高斯模糊


def clamp(pv):
    if pv > 255 :
        return 255
    if pv < 0:
        return 0
    else :
        return pv

# 图像模糊 高斯模糊
def image_blur():
    global im2
    global cvimg

    h,w,c = cvimg.shape
    for row in range(h):
        for col in range(w):
            gn = np.random.normal(0,30,4)
            b = cvimg[row, col, 0]
            g = cvimg[row, col, 1]
            r = cvimg[row, col, 2]
            cvimg[row, col, 0] = clamp(b + gn[0])
            cvimg[row, col, 1] = clamp(g + gn[1])
            cvimg[row, col, 2] = clamp(r + gn[2])

    image = Image.fromarray(cv2.cvtColor(cvimg,cv2.COLOR_BGR2RGB)) 
    im2 = ImageTk.PhotoImage(image) 
    cv.create_image(10,10,image=im2,anchor="nw")

    pass

7> 图像二值化

# 数值是我写死在程序里面的就是下面的x
def image_binaryzation():
    global im2
    global cvimg
    x = 100
    gray = cv2.cvtColor(cvimg, cv2.COLOR_BGR2GRAY)
    h, w = gray.shape[:2]
    for i in range(h):
        for j in range(w):
            if gray[i,j] > x:
                gray[i,j] = 255
            else :
                gray[i,j] = 0

    image = Image.fromarray(cv2.cvtColor(gray,cv2.COLOR_BGR2RGB)) 
    im2 = ImageTk.PhotoImage(image) 
    cv.create_image(10,10,image=im2,anchor="nw")

    pass

8> RGB通道


def channel():
    global imx
    global im2
    global buffer_path
    global x1,x2,x3
    imx.convert(mode='RGB')
    imageWidth = imx.width
    imageHeight = imx.height
    imlocal = Image.open(buffer_path)
    # print(x1.get())
    # print(x2.get())
    # print(x3.get())
    for x in range(imageWidth):
        for y in range(imageHeight):
            r,g,b =imlocal.getpixel((x,y))
            # print(r)
            if x1.get() != 1:
                r=0
            if x2.get() != 1:
                g=0
            if x3.get() != 1:
                b=0
            # if x1.get() == 1 and x2.get() == 1 and x3.get() == 1: 
            # #     imlocal.putpixel((x,y),(r,g,b))
            #     imx.convert(mode='RGB')
            # elif x1.get() == 1 and x2.get() == 1: 
            # #     imlocal.putpixel((x,y),(r,g,0))
            #     imx.convert(mode='RG')
            # elif x2.get() == 1 and x3.get() == 1: 
            # #     imlocal.putpixel((x,y),(0,g,b))
            #     imx.convert(mode='GB')
            # elif x1.get() == 1 and x3.get() == 1:
            # #     imlocal.putpixel((x,y),(r,0,b))
            #     imx.convert(mode='RB')
            # elif x1.get() == 1:
            # #     imlocal.putpixel((x,y),(r,0,0))
            #     imx.convert(mode='R')
            # elif x2.get() == 1:
            # #     imlocal.putpixel((x,y),(0,g,0))
            #     imx.convert(mode='G')
            # elif x3.get() == 1:
            # #     imlocal.putpixel((x,y),(0,0,b))
            #     imx.convert(mode='B')
    
            imlocal.putpixel((x,y),(r,g,b))
    im2 = ImageTk.PhotoImage(imlocal) 
    cv.create_image(10,10,image=im2,anchor="nw")
    pass

9>恢复原图

# 重置图片
def restore_Original():
    global im1
    global file_path
    global im2
    global imx
    im1 = Image.open(file_path)
    im2 = ImageTk.PhotoImage(im1) 
    cv.create_image(10,10,image=im2,anchor="nw")
    imx = im1
    imx.save(buffer_path)

    x1.set(1)
    x2.set(1)
    x3.set(1)
    pass

Ⅳ 程序下载

链接：https://pan.baidu.com/s/1I5l2qeWArMRVwi33WKAzog
提取码：XGMO
–来自百度网盘超级会员V4的分享

总结

RGB通道使用的方式在处理较大图片时候会有很长时间的卡顿 没有进行优化
有些方法在处理之后没有赋值给全局变量会有效果不能叠加显示的状态
负片效果注释掉的代码是使用对数组遍历的方式用255减去RGB像素点在处理大型图片会明显卡顿
还有很多BUG没有改

西瓜面
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
用Python制作可视化GUI界面，一键实现多种风格的照片处理
Python数据挖掘
07-18 9381
今天向大家展示了如何通过一键点击实现将头像变成动漫风的实践。无非是在制作的UI界面当中，在用户上传了照片之后，后端的脚本在接收到照片之后，借助对抗生成神经网络来生成具有动漫风格的头像。今天小编想在上述成果的基础之上，添加上将“修复老照片”的功能，曾经在抖音上面也是吸引了不少的流量，内容就是发布一张老照片修复后的效果呈现，毕竟老照片容易引起人的共鸣，甚至有不少人通过修复老照片，找到失散多年的亲人。...
Python开发图形可视化界面程序（一）
AfinalStone的专栏
12-08 3万+
前言 近来使用Python开发了一些简单的辅助脚本，发现这真的是一门很有趣的语言；于是乎，便想着使用python来开发一些具有图形可视化界面（GUI）的程序，对于python来说，支持其开发GUI可视化程序的框架非常之多，简直让人眼花燎原，例如Tkinter，wxPython 、PyQt5、Gtk等等；在经过一番查问解惑之后，我最终选择的是wxPython，个人认为wxPythonBuild的图形可视化界面是很不错的，可以快速直观的帮助我们搭建起GUI界面。 一、wxPython简介 wxPython 是一
图片转素描风格处理软件详解（Python实现，含UI界面及代码）
热门推荐
思绪无限的博客
10-24 3万+
摘要：本文主要介绍图片转素描风格的Python软件设计，图像处理部分基于OpenCV实现，采用PyQT5进行界面设计，可通过调整界面参数改善图像效果，详细代码将在下篇博文中介绍，所有涉及的完整程序文件（包含py、UI界面、图标等）也会一并给出。素描作为一种表现风格独具艺术特色，手绘的素描画需要一定美术功底，但我们可以使用程序轻松将一幅图像转换为素描，具体实现细节将在本系列博文中详细介绍。
python的ui库_python的Numpy库入门
weixin_39790504的博客
11-25 99
介绍NumPyNumPy是一个开源的Python科学计算基础库，包含：1、一个强大的N维数组对象 ndarray2、 广播功能函数3、整合C/C++/Fortran代码的工具4、线性代数、傅里叶变换、随机数生成等功能NumPy是SciPy、Pandas等数据处理或科学计算库的基础NumPy的引用import numpy as np（引入模块的别名）N维数组对象：ndarrayndarray是一个多...
基于pyqt的图像处理界面设计
a168537113的博客
09-27 6654
小白学习pyqt+图像处理的小小结果
pyqt5使用本地摄像头
pursuit_zhangyu的博客
10-01 1万+
代码如下  #!/usr/bin/python # -*- coding: UTF-8 -*- import sys import cv2 from PyQt5 import QtCore, QtGui, QtWidgets from PyQt5.QtWidgets import * from PyQt5.QtCore import * from PyQt5.QtGui import QPa...
图像处理之图像去噪的各种算法实现
01-12
总的来说，这个项目结合了Python的图像处理库和GUI工具，为图像去噪提供了一站式的解决方案。对于初学者和研究人员来说，这是一个极好的学习和实践平台，可以帮助他们理解和应用各种图像去噪技术。通过不断地实践和...
基于OpenCV + Python + Qt实现图像处理仿真系统（含人脸识别）.zip
08-10
OpenCV（开源计算机视觉库）是图像处理和计算机视觉领域的基石，Python是一种流行的编程语言，以其易读性和丰富的库支持而闻名，Qt则是一个跨平台的用户界面应用程序框架，用于开发图形用户界面。 在本项目中，...
python应用windows api对后台程序窗口及桌面截图并保存的方法和代码实现
11-16
Python 是一种流行的编程语言，拥有强大的库和工具，可以实现各种功能，包括图像处理和 Windows API 调用。在本文中，我们将介绍使用 Python 应用 Windows API 对后台程序窗口及桌面截图并保存的方法和代码实现。 ...
python3应用windows api对后台程序窗口及桌面截图并保存的方法
01-20
- `opencv-python` 和 `opencv-contrib-python`：OpenCV是计算机视觉库，用于处理图像和视频。 - `Pillow-PIL`：PIL的分支，用于图像处理。 2. **获取后台窗口句柄**： 使用`win32gui.FindWindow`函数可以获取...
python在新的图片窗口显示图片(图像)的方法
09-19
今天小编就为大家分享一篇python在新的图片窗口显示图片(图像)的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python带界面的opencv可以进行图像处理（很绝
08-31
opencv进行图像处理（亲测可用）
人脸识别信息系统+数据库+ui设计+全代码.zip
05-20
3. **Python编程**：Python是实现此项目的主要编程语言，因为它有丰富的库支持AI和数据处理，如PIL用于图像处理，OpenCV用于计算机视觉任务，Numpy和Pandas用于数据处理，以及TensorFlow和PyTorch用于深度学习模型的...
Python中的numpy模块
qq_74424826的博客
05-24 463
一.Python中的numpy模块能够很好的帮助我们处理类似于数组的数据，并且对他们进行整理或修改，还可以配合matplotlib模块来共同进行数据分析和处理.s3本来是一维数组的形式，现将其修改为二维4行6列的形式（注意：对象本身不会被修改，而是会产生一个新的对象）如图为例，该方法表示将s1数组中小于10的元素替换为10，大于18的元素替换为18。如图，打印出来的(*,*)表示几行几列的形式，一般都用","区分块，行，列。三维:(*,*,*)#前后分别表示*块*行*列。一维:(*, )#*表示元素个数。
python设置图像界面_如何在Python中编写精美图形界面？
weixin_33248912的博客
12-28 2802
PyQt吧，一个基于Qt的Python接口包，可以直接使用Qt的控件，还可以使用QSS进行界面美化，下面我简单介绍一下这个包的安装和使用，实验环境Win7+Python3.6+PyCharm5.0，主要内容如下：1.首先，安装PyQt，这个直接在cmd窗口输入命令“pip install pyqt5”就行，如下，由于安装包比较大，所以需要等待一会儿：2.安装完成后，我们就可以直接打开Qt的设计师Q...
【Python】程序可视化图形界面UI交互，Gooey
HelenLee
11-21 5346
有没有办法让程序看起来更容易使用呢？ 当然可以！使用Gooey可以使python程序可视化，实现简单的UI交互功能 首先，安装Gooey模块 pip install Gooey 然后，简单整理一下需求 打开图片：open_file 文件选择框 widget="FileChooser" 保存图片：save_file 文件保存目录 widget="FileSaver" 添加的本字：text 文本框 文字的位置横坐标：text_x 滑片 widget="Slider" 文字的位置纵坐标：text_y
django上传文件名相同_用于实现用python和django编写的图像分类的Keras UI
weixin_39716088的博客
11-21 188
KerasUI是一种可视化工具，可以在图像分类中轻松训练模型，并允许将模型作为服务使用，只需调用API。https://github.com/zeppaman/KerasUI主要特点：用oauth2验证允许完整的模型定制可以上传尚未训练的模型并通过API消费测试表格和视觉检查网络如何工作批量上传训练集用法运行standalone.bat或sh standalone.bat(这将安装需求...
人工智能图片分类Python小程序
windSnowLi
06-18 3857
个人小作业，虽说做的很差，也算是一个学习的转化；主要用于分类自己下载的壁纸 1 背景 \qquad学期末需要一个学习成果的展示，高难度的自己做不来，模型也跑不动（电脑有点渣），刚好自己也有图片分类的需求，最后决定做了这个，确实也算做了一个自己用得到的小程序 2 项目说明 2.1 项目需求 需要自动加载指定目录所有图片，自行迁移至指定目录并存入不同的文件夹 2.2 实现思路 数据来源于各大壁纸网站，通过下载分类好的图片免去了自己手动分类的痛苦 将图片进行微缩处理，将1920 ×\times× 1080的图片
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞
最新发布
qq_64603703的博客
07-27 642
详细解说数据分析pandas库中的常用方法
Python图像处理：PIL, Matplotlib, NumPy与SciPy库详解
本文档主要介绍了计算机视觉领域的图像处理基础知识，涉及Python中的几个关键库：PIL、Matplotlib、NumPy和SciPy。这些库提供了丰富的功能，用于图像的格式转换、尺寸调整、旋转、绘制、灰度处理、直方图均衡化、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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