Pyqt5实现图像数据增强、图像分割、修改分割结果

最新推荐文章于 2024-07-26 11:27:22 发布
最新推荐文章于 2024-07-26 11:27:22 发布
阅读量3.9k 收藏 46
点赞数 3
文章标签： pyqt python 前端 深度学习
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/weixin_42002334/article/details/106626889
版权

这个软件是毕设课题，本科生的水平，大佬可以忽略了，但做毕设的时候觉得pyqt5相关的资料太少了，所以分享一下

主要功能

  1. 数据增强 HE，CLAHE，依赖skimage；
  2. 图像分割 阈值分割：OTSU，double threshold，依赖skimage；基于深度学习的分割方法：U-Net
  3. 修改分割结果 单图 双图；

界面设计

主界面的设计是用Qt Creator可视化设计后再用pyrcc转成py文件，业务逻辑运用了信号与槽，主要是自动关联的槽函数，模仿了labelme的设计，图像显示部分central widget，在QWidget上放了一个QLabel后，把QWidget手动改成QLabel，实现两个label的叠放，完成了遮罩，工具栏和菜单按钮的使能根据图片的状态自适应，如图片数量、原图是否修改、是否进行分割、分割后是否保存，这些都通过建立字典来实现

双图和单图修正因为需要在工具栏中添加显示颜色的label小方块，显示缩放值的文本框，所以没有使用可视化设计，重写了工具栏，把布局调好后用toolbar里的addwidget

进度条窗体可以用progressdialog，我用的对话框，QThread类，值的改变通过在不同的地方发信号，类的初始化里面有信号，调用类的时候就要把槽函数传进去，在类里连接，QT里没有让线程停下来的方法，要设置一个标志变量，放到耗时较长的循环前，每次循环前检测这一变量，不符合条件时停下

遮罩

分割图会以遮罩覆盖在原图上
底层的QLabel，setpixmap为原始图片
生成分割图后，将图像由nd.array转为QImage，改成ARGB32格式，再遍历分割图，黑色的像素点置为透明，白色的点设置为用户选取的颜色和透明度，在初始文件config.txt可以读取
setting里可以修改网络参数和遮罩参数，点击save对参数合法性进行检测，全部合法后保存到文件中，用之前先读取config拿到用户最新设置的参数
CLAHE

人工修正

打开人工修正窗口，主界面关闭，人工修正窗口关闭，主界面再重新打开
图片的显示利用drawevent，单图是先draw原图再draw分割图，双图是两边分别显示原图和分割图，打开时默认是浏览模式，按住鼠标移动相当于滑动滑动条，双击左键或右键进入编辑模式，编辑模式下左键按下编辑前景，右键按下编辑背景
图片传递考虑了多种情况，如果原图已经增强，将增强后的原图以QImage类型传递，如果图像已经分割，如果没有保存将分割图以QImage传递，如果已经保存则传递保存路径，对分割图的修改也要保存到同一路径
没有编辑痕迹时save不可用，包括没有编辑和编辑痕迹全部被撤销，在主界面中没有保存的分割结果可以在人工修正中保存，保存后发射信号，改变图片的状态

错误提醒

错误提醒窗体采用QMessagebox，根据不同的提醒类型选择information/warning/about，所以错误提醒窗体，包括进度条都设置了setWindowModality(Qt.ApplicationModal)，在这些窗体打开时不能进行其他操作

导出与导入

导出

另存原图和分割图时会自动生成文件名，原图再原文件名后加_enhance，分割图加_label，输出格式固定为png。数据增强后的原图转化为灰度图后再保存，便于对增强后的原图分割，同时将原图的保存路径添加到字典中，方便在多图处理时找到保存的原图，工具栏上的save对二者都进行保存，先判断图片状态，如只修改原图就指保存原图

导入

open打开单张图片，open dir打开同级目录下的图片，不包括子文件夹，如果有满足_label命名的图片，默认为标注图，将其以遮罩显示在对应的原图上，文件名并不加入文件列表，在文件列表中已经存在同名文件时会有提醒，同时必须满足png jpg jpeg bmp这四种后缀名，没有时也会报错

github地址：https://github.com/Tianns/imageseg.git
欢迎大家fork我，unet的模型参数涉密 暂时没有上传

MichiMeme
关注
使用pyqt5制作自己的图像处理软件
WhatPrime的专栏
02-12 1万+
1.前言 前几天遇到一个使用qt制作自己图像处理软件的项目，便从网上学习qt制作图形用户界面的方法，现将我学习到的方法总结如下，供大家参考。 2.设计思路 1.使用qt_Manager设计软件的整体界面：根据按钮功能和菜单功能设计界面 2.对菜单和按钮分别添加事件：对菜单添加triggered()信号槽；对按钮添加clicked()信号槽 3.根据菜单和按钮的功能编写实现函...
通过PyQt5实现图像分割应用程序
Pitoyour_h的博客
01-24 1329
最近要写一个工具来展示用 UNet 进行医学图像分割的效果，选择了 PyQt5 这个框架，有点太重量级了，用得脑壳疼，但是不能白头疼，要把学到的东西记录下来。
opencv+pyqt选择区域切割图片
最新发布
a496knl的博客
07-26 600
image_path, _ = QFileDialog.getOpenFileName(self, '打开图片', '', 'Image files (*.jpg *.jpeg *.png)')self.combo_box.addItems(["题号1", "题号2", "题号3"]) # 示例题号，可以根据需要进行修改。QMessageBox.warning(self, "警告", "请绘制一个完整的矩形来进行透视变换")self.end_point = event.pos() # 获取终点位置。
PYQT实战应用（1）------制作图片分割器，并为每张图片打上标签。
四平的博客
09-14 806
软件名称：野生动物红外照片分割编辑器 模块设计： （1）菜单栏 文件、缩放、跳转、翻页 （2）主界面 图像展示、图片总数、当前图片位置、信息、标签、上一张、确认修改、下一张。 如图： 软件作用： 对于深度学习来说，数据集的大小至关重要，为了适应不同模型的需要，在进入神经网络前需要进行图片的预处理操作，压缩裁剪图片。压缩会丢失很多的图片特征信息，因此，本软件尝试通过将一张大突破裁剪成多张小图片，并打上标签。如果一张大图片像素大小为30004000，那么裁剪后得到100张300400的小图片，再压缩到如Ale
pyqt5 + 百度api 打造一个图像人脸识别、分割的程序
小张Python
03-10 2068
前序 这篇文章主要介绍利用 pyqt5 和 百度人脸识别 api 搭建一个具有人脸识别、头像裁剪等多个功能集一体的小工具，我们先看一下程序的最终效果 程序的基本使用步骤： 1，加载本地图片并在界面上实现预览； 2，点击 convert 后台调用百度 api 实现人脸识别并进行区域分割，同时返回关于人物颜值、性别、脸型等信息； 3，如果需要保存裁剪之后的图像，点击 Save as 保存到本地对应位...
利用pyQt5搭建一个简易的图片编辑器（PhotoEdit）
毕业作品网站
09-22 1004
【代码】利用pyQt5搭建一个简易的图片编辑器（PhotoEdit）
深度学习图像分割结果可视化工具MiniViewer
weixin_43155243的博客
05-28 2543
各位做医学图像分割的朋友，你有没有遇到过这种问题，每次模型的分割结果用numpy的npy文件保存，如下图。 image.npy 和 labels.npy分别是原图和分割标签（或模型预测的分割结果） 如何快速可视化分割结果呢，用notebook? NO， ...
pyqt5+OpenCV实现简易交互式图像处理程序
03-11
1.利用pyqt5设计程序界面及交互接口； 2.使用OpenCV库函数及相关算法的具体实现完成简易的数字图像处理； 3.内容涉及图像的平移、缩放、任意角度旋转、平滑、锐化、添加噪声、图像分割等基本处理方法。
使用opencv与pyqt5实现的图像处理程序，已实现转灰度图、图像平滑、形态学操作、梯度计算、阈值处理、边缘检测、轮廓检测
05-29
5. **阈值处理**：图像分割通常依赖于阈值处理，将图像分为前景和背景。OpenCV的`cv2.threshold()`函数支持多种阈值方法，如全局阈值、Otsu二值化和自适应阈值，用于将图像转化为黑白二值图像。 6. **边缘检测**：...
基于pyqt5实现的图像处理程序
06-13
使用常见图像处理技术与pyqt5实现的图像处理程序 运行（免配置）： 解压后再main.py文件目录下打开命令窗口执行命令： venv\Scripts\python.exe main.py Dependency opencv-python numpy matplotlib pyqt5 已实现...
数据结构大作业 基于图论的图像分割 python + PyQt5交互界面
01-01
在本项目中，"数据结构大作业 基于图论的图像分割 python + PyQt5交互界面"，我们将探讨以下几个核心知识点： 1. **图论（Graph Theory）**： 图论是数学的一个分支，主要研究由顶点和边构成的图形结构。在这个...
PyQt5每天必学之QSplitter实现窗口分隔
09-20
主要介绍了PyQt5每天必学之窗口分隔，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
Python图片裁剪实例代码(如头像裁剪)
09-21
本篇文章主要介绍了Python图片裁剪实例代码(如: 头像裁剪)，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
python+pyqt5实现图片批量缩放工具
12-26
批量修改图片大小好像用PS也可以，不过我不会，程序猿就用程序来解决。 这段时间学了下Python，很强大，之前一些不知道怎么处理的东西在Python里面都能找到解决方法。 工具界面如下图 这个工具需要用到第三方库 Pillow 和 Pyqt5，可通过命令行安装。 pip install pillow pip install pyqt5 代码： #!-*-coding:utf-8-*- from PIL import Image import hashlib, os, sys from PyQt5.QtGui import QFont, QIcon from PyQt5.QtWidget
Pytorch-3D-Medical-Image-Semantic-Segmentation:使用Pytorch进行3D医学图像语义分割
05-24
Pytorch-3D-医学图像语义分割 这是我的私人研究资料库的发行版。 随着研究的进行，它将进行更新。 为什么我们需要AI来进行医学图像语义分割？ 放射治疗治疗计划需要精确的轮廓，以最大程度地扩大目标覆盖范围，同时最大程度地降低对周围高风险器官（OAR）的毒性。 医师的专业知识和经验水平各异，在手动轮廓绘制过程中会引入较大的观察者内变化。 观察者之间和观察者内部的轮廓变化导致治疗计划的不确定性，这可能会损害治疗结果。 在当前的临床实践中，由医生进行手动轮廓绘制非常耗时，当患者躺在沙发上时，它无法支持自适应治疗。 例子 CT切片 地面真相 预言 更新日志 2020年7月11日更新 基本训练/验证功能 型号：更深的3D残留U-net 2020年7月13日更新 型号：3D残留U-net 数据加载器中的规范化控制 考虑引用我们的论文： Zhang，Z.，Zhao，T.，Gay，H.，Z
Python-screenshots这是一个基于PyQt5的截图小工具
08-10
screenshots 这是一个基于PyQt5的截图小工具
基于Unet+QT界面图像分割系统源码+模型+操作说明+代码注释供学习参考.zip
12-06
带有pyqt5界面，模型，操作说明，有大量代码注释。图像分割。该项目代码可供参考学习，里面有很多自定义修改的地方，界面挺好!适合深度学习初学者、或者正在做毕设的学生和需要项目实战AI算法工程师，学习借鉴。
pyqt5以及pyqtgraph（pyqt界面设计绘图）
m0_60594197的博客
12-03 1422
1 pyqt5安装 apt-get install pyqt5* 2yqtgraph（pyqt界面设计绘图）安装 pip install pyqtgraph
深度学习(七)-可视化
qq_36890572的博客
10-16 4375
1. 为什么需要可视化？  在训练庞大的深度神经网络，为了能够更好的理解运算过程，需要使用可视化的工具将其过程进行描述，在tensorflow中使用TensorBoard 来绘制图像生成的定量指标图以及附加数据； 2. 主要流程 TensorBoard 通过读取tensorflow的事件文件来运行，在事件文件中包含运行中设计的主要数据。 (1) 创建tensorflow图，对节点进行汇总操...
pyqt5实现u2net图像分割界面pytorch代码
04-29
下面是一个简单的PyQt5界面实现U2Net图像分割的例子，使用PyTorch实现。 ``` import sys import os import numpy as np from PIL import Image from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QFileDialog from PyQt5.QtGui import QPixmap import torch import torchvision.transforms as transforms from model.u2net import U2NET class MainWindow(QMainWindow): def __init__(self): super().__init__() # 创建UI界面 self.initUI() # 加载模型 self.model = U2NET() self.model.load_state_dict(torch.load("u2net.pth", map_location=torch.device('cpu'))) self.model.eval() def initUI(self): # 设置窗口标题和大小 self.setWindowTitle("U2Net Image Segmentation") self.setGeometry(100, 100, 800, 600) # 创建标签和按钮 self.label = QLabel(self) self.label.setGeometry(25, 50, 750, 450) self.label.setStyleSheet("border: 1px solid black;") self.button = QPushButton("Select Image", self) self.button.setGeometry(25, 525, 150, 50) self.button.clicked.connect(self.selectImage) self.button2 = QPushButton("Segment Image", self) self.button2.setGeometry(200, 525, 150, 50) self.button2.clicked.connect(self.segmentImage) def selectImage(self): # 打开文件对话框，选择要处理的图像 options = QFileDialog.Options() options |= QFileDialog.DontUseNativeDialog fileName, _ = QFileDialog.getOpenFileName(self,"QFileDialog.getOpenFileName()", "","All Files (*);;Images (*.png *.jpg *.jpeg)", options=options) if fileName: # 加载图像并显示在标签上 pixmap = QPixmap(fileName) pixmap = pixmap.scaled(750, 450) self.label.setPixmap(pixmap) # 将图像转换为PyTorch tensor格式 self.input_image = Image.open(fileName).convert("RGB") self.transform = transforms.Compose([transforms.Resize((320, 320)), transforms.ToTensor(), transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))]) self.input_tensor = self.transform(self.input_image).unsqueeze(0) def segmentImage(self): # 对选择的图像进行分割 with torch.no_grad(): output_tensor = self.model(self.input_tensor) # 将输出转换为PIL Image格式 output_tensor = output_tensor.squeeze().numpy() output_tensor = np.where(output_tensor > 0.5, 1.0, 0.0) output_image = Image.fromarray((output_tensor * 255).astype(np.uint8)).convert("L") # 显示分割结果 output_pixmap = QPixmap.fromImage(ImageQt(output_image)) output_pixmap = output_pixmap.scaled(750, 450) self.label.setPixmap(output_pixmap) if __name__ == "__main__": # 创建应用程序和主窗口 app = QApplication(sys.argv) mainWindow = MainWindow() mainWindow.show() sys.exit(app.exec_()) ``` 在上面的代码中，我们首先创建了一个`MainWindow`类，它继承自`QMainWindow`类，并重写了`initUI`方法来创建UI界面。在`initUI`方法中，我们创建了一个标签和两个按钮，其中一个用于选择图像，另一个用于对图像进行分割。 在选择图像按钮的回调函数`selectImage`中，我们使用`QFileDialog`打开一个文件对话框，让用户选择要处理的图像。然后，我们使用`PIL`库来加载图像，并将其转换为PyTorch tensor格式。在转换过程中，我们使用了`transforms`模块来对图像进行缩放、标准化等预处理操作。 在对图像进行分割的按钮回调函数`segmentImage`中，我们将输入张量传递给已加载的U2Net模型，并得到输出张量。然后，我们将输出张量转换为PIL Image格式，并将其显示在标签上。在转换过程中，我们使用了NumPy来将输出张量转换为二值图像，使用`PIL`库将其转换为灰度图像，并使用`QPixmap`将其转换为Qt图像格式。 最后，我们在`__main__`函数中创建了应用程序和主窗口，并调用`show`方法来显示窗口。
评论 8
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