目录
1、创建一个 PyQt 应用程序，该应用程序能够满足以下要求：
代码：
运行结果：
2、创建一个 PyQt 应用程序，该应用程序能够满足以下要求：
代码：
运行结果：
3、创建一个 PyQt 应用程序，该应用程序能够满足以下要求：
代码：
运行结果：
4、请编写一段Python代码，实现以下功能：
代码：
运行结果：
5、请编写一段Python代码，实现以下功能：
代码：
运行结果：
1、创建一个 PyQt 应用程序，该应用程序能够满足以下要求：
代码：
"""1.使用 OpenCV 加载一张图像。
2.在 PyQt 的窗口中显示这张图像。
3.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 QPixmap, QImage
from PyQt6.QtWidgets import QWidget, QApplication, QLabel, QPushButton# 封装一个窗口
class MyWindow(QWidget):# 初始化窗口def __init__(self):super().__init__()self.setWindowTitle("img")self.resize(700,540)# 读取图片self.image=cv2.imread("./pictures/roi_color.png")# 转换图像格式 转为RGBself.original_image=cv2.cvtColor(self.image,cv2.COLOR_BGR2RGB)self.image2=self.original_image.copy()# 搭建一个label显示图片self.img_label=QLabel(self)self.img_label.resize(500,500)self.img_label.move(20,20)self.show_img()# 创建四个按钮to_gray=QPushButton("To_gray",self)to_gray.resize(100,50)to_gray.move(550,50)restore = QPushButton("Restore", self)restore.resize(100, 50)restore.move(550, 150)flip = QPushButton("Flip", self)flip.resize(100, 50)flip.move(550, 250)revolve = QPushButton("Revolve", self)revolve.resize(100, 50)revolve.move(550, 350)# 连接按钮与功能槽函数to_gray.clicked.connect(self.gray_slot)restore.clicked.connect(self.restore_slot)flip.clicked.connect(self.flip_slot)revolve.clicked.connect(self.revolve_slot)# 显示图像def show_img(self):# 获取图像的高、宽、通道数h,w,channel=self.image2.shape# 每行字节数=通道数✖宽bytes_per_line=channel*wqt_img=QImage(self.image2.data,w,h,bytes_per_line,QImage.Format.Format_RGB888 # 使用预转换的RGB格式)self.img_label.setPixmap(QPixmap.fromImage(qt_img))self.img_label.setScaledContents(True)# 将图像转换为灰度图def gray_slot(self):img_gray=cv2.cvtColor(self.image,cv2.COLOR_BGR2GRAY)# 保持三通道格式self.image2=cv2.cvtColor(img_gray,cv2.COLOR_GRAY2RGB)self.show_img()# 图像恢复为彩色def restore_slot(self):self.image2=self.original_image.copy()self.show_img()# 图像翻转def flip_slot(self):self.image2=cv2.flip(self.image2,1)self.show_img()def revolve_slot(self):h,w,_=self.image2.shapem=cv2.getRotationMatrix2D((w//2,h//2),90,1)self.image2=cv2.warpAffine(self.image2,m,(w,h),borderMode=cv2.BORDER_REFLECT)self.show_img()
if __name__ == '__main__':app=QApplication(sys.argv)myWindow=MyWindow()myWindow.show()sys.exit(app.exec())运行结果：
对图像进行灰度、恢复、翻转和旋转操作
2、创建一个 PyQt 应用程序，该应用程序能够满足以下要求：
代码：
"""1.使用 OpenCV 加载一张彩色图像，并在 PyQt 的窗口中显示它。
2.提供一个滑动条（QSlider），允许用户调整图像的亮度。
3.当用户调整滑动条时，实时更新窗口中显示的图像亮度。
4.添加另一个滑动条（QSlider），允许用户调整图像的对比度。
5.当用户调整滚动条时，实时更新窗口中显示的图像对比度。
6.提供一个按钮（QPushButton），允许用户将图像保存为新的文件。
7.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 os
import sys
import timeimport cv2
import numpy as np
from PyQt6.QtCore import Qt
from PyQt6.QtGui import QPixmap, QImage
from PyQt6.QtWidgets import QWidget, QApplication, QLabel, QPushButton, QSlider, QMessageBox# 封装一个窗口
class MyWindow(QWidget):# 初始化窗口def __init__(self):super().__init__()self.setWindowTitle("img")self.resize(550,540)# 读取图片self.image=cv2.imread("./pictures/dog.jpg")# 转换图像格式 转为RGBself.original_image=cv2.cvtColor(self.image,cv2.COLOR_BGR2RGB)self.image2=self.original_image.copy()# 搭建一个label显示图片self.img_label=QLabel(self)self.img_label.resize(400,400)self.img_label.move(20,20)self.show_img()# 创建滑动条调整亮度 创建标签显示文本self.brightness = QSlider(Qt.Orientation.Horizontal,self) # 创建水平滑动条self.brightness.move(20,470)self.brightness.resize(400,30)self.brightness.setRange(-100,100)label1=QLabel("调节亮度",self)label1.move(20,450)# 创建滑动条调整对比度self.contrast = QSlider(Qt.Orientation.Vertical, self) # 创建水平滑动条self.contrast.move(470, 45)self.contrast.resize(30, 400)self.contrast.setRange(-100,100)label2= QLabel("调节对比度", self)label2.move(460, 20)# 创建保存按钮to_save=QPushButton("Save",self)to_save.resize(100,50)to_save.move(435,460)# 连接功能槽函数self.brightness.valueChanged.connect(self.bright_contrast_slot)self.contrast.valueChanged.connect(self.bright_contrast_slot)to_save.clicked.connect(self.save_slot)# 显示图像def show_img(self):# 获取图像的高、宽、通道数h,w,channel=self.image2.shape# 每行字节数=通道数✖宽bytes_per_line=channel*wqt_img=QImage(self.image2.data,w,h,bytes_per_line,QImage.Format.Format_RGB888 # 使用预转换的RGB格式)self.img_label.setPixmap(QPixmap.fromImage(qt_img))self.img_label.setScaledContents(True)# 亮度/对比度调整def bright_contrast_slot(self):# 获取滑动条的数值brightness=self.brightness.value()*0.5contrast=1+(self.contrast.value()/100)*2temp_img = self.original_image.astype(np.float32)temp_img = (temp_img-128) * contrast +128+ brightness # 对比度乘法 + 亮度加法self.image2 = np.clip(temp_img, 0, 255).astype(np.uint8)self.show_img()# 保存图像def save_slot(self):try:now_time=time.strftime("%Y%m%d_%H%M%S")save_dir= 'hw2_img'save_path=os.path.join(save_dir,f"img{now_time}.jpg")cv2.imwrite(save_path,cv2.cvtColor(self.image2,cv2.COLOR_RGB2BGR))QMessageBox.information(self,"Save","保存图片成功！")except cv2.error as e:print(e)if __name__ == '__main__':app=QApplication(sys.argv)myWindow=MyWindow()myWindow.show()sys.exit(app.exec())运行结果：
调节图像的亮度和对比度
3、创建一个 PyQt 应用程序，该应用程序能够满足以下要求：
代码：
"""1.使用 OpenCV 加载一张图像。
2.在 PyQt 的窗口中显示这张图像。
3.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
4.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。
5.提供一个按钮，当用户点击按钮时，能保存调整后的图像"""import os
import sys
import timeimport cv2
import numpy as np
from PyQt6.QtCore import Qt
from PyQt6.QtGui import QPixmap, QImage
from PyQt6.QtWidgets import QWidget, QApplication, QLabel, QPushButton, QSlider, QMessageBox, QComboBox# 封装一个窗口
class MyWindow(QWidget):# 初始化窗口def __init__(self):super().__init__()self.setWindowTitle("img")self.resize(600,450)# 读取图片self.image=cv2.imread("./pictures/dog.jpg")# 转换图像格式 转为RGBself.original_image=cv2.cvtColor(self.image,cv2.COLOR_BGR2RGB)self.image2=self.original_image.copy()# 搭建一个label显示图片self.img_label=QLabel(self)self.img_label.resize(400,400)self.img_label.move(25,25)self.show_img()# 创建一个下拉列表 包含模糊 锐化 边缘检测self.combo=QComboBox(self)self.combo.move(450,30)self.combo.resize(125,30)self.combo.setPlaceholderText("请选择具体功能")self.combo.addItems(["模糊图像","锐化图像","图像边缘检测"])# 创建保存按钮to_save = QPushButton("Save", self)to_save.resize(100, 50)to_save.move(450, 350)# 连接功能槽函数self.combo.currentIndexChanged.connect(self.img_edit)to_save.clicked.connect(self.save_slot)# 显示图像def show_img(self):# 获取图像的高、宽、通道数h,w,channel=self.image2.shape# 每行字节数=通道数✖宽bytes_per_line=channel*wqt_img=QImage(self.image2.data,w,h,bytes_per_line,QImage.Format.Format_RGB888 # 使用预转换的RGB格式)self.img_label.setPixmap(QPixmap.fromImage(qt_img))self.img_label.setScaledContents(True)# 图像编辑def img_edit(self):selection=self.combo.currentText()self.image2=self.original_image.copy()if selection=="模糊图像":try:self.image2=cv2.GaussianBlur(self.image2,(15,15),5)self.show_img()except cv2.error as e:print(e)elif selection=="锐化图像":try:kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])self.image2 = cv2.filter2D(self.image2, -1, kernel)self.show_img()except cv2.error as e:print(e)elif selection=="图像边缘检测":# 灰度化 边缘检测img_gray=cv2.cvtColor(self.image2,cv2.COLOR_BGR2GRAY)self.image2 = cv2.Canny(img_gray, 30, 70)self.image2=cv2.cvtColor(self.image2,cv2.COLOR_GRAY2RGB)self.show_img()# 保存图像def save_slot(self):try:now_time = time.strftime("%Y%m%d_%H%M%S")save_dir = './hw3_img'save_path = os.path.join(save_dir, f"img{now_time}.jpg")cv2.imwrite(save_path, cv2.cvtColor(self.image2, cv2.COLOR_RGB2BGR))QMessageBox.information(self, "Save", "保存图片成功！")except cv2.error as e:print(e)if __name__ == '__main__':app=QApplication(sys.argv)myWindow=MyWindow()myWindow.show()sys.exit(app.exec())运行结果：
对图像进行模糊、锐化和边缘提取操作
4、请编写一段Python代码，实现以下功能：
代码：
"""1.读取一张二维码图片
2.进行二值化处理和形态学操作，获取二维码轮廓
3.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
4.进行透视变换，矫正二维码图像"""import cv2
import numpy as np# 读取二维码图片
original_img=cv2.imread("./pictures/t_d_code.png")
img=original_img
# 灰度化
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 二值化处理
_,img_thresh=cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
# 高斯滤波
img_blur=cv2.GaussianBlur(img_thresh,(5,5),7)
# 寻找轮廓
contours,_=cv2.findContours(img_blur,mode=cv2.RETR_LIST, #查找轮廓的方式method=cv2.CHAIN_APPROX_SIMPLE #轮廓的近似方式)
# 多边形逼近
cnt=sorted(contours,key=cv2.contourArea,reverse=True)[0]
# 对最大轮廓做逼近
zc=cv2.arcLength(cnt,True)
approx=cv2.approxPolyDP(cnt,zc*0.1,True)
print(approx)
# 绘制逼近后的轮廓
cv2.drawContours(img, [approx], -1, (0,0,255),2)
# 进行矫正
src = np.float32(approx).reshape(-1, 2)
x = src[:, 0]
y = src[:, 1]
dst = np.float32([[min(x), min(y)],[min(x), max(y)],[max(x), max(y)],[max(x), min(y)]
])# 获取透视变换矩阵
M = cv2.getPerspectiveTransform(src, dst)
# 进行透视变换
img_Perspective = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0]))cv2.imshow("img",img)
cv2.imshow("img_Perspective",img_Perspective)
cv2.waitKey(0)运行结果：
5、请编写一段Python代码，实现以下功能：
代码：
"""1.读取一张彩色图像
2.制作要提取颜色的掩膜[玫瑰的颜色]
3.输出抠图后的前景图 和 背景图"""import cv2
import numpy as np# 读取图像
image = cv2.imread("./roses/roi.jpg")
# 转换到hsv色彩空间
img_HSV=cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
# 定义玫瑰颜色HSV范围
lower_red1 = np.array([0,43,46])
upper_red1 = np.array([25,255,255])
lower_red2 = np.array([100,43,46])
upper_red2 = np.array([180,255,255])
# 创建玫瑰颜色掩膜
mask1 = cv2.inRange(img_HSV,lower_red1,upper_red1)
mask2 = cv2.inRange(img_HSV,lower_red2,upper_red2)
mask = cv2.bitwise_or(mask1,mask2)# 生成前景和背景
foreground = cv2.bitwise_and(image, image, mask=mask)
background = cv2.bitwise_and(image, image, mask=cv2.bitwise_not(mask))# 创建可视化结果（带边框标记）
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
result = image.copy()
cv2.drawContours(result, contours, -1, (0, 255, 0), 2)cv2.imshow('Foreground', foreground)
cv2.imshow('Background', background)cv2.waitKey(0)
运行结果：
