├── README.md
└── opencv_demo.py
/README.md:
--------------------------------------------------------------------------------
1 |
2 |
3 | # OpenCV 方法演示项目
4 |
5 |
6 | 
7 |
8 |
9 | ## 项目简介
10 |
11 | 这个开源项目是一个用于演示 OpenCV 方法的工具，旨在帮助初学者快速理解和掌握 OpenCV 图像处理技术。通过这个项目，你可以轻松地对图像进行各种处理，从灰度化到边缘检测，以及更多其他方法。项目使用 Gradio 创建用户友好的界面，让用户能够轻松选择不同的图像处理方法和参数。
12 |
13 | ## 为什么选择这个项目
14 |
15 | - **教育性**：这个项目的主要目的是教育。它提供了对 OpenCV 方法的实际演示，以帮助初学者更好地理解和掌握这些技术。
16 |
17 | - **互动性**：通过 Gradio 创建的用户界面，用户可以立即看到不同处理方法的效果，并可以自己调整参数，以更深入地理解每种方法的工作原理。
18 |
19 | - **适用广泛**：这个项目可以帮助广大初学者，无论是学习计算机视觉、图像处理，还是对 OpenCV 有兴趣的人都会受益。
20 |
21 | ## 特性
22 |
23 | - 提供了多种 OpenCV 图像处理方法的演示，包括灰度化、反转颜色、平移、直方图均衡化、腐蚀、膨胀、均值滤波、中值滤波、高斯滤波等。
24 |
25 | - 支持自定义卷积核，允许用户尝试不同的卷积核来处理图像。
26 |
27 | - 提供图像旋转、仿射变换和透射变换的演示，以及选择角度和参数的选项。
28 |
29 | - 使用 Gradio 创建用户友好的界面，让用户能够轻松选择不同的图像处理方法和参数。
30 |
31 | ## 使用方法
32 |
33 | 1. **获取项目**：首先，你需要将这个项目克隆到你的本地计算机上。你可以使用以下命令来获取项目：
34 |
35 | ```bash
36 | git clone https://github.com/WangQvQ/opencv-tutorial.git
37 | ```
38 |
39 | 2. **安装依赖项**：确保你已经安装了以下依赖项：
40 |
41 | - OpenCV
42 | - Gradio
43 | - NumPy
44 |
45 | 如果你没有安装它们，你可以使用以下命令安装：
46 |
47 | ```bash
48 | pip install opencv-python-headless=4.7.0.72 gradio=3.1.5 numpy=1.22.4
49 | ```
50 |
51 | 3. **运行项目**：使用以下命令来运行项目：
52 |
53 | ```bash
54 | python opencv_demo.py
55 | ```
56 |
57 | 运行后，你将看到一个网址，通常是 `http://localhost:7860`，你可以在浏览器中访问它。
58 |
59 | 4. **使用界面**：在浏览器中，你可以上传图像并选择不同的处理方法和参数，然后查看处理后的图像效果。
60 |
61 | ## 示例代码
62 |
63 | 
64 |
65 |
66 |
67 | 以下是部分方法的代码示例:
68 |
69 | ```python
70 | # 灰度化处理函数
71 | def grayscale(input_image):
72 | gray_image = cv2.cvtColor(input_image, cv2.COLOR_BGR2GRAY)
73 | return gray_image
74 |
75 |
76 | # 平移图像处理函数
77 | def translate_image(input_image, translation_x, translation_y):
78 | rows, cols, _ = input_image.shape
79 | translation_matrix = np.float32([[1, 0, translation_x], [0, 1, translation_y]])
80 | translated_image = cv2.warpAffine(input_image, translation_matrix, (cols, rows))
81 | return translated_image
82 |
83 |
84 | # Canny 边缘检测处理函数
85 | def edge_detection(input_image):
86 | edges = cv2.Canny(input_image, 100, 200)
87 | return edges
88 | ```
89 |
90 | ## 贡献
91 |
92 | 如果你对项目有任何改进或建议，欢迎贡献代码或提出问题。我们欢迎开发者共同改进这个项目，以使其更加有用和友好。如果你想贡献，请查看我们的[贡献指南](CONTRIBUTING.md)。
93 |
94 |
--------------------------------------------------------------------------------
/opencv_demo.py:
--------------------------------------------------------------------------------
1 | import cv2
2 | import gradio as gr
3 | import numpy as np
4 |
5 |
6 | # 原始图像处理函数
7 | def original_image(input_image):
8 | return input_image
9 |
10 |
11 | # 灰度化处理函数
12 | def grayscale(input_image):
13 | gray_image = cv2.cvtColor(input_image, cv2.COLOR_BGR2GRAY)
14 | return gray_image
15 |
16 |
17 | # 平移图像处理函数
18 | def translate_image(input_image, translation_x, translation_y):
19 | rows, cols, _ = input_image.shape
20 | translation_matrix = np.float32([[1, 0, translation_x], [0, 1, translation_y]])
21 | translated_image = cv2.warpAffine(input_image, translation_matrix, (cols, rows))
22 | return translated_image
23 |
24 |
25 | # Canny 边缘检测处理函数
26 | def edge_detection(input_image):
27 | edges = cv2.Canny(input_image, 100, 200)
28 | return edges
29 |
30 |
31 | # Sobel 边缘检测处理函数
32 | def sobel_edge_detection(input_image):
33 | gray_image = cv2.cvtColor(input_image, cv2.COLOR_BGR2GRAY)
34 | sobel_x = cv2.Sobel(gray_image, cv2.CV_64F, 1, 0, ksize=5)
35 | sobel_y = cv2.Sobel(gray_image, cv2.CV_64F, 0, 1, ksize=5)
36 | sobel_magnitude = cv2.magnitude(sobel_x, sobel_y)
37 | sobel_magnitude = np.uint8(255 * sobel_magnitude / np.max(sobel_magnitude))
38 | return sobel_magnitude
39 |
40 |
41 | # 反转颜色处理函数
42 | def invert_colors(input_image):
43 | inverted_image = cv2.bitwise_not(input_image)
44 | return inverted_image
45 |
46 |
47 | # 腐蚀处理函数
48 | def erosion(input_image, iterations):
49 | kernel = np.ones((5, 5), np.uint8)
50 | eroded_image = cv2.erode(input_image, kernel, iterations=iterations)
51 | return eroded_image
52 |
53 |
54 | # 膨胀处理函数
55 | def dilation(input_image, dilation_iterations):
56 | kernel = np.ones((5, 5), np.uint8)
57 | dilated_image = cv2.dilate(input_image, kernel, iterations=dilation_iterations)
58 | return dilated_image
59 |
60 |
61 | # 均值滤波处理函数
62 | def mean_blur(input_image):
63 | mean_blurred_image = cv2.blur(input_image, (5, 5))
64 | return mean_blurred_image
65 |
66 |
67 | # 中值滤波处理函数
68 | def median_blur(input_image):
69 | median_blurred_image = cv2.medianBlur(input_image, 5)
70 | return median_blurred_image
71 |
72 |
73 | # 高斯滤波处理函数
74 | def gaussian_blur(input_image):
75 | gaussian_blurred_image = cv2.GaussianBlur(input_image, (5, 5), 0)
76 | return gaussian_blurred_image
77 |
78 |
79 | # 双边滤波处理函数
80 | def bilateral_filter(input_image):
81 | bilateral_filtered_image = cv2.bilateralFilter(input_image, 9, 75, 75)
82 | return bilateral_filtered_image
83 |
84 |
85 | # 方块滤波处理函数
86 | def box_filter(input_image):
87 | box_filtered_image = cv2.boxFilter(input_image, -1, (5, 5))
88 | return box_filtered_image
89 |
90 |
91 | # 直方图均衡化处理函数
92 | def histogram_equalization(input_image):
93 | gray_image = cv2.cvtColor(input_image, cv2.COLOR_BGR2GRAY)
94 | equalized_image = cv2.equalizeHist(gray_image)
95 | return cv2.cvtColor(equalized_image, cv2.COLOR_GRAY2BGR)
96 |
97 |
98 | # 仿射变换处理函数
99 | def affine_transform(input_image):
100 | # 创建仿射变换矩阵
101 | rows, cols, _ = input_image.shape
102 | matrix = cv2.getRotationMatrix2D((cols / 4, rows / 2), 70, 0.5) # 90度旋转和1.5倍缩放
103 | result_image = cv2.warpAffine(input_image, matrix, (cols, rows))
104 | return result_image
105 |
106 |
107 | # 透射变换处理函数
108 | def perspective_transform(input_image):
109 | # 定义四个输入图像的角点坐标
110 | rows, cols, _ = input_image.shape
111 | # 修改pts1和pts2的值以减小透射变换的弯曲程度
112 | pts1 = np.float32([[0, 0], [cols, 0], [0, rows], [cols, rows]])
113 | pts2 = np.float32([[30, 30], [cols - 50, 50], [50, rows - 50], [cols - 50, rows - 50]])
114 | # 计算投射矩阵
115 | matrix = cv2.getPerspectiveTransform(pts1, pts2)
116 | # 进行投射变换
117 | result_image = cv2.warpPerspective(input_image, matrix, (cols, rows))
118 | return result_image
119 |
120 |
121 | # 自定义卷积核
122 | def custom_filter(input_image):
123 | kernel = np.array([[-1, -1, -1], [-1, 9, -1], [-1, -1, -1]])
124 | return cv2.filter2D(input_image, -1, kernel)
125 |
126 |
127 | # 图像旋转处理函数
128 | def rotate_image(input_image, rotation_angle):
129 | rows, cols, _ = input_image.shape
130 | matrix = cv2.getRotationMatrix2D((cols / 2, rows / 2), rotation_angle, 1)
131 | result_image = cv2.warpAffine(input_image, matrix, (cols, rows))
132 | return result_image
133 |
134 |
135 | # 创建 Gradio 接口
136 | input_image = gr.inputs.Image()
137 | method = gr.inputs.Radio(
138 | choices=["原图", "灰度化", "反转颜色", "平移", "直方图均衡化", "腐蚀", "膨胀", "均值滤波", "中值滤波", "高斯滤波",
139 | "双边滤波", "方块滤波", "仿射变换", "透射变换", "图像旋转", "Sobel边缘检测", "Canny边缘检测", "自定义卷积核"], default="原图")
140 |
141 | rotation_angle = gr.inputs.Slider(minimum=-180, maximum=180, default=45, label="图像旋转: 旋转角度")
142 | iterations = gr.inputs.Slider(minimum=0, maximum=10, step=1, default=1, label="腐蚀: 腐蚀参数")
143 | dilation_iterations = gr.inputs.Slider(minimum=0, maximum=10, step=1, default=1, label="膨胀: 膨胀参数")
144 | translation_x = gr.inputs.Slider(minimum=-200, maximum=200, default=200, label="平移: X轴平移")
145 | translation_y = gr.inputs.Slider(minimum=-200, maximum=200, default=200, label="平移: Y轴平移")
146 |
147 | output_image = gr.outputs.Image(type="pil")
148 |
149 |
150 | # 创建函数根据下拉菜单的选择来执行不同的方法
151 | def apply_opencv_methods(input_image, method, rotation_angle, iterations, dilation_iterations,
152 | translation_x, translation_y):
153 | if method == "原图":
154 | return original_image(input_image)
155 | elif method == "图像旋转":
156 | return rotate_image(input_image, rotation_angle)
157 | elif method == "腐蚀":
158 | return erosion(input_image, iterations)
159 | elif method == "膨胀":
160 | return dilation(input_image, dilation_iterations)
161 | elif method == "Sobel边缘检测":
162 | return sobel_edge_detection(input_image)
163 | elif method == "平移":
164 | return translate_image(input_image, translation_x, translation_y)
165 | elif method == "自定义卷积核":
166 | return custom_filter(input_image)
167 | else:
168 | methods = {
169 | "灰度化": grayscale,
170 | "Canny边缘检测": edge_detection,
171 | "反转颜色": invert_colors,
172 | "均值滤波": mean_blur,
173 | "中值滤波": median_blur,
174 | "高斯滤波": gaussian_blur,
175 | "双边滤波": bilateral_filter,
176 | "方块滤波": box_filter,
177 | "仿射变换": affine_transform,
178 | "透射变换": perspective_transform,
179 | "直方图均衡化": histogram_equalization,
180 | }
181 | return methods[method](input_image)
182 |
183 |
184 | # 创建 Gradio 接口
185 | gr.Interface(
186 | fn=apply_opencv_methods,
187 | inputs=[input_image, method, rotation_angle, iterations, dilation_iterations, translation_x,
188 | translation_y],
189 | outputs=output_image,
190 | live=True,
191 | title="图像处理初学者导引",
192 | description="选择一张图像, 并选择对应方法"
193 | ).launch(share=False)
194 |
--------------------------------------------------------------------------------