怎么用Python和OpenCV制作实时图像处理？相信很多新手小白还没学会这个技能，通过这篇文章的总结，希望你能学会制作实时图像处理。如下资料是制作实时图像处理的方法步骤。

导入库文件

这里主要使用PySimpleGUI、cv2和numpy库文件，PySimpleGUI库文件实现GUI可视化，cv2库文件是Python的OpenCV接口文件，numpy库文件实现数值的转换和运算，均可通过pip导入。

import PySimpleGUI as sg #pip install pysimplegui

import cv2 #pip install opencv-python

import numpy as np #pip install numpy

2、设计GUI

基于PySimpleGUI库文件实现GUI设计，本项目界面设计较为简单，设计800X400尺寸大小的框图，浅绿色背景，主要由摄像头界面区域和控制按钮区域两部分组成。

GUI代码如下所示：

#背景色

sg.theme('LightGreen')

#定义窗口布局

layout = [

[sg.Image(filename='', key='image')],

[sg.Radio('None', 'Radio', True, size=(10, 1))],

[sg.Radio('threshold', 'Radio', size=(10, 1), key='thresh'),

sg.Slider((0, 255), 128, 1, orientation='h', size=(40, 15), key='thresh_slider')],

[sg.Radio('canny', 'Radio', size=(10, 1), key='canny'),

sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_a'),

sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_b')],

[sg.Radio('contour', 'Radio', size=(10, 1), key='contour'),

sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='contour_slider'),

sg.Slider((0, 255), 80, 1, orientation='h', size=(20, 15), key='base_slider')],

[sg.Radio('blur', 'Radio', size=(10, 1), key='blur'),

sg.Slider((1, 11), 1, 1, orientation='h', size=(40, 15), key='blur_slider')],

[sg.Radio('hue', 'Radio', size=(10, 1), key='hue'),

sg.Slider((0, 225), 0, 1, orientation='h', size=(40, 15), key='hue_slider')],

[sg.Radio('enhance', 'Radio', size=(10, 1), key='enhance'),

sg.Slider((1, 255), 128, 1, orientation='h', size=(40, 15), key='enhance_slider')],

[sg.Button('Exit', size=(10, 1))]

]

#窗口设计

window = sg.Window('OpenCV实时图像处理',

layout,

location=(800, 400),

finalize=True)

3、调用摄像头

打开电脑内置摄像头，将数据显示在GUI界面上

代码如下所示：

#打开内置摄像头

cap = cv2.VideoCapture(0)

while True:

event, values = window.read(timeout=0, timeout_key='timeout')

#实时读取图像

ret, frame = cap.read()

#GUI实时更新

imgbytes = cv2.imencode('.png', frame)[1].tobytes()

window['image'].update(data=imgbytes)

window.close()

4、实时图像处理

4.1、阈值二值化

进行阈值二值化操作，大于阈值values['thresh_slider']的，使用255表示，小于阈值values['thresh_slider']的，使用0表示

代码如下所示：

if values['thresh']:

frame = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)[:, :, 0]

frame = cv2.threshold(frame, values['thresh_slider'], 255, cv2.THRESH_BINARY)[1]

边缘检测

进行边缘检测，values['canny_slider_a']表示最小阈值，values['canny_slider_b']表示最大阈值

代码如下所示：

if values['canny']:

frame = cv2.Canny(frame, values['canny_slider_a'], values['canny_slider_b'])

4.3、轮廓检测

轮廓检测是形状分析和物体检测和识别的有用工具，Axitrader返佣
，连接所有连续点(沿着边界)的曲线，具有相同的颜色或强度

代码如下所示：

if values['contour']:

hue = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

hue = cv2.GaussianBlur(hue, (21, 21), 1)

hue = cv2.inRange(hue, np.array([values['contour_slider'], values['base_slider'], 40]),

np.array([values['contour_slider'] + 30, 255, 220]))

cnts= cv2.findContours(hue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]

cv2.drawContours(frame, cnts, -1, (0, 0, 255), 2)

4.4、高斯滤波

进行高斯滤波,(21, 21)表示高斯矩阵的长与宽都是21，标准差取values['blur_slider']

代码如下所示：

if values['blur']: frame = cv2.GaussianBlur(frame, (21, 21), values['blur_slider'])

4.5、色彩转换

色彩空间的转化，HSV转换为BGR

代码如下所示：

if values['hue']:

frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

frame[:, :, 0] += int(values['hue_slider'])

frame = cv2.cvtColor(frame, cv2.COLOR_HSV2BGR)

4.6、调节对比度

增强对比度，使图像中的细节看起来更加清晰

代码如下所示：

if values['enhance']:

enh_val = values['enhance_slider'] / 40

clahe = cv2.createCLAHE(clipLimit=enh_val, tileGridSize=(8, 8))

lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)

lab[:, :, 0] = clahe.apply(lab[:, :, 0])

frame = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)

5、退出系统

直接break即可跳出循环。

if event == 'Exit' or event is None:

以上就是用Python和OpenCV制作实时图像处理的方法了，看完之后是否有所收获呢？如果想了解更多相关内容，欢迎关注行业资讯！