使用OpenCV与PySide(PyQt)的视觉检测小项目练习

OpenCV 提供了丰富的图像处理和计算机视觉功能,可以实现各种复杂的图像处理任务,如目标检测、人脸识别、图像分割等。

PyQt(或PySide)是一个创建GUI应用程序的工具包,它是Python编程语言和Qt库的成功融合。Qt库是最强大的GUI库之一。Qt的快速界面编辑工具Qt Designer提供了直观的可视化界面设计环境,通过拖拽和放置控件来设计界面,简化了界面设计的过程。PyQt提供了丰富的控件库,同时支持多种媒体文件的展示。尤其是PyQt的信号与槽的刷新机制提供了高效和可靠的信号响应机制。

下面以一个实际的项目搭建过程为demo,尝试联合使用以上两个库,力争各尽所长。原则上,前端的界面显示和操作交给PySide,后台的图像处理交给OpenCV。

这是一个显微拍照画面内的轮廓识别和尺寸测量、数量统计项目。

一、显示界面框架搭建

1、主界面

主界面利用Qt Designer 制作,命名为main_window.ui并保存。

主按钮站:

应该达到的运行效果:

2、主界面的按钮

按钮有两种:

第一种是"点动"式的,图标为双状态,例如"新建项目"按钮。其样式表为:

第二种是"翻转"式的,每点击一次状态反转,即:可以反转"checked"状态。按钮图标为三个状态,例如"局部放大"按钮。其样式表为:

这种按钮,自定义了一个特性:activated来取代系统自带的checked,当这个特性activated="true"时,改变按钮的背景色。当然也可以使用系统自带的checked特性来实现同样的功能,这里的目的主要是练习一下 按钮的自定义特性的应用。

使用系统自带的checked特性:

两种方法在显示上的微妙差别如下:左边是自定义特性的,右边是使用系统自带的checked特性来实现的。区别在于系统自带的checked特性显示的边框是pressed,即按下时的边框特性。

3、阶梯渐变的色条

主界面的颜色样例条,自定义脚本,命名为GradientLabel.py

python 复制代码
from PySide6.QtGui import QPainter, QColor, QLinearGradient
from PySide6.QtWidgets import QMainWindow, QLabel, QVBoxLayout, QWidget
from PySide6.QtCore import Qt


class GradientLabel(QLabel):
    
    # 定义颜色
    def def_colors(self, begin_color, mid_color, end_color):
        self.begin_color = begin_color
        self.mid_color = mid_color
        self.end_color = end_color

    # 重新定义绘画事件
    def paintEvent(self, event):
        painter = QPainter(self)
        painter.setRenderHint(QPainter.Antialiasing)

        gradient = QLinearGradient(0, 0, 0, self.height())
        gradient.setColorAt(1, self.end_color)
        gradient.setColorAt(0.5, self.mid_color)
        gradient.setColorAt(0, self.begin_color)

        painter.fillRect(self.rect(), gradient)


class MyMainWindow(QMainWindow):
    def __init__(self):
        super().__init__()

        central_widget = QWidget(self)
        self.setCentralWidget(central_widget)

        layout = QVBoxLayout(central_widget)

        gradient_label = GradientLabel(self)
        begin = QColor(255, 100, 0)
        mid = QColor(8, 180, 8)
        end = QColor(80, 80, 255)
        gradient_label.def_colors(begin, mid, end)

        gradient_label.setAlignment(Qt.AlignCenter)
        layout.addWidget(gradient_label)

        self.setWindowTitle("Gradient Label Example")


if __name__ == "__main__":
    import sys
    from PySide6.QtWidgets import QApplication

    app = QApplication(sys.argv)
    window = MyMainWindow()
    window.show()
    sys.exit(app.exec())

运行效果:

将自定义脚本保存在主程序脚本同目录,并在Qt Designer 将颜色样例条"提升为"该自定义脚本。

4、图像显示区的自定义脚本

这是一个QLabel,其显示的内容为QPixmap。脚本逐步再完善。

二、主程序脚本框架搭建

1、目录结构:

JSON:存放json文件

MEDIA:存放媒体文件

PROJECT:工程文件

PYS:存放脚本

SRC:按钮图标等源文件

UIS:存放显示界面文件

2、编写初步的主程序框架:

首先要使用pyuic和pyrcc工具将图像资源转换成py文件并与主程序脚本放置在同一文件夹下,然后编写主程序脚本:

python 复制代码
# 这是一个图像处理小应用的示例脚本。

# encoding: utf-8
import json
import sys

from PySide6.QtCore import QObject
from PySide6.QtWidgets import QApplication, QMainWindow

import main_window_rc  # 导入主画面


# 定义主窗口
class MainWindow(QMainWindow, main_window_rc.Ui_MainWindow):
    def __init__(self):
        super().__init__()


# ################公用的作业函数#############################
class Jobs:
    @staticmethod
    # 读取JSON文件,分配参数
    def read_json():
        with open('../JSON/setting.json', 'r', encoding='utf-8') as file_json:
            ui.json_data = json.load(file_json)
            ui.settings = ui.json_data['setting']  # 项目参数的定义

    @staticmethod
    # 系统的初始化
    def start_todo():
        pass

    # 退出前的操作
    @staticmethod
    def before_quit():
        with open('../JSON/setting.json', 'w') as file:  # 保存json文件
            json.dump(ui.json_data, file, indent=4)


# ################图像处理的过程函数#############################
def Image_processing(steps):
    for step in steps:
        # 系统的初始化
        if step == 'start':
            pass

        # step0,步骤0
        if step == 0:
            pass
            continue

        # step1,步骤1
        if step == 1:
            pass
            continue


        # step2,步骤2
        if step == 2:
            pass
            continue


# ###########################信号的连接和槽函数####################################
def signal_slot():
        # #####################主窗口的信号和槽####################################
    pass

# #############################主程序###################################
if __name__ == '__main__':
    app = QApplication(sys.argv)


    # #######################项目级别的定义###################################
    class UI(QObject):  # 将项目定义为QObject,用来管理项目级别的信号和变量
        # ###########__init__###############
        def __init__(self):
            super().__init__()


    # ########################本项目的实例化###################################
    ui = UI()  # 项目实例化

    # ########################实例化画面#################################
    window1 = MainWindow()  # 主画面实例化

    window1.show()  # 显示画面
    window1.setupUi(window1)  # 画面初始化

    Jobs.start_todo()  # 系统初始化
    signal_slot()  # 信号与槽的定义

    app.aboutToQuit.connect(Jobs.before_quit)  # 退出系统之前的操作

    sys.exit(app.exec())

本阶段运行截图:

持续更新,直至完成。

感兴趣的朋友可以向我索要源文件并参与项目的共同学习和完善,同时也特别期待大神高手的指点和批评!

相关推荐
这个男人是小帅2 分钟前
【GAT】 代码详解 (1) 运行方法【pytorch】可运行版本
人工智能·pytorch·python·深度学习·分类
__基本操作__4 分钟前
边缘提取函数 [OPENCV--2]
人工智能·opencv·计算机视觉
这是一个图像6 分钟前
从opencv-python入门opencv--图像处理之图像滤波
图像处理·opencv·计算机视觉·中值滤波·高斯滤波·双边滤波·图像滤波
Doctor老王8 分钟前
TR3:Pytorch复现Transformer
人工智能·pytorch·transformer
热爱生活的五柒8 分钟前
pytorch中数据和模型都要部署在cuda上面
人工智能·pytorch·深度学习
HyperAI超神经2 小时前
【TVM 教程】使用 Tensorize 来利用硬件内联函数
人工智能·深度学习·自然语言处理·tvm·计算机技术·编程开发·编译框架
扫地的小何尚4 小时前
NVIDIA RTX 系统上使用 llama.cpp 加速 LLM
人工智能·aigc·llama·gpu·nvidia·cuda·英伟达
埃菲尔铁塔_CV算法6 小时前
深度学习神经网络创新点方向
人工智能·深度学习·神经网络
艾思科蓝-何老师【H8053】7 小时前
【ACM出版】第四届信号处理与通信技术国际学术会议(SPCT 2024)
人工智能·信号处理·论文发表·香港中文大学
weixin_452600697 小时前
《青牛科技 GC6125:驱动芯片中的璀璨之星,点亮 IPcamera 和云台控制(替代 BU24025/ROHM)》
人工智能·科技·单片机·嵌入式硬件·新能源充电桩·智能充电枪