PyQt5学习：从界面搭建到与机器学习实战

以前运行 Python 程序时，我们通常需要在控制台中输入数据，再查看输出结果。这样的程序虽然能实现功能，但是操作不够直观，也不方便展示给其他人。

PyQt5 可以帮助我们给 Python 程序添加窗口、按钮、输入框和图片显示区域。这样，用户不需要了解代码，只需要填写数据并点击按钮，就能使用程序。

这次学习主要包括以下内容：

安装和配置 PyQt5；
使用 Qt Designer 设计界面；
理解常用控件和信号槽；
将机器学习模型接入 PyQt5；
在 PyQt5 窗口中显示 OpenCV 摄像头画面；
使用 dlib 实现人脸框和68个人脸关键点检测。

整体流程可以概括为：

Qt Designer设计界面，将.ui文件转换成.py文件，编写业务逻辑，绑定按钮和槽函数，接入机器学习或OpenCV，形成可以操作的桌面应用

一、PyQt5的介绍

PyQt5 是 Python 的图形用户界面开发库。通过它，我们可以创建窗口、按钮、标签、输入框、菜单栏以及消息提示框等控件。

一个最基本的 PyQt5 程序如下：

python 复制代码

import sys
from PyQt5 import QtWidgets
from PyQt5.QtWidgets import QMainWindow

class MainWindow(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("我的第一个PyQt5窗口")
        self.resize(600, 400)

if __name__ == "__main__":
    app = QtWidgets.QApplication(sys.argv)
    window = MainWindow()
    window.show()
    sys.exit(app.exec_())

其中，QApplication 负责管理整个应用程序，QMainWindow 表示主窗口，show() 用来显示窗口，app.exec_() 则让程序进入事件循环。

所谓事件循环，就是程序一直等待用户操作。例如，用户点击按钮、输入文字或者关闭窗口时，程序会根据不同事件执行相应功能。

二、使用 Qt Designer 设计界面

如果完全使用 Python 代码设置控件的位置，代码会比较长。因此，我们可以使用 Qt Designer 通过拖拽的方式设计界面。

常用控件包括：

QLabel：显示文字或图片；

QPushButton：按钮；

QLineEdit：单行输入框；

QTextEdit：多行文本框；

QComboBox：下拉选择框；

QCheckBox：复选框；

QMessageBox：提示框；

QFileDialog：文件选择框。

Qt Designer 保存的文件后缀是 .ui。例如：

复制代码

untitled.ui
win1.ui
win3.ui

它们还不能直接作为普通 Python 模块使用，一般需要转换成 .py 文件：

复制代码

pyuic5 untitled.ui -o untitled.py
pyuic5 win1.ui -o win1.py
pyuic5 win3.ui -o win3.py

转换后会生成 Ui_MainWindow 类：

复制代码

from untitled import Ui_MainWindow

需要注意，生成的 Python 文件中通常会写着：

复制代码

不要手动修改该文件，否则重新执行pyuic5时修改会丢失

因此，比较合理的结构是：

复制代码

untitled.ui       负责保存界面设计
untitled.py       由pyuic5自动生成
my窗口.py         编写按钮事件和业务逻辑

三、继承界面并启动程序

项目中的主窗口类同时继承了 QMainWindow 和 Ui_MainWindow：

复制代码

class PyQtMainEntry(QMainWindow, Ui_MainWindow):
    def __init__(self):
        super().__init__()
        self.setupUi(self)

QMainWindow 提供窗口功能，Ui_MainWindow 提供在 Qt Designer 中设计的控件。

self.setupUi(self) 会把输入框、按钮和标签等控件安装到当前窗口中。如果忘记调用它，窗口可能会显示出来，但设计好的控件不会出现。

程序入口如下：

复制代码

if __name__ == "__main__":
    app = QtWidgets.QApplication(sys.argv)
    window = PyQtMainEntry()
    window.show()
    sys.exit(app.exec_())

这一部分可以理解为：

复制代码

创建应用程序
→ 创建主窗口
→ 显示主窗口
→ 等待用户操作

四、将机器学习模型接入 PyQt5

项目中的机器学习部分使用玉米价格和豆粕价格预测目标价格。实现过程分为模型训练和界面预测两步。

1. 训练决策树模型

首先读取 Excel 数据：

复制代码

import pandas as pd

data = pd.read_excel("均价数据.xlsx")

然后划分特征和预测目标：

复制代码

x = data.iloc[:, 1:-1]
y = data.iloc[:, -1]

这里的 x 是模型的输入特征，例如玉米和豆粕价格；y 是模型需要预测的目标值。

再划分训练集和测试集：

复制代码

from sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test = train_test_split(
    x,
    y,
    test_size=0.2,
    random_state=1
)

创建并训练决策树回归模型：

复制代码

from sklearn.tree import DecisionTreeRegressor

tree = DecisionTreeRegressor()
tree.fit(x_train, y_train)

最后保存模型：

复制代码

import joblib

joblib.dump(tree, "tree_model.pkl")

这样，界面程序不需要每次启动都重新训练模型，只需要加载保存好的文件。

2. 在界面中加载模型

窗口初始化时加载模型：

复制代码

self.model = joblib.load("tree_model.pkl")

当用户点击"预测"按钮时，读取两个输入框中的内容：

复制代码

def predict_price(self):
    try:
        corn_price = int(self.lineEdit.text())
        soybean_price = int(self.lineEdit_2.text())

        predicted_price = self.model.predict(
            np.array([[corn_price, soybean_price]])
        )

        self.lineEdit_3.setText(
            str(predicted_price[0])
        )

    except ValueError:
        QMessageBox.warning(
            self,
            "错误",
            "请输入有效的价格"
        )

这段代码的执行过程为：

读取玉米价格，读取豆粕价格，组成模型需要的二维数组，调用predict进行预测，把结果显示到第三个输入框

这里要注意：

复制代码

np.array([[corn_price, soybean_price]])

使用了两层方括号，因为机器学习模型接收的通常是二维数据：

复制代码

[样本数量, 特征数量]

即使只预测一条数据，也需要保持二维格式。

3. 输入错误提示

如果用户输入"abc"等非数字内容：

复制代码

int(self.lineEdit.text())

就会产生 ValueError。程序通过 try...except 捕获错误，再使用消息框提示用户，而不是让整个程序崩溃。

复制代码

QMessageBox.warning(
    self,
    "错误",
    "请输入有效的价格"
)

这体现了图形化程序与普通脚本的区别：除了实现功能，还需要考虑用户可能进行的错误操作。

五、在窗口中显示图片

项目中还有一个"打开对照表"按钮。点击后，把图片显示到 QLabel 中：

复制代码

def showbiao(self):
    pixmap = QPixmap("Figure_1.png")
    self.label_4.setPixmap(pixmap)

QPixmap 是 PyQt5 中常用的图片对象，setPixmap() 可以把图片放入标签控件。

为了防止图片尺寸和标签不匹配，也可以进行缩放：

复制代码

pixmap = pixmap.scaled(
    self.label_4.size(),
    Qt.KeepAspectRatio,
    Qt.SmoothTransformation
)
self.label_4.setPixmap(pixmap)

其中，KeepAspectRatio 表示保持原图宽高比例，避免图片变形。

六、PyQt5 与 OpenCV 结合

机器学习模块处理的是数值，而 OpenCV 模块处理的是图像和视频。项目中使用 OpenCV 打开摄像头：

复制代码

self.camera1 = cv2.VideoCapture(0)

参数 0 表示默认摄像头。如果电脑连接了多个摄像头，也可能使用 1 或 2。

但是，不能在主线程中直接使用死循环持续读取摄像头，否则 PyQt5 窗口可能会卡死。项目中使用 QTimer 定时读取画面：

复制代码

self._timer = QtCore.QTimer(self)
self._timer.timeout.connect(self._queryFrame)
self._timer.setInterval(30)

这表示定时器每隔30毫秒触发一次 _queryFrame()，大约每秒刷新33次。

打开和关闭摄像头的槽函数如下：

复制代码

def slot1(self):
    self.is_camera_opened = not self.is_camera_opened

    if self.is_camera_opened:
        self.pushButton.setText("关闭")
        self._timer.start()
    else:
        self.pushButton.setText("打开")
        self._timer.stop()

每次点击按钮，摄像头状态都会取反。按钮文字也会同步改变，让用户知道下一次点击会执行什么操作。

七、把 OpenCV 图像转换成 PyQt5 图像

OpenCV 读取的画面是 NumPy 数组，并且颜色顺序是 BGR；PyQt5 显示图片时通常使用 RGB。

因此需要先转换颜色：

复制代码

rgb_img = cv2.cvtColor(
    frame,
    cv2.COLOR_BGR2RGB
)

然后转换成 QImage：

复制代码

h, w, ch = rgb_img.shape
bytes_per_line = ch * w

q_img = QImage(
    rgb_img.data,
    w,
    h,
    bytes_per_line,
    QImage.Format_RGB888
)

再转换成 QPixmap：

复制代码

pixmap = QPixmap.fromImage(q_img)

最后显示到 QLabel：

复制代码

self.label.setPixmap(pixmap)

完整过程是：

OpenCV读取BGR图像，转换成RGB，NumPy数组转换成QImage，QImage转换成QPixmap，显示到QLabel

八、加入人脸检测和68个关键点

在摄像头画面正常显示后，项目又加入了 dlib 人脸检测：

复制代码

detector = dlib.get_frontal_face_detector()

predictor = dlib.shape_predictor(
    "shape_predictor_68_face_landmarks.dat"
)

detector 用于检测人脸位置，predictor 用于定位人脸上的68个关键点。

窗口中使用两个布尔变量控制功能：

复制代码

self.draw_face_box = False
self.draw_landmarks = False

点击按钮后切换状态：

复制代码

def toggle_face_box(self):
    self.draw_face_box = not self.draw_face_box

def toggle_landmarks(self):
    self.draw_landmarks = not self.draw_landmarks

这样，用户可以独立控制：

是否显示人脸矩形框；

是否显示68个人脸关键点；

也可以同时打开两项功能。

1. 绘制人脸框

python 复制代码

faces = detector(draw_img, 0)

for face in faces:
    x1, y1 = face.left(), face.top()
    x2, y2 = face.right(), face.bottom()

    cv2.rectangle( draw_img,(x1, y1),(x2, y2),(0, 255, 0),2 )

检测器返回人脸区域，rectangle() 根据左上角和右下角坐标画出绿色矩形框。

2. 绘制68个关键点

python 复制代码

shape = predictor(draw_img, face)

landmarks = np.array([[p.x, p.y] for p in shape.parts()])

然后依次画出关键点：

python 复制代码

for idx, point in enumerate(landmarks):
    pos = (point[0], point[1])

    cv2.circle(
        draw_img,
        pos,
        2,
        (0, 255, 0),
        -1
    )

    cv2.putText(
        draw_img,
        str(idx),
        pos,
        cv2.FONT_HERSHEY_SIMPLEX,
        0.4,
        (255, 255, 255),
        1
    )

68个关键点主要分布在：

复制代码

0～16：脸部轮廓
17～26：眉毛
27～35：鼻子
36～47：眼睛
48～67：嘴巴

这些关键点以后还可以用于眨眼检测、张嘴检测、换脸和表情分析。

九、关闭窗口时释放摄像头

如果直接关闭窗口而不释放摄像头，摄像头可能仍然被占用，导致下次运行程序时无法打开。

因此，需要重写窗口关闭事件：

复制代码

def closeEvent(self, event):
    if self.timer.isActive():
        self.timer.stop()

    if self.cap.isOpened():
        self.cap.release()

    event.accept()

这段代码会：

停止定时器

释放摄像头

正常关闭窗口

资源释放是摄像头程序中非常重要的一步。

十、程序运行时常见的问题

1. 找不到 UI 模块

如果出现：

复制代码

ModuleNotFoundError: No module named 'win3'

需要确认 win3.py 与主程序在同一目录，或者重新执行：

复制代码

pyuic5 win3.ui -o win3.py

2. 找不到模型文件

如果出现：

复制代码

FileNotFoundError: tree_model.pkl

需要确认模型文件与程序工作目录一致，也可以使用绝对路径。

3. 摄像头无法打开

可以先检查：

复制代码

cap = cv2.VideoCapture(0)
print(cap.isOpened())

如果输出 False，可能是摄像头编号不正确，或者摄像头正被其他软件占用。

十一、学习总结

这次实践把 PyQt5、机器学习和 OpenCV 连接到了一起。

1.机器学习部分的流程是：

读取Excel数据，训练决策树回归模型，保存模型，PyQt5加载模型，用户输入数据，点击按钮完成预测，在界面中显示结果

2.OpenCV 部分的流程是：

打开摄像头，QTimer定时读取画面，OpenCV处理图像，转换成QImage和QPixmap，在QLabel中显示，根据按钮状态绘制人脸框和关键点

这次学习最重要的地方，是理解了界面和算法之间的关系：

PyQt5 负责与用户交互，机器学习负责处理数值预测，OpenCV 和 dlib 负责处理图像，信号槽机制负责把按钮操作与具体功能连接起来。

以前的程序只能在控制台运行，而加入 PyQt5 后，算法就变成了用户可以直接操作的小应用。这也是从"代码能够运行"走向"程序能够使用"的重要一步。