当前位置: 首页 > news >正文

Opencv人机交互界面设置

Opencv人机交互界面设置

以下是一些常见的OpenCV人机交互界面设置:

窗口交互

显示窗口:可以使用cv2.imshow()函数在屏幕上显示图像。例如,要显示名为“image”的图像,可以使用以下代码:

import cv2img = cv2.imread('image.jpg') #读取图像
cv2.imshow('image', img) #显示图像
cv2.waitKey(0) #等待按键输入
cv2.destroyAllWindows() #销毁所有窗口

这将在屏幕上显示名为“image”的图像,并等待用户按下任意键来关闭窗口。如果用户按下“q”键,则会关闭窗口。如果用户按下其他键,则不会执行任何操作。

显示带标题的窗口:可以使用cv2.namedWindow()函数创建带有标题的窗口。例如,要创建一个名为“image_with_title”的带有标题的窗口,可以使用以下代码:

import cv2img = cv2.imread('image.jpg') #读取图像
cv2.namedWindow('image_with_title', cv2.WINDOW_NORMAL) #创建带有标题的窗口
cv2.imshow('image_with_title', img) #显示图像
cv2.waitKey(0) #等待按键输入
cv2.destroyAllWindows() #销毁所有窗口

这将在屏幕上创建一个带有标题“image_with_title”的窗口,并在其中显示名为“image”的图像。如果用户按下任意键来关闭窗口,则不会执行任何操作。如果用户按下“q”键,则会关闭窗口。如果用户按下其他键,则不会执行任何操作。

滑块交互

penCV 提供了滑块(Slider)或称为轨迹条(Trackbar)的功能,允许用户在图形用户界面(GUI)中动态调整参数。这对于交互式地改变图像处理的参数或效果非常有用。以下是使用 OpenCV 创建滑块的基本步骤和示例代码。

基本步骤:

创建窗口:使用 cv2.namedWindow() 函数创建一个窗口,这个窗口将作为滑块的容器。

创建滑块:使用 cv2.createTrackbar() 函数在指定的窗口中创建一个滑块。该函数需要以下参数:

滑块的名称
滑块所在的窗口名称
滑块的初始值
滑块的最大值
回调函数(可选)

处理滑块事件:在回调函数中处理滑块值的变化。回调函数在滑块值改变时被调用,并接收当前滑块的值作为参数。

显示和更新:使用 cv2.imshow() 显示图像或处理结果,并在循环中不断更新。

等待和退出:使用 cv2.waitKey() 等待用户输入,并在按下特定键时退出循环。

具体代码演示案例:

import cv2  
import numpy as np  # 创建一个空白图像  
image = np.zeros((400, 600, 3), np.uint8)  # 在图像上绘制一些文本或形状以便观察效果  
cv2.putText(image, 'Move the slider to blur', (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)  # 创建窗口  
cv2.namedWindow('Slider Demo')  # 初始化模糊程度变量  
blur_amount = 15  # 创建滑块  
cv2.createTrackbar('Blur Amount', 'Slider Demo', blur_amount, 100, lambda x: None)  while True:  # 获取当前滑块的值  blur_amount = cv2.getTrackbarPos('Blur Amount', 'Slider Demo')  # 应用模糊效果  blurred_image = cv2.GaussianBlur(image, (blur_amount, blur_amount), 0)  # 显示处理后的图像  cv2.imshow('Slider Demo', blurred_image)  # 等待按键,如果按下 'q',则退出循环  key = cv2.waitKey(1) & 0xFF  if key == ord('q'):  break  # 销毁所有窗口  
cv2.destroyAllWindows()
http://www.lryc.cn/news/333479.html

相关文章:

  • 蓝桥杯算法心得——字典树考试(贡献度+前缀和)
  • Linux下Qt生成程序崩溃文件
  • Go语言中测试和性能
  • 回归预测 | Matlab基于CPO-GPR基于冠豪猪算法优化高斯过程回归的多输入单输出回归预测
  • python 日期字符串转换为指定格式的日期
  • day03-Docker
  • C语言函数实现冒泡排序
  • 区间概率预测python|QR-CNN-BiLSTM+KDE分位数-卷积-双向长短期记忆神经网络-时间序列区间概率预测+核密度估计
  • Java 分支结构 - if…else/switch
  • 【Unity每日一记】如何从0到1将特效图集制作成一个特效
  • 磁力链接的示例与解释
  • 云存储中常用的相同子策略的高效、安全的基于属性的访问控制的论文阅读
  • JVM高级篇之GC
  • 第十四届蓝桥杯省赛大学C组(C/C++)三国游戏
  • java之static详细总结
  • RabbitMQ3.13.x之六_RabbitMQ使用场景
  • C++ 类和对象(初篇)
  • 微软推出GPT-4 Turbo优先使用权:Copilot for Microsoft 365商业用户享受无限制对话及增强图像生成能力
  • Spring Boot Actuator
  • 我与C++的爱恋:类与对象(一)
  • os模块篇(十八)
  • Oracle 数据库工作中常用知识点:sql语法与常用函数
  • 软件工程
  • 【御控物联】JavaScript JSON结构转换(17):数组To对象——键值互换属性重组
  • 免注册,ChatGPT可即时访问了!
  • 探索未来游戏:生成式人工智能AI如何重塑你的游戏世界?
  • ubuntu23设置kibana后台启动服务
  • 身份证实名制、C#身份核验代码示例、身份证查询
  • 【leetcode面试经典150题】15.分发糖果(C++)
  • Elasticsearch如何选择版本