资源简介
使用pyqt5制作的图像处理软件,功能包括变换、噪声、滤波、直方图统计、图像增强、阈值分割、形态学处理和特征提取等
代码片段和文件信息
# -*- coding: utf-8 -*-
from numpy import *
from scipy import *
import numpy as np
import cv2skimage
import matplotlib.pyplot as plt
class noise_self:
#定义添加高斯噪声的函数
def addGaussianNoise(pathpercetage):
srcImage = cv2.imread(path)
bgr=cv2.split(srcImage)#先将bgr格式拆分
srcimg=cv2.merge([rgb])
gaussian_noise_img = skimage.util.random_noise(srcimg mode=‘gaussian‘ seed=None clip=True)
plt.subplot(121)plt.imshow(srcimg)plt.title(‘origin_img‘)
plt.subplot(122)plt.imshow(gaussian_noise_img)plt.title(‘G_Noiseimg‘)
plt.show()
#定义添加椒盐噪声的函数
def saltpepper(pathn):
image=cv2.imread(path)
bgr=cv2.split(image)#先将bgr格式拆分
img=cv2.merge([rgb])
srcimg=cv2.merge([rgb])
m=int((img.shape[0]*img.shape[1])*n)
for a in range(m):
i=int(np.random.random()*img.shape[1])
j=int(np.random.random()*img.shape[0])
if img.ndim==2:
img[ji]=255
elif img.ndim==3:
img[ji0]=255
img[ji1]=255
img[ji2]=255
for b in range(m):
i=int(np.random.random()*img.shape[1])
j=int(np.random.random()*img.shape[0])
if img.ndim==2:
img[ji]=0
elif img.ndim==3:
img[ji0]=0
img[ji1]=0
img[ji2]=0
plt.subplot(121)plt.imshow(srcimg)plt.title(‘origin_img‘)
plt.subplot(122)plt.imshow(img)plt.title(‘saltpepper_img‘)
plt.show()
#斑点噪声
def speckle_img(path):
image=cv2.imread(path)
bgr=cv2.split(image)#先将bgr格式拆分
img=cv2.merge([rgb])
speckle_noise_img = skimage.util.random_noise(img mode=‘speckle‘ seed=None clip=True)
plt.subplot(121)plt.imshow(img)plt.title(‘origin_img‘)
plt.subplot(122)plt.imshow(speckle_noise_img)plt.title(‘speckle_img‘)
plt.show()
#泊松噪声
def poisson_img(path):
image=cv2.imread(path)
bgr=cv2.split(image)#先将bgr格式拆分
img=cv2.merge([rgb])
poisson_noise_img = skimage.util.random_noise(img mode=‘poisson‘ seed=None clip=True)
plt.subplot(121)plt.imshow(img)plt.title(‘origin_img‘)
plt.subplot(122)plt.imshow(poisson_noise_img)plt.title(‘poisson_img‘)
plt.show()
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2020-03-03 10:18 image_process\
目录 0 2020-03-03 10:18 image_process\__pycache__\
文件 2527 2019-01-19 17:00 image_process\__pycache__\addnoise.cpython-36.pyc
文件 4293 2019-01-19 20:18 image_process\__pycache__\allfilter.cpython-36.pyc
文件 3298 2019-01-20 20:03 image_process\__pycache__\bottombutton.cpython-36.pyc
文件 1458 2019-01-19 19:35 image_process\__pycache__\featuredetect.cpython-36.pyc
文件 2451 2019-01-20 21:03 image_process\__pycache__\fourier.cpython-36.pyc
文件 1734 2019-01-19 19:11 image_process\__pycache__\histogram.cpython-36.pyc
文件 2874 2019-01-20 20:57 image_process\__pycache__\imageedit.cpython-36.pyc
文件 2049 2019-01-19 19:25 image_process\__pycache__\imageenhance.cpython-36.pyc
文件 7995 2019-01-20 20:47 image_process\__pycache__\imageprocess.cpython-36.pyc
文件 1037 2019-01-19 19:35 image_process\__pycache__\morphology.cpython-36.pyc
文件 1143 2019-01-19 19:35 image_process\__pycache__\threshold.cpython-36.pyc
文件 2568 2018-12-30 16:21 image_process\addnoise.py
文件 6067 2019-01-19 20:18 image_process\allfilter.py
文件 2927 2019-01-20 20:02 image_process\bottombutton.py
文件 2096 2019-01-01 18:57 image_process\featuredetect.py
文件 2439 2019-01-20 21:03 image_process\fourier.py
文件 1467 2018-12-31 17:23 image_process\histogram.py
文件 2845 2019-01-20 20:57 image_process\imageedit.py
文件 1873 2019-01-19 19:25 image_process\imageenhance.py
文件 16084 2019-01-20 20:43 image_process\imageprocess.py
文件 1302 2018-12-14 20:10 image_process\morphology.py
文件 1477 2019-01-20 19:59 image_process\next.py
文件 78758 2019-01-20 10:09 image_process\result.jpg
文件 14380 2019-01-20 20:32 image_process\run.py
文件 1218 2019-01-01 17:10 image_process\threshold.py
相关资源
- 利用百度人脸识别API和pyqt5实现基于人
- 灰度256X256_BMP图片
- 用Qt5实现QCamera摄像头的调用和监控
- QT5 计算器
- 论文研究-基于颜色校正和多尺度融合
- 数字图像处理基础知识.pdf
- 灰度图像直方图计算
- 超分辨率等图像处理 ,set5数据集
- QT5串口通信程序源码
- QT 5下获取USB 拔插信号
- qt5.5做的记事本
- Qt5 科学计算器的实现
- Qt5读取串口数据
- QT后台监控鼠标侧键
- 肺部肿瘤图像识别算法
- 数字图像处理第四章课后作业最终更
- 笔趣阁小说器
- 用QT5写简单的串口调试工具
- 基于LabVIEW的图像二值化程序
- IDL界面,及相关图像处理
- pyqt5实现的登录功能
- 学科前沿讲座报告.docx
- 基于LabView的摄像采集和图像处理程序
- 北京大学数字图像处理(冈萨雷斯)
- 遥感图像处理的步骤
- 图像处理的灰度化、二值化等一体功
- Qt5--登录后进入主窗口
- QT5 实时曲线绘制
- Qt继承关系图,qt5
- 图像处理课程论文
评论
共有 条评论