Python二十多种常用图像处理方法集成工具

利用Python集成了20多常用的图像处理方法，包括二值化、边缘检测、开闭运算、高斯模糊、直方图等操作。仅需要读取图片便能运行，可在Python3环境下直接运行，无需调整。

import PySpin
import os
import cv2
import numpy as np
import tkinter as tk
import matplotlib.pyplot as plt
from PIL import ImageImageTk
from tkinter.filedialog import *


def acquire_images（）:
    global file_path
    file_path = tk.filedialog.askopenfilename（）
    print（file_path）
    # img = cv2.imread（file_path）
    # area1.create_image（400 400 image = img）

# 二值化处理图像
def Threshold（）:
    image = cv2.imread（file_path）
    gray = cv2.cvtColor（image cv2.COLOR_BGR2GRAY）

    #此为全局阈值
    #BINARY是执行二值化操作，后面的OTSU是具体执行的二值化阈值方法，可以选择其他
    #更改0255可以指定阈值
    ret binary = cv2.threshold（gray 0 255 cv2.THRESH_BINARY | cv2.THRESH_OTSU）

    #使用局部阈值25为blocksize参数，必须为奇数，10为每块局部设置的参考值，每块像素块的其他值减去均值大于10，
    #则执行置0或者置255操作
    # binary = cv2.adaptiveThreshold（gray 255 cv2.ADAPTIVE_THRESH_GAUSSIAN_C cv2.THRESH_BINARY 2510）

    #显示计算出来的阈值
    print（‘threshold value is : %s‘ %ret）
    #控制显示窗口大小
    cv2.namedWindow（‘Threshold‘ 0）
    cv2.resizeWindow（‘Threshold‘ 600 600）
    cv2.imshow（‘Threshold‘ binary）

    # ret thresh = cv2.threshold（image 0 255 cv2.THRESH_OTSU）
    # plt.imshow（image ‘gray‘）
    # plt.title（‘OTSU‘）
    # plt.xticks（[]）plt.yticks（[]）
    # plt.show（）

#模糊操作，利用卷积原理
def blur（）:
    image = cv2.imread（file_path）

    #此为均值模糊
    #（301）为一维卷积核，指在x，y方向偏移多少位
    # dst = cv2.blur（image （30 1））

    #此为中值模糊，常用于去除椒盐噪声
    # dst = cv2.medianBlur（image 15）

    #自定义卷积核，执行模糊操作，也可定义执行锐化操作
    #定义卷积核kernel为5*5的单位矩阵，因为像素值为0-255，所以除以25防止溢出，25为矩阵内元素个数
    # kernel = np.ones（[1010] np.float32）/100
    kernel = np.array（[[0 -1 0] [-1 5 -1] [0 -1 0]] np.float32）
    dst = cv2.filter2D（image -1 kernel=kernel）

    cv2.namedWindow（‘Blur‘ 0）
    cv2.resizeWindow（‘Blur‘ 600 600）
    cv2.imshow（‘Blur‘ dst）
    cv2.namedWindow（‘input_image‘ 0）
    cv2.resizeWindow（‘input_image‘ 600 600）
    cv2.imshow（‘input_image‘ image）

def clamp（pv）:
    if pv > 255:
        return 255
    elif pv < 0:
        return 0
    else:
        return pv

#给图片增加高斯噪声，计算花费很长时间
def gaussian_noise（）:
    image = cv2.imread（file_path）
    h w c = image.shape
    for row in range（h）:
        for col in range（w）:
            s = np.random.normal（0 20 3）
            b = image[row col 0]  #blue
            g = image[row col 1]  #green
            r = image[row col 2]  #red
            image[row col 0] = clamp（b + s[0]）
            image[row col 1] = clamp（g + s[1]）
            image[row col 2] = clamp（r + s[2]）

    cv2.namedWindow（‘Gaussian_noise‘ 0）
    cv2.resizeWindow（‘Gaussian_noise‘ 600 600）
    cv2.imshow（‘Gaussian_noise‘ image）

#高斯模糊，能保留图片的主要特征
def gaussian_blur（）:
    image = cv2.imread（file_path）
    dst = cv2.GaussianBlur（image （0 0） 15）

    cv2.namedWindow（‘Gaussian_blur‘ 0）
    cv2.resizeWindow（‘Gaussian_blur‘ 600 600）
    cv2.imshow（‘Gaussian_blur‘ dst）

#边缘保留滤波
def epf（）:
    image = cv2.imread（file_pat