cv2嵌入PyQt显示图像与视频

pyqt+cv2实现彩色图像、灰度图像的读取、显示与保存(超详细) 大致实现是,用cv2读取一张彩色图片,获取蓝色通道灰度图,将彩色图片和蓝色图片显示在pyqt上,最后将灰度图保存到电脑。界面设计的代码不放了,直接放主要代码。 用对话框打开图片,路径不能有中文: image,_=QFileDialog.getOpenFileName(self,'打开文件','.','图像文件(*.jpg *.png)')#第三个参数是默认路径,第四个参数是打开哪一类图像 现在image中是图片的路径 a = cv2.imread(image) # 路径名中不能有中文,会出错,cv 阅读详情
import sys, os
from PyQt5 import QtCore, QtWidgets, QtGui
from PyQt5.QtWidgets import *
from PyQt5.QtGui import *
import cv2


class CV2_PYQT_Window(QDialog):
    def __init__(self,src,target="video",parent=None):
        super(CV2_PYQT_Window,self).__init__()
        self.default_set_height = 800
        if target == "video":
            self.read_video(src)
        else:
            self.read_src(src)

    def read_src(self,src):
    
        image = cv2.imread(src, cv2.IMREAD_UNCHANGED)
        img_height, img_width, channels = image.shape
        if img_height>800:
            image = cv2.reszie(image,(img_height*default_set_height/img_height ,self.default_set_height ))
        img_height, img_width, channels = image.shape
        bytesPerLine = channels * img_width
        QImg = QImage(image.data, img_width, img_height, bytesPerLine, QImage.Format_BGR888)
        label = QLabel()
        label.setPixmap(QtGui.QPixmap.fromImage(QImg))
        button_ok = QPushButton("ok")
        button_no = QPushButton("no")
        layout1 = QtWidgets.QHBoxLayout()
        layout1.addWidget(label)
        layout2 = QtWidgets.QHBoxLayout()
        layout2.addWidget(button_ok)
        layout2.addWidget(button_no)
        lay = QtWidgets.QVBoxLayout()
        lay.addLayout(layout1)
        lay.addLayout(layout2)
        self.setLayout(lay)
        self.show()
        
    def read_video(self,file):
        self.frame = 1
        self._file = file
        self.cap = cv2.VideoCapture(file) 

        self.success, image = self.cap.read()
        if not self.success:
            return
        cv2.putText(image, str(self.frame), (50, 250), cv2.FONT_HERSHEY_SIMPLEX, 1, (255,255, 0), 3)
  
        img_height, img_width, channels = image.shape
        if img_height>800:
            image = cv2.resize(image,(int(img_width*self.default_set_height/img_height) ,self.default_set_height ))
            
        img_height, img_width, channels = image.shape
        bytesPerLine = channels * img_width
        QImg = QImage(image.data, img_width, img_height, bytesPerLine, QImage.Format_BGR888)
        self.label = QLabel()
        self.label.setPixmap(QtGui.QPixmap.fromImage(QImg))
        button_ok = QPushButton("ok")
        button_no = QPushButton("no")
        self.timer= QtCore.QTimer()
    
        layout1 = QtWidgets.QHBoxLayout()
        layout1.addWidget(self.label)
        layout2 = QtWidgets.QHBoxLayout()
        layout2.addWidget(button_ok)
        layout2.addWidget(button_no)
        lay = QtWidgets.QVBoxLayout()
        lay.addLayout(layout1)
        lay.addLayout(layout2)
        self.setLayout(lay)
        self.show()

        self.timer.timeout.connect(self.queryFrame)
        button_ok.clicked.connect(self.video_start)
        button_no.clicked.connect(self.video_stop)
        
    def cv2_display(self,src):
        cv2.imshow('src',src)
        cv2.waitKey(0)
        cv2.destroyAllWindows()

    def video_start(self):
        if(not self.timer.isActive() and not self.success):
            self.cap = cv2.VideoCapture(self._file) 
            self.frame = 1
            self.timer.start(35)
        else:
            self.timer.start(35)

    def video_stop(self):
        self.timer.stop()


    def queryFrame(self):
        '''
        循环捕获图片
        '''
        print(self.frame)
        self.frame+=1
        self.success, image = self.cap.read()
        cv2.putText(image, str(self.frame), (50, 250), cv2.FONT_HERSHEY_SIMPLEX, 1, (255,255,255), 3)
        if not self.success:
            self.timer.stop()
            return 

        img_height, img_width, channels = image.shape
        if img_height>800:
            image = cv2.resize(image,(int(img_width*self.default_set_height/img_height) ,self.default_set_height ))

        img_height, img_width, channels = image.shape
        bytesPerLine = channels * img_width
        QImg = QImage(image.data, img_width, img_height, bytesPerLine, QImage.Format_BGR888)
        self.label.setPixmap(QPixmap.fromImage(QImg))
  


if __name__ == "__main__":
    app = QtWidgets.QApplication(sys.argv)
    file = "../video/dance/dance.mp4"
    file1 = "01.png"
    mainWin = CV2_PYQT_Window(file1,target="image")
    mainWin.show()
    sys.exit( app.exec_() )

图片

在这里插入图片描述

视频

在这里插入图片描述
说明,点击ok开始播放,no暂停。结束后点击ok重新播放。

Python PyQt5 GraphicsView 图片显示虚影问题 Python PyQt5 GraphicsView 图片显示虚影问题 出现虚影图像部分代码: item=cv2.imread("D:/Dest/PyQt5ST/qACTION/PIC/actFile_Save.png") item = cv2.cvtColor(item, cv2.COLOR_BGR2RGB) x = item.shape[1] # 获取图像大小 y = item.shape[0] self.zoomscale = 1 # 图片放缩尺度 frame = QImage(item, x, 阅读详情

相关推荐

Pyqt5 使用QGraphicsView 显示图片

需要使用Pyqt5来显示MRI图片(240*240*155)的三视图,使用三个QGraphicsView 显示, 在实现过程中发现几个问题: 1、先使用Nibabel读入图像数组,拆成三个维度的图像,再使用 depth_image = image[:, :, img_index[2]] img = depth_image frame = PyQt5.QtGui.QImage(img, img...

chen499093551的博客 2万+

利用cv2和PyQt5实现类似视频格式工厂的小项目

本博客展示利用cv2和PyQt5对视频,gif和帧图像进行相互转换,并制作成GUI,可对选择的视频,gif和帧图片进行选择。 项目地址:待更新...(过几日便会上传,如果嫌弃新建项目麻烦的话,可以选择下载) 兼容格式:视频mp4/avi/mkv,帧图像jpg 目录 一、项目结构 二、图像格式(五位数) 三、代码(按照项目从上往下的顺序) ----scripts ----Button...

黄笳倞的博客 7029

pyqt5+opencv实现视频播放组件,支持实时流播放

pyqt5+opencv实现视频播放 详细源码链接为:https://github.com/2500284064/pyqt5-opencv-video 基本原理是通过 VideoCapture 类读取视频源的每一帧数据,将数据转化为图片展示在QWidget中 直接贴代码 import time import sys from PyQt5.QtCore import * from PyQ...

cactus 2万+

PyQt转换显示Python-OpenCV图像实现图形化界面的视频播放

在Python-OpenCV中显示图像时调用的是一个单独的窗口,有时我们需要将这些图像显示在PyQt的图形化界面上,这样就可以将整个图像显示与PyQt图形化界面进行整合。但OpenCV格式的图像和PyQt格式的图像并不同,这就需要进行转换。 本文介绍了OpenCV格式的图像转PyQt格式的图像,并通过OpenCv读取视频文件在PyQt界面中播放的案例实现。

老猿Python 6996

Allwinner H618开发板实现OpenCV与PyQt5实时图像显示方案

在嵌入式系统开发中,实时图像采集与显示是计算机视觉应用的基础需求。通过多线程架构实现图像采集与界面渲染的分离,能有效解决资源竞争问题。OpenCV提供跨平台的图像处理能力,而PyQt5则实现高效的GUI渲染,两者结合特别适合Allwinner H618等嵌入式平台。针对ARM架构的交叉编译优化、内存管理策略和帧率控制等技术,可以显著提升在资源受限环境下的运行效率。该方案可广泛应用于智能监控、工业检测等需要实时图像处理的嵌入式场景,特别是在机顶盒、智能终端等H618典型应用场景中表现优异。

weixin_30915275的博客 457

Jetson AGX Orin(Arm Linux)下解决pyqt5图像显示格式转换问题

本文详细介绍了在Jetson AGX Orin等Arm Linux设备上部署PyQt5并解决图像显示颜色错乱问题的完整方案。核心在于通过`cv2.cvtColor`函数将OpenCV默认的BGR格式转换为RGB格式,以适配Qt框架,从而彻底解决Format_BGR888格式不兼容导致的颜色反转问题。文章提供了从环境安装到实时视频流优化的实战代码与避坑指南。

weixin_29239661的博客 230

基于YOLOv8与PyQt5的水底垃圾生物检测识别系统设计与实现

目标检测是计算机视觉领域的核心任务之一,其目标是在图像或视频中定位并分类多个对象。随着深度学习技术的快速发展,以YOLO系列为代表的回归式检测算法凭借单次前向传播即可同时输出类别与边界框的优势,成为工业落地最广泛的技术方案。在水下环境中,由于光照衰减、水体散射、悬浮颗粒等因素干扰,常规检测模型精度大幅下降,对模型的实时性与轻量化提出了更高要求。YOLOv8作为新一代检测框架,引入了C2f模块与Anchor-Free检测头,在精度与速度之间取得了良好平衡,配合PyQt5可构建功能完整的桌面应用。本文完整阐述了

weixin_33885676的博客 368

基于YOLOv8与PyQt5的吸烟检测识别系统开发实战

目标检测作为计算机视觉领域的核心任务,通过算法自动定位并分类图像或视频中的特定目标,在安全监管与智能预警中扮演着关键角色。其技术原理依托深度学习网络提取多层特征,结合边界框回归与类别预测,实现对目标的精准识别。随着YOLOv8等高效检测模型的推出,检测速度与精度得到同步提升,而PyQt5桌面应用框架则为模型成果提供了可视化交互界面,使实时检测系统能够便捷落地。在工厂禁烟区、加油站、网吧等场景中,吸烟行为识别已形成明确需求,端到端的YOLOv8训练方案配合多线程界面设计,可高效构建抽烟检测系统。本文即围绕YO

congji3817的博客 503

pyqt5+opencv-python打开摄像头(已实现)

少废话 直接上代码 from PyQt5 import QtCore, QtGui, QtWidgets import sys import cv2 as cv2 class Ui_MainWindow(QtWidgets.QWidget): def __init__(self, parent=None): super().__init__(parent) # 父类的构造函数 self.timer_camera = QtCore.QTimer() # .

Vertira的博客 6165

QT5+OpenCV实战:从零搭建图像与视频处理桌面工具

图像处理与视频处理是计算机视觉落地的重要环节,而一个直观的桌面界面往往能让算法效果和调试过程事半功倍。QT5作为成熟的C++图形界面框架,通过信号槽机制高效管理用户交互与界面刷新;OpenCV则提供从图像读取、滤波到边缘检测、摄像头采集等丰富算法能力。两者结合时,核心在于理解cv::Mat与QImage之间的数据转换原理、避免HighGUI与QT事件循环冲突、以及用QTimer驱动实时视频流。这种组合具备跨平台、高性能与低集成成本等优势,广泛适用于课程设计、小型工具开发乃至嵌入式视觉项目。本文正是一篇完整的

weixin_34129696的博客 426

基于YOLOv8与PyQt6的实时吸烟行为检测系统开发实战

目标检测是计算机视觉的核心任务之一,旨在让计算机识别图像或视频中的特定物体并定位其位置。其原理通常基于深度学习模型,通过卷积神经网络提取图像特征,并预测目标的类别和边界框。这项技术的价值在于将海量、重复的视觉识别工作自动化,极大地提升了安防监控、工业质检、自动驾驶等领域的效率与准确性。在实际应用中,开发者常面临如何将前沿算法落地为稳定、易用的桌面软件这一挑战。本文以实时吸烟行为检测这一具体场景为例,深入探讨了如何利用YOLOv8这一高效的目标检测框架,结合PyQt6图形界面库,构建一套从数据准备、模型训练到

433

基于YOLOv8与PyQt5的水下垃圾生物检测系统开发实战

目标检测是计算机视觉的核心任务,旨在从图像或视频中定位并分类物体。YOLOv8作为新一代单阶段检测算法,凭借速度快、精度高、易于部署等特点,成为工业界和学术界的常用选择。结合PyQt5图形界面框架,可将模型推理封装为可视化桌面工具,实现图片、视频和摄像头的实时检测。该方案在水下环保、水产养殖、水下巡检等场景具有重要应用价值。本文从数据集准备、模型训练、界面集成到结果导出,系统讲解了构建水下垃圾与生物检测识别系统的完整流程,并分享了性能优化与常见问题排查经验,为开发者提供可复现的工程实践参考。

weixin_33985507的博客 508

OpenCV+Qt预编译包:解决PyQt图像显示黑屏与崩溃问题

OpenCV与Qt集成是计算机视觉GUI开发的基础能力,其核心在于ABI兼容性、OpenGL后端绑定及DLL运行时加载机制。当OpenCV未正确链接Qt库时,常见现象包括cv2.imshow()静默失败、QLabel显示黑屏、QImage转换断言错误等,本质是GUI模块未启用或Qt二进制路径缺失。该技术方案通过版本强匹配的预编译wheel(如PyQt5 5.15.2 + Python 3.9 + OpenCV 4.9.0),规避源码编译中CMake参数组合陷阱,并强制声明Qt依赖与DLL搜索路径,显著提升算

weixin_34163588的博客 69

CV深层网络模型和ui工具对比整理

接上次的课设,在选择CV模型和ui工具时做了些功课,记录一下。

weixin_68812357的博客 801

基于PyQt5与OpenCV的多功能图片视频比较工具设计与实现

图像相似度比较是计算机视觉与自动化测试中的基础问题,涉及像素级差异、感知哈希、SSIM等多种算法原理。这些技术能够量化视觉差异,辅助质量评估与异常定位,在UI回归测试、视频转码验证等场景中具有重要工程价值。本文围绕基于PyQt5构建的本地化工具,融合OpenCV图像处理能力,实现图片/视频批量比较、差异热力图可视化与报告导出,帮助工程师高效完成重复性视觉核查任务。

weixin_34269583的博客 455

YOLOv11花卉图像分割实战:PyQt实时摄像头识别与部署

图像分割是计算机视觉中实现像素级目标定位的基础技术,其核心在于联合优化边界框、类别与掩膜的多任务学习。YOLOv11-seg作为轻量高效的目标分割架构,凭借ProtoNet原型掩膜生成机制,在花卉等纹理丰富但边缘清晰的细粒度场景中展现出速度与精度的工程平衡——实测RTX3060上达42FPS,mask AP@0.5达74.1%。相比Mask R-CNN的高显存开销和SAM的zero-shot不可微调缺陷,YOLOv11-seg支持端到端训练、torch.jit导出及PyQt原生集成,天然适配边缘设备与本地化

weixin_34218579的博客 373

YOLOv8+PyQt5:水下垃圾与生物检测系统实战指南

目标检测是计算机视觉领域的核心任务,旨在定位并分类图像中的物体。YOLOv8作为新一代端到端检测框架,凭借高效的Backbone、PAN-FPN多尺度融合与解耦头设计,在精度与速度间取得良好平衡,尤其适合小目标场景。PyQt5提供了成熟的桌面GUI开发方案,与OpenCV、NumPy无缝衔接,能够将模型推理结果以可视化界面呈现。在海洋生态监测、水下巡检等场景中,传统人工查看视频效率低、易漏检。本文结合实际工程,详细阐述从数据准备、模型训练到PyQt5桌面端部署的完整链路,涵盖环境配置、数据集标注、YOLOv

weixin_34294649的博客 426

基于YOLO26与PyQt的跌倒检测系统实战:从数据集构建到部署

目标检测是计算机视觉的基础任务,核心是在图像或视频中精准定位并识别目标对象。YOLO系列凭借单阶段回归设计,在实时视频分析场景中表现突出,成为边缘设备和高吞吐场景的首选方案之一。当该技术应用于智慧养老领域时,跌倒检测作为关键需求,能够以非接触、持续性监控的方式弥补穿戴设备的不足。要构建一套完整的跌倒检测系统,还需要解决数据集标注、模型训练、推理加速、界面交互等工程问题。本文从YOLO26模型选型与训练策略出发,介绍了PyQt界面开发中的多线程视频处理、连续帧告警逻辑及打包封装等要点,并针对夜间低光环境的检测

weixin_34124651的博客 337
上一篇: 图片处理后进行Kmeans聚类
下一篇: ResNet50网络
佐倉
博客等级 码龄10年 471粉丝 254原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

佐倉

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址