基于PyQt5的数字图像处理实验平台设计

桑晓丹 郭锐

（1.周口师范学院 河南省周口市 466001 2.河南科技职业大学 河南省周口市 466000）

对于刚接触与学习计算机的初学者来说，《数字图像处理》是一门入门的基础课程。对于老师来说，讲解这门课程的主要难点就是仅能凭借教材来向学生讲解有关数字图像处理技术的理论知识与基本原理。因为数字图像处理内容偏于抽象化，学生在学习数字图像处理技术过程中，如果教材是唯一的学习途径，从某种角度来说，这样是不利于学生对教材内容的深入理解与掌握。为有效解决以上问题，本文提出了一种基于PyQt5 的数字图像处理实验平台设计，在学生学习数字图像处理相关知识过程中，该实验平台相当于是一种辅助学习工具，操作并不复杂，能够促使学生可以对数字图像处理的相关经典算法、基本原理进行有效掌握与深度理解。针对基于PyQt5 的数字图像处理实验平台，共包括4 个功能模块，分别为状态栏、工作区、工具栏、菜单栏，其中页面提示内容是通过状态栏予以显示的，显示是通过工作区实现的，快捷操作、细节操作、文字内容、图像等放置在工具栏中，一些重要操作放置在菜单栏中。该实验平台具有移植性、交互性、实用性等特点。基于此，本文就基于PyQt5 的数字图像处理实验平台设计展开了探讨，以供大家参考。

1 相关理论基础概述

1.1 当前数字图像处理技术的研究状况

所谓数字图像处理，就是指通过运用计算机来对数字图像进行处理。在1920年，数字图像处理首次被人们提出来，在当时第一张数字照片就是通过选用数字压缩技术进行成功传输的。在后期发展过程中，因技术水平有限，数字图像处理技术的发展速度并不是非常快。在1960年，人们研发出了首台计算机，可以进行数字图像处理。在1964年，美国航天研究所通过利用数字图像处理技术，成功传回了航天探测器在月球上采集到的照片，照片的清晰度非常高，能够清晰看到月球的表面，通过这次实践活动，有效推动了数字图像处理技术的进一步快速发展，同时出现了数字图像处理这门学科。从1960年-1970年期间，随着离散数学的出现与不断优化，有效推动了数字图像处理技术的进一步快速发展。在这段时间中，特别是在医学领域中，数字图像处理技术发挥出极大的作用。在1975年，出现了CT 设备，有效提高了医学技术水平。在1980年，随着计算机技术水平的不断提高，针对图像，人们对其的研究范围也随之变大，即从二维领域逐渐扩大到三维领域。随着图像处理方法与理论的不断快速发展，有效提高了数字图像处理技术的水平。在1980年，专家们首次提出了视觉计算理论，在后期发展中，该理论在计算机视觉领域发展中起到非常重要的主动作用。自1990年以后，数字图像处理技术的发展变得越来越智能化、低成本、实时性与网络化。

1.2 数字图像处理技术的主要研究内容

1.2.1 图像分割

所谓图像分割，就是指将图像划分为特定的区域，然后提取出目标的一种技术。目前，图像分割法可以划分为四种不同的类型，分别为图像运动目标分割、基于边缘的分割、基于区域的分割、基于I 值的分割。在最近几年中，在图像分割中，专家们引用了很多其他学科的新方法与新理论，进而衍生出很多新的分割方法。

1.2.2 图像分析

在图像处理中，图像分析属于高级阶段。图像分析，就是指通过运用计算机来对图像进行深入分析，能够获取对图像进行描述的符号或者数值。例如，在处理医学图像过程中，除了要对异变的存在进行检测以外，还需要对异变的尺寸大小进行严格检查。通过纹理分析、图像描绘这两个方面均可以进行图像分析。纹理分析，包括模型法、频谱法、统计法、结构法等；图像描绘，包括关系描述、区域边界描述、区域内部描述等。在以前进行图像分析过程中，基本上为二维的图像处理，但是随着科学技术水平的不断提高，图像分析逐渐从二维逐渐发展到三维图像处理。

1.2.3 图像数字化

所谓图像数字化，就是指针对利用传感器得到的连续性图像数据，将其转变为离散性的数字形式，同时仍然与原图像保持一致，且方便进行计算机处理的一种技术。在图像数字化中，量化与取样是两个不同的环节。针对像素幅值，对其进行数字化处理，即为量化；针对像素坐标，对其进行数字化处理即为取样。数字图像的质量主要取决于量化运用的灰度级数与取样样本数。

1.2.4 图像压缩

所谓图像压缩，就是指通过运用组合、变换的编码方法来简化处理数据源，通过利用更少的代码来对更多信息进行表示的一种技术。人的视觉心理特点、数字图像的相关性，即为图像压缩的基本原理。其中，图像压缩系统是由两个部分构成的，即解码器与编码器。数据在经过解码以后，如果依然与原数据保持一致，此时压缩系统即可叫做信息保持或者无损的压缩系统，如果未保持一致，则叫做有损的压缩系统。压缩编码技术大致可以划分为两个不同的阶段，即，第一阶段为传统数据压缩理论，第二阶段的压缩编码技术，可以有效解决第一代中的不足与问题，能够有效提高图像复原质量。

1.2.5 图像复原与加强

所谓图像复原，就是指对已经退化的图像进行恢复，使其变为和过去相同模样的一种技术。图像复原，包括几何校正、频域复原、代数复原等。所谓图像加强，就是指为方便进一步处理、分析、观察、显示图像，尖锐化或者强调图像对比度、轮廓、边缘等特征的一种技术。与图像复原相比，图像加强具有很多不同之处，图像加强并不会对图像退化原因进行深入考虑，仅仅是为了对图像中的信息进行强调突出。图像加强，包括在频率域的加强、在空间域的加强。伪彩色加强、图像锐化、图像平滑、直方图修正等均为比较常见的图像加强方法。

2 基于PyQt5的数字图像处理实验平台设计

2.1 基本设计思路

《数字图像处理》课程理论是基于PyQt5 的数字图像处理实验平台的设计基础。在该实验平台系统中，一共包含边缘分割与检测、图像改善、图像滤波、图像变换、图像优化、案例实践这几个模块，进而能够充分展现出教材中复杂的理论知识。

2.2 数字图像处理实验平台的设计

在数字图像处理实验平台中，一共包括五个不同模块的实践教学内容，GUI 主界面是由Qt Designer、PyQt5 构建的，在GUI主界面中设有一个主窗口，与此同时，在主窗口中还设有多个不同的部件，包括状态栏、工作区、工具栏、菜单栏等，而在工作区中，为能够对图片信息进行充分展现，设置了QLabel 控件与QGraphicsView 空间。当在窗口界面构建并保存至文件夹以后，会出现一个.ui的文件，通过选用pyui5，有效转化.ui文件，使其变为.pY文件。然后在命令行中通过对相关指令进行编辑与运行以后，便会出现一个.pY 的文件，通过打包.pY 文件，会形成.exe 文件，计算机用户在对.exe 程序进行双击以后，便可以对该文件进行有效执行，最后便能够进入到实验平台的主界面中来进行有关操作。

通过从边缘分割与检测、图像改善、图像滤波、图像变换、图像优化、案例实践这几个模块来设计数字图像处理实验平台的功能。所有模块均能够将图像处理过程与处理结果详细展现给学生，而学生通过利用其中一个模块的功能便可以进入对应的子界面中，然后可以进行一些操作。通过选用这种方式，可以促使学生对图像处理原理与内容具有更为深入的理解。通过利用该数字图像数量实验平台，老师在对数字图像处理的基本原理与理论基础知识进行讲解过程中，能够通过进行实践操作，将算法处理结果更加直观的讲解给学生听讲，有助于教学质量与教学效果的提高。

2.2.1 图像优化

图像复原，就是对受损的图像进行最大程度的恢复，使其尽可能变成最初的模样；图像加强，就是指弱化处理图像中不感兴趣的区域，以对目标区域加以突出，对图像质量进行优化与提高。在进行图像复原过程中，因为存在多种未知因素，所以存在许多未知性。在该设计中，主要通过利用inpaint（）函数来进行图像的复原。

2.2.2 图像变换

所谓图像变换，就是指图像从一个状态变为另外一个状态的过程。图像变换，包括图像缩放、图像镜像、图像旋转等。在对数据集进行测试、编辑、加强过程中，可以利用图像变换，能够有效提高图像处理结果的精准率。

（1）图像缩放，即通过对图像的尺寸大小进行改变，以提高图像像素，满足用户的使用要求。在放大图像过程中，能够有效提高图像像素的识别度；在缩小图像过程中，能够有效提高图像的清晰度与平滑度。

（2）水平镜像，就是指将目标图像的垂直中轴线选作为中心线，调换图像左侧的图像与右侧的图像，以获取一张新的图像，而垂直镜像，就是指将目标图像的水平中轴线选作为中心线，调换图像上侧的图像与下侧的图像，以获取一张新的图像，通过调用transpose( )函数，便能够对图像进行镜像处理；

（3）图像旋转，即选取图像中的某一点作为中心进行一定角度的旋转，以获取一张新的图像，通过调用flip()函数，能够对图像进行旋转处理。

2.2.3 图像滤波

所谓图像滤波，就是指在对目标图像细节特点予以保留的前提条件下，有效处理其中存在的噪声的一种方法。图像滤波，包括高斯滤波、中值滤波、均值滤波等。

（1）高斯滤波，就是指对图像中全部点的像素值进行求解，然后进行加权平均计算，最后调用GaussianBlur( )函数，便能够获取高斯滤波。

（2）中值滤波，就是指对图像中全部像素领域中像素的中值进行求解，然后利用计算的中值取代图像中全部像素的值，通过调用medianBlur( )函数，便能够实现中值滤波。

（3）均值滤波，就是指选中某一个目标像素，对目标像素邻近像素的平均值进行计算，然后利用计算出的平均值来取代目标像素的值，通过调用blur ()函数能够实现均值滤波。

2.2.4 图像分割与边缘检测

图像分割，包括交互式图像分割与自动图像分割。

（1）交互式图像分割，就是指将用户交互信息加入到图像中，促使计算机能够对目标图像进行更好的分割。在本次设计的实验平台中，主要选用基于深度学习的交互式图像分割方法，通过将极值点特点融入其中，可以在神经网络中输入极值点特点与RGB 图像，通过利用神经网络进行池化操作、卷积操作，能够将目标图像的特点提取出来，并通过输出层将其输出出去。

（2）自动图像分割，就是指将算法输入到计算机中，根据算法，计算机可以将满足约束条件的目标区域分割出来。边缘检测，就是指运用各种边缘检测算子来提取图像边缘的一种方法。利用算子可以标注图像中连读比较显著的像素点，通过调用edge( )函数，能够实现边缘检测。

2.2.5 案例实践

车辆识别，就是指运用图像识别技术来识别车辆牌照的一种技术。通过运用图像识别技术，能够有效监控车辆违章行为、自动化电子收费、车辆智能化管理，同时通过运用DSRC 技术，能够对车辆身份进行有效识别，该实验平台首先对图像数据进行读取、滤波、二值化预处理等，然后利用算子查找图像的轮廓，根据部分参数数据，对轮廓是否为车牌轮廓进行精准查找。

3 小结

综上所述，本文通过利用Python 的图像处理功能、数据分析功能、数值计算功能，构建了一个基于PyQt5 的图像处理实验平台，该图像处理实验平台是由边缘分割与检测、图像改善、图像滤波、图像变换、图像优化、实例实践这几个模块构成的，涉及到很多有关于数字图像处理的知识，同时以车辆识别为例，对图像处理实验平台在图像识别中的运用进行了详细阐述，促使图像处理可视化变得更为方便与直观。在现阶段中，数字图像处理具有多种优势特点，包括精确度高、适用性强、灵活性高等，在人们生活各个方面均会运用到数字图像处理技术。本文提出了一个基于PyQt5 的图像处理实验平台设计，以期对相关研究人员对数字图像处理技术的研究起到一定的借鉴作用。