# -*- coding: utf-8 -*-
"""
Spyder 编辑器
这是一个临时脚本文件。
"""
import tkinter as tk
import numpy as np
from PIL import Image,ImageTk
import tkinter.filedialog as tkfd
import tkinter.simpledialog as askdiag
import const
class window(tk.Tk):
? ? def __init__(self):
? ? ? ? tk.Tk.__init__(self)
? ? ? ??
? ? ? ? self.resizable(0, 0)
? ? ? ? self.title('main window')
? ? ? ? self.geometry('640x480')
? ?
? ? ? ? menuBar=tk.Menu(self) ? #创建一个菜单实例,
? ? ? ? self['menu']=menuBar ? ?#将菜单置于运行窗口中，一个窗口只能有一个菜单，并默认置于顶端 ??
? ? ? ? menu01=tk.Menu(menuBar,tearoff=False) ? #创建一个二级菜单，置于menuBar中
? ? ? ? menuBar.add_cascade(label='文件',menu=menu01) ?#在menu0中添加一个label='文件' 为项目的级联菜单
? ? ? ? menu01.add_command(label='打开',command=self.openfile) #添加二级菜单项
? ? ? ? menu01.add_separator()#分割线
? ? ? ? menu01.add_command(label='保存',command=self.savefile) #添加二级菜单项
? ? ? ? menu01.add_separator()#分割线
? ? ? ? menu01.add_command(label='退出',command=self.exitsys) ?#添加二级菜单项
? ? ? ??
? ? ? ? menu02=tk.Menu(menuBar,tearoff=False) ? #创建一个二级菜单，置于menuBar中 ? ? ? ??
? ? ? ? menuBar.add_cascade(label='图像操作',menu=menu02) ?#在menuBar中添加一个label='文件' 为项目的级联菜单
? ? ? ? menu02.add_command(label='灰度化处理',command=self.gray) ?#添加二级菜单项
? ? ? ? menu02.add_separator()#分割线 ? ? ??
? ? ? ? menu02.add_command(label='显示直方图',command=self.hist) #添加二级菜单项
? ? ? ? menu02.add_separator()#分割线
? ? ? ? menu02.add_command(label='阈值二值化',command=self.binProc) #添加二级菜单项
? ? ? ? menu02.add_separator()#分割线
? ? ? ? menu02.add_command(label='阈值区间二值化',command=self.binProc2) ?#添加二级菜单项
? ? ? ??
? ? ? ? menu03=tk.Menu(menuBar,tearoff=False) ? #创建一个二级菜单，置于menuBar中 ??
? ? ? ? menu03.add_command(label='直方图均衡化',command=self.histogram_match)
? ? ? ? menu03.add_separator()#分割线
? ? ? ? menuBar.add_cascade(label='亮度操作',menu=menu03) ?#在menu01中添加一个label='文件' 为项目的级联菜单
? ? ? ? menu03.add_command(label='对比度调节',command=self.contrast_bright)
? ? ? ? menu03.add_separator()#分割线
? ? ? ? menu03.add_command(label='对比度调节',command=self.contrast_bright)
? ? ? ??
? ? ? ? menu04=tk.Menu(menuBar,tearoff=False) ? #创建一个二级菜单，置于menuBar中 ?
? ? ? ? menuBar.add_cascade(label='边缘检测',menu=menu04) ?#在menu01中添加一个label='文件' 为项目的级联菜单
? ? ? ? menu04.add_command(label='robert算子',command=self.robert)
? ? ? ? menu04.add_separator()#分割线 ? ? ? ?
? ? ? ? menu04.add_command(label='sobel算子',command=self.sobel)
? ? ? ? menu04.add_separator()#分割线
? ? ? ? menu04.add_command(label='Laplace算子',command=self.laplace)
? ? ? ??
? ? ? ? tp=tk.Frame(self)
? ? ? ? tp.pack()
? ? ? ??
? ? ? ? self.w=None
? ? ? ? self.h=None
? ? ? ? self.resizeimg=None #固定640*480大小图像，在窗口显示
? ? ? ? self.imgarray=None ?# 加载图像的数组形式?
? ? ? ? self.photo=None ? #加载的图像?
? ? ? ? #self.canvasimg=None #使用PhotoImage转换为画布显示图像，用于画布显示?
? ? ? ? #使用Canvas显示图像 ? ? ? ?
? ? ? ? self.canvas=tk.Canvas(tp, width=640,height=480) ? ? ?
? ? ? ? self.canvas.pack(fill = 'both',expand ='yes')
? ? ? ? self.canvas_on_image=self.canvas.create_image(0, 0, anchor='nw', image=None)
? ? # robert 算子[[-1,-1],[1,1]]
? ? def robert(self):
? ? ? ? r_suanzi = [[-1,-1],[1,1]]
# ? ? ? ?for x in range(self.h-1):
# ? ? ? ? ? ?for y in range(self.w-1): ? ? ? ? ? ? ? ? ? ?
# ? ? ? ? ? ? ? ? ? ?self.imgarray[x, y,1] = abs(np.sum(r_suanzi*self.imgarray[x:x+2, y:y+2,1])) ? ?# 求和加绝对值
? ? ? ? g=self.imgarray[:,:,1]
? ? ? ? for i in range(g.shape[0]-1):
? ? ? ? ? ? for j in range(g.shape[1]-1):
? ? ? ? ? ? ? ? g[i,j]=abs(int(g[i+1,j])-int(g[i,j]))+abs(int(g[i,j+1])-int(g[i,j])) ? ? ? ? ? ? ? ?
# ? ? ? ?self.imgarray[:,:,0]=self.imgarray[:,:,1]
# ? ? ? ?self.imgarray[:,:,2]=self.imgarray[:,:,1]
? ? ? ? self.imgarray[:,:,0]=g
? ? ? ? self.imgarray[:,:,1]=g
? ? ? ? self.imgarray[:,:,2]=g
? ? ? ? self.canvas_draw()
? ? ? ? return
? ? ? ? ? ? ? ? ?
? ? # # sobel算子的实现
? ? def sobel(self): ? ? ? ?
? ? ? ? s_suanziX = np.array([[-1,0,1],[-2,0,2],[-1,0,1]]) ? ? ?# X方向
? ? ? ? s_suanziY = np.array([[-1,-2,-1],[0,0,0],[1,2,1]])
? ? ? ? for i in range(self.h-2):
? ? ? ? ? ? for j in range(self.w-2): ? ? ??
? ? ? ? ? ? ? ? ? ? new_imageX = abs(np.sum(self.imgarray[i:i+3, j:j+3,1] * s_suanziX))
? ? ? ? ? ? ? ? ? ? new_imageY = abs(np.sum(self.imgarray[i:i+3, j:j+3,1] * s_suanziY))
? ? ? ? ? ? ? ? ? ? self.imgarray[i, j,1] = (new_imageX*new_imageX + new_imageY*new_imageY)**0.5
? ? ? ? ? ? ? ? ? ??
? ? ? ? self.imgarray[:,:,0]=self.imgarray[:,:,1]
? ? ? ? self.imgarray[:,:,2]=self.imgarray[:,:,1]
? ? ? ? self.canvas_draw()
? ? ? ? return?
?
? ? # Laplace算子
? ? # 常用的Laplace算子模板 ?[[0,1,0],[1,-4,1],[0,1,0]] ? [[1,1,1],[1,-8,1],[1,1,1]]
? ? def laplace(self): ?
? ? ? ? L_suanzi = np.array([[0,-1,0],[-1,4,-1],[0,-1,0]]) ? ??
? ? ? ? # L_sunnzi = np.array([[1,1,1],[1,-8,1],[1,1,1]]) ? ? ?
# ? ? ? ?for i in range(self.h-2):
# ? ? ? ? ? ?for j in range(self.w-2): ??
# ? ? ? ? ? ? ? ? ? ?self.imgarray[i, j,1] = abs(np.sum( L_suanzi*self.imgarray[i:i+3, j:j+3,1] ))
? ? ? ? g=self.imgarray[:,:,1]
? ? ? ? for i in range(1,g.shape[0]-1):
? ? ? ? ? ? for j in range(1,g.shape[1]-1):
? ? ? ? ? ? ? ? g[i-1,j-1]=abs(4*int(g[i,j])-int(g[i-1,j])-int(g[i,j+1])-int(g[i+1,j])-int(g[i,j-1]))
? ? ? ? ? ? ? ? if g[i-1,j-1]>255:
? ? ? ? ? ? ? ? ? ? g[i-1,j-1]=255
? ? ? ? ? ? ? ?
? ? ? ? self.imgarray[:,:,1]=g
? ? ? ? self.imgarray[:,:,0]=self.imgarray[:,:,1]
? ? ? ? self.imgarray[:,:,2]=self.imgarray[:,:,1]
? ? ? ? self.canvas_draw()
? ? ? ? return?
? ? def histogram_match(self): ?#直方图均衡化处理 ?
? ? ? ? self.imgarray=np.array(self.photo)
? ? ? ? r=np.zeros(256)
? ? ? ? g=np.zeros(256)
? ? ? ? b=np.zeros(256) ?
? ? ? ? tempr=np.zeros(256)
? ? ? ? tempg=np.zeros(256)
? ? ? ? tempb=np.zeros(256)
? ? ? ? tr=np.zeros(256)
? ? ? ? tg=np.zeros(256)
? ? ? ? tb=np.zeros(256)
? ? ? ? for i in range(self.imgarray.shape[0]):
? ? ? ? ? ? for j in range(self.imgarray.shape[1]):
? ? ? ? ? ? ? ? ? r[self.imgarray[i][j][0]]+=1
? ? ? ? ? ? ? ? ? g[self.imgarray[i][j][1]]+=1
? ? ? ? ? ? ? ? ? b[self.imgarray[i][j][2]]+=1 ?
? ? ? ? r=r/(self.w*self.h)
? ? ? ? g=g/(self.w*self.h)
? ? ? ? b=b/(self.w*self.h) ? ? ? ?
? ? ? ? tempr[0]=r[0]
? ? ? ? tempg[0]=g[0]
? ? ? ? tempb[0]=b[0]
? ? ? ? for i in range(1,256):
? ? ? ? ? ? tempr[i]=tempr[i-1]+r[i]
? ? ? ? ? ? tempg[i]=tempg[i-1]+g[i]
? ? ? ? ? ? tempb[i]=tempb[i-1]+b[i]
? ? ? ? ? ? tr[i]=int(tempr[i]*255+0.5)
? ? ? ? ? ? tg[i]=int(tempg[i]*255+0.5)
? ? ? ? ? ? tb[i]=int(tempb[i]*255+0.5)
? ? ? ? for i in range(self.imgarray.shape[0]):
? ? ? ? ? ? for j in range(self.imgarray.shape[1]):
? ? ? ? ? ? ? ? self.imgarray[i][j][0]=tr[self.imgarray[i][j][0]]
? ? ? ? ? ? ? ? self.imgarray[i][j][1]=tg[self.imgarray[i][j][1]]
? ? ? ? ? ? ? ? self.imgarray[i][j][2]=tb[self.imgarray[i][j][2]]
? ? ? ? self.canvas_draw()
? ? ? ? return
? ? ? ? ? ?
? ? def contrast_bright(self): #对比度
? ? ? ? stk=tk.Tk() ? ? ?
? ? ? ? stk.title('对比度和亮度调整')
? ? ? ? stk.geometry('200x100') ?
? ? ? ? yr= np.array(self.imgarray[:,:,0])#创建新的数组，值为self.imgarray[:,:,0]
? ? ? ? yg= np.array(self.imgarray[:,:,1])
? ? ? ? yb= np.array(self.imgarray[:,:,2])
? ? ? ? thredr=np.mean(yr)
? ? ? ? thredg=np.mean(yg)
? ? ? ? thredb=np.mean(yb) ? ? ? ?
? ? ? ? def getval(super):?
? ? ? ? ? ? cnum=int(s1.get())
? ? ? ? ? ? bnum=int(s2.get())
? ? ? ? ? ? r,g,b=(yr,yg,yb)
? ? ? ? ? ? #（像素值-像素均值）*对比度系数+像素均值*明亮度系数
? ? ? ? ? ? r=r+np.trunc((r-thredr)*cnum/255+thredr*bnum/255)
? ? ? ? ? ? g=g+np.trunc((r-thredg)*cnum/255+thredg*bnum/255)
? ? ? ? ? ? b=b+np.trunc((r-thredb)*cnum/255+thredb*bnum/255)
? ? ? ? ? ? for i in [r,g,b]:
? ? ? ? ? ? ? ? i[i>255]=255
? ? ? ? ? ? ? ? i[i<0]=0 ? ? ? ? ? ? ? ? ? ?
? ? ? ? ? ? self.imgarray[:,:,0]=r
? ? ? ? ? ? self.imgarray[:,:,1]=g
? ? ? ? ? ? self.imgarray[:,:,2]=b ? ? ? ? ? ?
? ? ? ? ? ? self.canvas_draw() ? ? ? ? ? ?
? ? ? ? ? ? return?
? ? ? ??
? ? ? ? tk.Label(stk, text="对比度:").grid(row=0, column=0, padx=5, pady=5, sticky='W') ? ? ? ?
? ? ? ? s1=tk.Scale(stk,length=120, command=getval,from_=-255, to=255,orient="horizontal",relief='flat')
? ? ? ? s1.grid(row=0, column=1) ? ? ? ?
? ? ? ? tk.Label(stk,text='亮 ?度：').grid(row=1, column=0, padx=5, pady=5, sticky='W') ? ? ? ?
? ? ? ? s2 = tk.Scale(stk,length=120, command=getval,from_=-255, to=255,orient="horizontal",relief='flat')
? ? ? ? s2.grid(row=1, column=1)
? ? ? ? stk.mainloop()
? ? ? ? return ?
? ? ?
? ? def brightness(self):
? ? ? ? pass
? ? def gray(self): ?#彩色图像灰度化处理 ? ? ? ?
? ? ? ? #self.imgarray=np.array(self.photo)
# ? ? ? ?for i in range(self.imgarray.shape[0]):
# ? ? ? ? ? ?for j in range(self.imgarray.shape[1]):
# ? ? ? ? ? ? ? ?c=self.imgarray[i][j][0]*0.3+self.imgarray[i][j][1]*0.6+self.imgarray[i][j][2]*0.1
# ? ? ? ? ? ? ? ?self.imgarray[i][j][0]=c
# ? ? ? ? ? ? ? ?self.imgarray[i][j][1]=c
# ? ? ? ? ? ? ? ?self.imgarray[i][j][2]=c ? ? ??
? ? ? ? c=self.imgarray[:,:,0]*0.3+self.imgarray[:,:,1]*0.6+self.imgarray[:,:,2]*0.1
? ? ? ? c=np.trunc(c) ?#将元素值取整 ? ??
# ? ? ? ?a = np.reshape(c,(c.shape[0],c.shape[1],1))#将二维矩阵转为一层的三维矩阵
# ? ? ? ?self.imgarray= np.concatenate([a,a,a],2)#将3个三维矩阵按照第三轴叠加
? ? ? ? self.imgarray[:,:,0]=c
? ? ? ? self.imgarray[:,:,2]=c
? ? ? ? self.imgarray[:,:,1]=c
? ? ? ? self.canvas_draw()
? ? ? ? return
? ? def binProc(self):#阈值二值化
? ? ? ? threshold=askdiag.askinteger('阈值二值化','输入二分阈值',initialvalue=128)
? ? ? ? g=self.imgarray[:,:,1]
? ? ? ? g[g>threshold ]=255
? ? ? ? g[g<threshold]=0
? ? ? ? self.imgarray[:,:,0]=g
? ? ? ? self.imgarray[:,:,1]=g
? ? ? ? self.imgarray[:,:,2]=g
? ? ? ? self.canvas_draw()
? ? ? ? pass
? ? def hist(self): ?#彩色直方图
? ? ? ? histtk=tk.Tk()
? ? ? ? histtk.title('彩色直方图')
? ? ? ? histtk.geometry('900x300')
? ? ? ? canvas=tk.Canvas(histtk, width=900,height=300) ? ? ?
? ? ? ? canvas.pack(fill = 'both',expand ='yes')
? ? ? ? canvas.create_text(100,20, text=str('R')) ?
? ? ? ? canvas.create_text(400,20, text=str('G')) ?
? ? ? ? canvas.create_text(700,20, text=str('B')) ?
? ? ? ? canvas.create_rectangle(10,30,265,280)
? ? ? ? canvas.create_rectangle(300,30,555,280)
? ? ? ? canvas.create_rectangle(600,30,855,280)
? ? ? ?# photo= Image.open('3d水滴.jpg') ?#加载的图像 ??
? ? ? ? self.imgarray=np.array(self.photo)
? ? ? ? r=np.zeros(256)
? ? ? ? g=np.zeros(256)
? ? ? ? b=np.zeros(256)
? ? ? ? x=np.arange(0,256) ? ? ? ??
? ? ? ? for i in range(self.imgarray.shape[0]):
? ? ? ? ? ? for j in range(self.imgarray.shape[1]):
? ? ? ? ? ? ? ? ? r[self.imgarray[i][j][0]]+=1
? ? ? ? ? ? ? ? ? g[self.imgarray[i][j][1]]+=1
? ? ? ? ? ? ? ? ? b[self.imgarray[i][j][2]]+=1
? ? ? ??
? ? ? ? r=r/np.max(r) ? ? ? ?
? ? ? ? r=np.int_(r*250)
? ? ? ? g=g/np.max(g)
? ? ? ? g=np.int_(g*250) ?
? ? ? ? b=b/np.max(b)
? ? ? ? b=np.int_(b*250) ? ? ? ? ? ?
? ? ? ? for i in range(256):
? ? ? ? ? ? canvas.create_line(10+x[i],280,10+x[i],280-r[i],width=1,fill='red')
? ? ? ? ? ? canvas.create_line(300+x[i],280,300+x[i],280-g[i],width=1,fill='green')
? ? ? ? ? ? canvas.create_line(600+x[i],280,600+x[i],280-b[i],width=1,fill='blue')
? ? ? ? for i in range(0,201,50): ? ? ? ? ? ?
? ? ? ? ? ? canvas.create_text(10+x[i],290, text=str(x[i]))?
? ? ? ? ? ? canvas.create_text(300+x[i],290, text=str(x[i]))?
? ? ? ? ? ? canvas.create_text(600+x[i],290, text=str(x[i]))?
? ? ? ? canvas.create_text(10+255,290, text=str(255)) ??
? ? ? ? canvas.create_text(300+255,290, text=str(255)) ?
? ? ? ? canvas.create_text(600+255,290, text=str(255))?
? ? ? ? pass
? ? def binProc2(self): ?#阈值区间二值化
? ? ? ? hk=tk.Tk()
? ? ? ? hk.title('阈值区间二值化')
? ? ? ? hk.geometry('200x100')
? ? ? ? lab1 = tk.Label(hk, text="值1:")
? ? ? ? lab1.grid(row=0, column=0, padx=5, pady=5, sticky='W') ? ? ? ?
? ? ? ? low = tk.IntVar()#绑定对象到Entry
? ? ? ? ent1 = tk.Entry(hk, textvariable=low) ? ? ? ?
? ? ? ? ent1.grid(row=0, column=1, sticky='ew', columnspan=2)
? ? ? ??
? ? ? ? lab2 = tk.Label(hk, text="值1:")
? ? ? ? lab2.grid(row=1, column=0, padx=5, pady=5, sticky='W') ? ? ??
? ? ? ? high = tk.IntVar() #绑定对象到Entry
? ? ? ? ent2 = tk.Entry(hk, textvariable=high)
? ? ? ? ent2.grid(row=1, column=1, sticky='ew', columnspan=2) ? ? ? ?
? ? ? ? def on_click():
? ? ? ? ? ? for i in range(self.imgarray.shape[0]):
? ? ? ? ? ? ? ? for j in range(self.imgarray.shape[1]):
? ? ? ? ? ? ? ? ? ? c=self.imgarray[i][j][1] ?#以G分量为基础进行阈值区间二值化 ? ? ? ? ? ? ? ?
? ? ? ? ? ? ? ? ? ? if c>=int(ent1.get()) and c<=int(ent2.get()):
? ? ? ? ? ? ? ? ? ? ? ? c=255
? ? ? ? ? ? ? ? ? ? else:
? ? ? ? ? ? ? ? ? ? ? ? c=0
? ? ? ? ? ? ? ? ? ? self.imgarray[i][j][0]=c
? ? ? ? ? ? ? ? ? ? self.imgarray[i][j][1]=c
? ? ? ? ? ? ? ? ? ? self.imgarray[i][j][2]=c?
? ? ? ? ? ? self.canvas_draw()
? ? ? ? ? ? hk.quit()
? ? ? ? ? ? hk.destroy()
? ? ? ? ? ? return
? ? ? ? bntok=tk.Button(hk,text='确定',command=on_click)
? ? ? ? bntok.grid(row=2, column=1) ??
? ? ? ? hk.mainloop()
? ? ? ? return ? ? ? ??
? ? def openfile(self):
? ? ? ? filetype = [('JPGE Files', '*.jpg'),
? ? ? ? ? ? ? ? ? ? ('PNG Files', '*.png'),
? ? ? ? ? ? ? ? ? ? ('All Files', '*.*')]
? ? ? ? filename = tkfd.askopenfilename(filetypes = filetype)
? ? ? ? self.photo= Image.open(filename) ?#加载的图像 ?
? ? ? ? self.imgarray=np.array(self.photo)#图像数据转换为数组
? ? ? ??
? ? ? ? self.w,self.h=self.photo.size ?#获得图像实际大小
? ? ? ? self.canvas_draw()#绘制图像
? ? ? ? return
? ? def savefile(self):
? ? ? ? filetype = [('JPGE Files', '*.jpg'),
? ? ? ? ? ? ? ? ? ? ('PNG Files', '*.png'),]
? ? ? ? filename=tk.StringVar()
? ? ? ? filepath=tkfd.asksaveasfilename(filetypes = filetype,defaultextension='.png')
? ? ? ? filename.set(filepath)
? ? ? ? img= Image.fromarray(self.imgarray.astype('uint8'))
? ? ? ? img.save(str(filename.get()))
? ? ? ??
? ? ? ? return
? ? def exitsys(self):
? ? ? ? self.quit()
? ? ? ? self.destroy()
? ? ? ? pass
? ? def canvas_draw(self):
? ? ? ? if self.w>640 and self.h>480:
? ? ? ? ? ? ?width=640 ?#尺寸大于640*480的以640*480大小显示
? ? ? ? ? ? ?high=480
? ? ? ? elif self.w>640 and self.h<=480:
? ? ? ? ? ? rat=self.w/self.h ?#宽大于640，高对应缩放
? ? ? ? ? ? width=640
? ? ? ? ? ? high=int(640/rat)
? ? ? ? elif self.w<=640 and self.h>480:
? ? ? ? ? ? rat=self.w/self.h #高大于480，宽对应缩放
? ? ? ? ? ? width=int(480*rat)
? ? ? ? ? ? high=480
? ? ? ? else:
? ? ? ? ? ? width=self.w
? ? ? ? ? ? high=self.h ? ? ? ? ? ? ? ?
? ? ? ? ?#numpy数组数据转换为PIL.Image形式
? ? ? ? self.photo= Image.fromarray(self.imgarray.astype('uint8')).convert('RGB')
? ? ? ? resizeimg =self.photo.resize((width,high)) ?# 规定显示图片大小为640*480?
? ? ? ? self.canvasimg = ImageTk.PhotoImage(resizeimg)
? ? ? ? #更新画布图像数据 ? ? ? ??
? ? ? ? self.canvas.itemconfig(self.canvas_on_image,image=self.canvasimg)
? ? ? ? return
if __name__=='__main__':
? ? w=window()
? ? w.mainloop() ??
'''
给个photoshop调节对比度的公式，
nRGB = RGB + (RGB - Threshold) * Contrast / 255
其中nRGB代表了r,g,b各自重新计算后的值。Threshold是平均亮度，一般我们不会特意算图像的平均亮度，一来耗时，二来大部分图片是在100~150之间。我们取127，与实际相近。Contrast取值范围为[-255,255]。
所以当Contrast为0时，rgb值不变，表示当前的一个对比度。
为-255时，rgb都为127，亮度都一样，没有差别，呈灰色。
为255时，在Threshold之上的像素点会变得更亮，反之变得更暗。
'''
加载图像
图像灰度化等处理
?
?直方图
?
图像对比度，亮度和边缘算子处理