Le traitement d’images est un domaine qui a connu une croissance exponentielle ces dernières années. Les outils et technologies qui permettent de manipuler et de traiter des images sont de plus en plus nombreux et variés. Parmi ces outils, PyQtLab et OpenCV sont deux des plus populaires. Dans cet article, nous allons examiner en détail comment ces deux technologies peuvent être utilisées pour traiter des images et comment leurs fonctionnalités peuvent être combinées pour créer des applications puissantes. Nous verrons également comment les fichiers peuvent être manipulés et comment les résultats peuvent être enregistrés.
PyQt + OpenCV : traiter des images fixes
Pour débuter
- Afficher une image chargée depuis un fichier avec OpenCV dans une interface PyQt
- Sélectionner un fichier image et afficher l’image avec OpenCV dans une interface PyQt
Traitement d’image de base
- Déclarer / Initialiser des « buffers » image OpenCV pour réaliser facilement les opérations sur des images à partir d’un fichier sélectionné
- Convertir une image RGB en niveaux de gris à partir d’un fichier sélectionné
- Appliquer un effet miroir à une image RGB
- Inverser une image RGB
- Appliquer un flou à une image RGB (filtre Gaussien) *
- Appliquer un seuillage (réglé par Slider) et binariser une image RGB*
- Visualiser les différents types de seuillage dans différentes fenêtres à partir d’un fichier sélectionné
Traitement d’image avancé
Couleurs RGB
- Afficher les canaux RGB d’une image dans des fenêtres séparées
- Modifier les canaux d’une image RGB à l’aide de sliders
- Filtre « mixeur de canaux » couleur
- Filtre « mixeur de canaux » en niveaux de gris
Histogrammes
- Egaliser histogramme
- Afficher histogramme d’une image
Espace de couleurs
- Conversion RGB to HSV
Opérations sur pixels
- Analyser l’intensité de tous les pixels d’une ligne sous forme graphique
Extractions de contours
- Appliquer un filtre de Sobel à une image RGB
- Appliquer un filtre de Sharr à une image RGB
- Appliquer un filtre de Canny à une image RGB
Traitement entre 2 images
Soustraction du fond
Détection de visage
- Détecter des visages dans une image RGB*
- Obtenir de l’information sur les visages détectés (nombre, position centre, rectangle encadrant…)
- Détection des yeux dans une image RGB*
Détection des contours de formes 2D quelconques (détection de Blobs)
- Détecter et dessiner les contours de formes 2D quelconques à partir d’une image binarisée
- Obtenir de l’information sur les contours détectés (position centre, aire, rectangle et cercle encadrants)
Sélection de formes 2D de formes 2D quelconques (filtrage des Blobs retenus)
Analyse de contours de formes 2D quelconques
- analyse de convexité de contours de formes 2D quelconques
