PyQt5 画图板

主要技术

PyQt5
qtDesigner
openCV

主要功能

绘画
- 画笔
- 油漆桶
- 直线
- 矩形
- 椭圆
- 橡皮擦
图片处理
- 旋转、翻转
- 亮度、饱和度、对比度、色调调节
- 灰度化
- 二值化
- 反相（反色）
- 浮雕
- 边缘检测
- 模糊
- 锐化

详细代码

github仓库

实现过程遇到的问题

在pycharm上使用qtDesigner

配置qtDesigner

配置UIC

参考 Mac下pycharm+qtdesigner环境搭建

绘图时图像不能留存或重影问题

采取双缓冲绘图方法

我们再添加一个辅助画布，如果正在绘图，也就是鼠标按键还没有释放的时候，就在这个辅助画布上绘图，只有当鼠标按键释放的时候，才在真正的画布上绘图

参考2D绘图（八）双缓冲绘图

油漆桶Flood Fill算法问题

泛洪算法—Flood Fill，用于确定连接到多维数组中给定节点的区域。

基本原理就是从一个像素点出发，以此向周边的像素点扩充着色，直到图形的边界。

实现方法包括传统递归方式dfs、bfs和描绘线算法(Scanline Fill)等

在QImage上实现效率很低，因为getPixel操作很慢，可以进一步优化

def getPixel(x,y,pixels,w):
    i = (x + (y * w)) * 4
    return pixels[i:i + 3]

# 油漆桶
def floodFill(image,pos):
    fillPositions = []
    w, h = image.width(), image.height()
    pixels = image.bits().asstring(w * h * 4)
    targetColor = getPixel(pos.x(), pos.y(), pixels, w)

    haveSeen = set()
    queue = [(pos.x(), pos.y())]
    while queue:
        x, y = queue.pop()
        if getPixel(x, y,pixels,w) == targetColor:
            fillPositions.append((x,y))
            queue.extend(getCardinalPoints(haveSeen, (x, y),w,h))
    return fillPositions


def getCardinalPoints(haveSeen, centerPos,w,h):
    points = []
    cx, cy = centerPos
    for x, y in [(1, 0), (0, 1), (-1, 0), (0, -1)]:
        xx, yy = cx + x, cy + y
        if (xx >= 0 and xx < w and yy >= 0 and yy < h and (xx, yy) not in haveSeen):
            points.append((xx, yy))
            haveSeen.add((xx, yy))
    return points

参考Implementing QPainter flood fill in PyQt5/PySide

图像分割经典算法—《泛洪算法》（Flood Fill)

Mac上pyqt5 与 cv库冲突问题

问题You might be loading **two sets of Qt binaries** into the same process

删除原有的opencv

pip3 uninstall opencv-python

安装opencv–headless版本

pip3 install opencv-contrib-python-headless

参考Mac下使用opencv与pyqt发生冲突

pyqt QImage 与opencv MAT格式转化问题

在使用opencv过程中需要传入QImage对象进行处理

QImage转化成opencv下的 MAT(numpy ndarray) 对象

def CvMatToQImage(cvMat):
    if len(cvMat.shape) == 2:
        rows, columns = cvMat.shape
        bytesPerLine = columns
        return QImage(cvMat.data, columns, rows, bytesPerLine, QImage.Format_Indexed8)
    else:
        rows, columns, channels = cvMat.shape
        bytesPerLine = channels * columns
        return QImage(cvMat.data, columns, rows, bytesPerLine, QImage.Format_RGBA8888)

MAT(numpy ndarray) 转QImage

def QImageToCvMat(incomingImage):
    incomingImage = incomingImage.convertToFormat(QImage.Format_RGBA8888)
    width = incomingImage.width()
    height = incomingImage.height()
    ptr = incomingImage.bits()
    ptr.setsize(height * width * 4)
    arr = np.frombuffer(ptr, np.uint8).reshape((height, width, 4))
    return arr