电子显微镜图像优化代码记录

<<<写在前面>>>

近期手上有一个电子显微镜，但是没有相应的电脑程序，只有系统自带的相机，正好曾经用过 OpenCV 做过些东西，于是重操旧业，由于设备自身摄像头并不很好，优化效果相比原生画面只有一点点提升。

安装环境

我是有用的是 conda 管理 python 版本的

先官网下载 conda 安装程序，双击打开安装完成后打开终端

1
2
3

conda create -n opencv
conda activate opencv
conda install -n opencv ipykernel ipython

图像优化代码

复制以下代码在 py 文件中

import cv2
import numpy as np

# 创建视频捕获对象，参数为 0 表示默认摄像头，可根据实际情况调整
cap = cv2.VideoCapture(0)

if not cap.isOpened():
    print("无法打开摄像头")
    exit()

# 设置窗口标题和大小调整标志
window_title = 'Enhanced Image'
cv2.namedWindow(window_title, cv2.WINDOW_NORMAL | cv2.WINDOW_KEEPRATIO)

# 预先计算一些常量参数
bilateral_filter_diameter = 7
color_space_std = 50
coordinate_space_std = 50
nl_means_denoising_strength = 8
nl_means_search_window_size = 8
nl_means_similar_window_size = 5
nl_means_color_channels = 15

mode = 2  # 1 表示原始效果模式，2 表示速度优化模式

def switch_mode(event, x, y, flags, param):
    global mode
    if event == cv2.EVENT_LBUTTONDOWN:
        if mode == 1:
            mode = 2
        else:
            mode = 1

# cv2.setMouseCallback(window_title, switch_mode)

while True:
    # 从摄像头读取一帧图像
    ret, frame = cap.read()

    if not ret:
        print("无法读取帧")
        break

    # 计算图像亮度
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    average_brightness = np.mean(gray_frame)

    if mode == 1:
        # 使用双边滤波进行图像平滑，同时保留边缘信息
        filtered_frame = cv2.bilateralFilter(frame, bilateral_filter_diameter, color_space_std, coordinate_space_std)

        # 调整高频部分的权重
        weight = 0.7
        high_pass = cv2.subtract(frame, cv2.multiply(filtered_frame, weight))

        # 将高频部分与原始图像相加，增强图像的清晰度，调整增强权重
        enhancement_weight = 1.3
        enhanced_frame = cv2.add(frame, cv2.multiply(high_pass, enhancement_weight))

        # 使用非局部均值去噪
        denoised_frame = cv2.fastNlMeansDenoisingColored(enhanced_frame, None, nl_means_denoising_strength,
                                                          nl_means_search_window_size, nl_means_similar_window_size,
                                                          nl_means_color_channels)

        # 根据亮度调整中值滤波强度
        if average_brightness > 150:
            filter_size = 7
        else:
            filter_size = 5
        final_frame = cv2.medianBlur(denoised_frame, filter_size)
    else:
        # 速度优化模式，简单处理
        final_frame = frame

    # 显示增强后的图像并自适应图像大小
    cv2.imshow(window_title, final_frame)
    cv2.resizeWindow(window_title, final_frame.shape[1], final_frame.shape[0]+60)

    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频捕获对象和关闭所有窗口
cap.release()
cv2.destroyAllWindows()