def update_loclabel_img(self, loclabel, img, *, if_exists='update'):
""" 添加一张图片数据
:param if_exists:
update，更新
skip，跳过，不更新
"""
loc, label = os.path.split(loclabel)
h, w = img.shape[:2]
# 1 如果loc图片不存在，则新建一个jpg图片
update = True
if loc not in self.data or not self.data[loc]:
imfile = xlcv.write(img, File(loc, self.root, suffix='.jpg'))
self.imfiles[loc] = imfile
shape = LabelmeDict.gen_shape(label, [[0, 0], [w, h]])
self.data[loc][label] = self.parse_shape(shape)
# 2 不存在的标签，则在最后一行新建一张图
elif label not in self.data[loc]:
image = xlcv.read(self.imfiles[loc])
height, width = image.shape[:2]
assert width == w # 先按行拼接，以后有时间可以扩展更灵活的拼接操作
# 拼接，并重新存储为图片
image = np.concatenate([image, img])
xlcv.write(image, self.imfiles[loc])
shape = LabelmeDict.gen_shape(label,
[[0, height], [width, height + h]])
self.data[loc][label] = self.parse_shape(shape)
# 3 已有的图，则进行替换
elif if_exists == 'update':
image = xlcv.read(self.imfiles[loc])
[x1, y1, x2, y2] = self.data[loc][label]['ltrb']
image[y1:y2, x1:x2] = img
xlcv.write(image, self.imfiles[loc])
else:
update = False
if update: # 需要实时保存到文件中
self.write(loc)
def __init__(self,
winname=None,
*,
imgproc=None,
img=None,
flags=1,
verbose=0,
delay=100):
"""
Args:
winname: 窗口名可以不输入，可以从func获取，或者有默认窗口名
imgproc: 有时候明确要对指定的函数进行可视化分析
img: 图片可以不输入，可以内置一个图片
flags: 0 窗口可以调节大小，1 窗口按照图片大小固定
verbose: 0 静默模式，1 显示每次运行时间，2 显示每次运行时间及参数值
delay: 有时候改动滑动条，并不想立即生效，可以设置延时，这里单位是ms
即如果delay时间段内已经有执行过回调函数，会避免重复执行
"""
if winname is None:
if imgproc:
winname = imgproc.__name__
else:
winname = 'TrackbarTool'
if img is None:
img = np.zeros([500, 100, 3], dtype='uint8')
else:
img = xlcv.read(img)
self.winname = winname
self.img = img
cv2.namedWindow(winname, flags)
cv2.imshow(winname, self.img)
self.imgproc = imgproc
self.trackbar_names = {}
self.verbose = verbose
self.delay = delay
self.last_run_time = 0
def get_img_buffer(cls, in_, *, rgba2rgb=False):
""" 获取in_代表的图片的二进制数据
:param in_: 可以是本地文件，也可以是图片url地址，也可以是Image对象
注意这个函数，输入是url，也会获取重置图片数据上传
如果为了效率明确只传url，可以用aip.AipOcr原生的相关url函数
:return: 返回图片文件二进制值的buffer
"""
# 1 取不同来源的数据
if is_url(in_):
im = xlcv.read_from_url(in_)
else:
im = xlcv.read(in_)
# 2 特定的格式转换
if rgba2rgb:
im = cv2.cvtColor(im, cv2.COLOR_BGRA2BGR)
buffer = xlcv.to_buffer(im)
return buffer
def test_adaptiveThreshold(img=None):
""" 滑动条工具使用方法的示例 """
# 1 图片可以传入路径，这里做一个随机图片
if img is None:
img = np.random.randint(0, 255, [500, 200], dtype='uint8')
else:
img = xlcv.read(img, 0) # 确保是单通道灰度图
# 2 指定要分析的函数
t = TrackbarTool(imgproc=cv2.adaptiveThreshold,
img=img,
verbose=2,
delay=100)
t.create_trackbar('maxValue', 255, 255) # 添加滑动条：名称，最大值，默认值
# 创建滑动条过程中，可能会报错，因为参数还不全，指定的imgproc还无法运行，可以先不用管
t.create_trackbar('adaptiveMethod', 10, 0)
t.create_trackbar('thresholdType', 10, 1)
t.create_trackbar('blockSize', 100, 11)
t.create_trackbar('C', 20, 3)
# t.imshow(img2) # 临时显式其他图片处理效果。如果需要持久修改，可以更改self.img的值
cv2.waitKey()
def __init__(self, root):
"""
data：dict
key: 相对路径/图片stem （这一节称为loc）
label名称：对应属性dict1 （跟loc拼在一起，称为loclabel）
label2：dict2
"""
self.root = Dir(root)
self.data = defaultdict(dict)
self.imfiles = {}
for file in self.root.select_files('**/*.json'):
lmdict = file.read()
imfile = file.with_name(lmdict['imagePath'])
img = xlcv.read(imfile)
loc = file.relpath(self.root).replace('\\', '/')[:-5]
self.imfiles[loc] = imfile
for shape in lmdict['shapes']:
attrs = self.parse_shape(shape, img)
self.data[loc][attrs['label']] = attrs