# StudyOpenCV

**Repository Path**: doiob/study-open-cv

## Basic Information

- **Project Name**: StudyOpenCV
- **Description**: - 基于opencv 图像处理系统；
- 使用pySide2+python开发；
- 实现图形化+工作流方式的图像处理；
- 可自定义算法节点，并导入到工作流中；
- 支持国际化多语种；
- 支持日志；
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-06-17
- **Last Updated**: 2026-06-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# StduyOpenCV - 图形化视觉处理系统

> **版本**: v5.5.0\
> **发布日期**: 2026-05-10\
> **语言**: Python 3.7+\
> **平台**: Windows / Linux / macOS

***

## 🎯 项目简介

**StduyOpenCV** 是一个基于 **OpenCV** 和 **NodeGraphQt** 构建的图形化视觉编程系统，提供类似**海康VM**、**基恩士CV-X**、**康耐视VisionPro** 的可视化编程体验。

### ✨ 核心特点

| 特性           | 描述                  |
| ------------ | ------------------- |
| 🎨 **节点式编程** | 拖拽节点、连线构建视觉工作流      |
| 🧠 **AI集成**  | YOLO目标检测、OCR识别、姿态估计 |
| 📁 **工程管理**  | 多工作流支持、单文件打包、全文索引   |
| 🔌 **插件系统**  | 热重载、安全沙箱、ZIP一键安装    |
| 📊 **实时预览**  | 图像缩放、滚动、拖拽平移        |
| 🌐 **多语言**   | 支持中文/英文界面切换         |
| 📱 **完全离线**  | 无需网络，本地化处理          |

***

## 🚀 快速开始

### 1. 环境准备

```bash
# 进入项目目录
cd StduyOpenCV

# 激活虚拟环境
.\.venv\Scripts\activate  # Windows
# source .venv/bin/activate  # Linux/Mac

# 安装依赖（如未安装）
pip install -r src/python/requirements.txt
```

### 2. 运行程序

```bash
python src/python/main.py
```

### 3. 界面预览

程序启动后会显示主界面：

![image-20260511161629917](README.assets/ui_main.png)

***

## 🎮 操作演示

### 示例1：基础图像处理工作流

**目标**：加载图像 → 灰度化 → Canny边缘检测 → 显示结果

1. **添加节点**：
   - 从左侧「图像源」标签拖拽 **图像加载** 节点
   - 从左侧「图像分析」、「图像变换」标签拖拽 **灰度化** 和 **Canny算子** 节点
   - 从左侧「图像源」标签拖拽 **图像显示** 节点
2. **连接节点**：
   ```
   图像加载 → 灰度化 → Canny边缘检测 → 图像显示
   ```
   ![image-20260512082241801](README.assets/demo_workflow.png)
3. **配置参数**：
   - 点击「图像加载」节点，在右侧属性面板设置图片路径
   - 调整 Canny 检测的阈值参数（如 50-150）
4. **运行工作流**：
   - 点击工具栏「▶ 运行」按钮
   - 双击「图像显示」节点查看处理结果
     ![](README.assets/ui_preview.png)

### 示例2：YOLO目标检测工作流

**目标**：实时相机采集 → YOLO检测 → 结果显示

1. **添加节点**：
   - 拖拽 **相机采集** 节点
   - 拖拽 **YOLO目标检测** 节点
   - 拖拽 **图像显示** 节点
2. **连接节点**：
   ```
   相机采集 → YOLO目标检测 → 图像显示
   ```
3. **配置参数**：
   - 设置相机索引（通常为 0）
   - 选择YOLO模型：`yolov8n`（最快）或 `yolov8s`（平衡）
   - 设置置信度阈值：`0.5`
4. **运行工作流**：
   - 点击「▶ 运行」开始实时检测
   - 双击图像显示节点查看标注结果

### 示例3：批量图像处理

1. 创建工作流：`图像加载 → 高斯模糊 → 图像保存`
2. 选择多张输入图片
3. 点击「运行」批量处理
4. 结果自动保存到指定目录

***

## 📦 节点库

### 图像相机 (IO)

| 节点   | 功能      |
| ---- | ------- |
| 图像加载 | 从文件加载图像 |
| 相机采集 | 实时相机视频流 |
| 图像保存 | 保存图像到文件 |
| 视频录制 | 录制视频文件  |

### 预处理 (Processing)

| 节点      | 功能         |
| ------- | ---------- |
| 灰度化     | RGB转灰度     |
| 高斯模糊    | 高斯滤波降噪     |
| 中值滤波    | 去除椒盐噪声     |
| 双边滤波    | 保边去噪       |
| Canny边缘 | 边缘检测       |
| Sobel边缘 | 梯度边缘检测     |
| 阈值分割    | 二值化处理      |
| 自适应阈值   | 局部阈值二值化    |
| 直方图均衡   | 对比度增强      |
| 形态学操作   | 膨胀/腐蚀/开闭运算 |
| 图像变换    | 缩放/旋转/翻转   |

### AI视觉 (AI Vision)

| 节点       | 功能      | 资源等级   |
| -------- | ------- | ------ |
| YOLO目标检测 | 物体检测识别  | Light  |
| YOLO图像分类 | 图像分类    | Light  |
| YOLO实例分割 | 像素级分割   | Light  |
| YOLO姿态估计 | 人体关键点检测 | Light  |
| OCR识别    | 文字识别    | Light  |
| OCR表格识别  | 表格结构分析  | Medium |

### 测量分析 (Measurement)

| 节点   | 功能      |
| ---- | ------- |
| 轮廓分析 | 轮廓提取与分析 |
| 模板匹配 | 模板定位    |
| 形状匹配 | 形状上下文匹配 |

***

## 🔧 快捷键

| 快捷键        | 功能     |
| ---------- | ------ |
| `Ctrl + N` | 新建工作流  |
| `Ctrl + S` | 保存工程   |
| `Ctrl + O` | 打开工程   |
| `Ctrl + R` | 运行工作流  |
| `Del`      | 删除选中节点 |
| `Ctrl + D` | 复制节点   |
| `Space`    | 画布平移模式 |
| `+ / -`    | 缩放画布   |
| `0`        | 重置缩放   |
| `1`        | 原始大小   |

***

## 📁 项目结构

```
StduyOpenCV/
├── src/python/                    # Python源代码
│   ├── core/                     # 核心引擎
│   │   ├── graph_engine.py       # 图执行引擎
│   │   ├── project_manager.py    # 工程管理器
│   │   └── ...
│   ├── ui/                       # 用户界面
│   │   ├── main_window.py        # 主窗口
│   │   ├── image_preview.py      # 图像预览
│   │   └── ...
│   ├── plugins/                  # 插件系统
│   │   ├── plugin_manager.py     # 插件管理器
│   │   ├── sandbox.py            # 安全沙箱
│   │   └── ...
│   ├── plugin_packages/          # 插件包
│   │   ├── builtin/              # 内置节点
│   │   └── marketplace/          # 市场插件
│   ├── main.py                   # 程序入口
│   └── requirements.txt          # 依赖清单
├── docs/                         # 文档
│   ├── RELEASE_NOTES_*.md        # 版本说明
│   ├── PLUGIN_ARCHITECTURE.md    # 插件架构
│   └── ...
├── .venv/                        # 虚拟环境
└── README.md                     # 本文档
```

***

## 🛠️ 技术栈

| 组件          | 版本     | 用途     |
| ----------- | ------ | ------ |
| Python      | 3.7+   | 编程语言   |
| NodeGraphQt | latest | 节点图框架  |
| PySide2     | 5.15+  | Qt图形界面 |
| OpenCV      | 4.5+   | 图像处理   |
| NumPy       | 1.19+  | 数值计算   |
| Pillow      | 8.0+   | 图像读写   |

***

## 📜 许可证与声明

### 版权声明

© 2026 StduyOpenCV 开发团队

### 使用许可

本项目仅供**学习和研究使用**，遵循以下条款：

✅ **允许**：

- 学习和研究项目代码
- 修改和扩展功能
- 用于个人或教学项目
- 分享和传播（保留原作者信息）

❌ **禁止**：

- 用于商业目的
- 声称是原创作品
- 删除或修改版权声明

### 第三方库许可

本项目使用了以下开源库：

| 库           | 许可证        | 来源                                                |
| ----------- | ---------- | ------------------------------------------------- |
| OpenCV      | Apache 2.0 | [opencv.org](https://opencv.org/)                 |
| NodeGraphQt | MIT        | [GitHub](https://github.com/jchanvfx/NodeGraphQt) |
| PySide2     | LGPL       | [Qt](https://www.qt.io/)                          |
| NumPy       | BSD        | [numpy.org](https://numpy.org/)                   |
| Pillow      | HPND       | [python-pillow.org](https://python-pillow.org/)   |

### 免责声明

> **免责声明**：本项目仅供学习和研究目的。作者不对因使用本软件造成的任何直接或间接损失承担责任。使用本软件即表示您同意本免责声明。

***

## 🤝 贡献指南

欢迎贡献代码、报告问题或提出建议！

### 提交代码流程

1. Fork 本仓库
2. 创建特性分支：`git checkout -b feature/AmazingFeature`
3. 提交更改：`git commit -m 'Add some AmazingFeature'`
4. 推送到分支：`git push origin feature/AmazingFeature`
5. 开启 Pull Request

### 代码规范

- Python 遵循 PEP 8 规范
- 添加必要的文档字符串
- 保持代码整洁
- 确保测试通过

***

## 📧 联系方式

如有问题或建议，请通过以下方式联系：

- GitHub Issues: 提交问题到项目仓库
- 邮箱: <opencv-study@example.com>

***

## 📊 项目统计

- **代码量**: \~15,000 行 Python
- **节点数**: 30+ 内置节点
- **插件数**: 2+ AI插件（YOLO、OCR）
- **支持平台**: Windows / Linux / macOS

***

**享受图像处理的乐趣！** 🎨📷✨

*Last updated: 2026-05-11*