snowycv 1.0.1

My own computer vision library

README.md

snowyCV V1.0.0｜自用工业图像处理Python工具箱

一款面向机器视觉调试、算法快速验证的轻量级开源图像处理库，集成基础图像预处理、传统机器视觉、Blob分析、HSV颜色筛选、ONNX深度学习推理，配套可视化滑动调参GUI，拖动滑块实时预览效果，一键导出固化参数代码，对标简易Halcon/VisionPro调试工具。

📁 项目目录结构

snowycv-main/
├── setup.py             # 库打包&安装配置文件
├── README.md            # 项目说明文档
└── snowycv/              # 源代码包
    ├── __init__.py      # 模块导出、版本定义
    ├── core.py          # 底层所有图像处理算法函数
    └── gui.py          # 可视化GUI调试面板、滑动条、快捷键逻辑

📦 一、安装教程

1. 本地源码安装

1. 下载整个snowycv-main项目文件夹
2. CMD/终端进入项目根目录snowycv-main
3. 执行安装命令：

pip install .

自动安装依赖：opencv-python、numpy、onnxruntime

2. 版本升级

修改源码后，项目目录执行升级：

pip install . --upgrade

⚡ 二、快速开始

方式1：启动可视化GUI调试工具（推荐调试使用）

import snowycv
# 弹出文件选择框，加载图片，打开全功能调试窗口
snowycv.start_tool()

方式2：代码直接调用底层API（工程落地使用）

import cv2
import snowycv

# 读取原图
img = cv2.imread("test.jpg")

# 1.基础预处理
img = snowycv.denoise(img, sigma=3)          #高斯降噪
img = snowycv.rgb_denoise(img, r=2,g=1,b=2)  #RGB分通道降噪
img = snowycv.brightness_contrast(img,bright=15,contrast=20) #亮度对比度

# 2.HSV颜色筛选，提取绿色区域
mask = snowycv.hsv_filter(img,35,75,40,255,30,255)
img_color = snowycv.apply_mask(img,mask)

# 3.Blob颗粒计数
gray = snowycv.to_gray(img_color)
bin_img = snowycv.threshold(gray,110)
blob_list = snowycv.blob_analysis(bin_img,min_area=10,max_area=5000)
result = snowycv.draw_blob_result(img_color,blob_list)

cv2.imshow("result",result)
cv2.waitKey(0)

🎛️ 三、GUI可视化快捷键说明

运行snowycv.start_tool()打开窗口后：

快捷键	功能说明
S	保存处理后图片到本地final.png，控制台自动输出整套可直接运行的参数代码
Q	关闭调试窗口，退出程序
M	加载模板图片，开启模板匹配定位，绿色框标记匹配目标
R	加载良品标准图，差分缺陷检测，红色框圈出产品缺陷区域
B	开启/关闭Blob斑点分析，蓝色框标记颗粒，标注单点像素面积+总数量
H	开启/关闭HSV颜色筛选，保留指定色相区间目标
D	首次：加载ONNX模型；再次点击：开启/关闭AI深度学习目标检测（黄色框标注）

滑动条分组说明

1. 基础预处理组：Gray(灰度开关)、Blur(全局高斯)、R/G/B(单通道高斯)、Median(中值滤波)、Bright/Contrast(亮度对比度)、Sharpen(锐化)
2. 二值形态学组：Threshold(二值阈值)、Erode(腐蚀)、Dilate(膨胀)
3. 传统视觉组：MatchThr(模板匹配置信)、DiffThr(缺陷差分阈值)、PixPerMM(像素转毫米比例)
4. Blob参数组：MinArea/MaxArea（斑点最小/最大面积过滤）
5. HSV颜色组：HMin/HMax、SMin/SMax、VMin/VMax（色相、饱和度、亮度区间）
6. DNN深度学习：DNNConf(AI检测置信阈值)

🧩 四、模块功能全览

1. 基础图像处理（core.py）

函数	作用
to_gray(img)	BGR彩色图转灰度图
denoise(img,sigma)	全局高斯模糊降噪
rgb_denoise(img,r,g,b)	RGB三通道独立高斯滤波
median_denoise(img,ksize)	中值滤波，去除椒盐噪点
brightness_contrast(img,bri,con)	亮度、对比度调整
sharpen(img,strength)	图像边缘锐化增强
threshold(img,thr)	灰度图固定阈值二值化
erode(img,ksize)	腐蚀运算，消除细小噪点
dilate(img,ksize)	膨胀运算，填补孔洞

2. 传统机器视觉算法

1. 模板匹配定位 template_match(src,temp,match_thr) 输入原图+模板，返回全部匹配框坐标[x,y,w,h]，对标Halcon模板匹配。
2. 尺寸换算 calc_length(p1,p2,pixel_per_mm) 两点像素距离 → 实际物理毫米尺寸。
3. 差分缺陷检测 defect_detect(src,std,diff_thr) 良品图与待测图做差分，自动框选色差缺陷。

3. Blob斑点分析

1. blob_analysis(bin_img,min_area,max_area)：二值图斑点轮廓提取，按面积筛选，返回每个斑点坐标、宽高、像素面积。
2. draw_blob_result(src,blob_list)：原图绘制Blob框+面积文字+总数量。

适用：物料颗粒计数、焊点检测、异物统计。

4. HSV颜色空间分割

1. hsv_filter(img,hmin,hmax,smin,smax,vmin,vmax)：生成指定颜色掩码。
2. apply_mask(src,mask)：按掩码抠取彩色目标。

适用：彩色胶点分选、红绿零件筛选、颜料污点提取。

5. ONNX轻量化深度学习推理

# 初始化模型
model = snowycv.DnnOnnxInfer("yolov5.onnx", conf_thresh=0.6)
# 推理预测
boxes = model.infer(img)
# 绘制检测框
out = snowycv.draw_dnn_box(img,boxes)

支持YOLO系列导出的ONNX模型，CPU端轻量化推理，无需安装Pytorch/Tensorflow。

📌 五、落地使用流程

1. 使用GUI加载原图，拖动各个滑动条调试最优参数；
2. 按S一键导出带固定参数的Python代码；
3. 复制生成代码到正式项目，脱离GUI直接批量处理图片。

✅ 六、依赖清单

opencv-python >=4.5
numpy >=1.20
onnxruntime >=1.12

📝 七、后续迭代计划

1. 新增Canny边缘检测、霍夫圆/直线检测
2. Pyinstaller一键打包独立EXE程序
3. ROI自定义框选功能
4. 批量文件夹图片处理接口

📄 License

MIT开源协议，个人学习、商用二次开发均可自由使用。