python实现tkinter图形界面+彩色图像转换为灰度图+车道线图像去噪+Prewitt 一阶边缘检测算子检测车道边缘线+生成 Mask 掩模+直线检测+ 绘制车道线

好的，下面是实现这个功能的 Python 代码，包括了图形界面的设计：

import cv2
import numpy as np
import tkinter as tk
from PIL import Image, ImageTk

class LaneDetectionGUI:
    def __init__(self):
        self.root = tk.Tk()
        self.root.title('Lane Detection')
        
        # 创建界面控件
        self.image_label = tk.Label(self.root)
        self.image_label.pack(side='left', padx=10, pady=10)
        
        self.button_frame = tk.Frame(self.root)
        self.button_frame.pack(side='left', padx=10, pady=10)
        
        self.load_button = tk.Button(self.button_frame, text='Load Image', command=self.load_image)
        self.load_button.pack(side='top', padx=10, pady=5)
        
        self.detect_button = tk.Button(self.button_frame, text='Detect Lane', command=self.detect_lane)
        self.detect_button.pack(side='top', padx=10, pady=5)
        
        # 初始化界面变量
        self.image = None
        self.result = None
        
        self.root.mainloop()
    
    def load_image(self):
        # 读入图像文件并显示在界面上
        file_path = tk.filedialog.askopenfilename()
        if file_path:
            self.image = cv2.imread(file_path)
            self.show_image(self.image)
    
    def detect_lane(self):
        if self.image is not None:
            # 将原始图像转换为灰度图像
            gray = cv2.cvtColor(self.image, cv2.COLOR_BGR2GRAY)

            # 对灰度图像进行高斯模糊去噪
            blur = cv2.GaussianBlur(gray, (5, 5), 0)

            # 使用 Prewitt 算子进行边缘检测
            prewitt_x = np.array([[-1, 0, 1], [-1, 0, 1], [-1, 0, 1]])
            prewitt_y = np.array([[-1, -1, -1], [0, 0, 0], [1, 1, 1]])
            edge_x = cv2.filter2D(blur, -1, prewitt_x)
            edge_y = cv2.filter2D(blur, -1, prewitt_y)
            edge = cv2.addWeighted(edge_x, 0.5, edge_y, 0.5, 0)

            # 生成车道线的 Mask 掩模
            mask = np.zeros_like(edge)
            mask[200:400, :] = 255

            # 对边缘检测结果应用 Mask 掩模
            masked_edge = cv2.bitwise_and(edge, mask)

            # 进行直线检测
            lines = cv2.HoughLinesP(masked_edge, rho=1, theta=np.pi/180, threshold=50, minLineLength=50, maxLineGap=5)

            # 绘制车道线
            result = self.image.copy()
            for line in lines:
                x1, y1, x2, y2 = line[0]
                cv2.line(result, (x1, y1), (x2, y2), (0, 255, 0), 2)

            self.result = result
            self.show_image(self.result)
    
    def show_image(self, image):
        # 将 OpenCV 图像转换为 PIL 图像并在界面上显示
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
        image = Image.fromarray(image)
        image = ImageTk.PhotoImage(image)
        self.image_label.configure(image=image)
        self.image_label.image = image

if __name__ == '__main__':
    LaneDetectionGUI()

在上述代码中，我们使用 tkinter 库创建了一个简单的图形界面，其中包括了两个按钮：Load Image 和 Detect Lane。当用户点击 Load Image 按钮时，程序会弹出文件选择对话框，让用户选择要处理的图像文件。当用户点击 Detect Lane 按钮时，程序会对加载的图像进行车道线检测，并将结果显示在界面上。

在实际应用中，我们可以根据需要进行界面的优化和改进，以提高用户的交互体验和操作效率。