import tkinter as tk from tkinter import filedialog from PIL import ImageTk, Image # 创建窗口 window = tk.Tk() window.title("宝石预测") window.geometry("400x400") # 加载模型参数 para_state_dict = paddle.load("MyCNN") model = MyCNN() model.set_state_dict(para_state_dict) model.eval() # 加载标签字典 label_dict = train_parameters['label_dict'] # 创建预测函数 def predict(): # 获取待预测图片路径 img_path = filedialog.askopenfilename() img = Image.open(img_path) # 预处理图片 img = img.resize((224, 224), Image.BILINEAR) img = np.array(img).astype('float32') img = img.transpose((2, 0, 1)) img = img / 255 img = np.array([img]) # 进行预测 img = paddle.to_tensor(img) out = model(img) label = np.argmax(out.numpy()) result = label_dict[str(label)] # 显示预测结果 result_label.config(text="预测结果：{}".format(result)) # 显示待预测图片 img = ImageTk.PhotoImage(Image.open(img_path).resize((200, 200))) img_label.config(image=img) img_label.image = img # 创建选择图片按钮 select_button = tk.Button(window, text="选择图片", command=predict) select_button.pack(pady=20) # 创建待预测图片区域 img_label = tk.Label(window) img_label.pack() # 创建预测结果区域 result_label = tk.Label(window, font=("Helvetica", 16)) result_label.pack(pady=20) # 进入消息循环 window.mainloop()在这段代码的功能中加入使用cv2对选择的图片使用闭运算进行降噪，之后再对图片进行识别

可以在predict()函数内添加以下代码来实现使用cv2进行闭运算降噪：

import cv2

# 获取待预测图片路径
img_path = filedialog.askopenfilename()

# 读取图片并进行闭运算降噪
img = cv2.imread(img_path)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

# 预处理图片
img = Image.fromarray(closing)
img = img.resize((224, 224), Image.BILINEAR)
img = np.array(img).astype('float32')
img = img.transpose((2, 0, 1))
img = img / 255
img = np.array([img])

# 进行预测
img = paddle.to_tensor(img)
out = model(img)
label = np.argmax(out.numpy())
result = label_dict[str(label)]

# 显示预测结果
result_label.config(text="预测结果：{}".format(result))

# 显示待预测图片
img = ImageTk.PhotoImage(Image.fromarray(closing).resize((200, 200)))
img_label.config(image=img)
img_label.image = img

需要导入cv2库来实现图像处理操作，具体实现是使用cv2.imread()方法读取图片，然后使用cv2.getStructuringElement()方法获取一个5x5的矩形结构元素，再使用cv2.morphologyEx()方法进行闭运算降噪。最后将处理后的图片转换为Image对象并进行预测与显示。