OpenCV-PyQT项目实战OpenCV 与PyQt的图像转换

Posted 2023-03-05 YouCans

欢迎关注『OpenCV-PyQT项目实战 @ Youcans』系列，持续更新中
OpenCV-PyQT项目实战（1）安装与环境配置
OpenCV-PyQT项目实战（2）QtDesigner 和 PyUIC 快速入门
OpenCV-PyQT项目实战（3）信号与槽机制
OpenCV-PyQT项目实战（4）OpenCV 与PyQt的图像转换
OpenCV-PyQT项目实战（5）项目案例01：图像模糊
OpenCV-PyQT项目实战（6）项目案例02：滚动条应用
OpenCV-PyQT项目实战（7）项目案例03：鼠标框选
OpenCV-PyQT项目实战（8）项目案例04：鼠标定位

文章目录

• OpenCV-PyQT项目实战（4）OpenCV 与PyQt的图像转换
• • 1. OpenCV的图像格式
  • • 1.1 以Numpy数组表示数字图像
    • 1.2 图像的属性
    • • 例程 1：OpenCV 图像数组的属性
    • 1.3 图像的数据类型
    • 1.4 OpenCV 图像转换
    • • 例程 2：OpenCV 图像的颜色空间转换
  • 2. PyQt的图像类
  • • 2.1 QImage类
    • • 例程3： 获取QImage的尺寸
      • 例程3： 获取QPixmap的尺寸
      • 例程4： 调整QPixmap的尺寸
      • 例程5： 获取QImage的像素值
    • 2.2 QImage 图像格式
    • 2.3 图像变换和图像属性修改
  • 3. OpenCV图像转换为PyQt图像类
  • • 3.1 OpenCV图像转换为PyQt图像
    • • 例程6：OpenCV图像转换为QImage类
    • 3.２ PyQt图像转换为OpenCV图像
    • • 例程7：QPixmap类转换为OpenCV图像
    • 3.3 Image/QImage/QPixmap 的转换
  • 4. OpenCV-PyQt5 综合例程
  • • • 例程8：OpenCV-PyQt5 综合例程 GUIdemo4.py

OpenCV-PyQT项目实战（4）OpenCV 与PyQt的图像转换

本节介绍 OpenCV 与PyQt的图像格式及转换。

在OpenCV-PyQt的项目中，通常使用OpenCV读写和处理图像，使用PyQt进行显示和交互。但是，OpenCV与PyQt中的图像存储格式不同，需要进行转换。这里有不少坑，小心行驶。

---

1. OpenCV的图像格式

1.1 以Numpy数组表示数字图像

数字图像由像素点组成的矩阵来描述，以多维数据集来表示和处理。

OpenCV的Python API是基于Numpy库来存储和处理多维数组，图像的数据结构是ndarray多维数组。OpenCV中对图像的任何操作，本质上都是对Numpy多维数组的操作和运算。

OpenCV 中的二值图像和灰度图像用二维数组 (h, w) 表示，数组中的每个元素表示对应一个像素的灰度，每个像素的位深度为 8位。

OpenCV 中二值图像被作为特殊的灰度图像，每个像素点的值为 0（黑色）或 255（白色）。

OpenCV 中的彩色图像用三维数组 (h, w, ch=3) 表示，数组中的每个元素对应一个像素的某种颜色分量，每个像素的位深度为 24位。

OpenCV 使用 BGR 格式，色彩通道顺序为 B/G/R，因此 B 通道是 img[:, :, 0]， G 通道是 img[:, :, 1]， R 通道是 img[:, :, 2]。

1.2 图像的属性

OpenCV 中图像对象的数据结构是 ndarray 多维数组，因此 ndarray 数组的属性和操作方法也都适用于 OpenCV 的图像对象。例如：

• img.ndim：查看图像的维数，彩色图像的维数为 3，灰度图像的维数为 2。

• img.shape：查看图像的形状，即图像栅格的行数（高度）、列数（宽度）、通道数。

• img.size：查看图像数组元素总数，灰度图像的数组元素总数为像素数量，彩色图像的数组元素总数为像素数量与通道数的乘积。

例程 1：OpenCV 图像数组的属性

    # 图像数组的属性
    imgFile = "../images/imgLena.tif"  # 读取文件的路径
    img1 = cv2.imread(imgFile, flags=1)  # flags=1 读取彩色图像(BGR)
    img2 = cv2.imread(imgFile, flags=0)  # flags=0 读取为灰度图像
    # cv2.imshow("Demo1", img1)  # 在窗口显示图像
    # key = cv2.waitKey(0)  # 等待按键命令

    # 维数(ndim), 形状(shape), 元素总数(size), 元素类型(dtype)
    print("Ndim of img1(BGR): , img2(Gray): ".format(img1.ndim, img2.ndim))  # number of rows, columns and channels
    print("Shape of img1(BGR): , img2(Gray): ".format(img1.shape, img2.shape))  # number of rows, columns and channels
    print("Size of img1(BGR): , img2(Gray): ".format(img1.size, img2.size))  # size = rows * columns * channels
    print("Dtype of img1(BGR): , img2(Gray): ".format(img1.dtype, img2.dtype))  # uint8

本例程的运行结果如下：

Ndim of img1(BGR): 3, img2(Gray): 2
Shape of img1(BGR): (512, 512, 3), img2(Gray): (512, 512)
Size of img1(BGR): 786432, img2(Gray): 262144
Dtype of img1(BGR): uint8, img2(Gray): uint8

1.3 图像的数据类型

OpenCV库函数对于数据类型有严格要求，错误的数据类型将导致语法错误。

OpenCV中图像的数据类型的参数命名格式为：

CV_数字位数数字类型C通道数

例如，CV_8UC3表示3通道8位无符号整数格式的矩阵。

OpenCV数据类型与Numpy数据类型的对应关系如表2-1所示。图像处理中最常用的数据类型是8位无符号整数CV_8U，对应于np.uint8。

表2-1 OpenCV与Numpy数据类型的对照关系

数据类型	OpenCV	Numpy	取值范围
8位无符号整数	CV_8U	uint8	0～255
8位符号整数	CV_8S	int8	-128～127
16位无符号整数	CV_16U	uint16	0～65 535
16位符号整数	CV_16S	int16	-32 768～32 767
32位符号整数	CV_32S	int32	-2 147 483 648～-2 147 483 647
32位单精度浮点数	CV_32F	float32	-FLT_MAX～FLT_MAX, INF, NAN
64位双精度浮点数	CV_64F	float64	-DBL_MAX～DBL_MAX, INF, NAN

使用ndarray.dtype可以获得Numpy数组的数据类型，使用ndarray.astype可以把数据类型转换成指定的Numpy数据类型。

1.4 OpenCV 图像转换

OpenCV 中的函数 cv.cvtColor() 用于将图像从一个颜色空间转换为另一个颜色空间。可以转换彩色图像的颜色通道顺序、将彩色图像转换为灰度图像，或将图像在RGB空间与其它色彩空间相互转换。

函数原型：

cv.cvtColor(src, code [, dst, dstCn=0]]) → dst

参数说明：

• src：输入图像，ndarray 多维数组，格式为CV_8U、CV_16U或CV_32F
• dst：输出图像，大小和深度与 src 相同
• dstCn：输出图像的通道数，默认值为 0 表示由自动计算
• code：颜色空间转换代码，详见 ColorConversionCodes
  • COLOR_BGR2RGB：BGR通道顺序转换为RGB
  • COLOR_BGR2GRAY：BGR彩色图像转换为灰度图像
  • COLOR_BGR2HSV：BGR图像转换为HSV图像

注意问题：
⑴ OpenCV使用RGB模型表示彩色图像时使用BGR格式，按B/G/R顺序存储为多维数组。而PIL、PyQt、Matplotlib等库使用的是R/G/B格式。
⑵ 灰度图像是单通道，在OpenCV、Matplotlib中都是Numpy二维数组。
⑶ 图像中各通道像素值的范围，由图像像素的位深度 depth决定。大多数图像和视频格式为8位无符号整数（CV_8U），取值范围 0～255。
⑷ 图像格式转换通常是线性变换，像素的位深度不影响变换结果；但在进行非线性计算或变换时，需要把输入图像归一化到适当的取值范围，才能得到正确的结果。例如CV_8U由于数据精度较低可能丢失部分信息，使用CV_16U或CV_32F就可以解决这个问题。
⑸ 将图像由GRAY转换为RGB 时，转换规则为：R=G=B=gray。
⑹ 函数cv.cvtColor提供了150多种转换类型，通过以下程序可以查询：

print([i for i in dir(cv) if i.startswith(‘COLOR_’)])

例程 2：OpenCV 图像的颜色空间转换

# 图像的颜色空间转换
import cv2 as cv
from matplotlib import pyplot as plt

if __name__ == '__main__':
    # 读取原始图像
    imgBGR = cv.imread("../images/Lena.tif", flags=1)  # 读取为彩色图像

    imgRGB = cv.cvtColor(imgBGR, cv.COLOR_BGR2RGB)  # BGR 转换为 RGB
    imgGRAY = cv.cvtColor(imgBGR, cv.COLOR_BGR2GRAY)  # BGR 转灰度图像
    imgHSV = cv.cvtColor(imgBGR, cv.COLOR_BGR2HSV)  # BGR 转 HSV 图像
    imgYCrCb = cv.cvtColor(imgBGR, cv.COLOR_BGR2YCrCb)  # BGR 转 YCrCb
    imgHLS = cv.cvtColor(imgBGR, cv.COLOR_BGR2HLS)  # BGR 转 HLS 图像
    imgXYZ = cv.cvtColor(imgBGR, cv.COLOR_BGR2XYZ)  # BGR 转 XYZ 图像
    imgLAB = cv.cvtColor(imgBGR, cv.COLOR_BGR2LAB)  # BGR 转 LAB 图像
    imgYUV = cv.cvtColor(imgBGR, cv.COLOR_BGR2YUV)  # BGR 转 YUV 图像

    # 调用matplotlib显示处理结果
    titles = ['BGR', 'RGB', 'GRAY', 'HSV', 'YCrCb', 'HLS', 'XYZ', 'LAB', 'YUV']
    images = [imgBGR, imgRGB, imgGRAY, imgHSV, imgYCrCb,
              imgHLS, imgXYZ, imgLAB, imgYUV]
    plt.figure(figsize=(10, 8))
    for i in range(9):
        plt.subplot(3, 3, i+1), plt.imshow(images[i], 'gray')
        plt.title(". ".format(i+1, titles[i]))
        plt.xticks([]), plt.yticks([])
    plt.tight_layout()
plt.show()

---

2. PyQt的图像类

2.1 QImage类

Qt提供了四个类来处理图像数据：QImage，QPixmap，QBitmap和QPicture。

• QImage 是为I/O设计和优化的，并且可以直接进行像素访问和操作；
• QPixmap 是针对在屏幕上显示图像而设计和优化的；
• QBitmap 是一个继承QPixmap的便利类，深度为1；
• QPicture类是一个记录和重放QPainter命令的绘图设备。

QImage类提供了独立于硬件的图像表示形式，允许直接访问像素数据，并可用作绘画设备。

QImage类支持Format枚举描述的几种图像格式：单色、8位、32位和alpha混合图像。

QImage提供了多种方式来读取图像文件，在创建QImage对象时可以加载图像文件，也可以在创建对象之后，使用load()或者loadFrameData()函数来加载图像。加载图像时，文件名可以是磁盘上的实际文件，也可以是嵌入到应用程序的资源。

QImage提供了获取图像信息的函数，以及实现图像转换的函数。

函数原型

[QImage](const uchar *data, int width, int height, int bytesPerLine, QImage::Format format, QImageCleanupFunction cleanupFunction = nullptr, void *cleanupInfo = nullptr)

用给定的宽度，高度和格式构造一个使用现有内存缓冲区数据的图像。宽度和高度必须以像素指定。bytesPerLine指定每行的字节数。详见官网介绍：QImage Class | Qt GUI 5.10

• 几何尺寸信息： 函数size(), width(), height(), dotsPerMeterX()和dotsPerMeterY()提供了图像的尺寸和纵横比信息。rect()函数返回图像的外接矩形，vaild()函数用于判断一组坐标是否位于这个外接矩形内。
• 色彩信息： 使用pixel()函数可以获得指定像素的颜色，该颜色是一个独立于文件格式的QRgb值。对于单色或者8位图像，colorCount()和colorTable() 函数提供存储数据的颜色分量的信息。hasAlphaChannel()函数用于检查是否有alpha通道。
• 文本信息： text() 函数返回给定文本关键值的图像文本信息。函数textKeys()返回图像的文本关键值信息。
• 底层信息： depth()函数返回图像的位深度信息。图像支持的深度信息把包括1（单色），8、16、24和32位。bitPlaneCount()返回图像的位平面数。

QImage对象可以按值传递，因为QImage类使用隐式数据共享。QImage对象也可以进行流式处理和比较。

因为QImage是一个QPaintDevice子类，所以可以使用QPainter直接绘制图像。在QImage上使用QPainter时，可以在当前GUI线程之外的其他线程中执行绘制。

例程3： 获取QImage的尺寸

from PyQt5 import QtGui
qimage = QtGui.QImage('C:/Users/wxscn/Desktop/test.jpg')
# 直接查询 rect 得不到长宽
rect = qimage.rect()
# 获取长宽的方法 1
w = rect.width()
h = rect.height()
# 获取长宽的方法 2
w_ = qimage.width()
h_ = qimage.height()
print(rect, (w, h), (w_, h_))
# 运行结果：PyQt5.QtCore.QRect(0, 0, 536, 868) (536, 868) (536, 868)

例程3： 获取QPixmap的尺寸

qpixmap = QtGui.QPixmap('C:/Users/wxscn/Desktop/test.jpg')
w = qpixmap.width()
h = qpixmap.height()
print((w, h))
# 运行结果：(536, 868)

例程4： 调整QPixmap的尺寸

qpixmap = qpixmap.scaled(w, h, QtCore.Qt.KeepAspectRatio)

例程5： 获取QImage的像素值

(r,g,b) = QtGui.QColor(qimage.pixel(x, y)).getRgb()[:-1]

2.2 QImage 图像格式

QImage中存储的每个像素由一个整数表示。整数的大小因格式而异。QImage支持Format枚举描述的几种图像格式。

• 使用1位索引将单色图像存储到最多具有两种颜色的颜色表中。有两种不同类型的单色图像：大端（MSB优先）或小端（LSB优先）位顺序。

• 使用8位索引将8位图像存储到颜色表中，即它们每像素具有一个字节。颜色表是一个QVector＜QRgb＞，QRgb typedef相当于一个无符号整数，包含格式为0xAARGGBB的ARGB四元组。

• 32位图像没有颜色表；相反，每个像素都包含一个QRgb值。有三种不同类型的32位图像分别存储RGB（即0xffRRGGBB）、ARGB和预乘ARGB值。在预乘格式中，红色、绿色和蓝色通道乘以alpha分量除以255。

• 可以使用format（）函数检索图像的格式。使用convertToFormat（）函数将图像转换为另一种格式。allGray（）和isGrayscale（）函数用于判断彩色图像是否可以安全地转换为灰度图像。

PyQt提供以下图像格式：

• QImage.Format_Invalid (0): 无效图片。
• QImage.Format_Mono (1): 每像素使用1位存储图像。字节首先用高位（MSB方式打包）。
• QImage.Format_MonoLSB (2): 每像素使用1位存储图像。字节首先用低位（LSB方式打包）。
• QImage.Format_Indexed8 (3): 使用8位索引将图像存储到颜色表中。
• QImage.Format_RGB32 (4): 图像使用32位RGB格式（0xffRRGGBB）存储。
• QImage.Format_RGB888 (13): 图像以24位RGB格式（8-8-8）存储。
• QImage.Format_RGBA8888 (17): 图像使用32位字节顺序RGBA格式（8-8-8-8）存储。
• QImage.Format_Grayscale8 (24): 图像使用8位灰度格式存储。（在Qt 5.5中添加）。
• QImage.Format_Grayscale16 (28): 图像使用16位灰度格式存储。（在Qt 5.13中添加）。
• QImage.Format_BGR888 (29): 图像使用24位BGR格式存储。（在Qt 5.14中添加）。

2.3 图像变换和图像属性修改

QImage支持许多用于创建新图像的功能：

• createAlphaMask(): 从该图像的alpha缓冲区生成并返回一个1-bpp的蒙版
• mirrored(): 生成一个径向图像
• scaled(): 生成一个缩放图像
• rgbSwapped(): 从RGB图像构造一个BGR图像
• scaledToWidth(): 返回缩放到指定宽度的图像
• caledToHeight(): 返回缩放到指定高度的图像
• transformed():返回使用给定的转换矩阵和转换模式转换的图像

一些用于就地图像属性的函数：

• setDotsPerMeterX(): 设置物理单位的水平像素数来定义纵横比。
• setDotsPerMeterY(): 设置物理单位的垂直像素数来定义纵横比。
• fill(): 用给定的像素值填充整个图像。
• invertPixels(): 使用给定的InvertMode值反转图像中的所有像素值。
• setColorTable(): 设置用于转换颜色索引的颜色表。仅单色和8位格式。
• setColorCount(): 调整颜色表的大小。仅单色和8位格式。

---

3. OpenCV图像转换为PyQt图像类

3.1 OpenCV图像转换为PyQt图像

OpenCV 图像格式不同，转换为 QImage类的方法和参数也不同。

特别地，对于彩色图像，由于 OpenCV 使用 RGB 模型表示彩色图像时使用BGR格式，按B/G/R顺序存储为多维数组，而 PyQt、Matplotlib 等库使用的是 R/G/B 格式。因此，将OpenCV彩色图像转换为QImage时，还要进行颜色通道的顺序调换。

# (1) OpenCV 彩色图像(3通道8位图像)-> QImage 
row, col, pix = image.shape[0], image.shape[1], image.strides[0]
qImg = QImage(image.data, col, row, pix, QImage.Format_RGB888).rgbSwapped()

# (2) OpenCV 灰度图像(单通道8位图像)-> QImage 
row, col, pix = image.shape[0], image.shape[1], image.strides[0]
qImg = QImage(image.data, col, row, pix, QImage.Format_Indexed8)

# (3) OpenCV 灰度图像(单通道16位图像)-> QImage 
row, col, pix = image.shape[0], image.shape[1], image.strides[0]
qimage = QtGui.QImage(image.data, cols, rows, pix, QImage.Format_Grayscale16)

例程6：OpenCV图像转换为QImage类

def cvToQImage(image):  # OpenCV图像 转换为 PyQt图像
    # 8-bits unsigned, NO. OF CHANNELS=1
    row, col, pix = image.shape[0], image.shape[1], image.strides[0]
    channels = 1 if len(image.shape) == 2 else image.shape[2]
    if channels == 3:  # CV_8UC3
        qImg = QImage(image.data, col, row, pix, QImage.Format_RGB888)
        return qImg.rgbSwapped()
    elif channels == 1:
        qImg = QImage(image.data, col, row, pix, QImage.Format_Indexed8)
        return qImg
    else:
        QtCore.qDebug("ERROR: numpy.ndarray could not be converted to QImage. Channels = %d" % image.shape[2])
        return QImage()

3.２ PyQt图像转换为OpenCV图像

例程7：QPixmap类转换为OpenCV图像

def qPixmapToCV(qtpixmap):  # PyQt图像 转换为 OpenCV图像
    qImg = qPixmap.toImage()  # QPixmap 转换为 QImage
    shape = (qImg.height(), qImg.bytesPerLine()*8//qImg.depth())
    shape += (4,)
    ptr = qImg.bits()
    ptr.setsize(qImg.byteCount())
    image = np.array(ptr, dtype=np.uint8).reshape(shape)  # 定义 OpenCV 图像
    image = image[..., :3]
    return image

3.3 Image/QImage/QPixmap 的转换

qimage = image.toqimage()  # Image 转换为 QImage
qimage = QtGui.QImage(qpixmap)  # QPixmap 转换为 QImage
qpixmap = image.toqpixmap()  # Image 转换为 QPixmap
qpixmap = QtGui.QPixmap(qimage)  #　QImage　转换为　QPixmap

---

4. OpenCV-PyQt5 综合例程

例程 GUIdemo4.py 如下：

例程8：OpenCV-PyQt5 综合例程 GUIdemo4.py

# OpenCVPyqt04.py
# Demo04 of GUI by PyQt5
# Copyright 2023 Youcans, XUPT
# Crated：2023-01-31

import sys
import cv2 as cv
import numpy as np
from PyQt5 import QtCore
from PyQt5.QtWidgets import *
from PyQt5.QtGui import *
from uiDemo3 import Ui_MainWindow  # 导入 uiDemo5.py 中的 Ui_MainWindow 界面类

class MyMainWindow(QMainWindow, Ui_MainWindow):  # 继承 QMainWindow 类和 Ui_MainWindow 界面类
    def __init__(self, parent=None):
        super(MyMainWindow, self).__init__(parent)  # 初始化父类
        self.setupUi(self)  # 继承 Ui_MainWindow 界面类

        self.pushButton_1.clicked.connect(self.click_pushButton_1)  # 点击 pushButton_1 触发
        self.pushButton_2.clicked.connect(self.click_pushButton_2)  # 点击 pushButton_2 触发
        self.pushButton_3.clicked.connect(self.close)  # 点击 pushButton_3 关闭窗口
        return

    def click_pushButton_1(self):  # 点击 pushButton_1 触发
        img = self.openSlot()  # 读取图像
        print("click_pushButton_1", img.shape)
        qImg = self.cvToQImage(img)  # OpenCV 转为 PyQt 图像格式
        self.label.setPixmap(QPixmap.fromImage(qImg))

        # qtPixmap = QPixmap.fromImage(qImg)
        # image = self.qPixmapToCV(qtPixmap)
        # print("image = self.qPixmapToCV(qtPixmap)", image.shape)
        return

    def click_pushButton_2(self):  # 点击 pushButton_2 触发
        img = self.openSlot()  # 读取图像
        gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)  # 转为灰度图像
        print("click_pushButton_2", img.shape, gray.shape)
        qImg = self.cvToQImage(gray)  # 灰度图像 转为 PyQt 图像格式
        self.label.setPixmap(QPixmap.fromImage(qImg))
        return

    def openSlot(self, flag=1):  # 读取图像文件
        # OpenCV 读取图像文件
        fileName, _ = QFileDialog.getOpenFileName(self, "Open Image", "../images/", "*.png *.jpg *.tif")
        if flag==0 or flag=="gray":
            img = cv.imread(fileName, cv.IMREAD_GRAYSCALE)  # 读取灰度图像
        else:
            img = cv.imread(fileName, cv.IMREAD_COLOR)  # 读取彩色图像
        print(fileName, img.shape)
        return img

    def saveSlot(self):  # 保存图像文件
        # 选择存储文件 dialog
        saveName, tmp = QFileDialog.getSaveFileName(self, "Save Image", "../images/", '*.png; *.jpg; *.tif')
        if self.img.size == 1:
            return
        ret = cv.imwrite(saveName, self.img)  # OpenCV 写入图像文件
        if ret:
            print(saveName, self.img.shape)
        return

    def cvToQImage(self, image):  # OpenCV图像 转换为 PyQt图像
        # 8-bits unsigned, NO. OF CHANNELS=1
        row, col, pix = image.shape[0], image.shape[1], image.strides[0]
        channels = 1 if len(image.shape)==2 else image.shape[2]
        if channels == 3:  # CV_8UC3
            qImg = QImage(image.data, col, row, pix, QImage.Format_RGB888)
            return qImg.rgbSwapped()
        elif channels == 1:
            qImg = QImage(image.data, col, row, pix, QImage.Format_Indexed8)
            return qImg
        else:
            QtCore.qDebug("ERROR: numpy.ndarray could not be converted to QImage. Channels = %d" % image.shape[2])
            return QImage()

    def qPixmapToCV(self, qPixmap):  # PyQt图像 转换为 OpenCV图像
        qImg = qPixmap.toImage()  # QPixmap 转换为 QImage
        shape = (qImg.height(), qImg.bytesPerLine() * 8 // qImg.depth())
        shape += (4,)
        ptr = qImg.bits()
        ptr.setsize(qImg.byteCount())
        image = np.array(ptr, dtype=np.uint8).reshape(shape)  # 定义 OpenCV 图像
        image = image[..., :3]
        return image

if __name__ == '__main__':
    app = QApplication(sys.argv)  # 在 QApplication 方法中使用，创建应用程序对象
    myWin = MyMainWindow()  # 实例化 MyMainWindow 类，创建主窗口
    myWin.show()  # 在桌面显示控件 myWin
    sys.exit(app.exec_())  # 结束进程，退出程序

检查一下应用程序 GUIdemo4 的各项功能：

• 点击 “1# 按钮”，选择路径和图像文件，读取图像文件并在窗口显示彩色图像；

• 点击 “2# 按钮”，选择路径和图像文件，读取图像文件并在窗口显示为灰度图像；

• 点击 “3# 按钮”，或工具栏中的 “退出”，关闭图形窗口应用程序；

• 点击工具栏中的 “帮助”，弹出信息提示框，点击 “OK” 可以关闭信息框；

【本节完】

版权声明：
原创作品，转载必须标注原文链接：https://blog.csdn.net/youcans/article/details/128845326
Copyright 2023 youcans, XUPT
Crated：2023-02-02