Python tkinter：动态显示信息的两种方式「最详细解答」

Posted 2023-03-31 轩哥啊哈OvO

各位好，我是轩哥啊哈~ 有小伙伴私信我如何让tkinter窗口上的元件内的数据实现动态显示，今天分享两种方法~

---

一、after()函数

如果你的窗口元件较少，使用tkinter内置的after()函数并使用一个递归，就可以实现动态显示。

示例：

def update():
    global i
    i += 1
    label1['text'] = str(i)
    label1.after(1000, update)

label1 = tk.Label(root, text='0', width=10)
label1.pack()
label1.after(1000, update)

这样就可以实现label1中的数字每秒增加1。

after函数语法：after(几毫秒后, 调用的函数)

但是，如果你的窗口庞大，元件较多，使用过多的递归会导致CPU占用过大。这时候，多线程就成为了更好的方法。

---

二、多线程

使用threading库的多线程Thread()，可以实现动态显示：

i = 0

def update():
    global i
    while True:
        i += 1
        label1['text'] = str(i)
        time.sleep(1)

label1 = tk.Label(root, text='0', width=10)
label1.pack()

update_thread = threading.Thread(target=update)
update_thread.start()

这样也可以实现label1中的数字每秒增加1。

threading语法：threading.Thread(target=调用的函数)

---

三、完整代码

方法一：

import tkinter as tk

i = 0

def update():
    global i
    i += 1
    label1['text'] = str(i)
    label1.after(1000, update)

root = tk.Tk()
root.title("动态显示")

label1 = tk.Label(root, text='0', width=10)
label1.pack()
label1.after(1000, update)

root.mainloop()

方法二：

import time
import threading
import tkinter as tk

i = 0

def update():
    global i
    while True:
        i += 1
        label1['text'] = str(i)
        time.sleep(1)

root = tk.Tk()
root.title("动态显示")

label1 = tk.Label(root, text='0', width=10)
label1.pack()

update_thread = threading.Thread(target=update)
update_thread.start()

root.mainloop()

---

 

希望对大家有帮助~

python 读取并显示图片的两种方法

在 python 中除了用 opencv，也可以用 matplotlib 和 PIL 这两个库操作图片。本人偏爱 matpoltlib，因为它的语法更像 matlab。

一、matplotlib

1. 显示图片

import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
import numpy as np

lena = mpimg.imread(‘lena.png‘) # 读取和代码处于同一目录下的 lena.png
# 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理
lena.shape #(512, 512, 3)

plt.imshow(lena) # 显示图片
plt.axis(‘off‘) # 不显示坐标轴
plt.show()

2. 显示某个通道

# 显示图片的第一个通道
lena_1 = lena[:,:,0]
plt.imshow(‘lena_1‘)
plt.show()
# 此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数，有如下几种添加方法：
plt.imshow(‘lena_1‘, cmap=‘Greys_r‘)
plt.show()

img = plt.imshow(‘lena_1‘)
img.set_cmap(‘gray‘) # ‘hot‘ 是热量图
plt.show()

3. 将 RGB 转为灰度图

matplotlib 中没有合适的函数可以将 RGB 图转换为灰度图，可以根据公式自定义一个：

def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

gray = rgb2gray(lena)    
# 也可以用 plt.imshow(gray, cmap = plt.get_cmap(‘gray‘))
plt.imshow(gray, cmap=‘Greys_r‘)
plt.axis(‘off‘)
plt.show()

4. 对图像进行放缩

这里要用到 scipy

from scipy import misc
lena_new_sz = misc.imresize(lena, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸
plt.imshow(lena_new_sz)
plt.axis(‘off‘)
plt.show()

5. 保存图像

5.1 保存 matplotlib 画出的图像

该方法适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture。

plt.imshow(lena_new_sz)
plt.axis(‘off‘)
plt.savefig(‘lena_new_sz.png‘)

5.2 将 array 保存为图像

from scipy import misc
misc.imsave(‘lena_new_sz.png‘, lena_new_sz)

5.3 直接保存 array

读取之后还是可以按照前面显示数组的方法对图像进行显示，这种方法完全不会对图像质量造成损失

np.save(‘lena_new_sz‘, lena_new_sz) # 会在保存的名字后面自动加上.npy
img = np.load(‘lena_new_sz.npy‘) # 读取前面保存的数组

 

 

二、PIL 

1. 显示图片

from PIL import Image
im = Image.open(‘lena.png‘)
im.show()

2. 将 PIL Image 图片转换为 numpy 数组

im_array = np.array(im)
# 也可以用 np.asarray(im) 区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝

3. 保存 PIL 图片

直接调用 Image 类的 save 方法

from PIL import Image
I = Image.open(‘lena.png‘)
I.save(‘new_lena.png‘)

4. 将 numpy 数组转换为 PIL 图片

这里采用 matplotlib.image 读入图片数组，注意这里读入的数组是 float32 型的，范围是 0-1，而 PIL.Image 数据是 uinit8 型的，范围是0-255，所以要进行转换：

import matplotlib.image as mpimg
from PIL import Image
lena = mpimg.imread(‘lena.png‘) # 这里读入的数据是 float32 型的，范围是0-1
im = Image.fromarray(np.uinit8(lena*255))
im.show()