Version: 1.0 | 基于 Python + OpenCV + Open3D + Tkinter
一站式零代码视觉工具，集成图像预处理、分割、特征匹配、2D测量、双目3D重建全链路功能，支持实时预览 + 自动生成可运行Python代码，兼顾教学学习、课程设计、算法快速验证与简易工程调试。
SnowyCV 是一套纯 Python 开发的图形化计算机视觉工具箱，依托 OpenCV 实现主流图像处理算法、Open3D 实现 3D 点云可视化，Tkinter 搭建统一交互界面。 全程无需手动编写代码，通过按钮、滑块、单选框、鼠标交互完成所有操作，参数调节实时生效，同时自动生成对应算法代码，方便学习、复用与二次开发。
- 📚 高校课程：数字图像处理、机器视觉、OpenCV 课程实验、课程设计、毕业设计
- 🧪 算法验证：快速调试图像处理参数、对比不同算法效果
- 👨💻 入门学习：OpenCV 零基础入门，直观理解算法原理
- 🏭 简易工程：工业图像2D测量、双目视觉配准、点云预览等轻量化需求
- ✅ 统一UI风格：所有功能模块布局、交互逻辑一致，上手零成本
- ✅ 实时预览：参数拖动、功能切换即时展示处理效果
- ✅ 代码自动生成：每一步操作生成标准 Python+OpenCV 代码，可直接复制运行
- ✅ 2D+3D 全覆盖：从基础图像处理到双目深度、3D点云一站式完成
- ✅ 轻量化：纯Python实现，部署简单，跨Windows/Linux平台
本项目依赖以下第三方库，请提前安装：
| 库名称 | 作用 |
|---|---|
opencv-python |
核心图像处理、算法实现 |
opencv-contrib-python |
扩展算法（SIFT/SURF/AKAZE等特征算子） |
numpy |
矩阵运算、数值计算 |
pillow |
图像格式转换、Tkinter图像渲染 |
open3d |
3D点云加载、可视化 |
打开命令提示符(CMD) / 终端，执行以下 pip 命令：
# 国内镜像（推荐，加速下载）
pip install opencv-python opencv-contrib-python numpy pillow open3d -i https://pypi.tuna.tsinghua.edu.cn/simple注意事项：
- 建议使用 Python 3.8 ~ 3.11 版本，高版本Python可能存在Open3D兼容性问题；
- 若已安装旧版本 OpenCV，建议先卸载再重装：
pip uninstall opencv-python opencv-contrib-python；- Linux 系统若提示权限不足，在命令后加
--user。
将所有代码文件放在同一个文件夹下，完整目录如下：
SnowyCV/
├── main.py # 【主程序入口】全局菜单，一键切换所有功能模块
├── page1_preprocess.py # 模块1：图像预处理（滤波、二值化、形态学）
├── page2_shape_analysis.py# 模块2：轮廓检测、边缘检测、形态分析
├── page3_advanced_segment.py # 模块3：分水岭/区域生长/模板匹配
├── page4_feature_matcher.py # 模块4：双图特征点匹配（ORB/SIFT/FAST等）
├── page5_restore_color.py # 模块5：图像复原、去模糊、HSV色彩提取
├── page6_2d_measure.py # 模块6：2D交互式测量（长度/角度/直径/面积）
├── page7_geometry.py # 模块7：几何变换（旋转、仿射、透视、裁剪）
├── page8_3d_vision.py # 模块8：3D双目视觉、视差/深度/点云、手眼标定
└── README.md # 项目使用文档（本文档）
- 进入项目根目录
SnowyCV； - 打开终端/CMD，执行命令：
或者
import snowycv snowycv.run() - 安装完，直接输入就能打开软件：
snowycv
c 3. 程序启动后会显示主菜单界面，点击对应按钮即可跳转至各个功能子页面。
如需单独调试某一个功能，可直接运行对应页面文件：
# 示例：单独运行3D视觉模块
python page8_3d_vision.py所有子模块界面遵循统一布局：
- 左侧：原始图像预览区 + 加载图片按钮；
- 中间：功能选择、参数调节面板（支持滚动）；
- 右侧：处理结果预览区 + 结果导出按钮；
- 底部：自动生成代码展示区、全局重置、代码导出按钮；
- 鼠标滚轮：参数面板/全局界面支持滚轮上下滚动。
功能定位：图像基础降噪、二值化、形态学操作，是所有视觉任务的前置步骤。
- 滤波：高斯模糊、中值滤波、双边滤波；
- 二值化：全局二值化、自适应二值化、Otsu自动阈值；
- 形态学操作：腐蚀、膨胀、开运算、闭运算、梯度运算；
- 基础转换：灰度化、色彩空间转换。
- 点击「加载图片」选择本地图像；
- 在参数面板选择处理算法，拖动滑块调节参数；
- 右侧实时查看处理效果；
- 底部代码区自动生成对应代码，可导出
.py文件； - 点击「重置所有参数」恢复默认配置。
功能定位：边缘提取、轮廓检测、目标形态特征计算。
- 边缘检测：Sobel、Laplacian、Canny 主流算子；
- 轮廓操作：轮廓绘制、外接矩形、最小旋转矩形、凸包、多边形拟合；
- 特征计算：轮廓面积、周长、圆形度。
- 加载原图，选择边缘检测算法并调节阈值；
- 切换轮廓绘制模式，自定义线条颜色、粗细；
- 查看轮廓形态与特征数据；
- 导出标注图像与算法代码。
功能定位：复杂目标分割，解决目标粘连、目标定位场景。
- 分水岭分割
- 适用：粘连物体分割；
- 参数：形态学核大小、距离变换阈值系数；
- 使用：勾选「启用分水岭分割」，拖动参数实时优化分割效果。
- 区域生长
- 适用：同色块区域填充分割；
- 参数：种子点坐标、灰度阈值、4/8邻域切换；
- 使用：手动设置种子点 (X/Y)，调整灰度相似度阈值。
- 模板匹配
- 适用：在大图中查找指定模板目标；
- 支持4种匹配算法，加载模板图后点击「执行匹配」，自动框选匹配区域。
功能定位：图像配准、拼接、目标检索，主流特征算子一站式测试。
ORB、SIFT、SURF、AKAZE、BRISK、FAST 六大经典特征检测算法。
- 匹配策略：KNN匹配（推荐）、交叉匹配；
- 辅助配置：KNN阈值、保留匹配点数量、匹配线条颜色/粗细；
- 场景快捷选型：内置「图像拼接、双目配准、高精度检测、实时运行」等场景预设；
- 数据输出：实时显示匹配度、匹配点数量、特征平均距离。
- 分别加载「图像1」和「图像2」；
- 选择特征算法与匹配策略，可直接选择场景预设；
- 点击「执行匹配」，右侧展示匹配连线效果图；
- 底部自动生成特征匹配完整代码。
提示：SIFT/SURF 为专利算法，需确保
opencv-contrib-python正常安装。
功能定位：老旧图像修复、逆光图像优化、指定颜色筛选。
- 图像复原增强
- 维纳滤波：去除运动模糊；
- 逆光修复：基于LAB空间亮度均衡，优化过暗/过亮区域；
- 双边滤波：去除划痕、细小噪点（保留边缘）；
- 简易超分辨率：图像放大优化。
- 色彩处理
- 色彩空间转换：RGB → HSV / HSI；
- 白平衡、色差校正（亮度/对比度调节）；
- HSV颜色筛选
- 一键提取：红色、绿色、蓝色（内置经典HSV阈值）；
- 手动调节 H/S/V 上下限，自定义颜色筛选范围。
功能定位：基于鼠标交互的像素级2D测量，工业视觉尺寸检测轻量化方案。
长度测量、角度测量、圆孔直径、两点间距、多边形面积。
- 鼠标左键：在图像上打点（测量关键点）；
- 鼠标左键拖拽：拖动已选点位，实时修正测量结果；
- 鼠标右键：一键清空所有测量点；
- 加载待测图像；
- 在控制面板选择对应测量模式；
- 根据模式打点：
- 长度/间距：打2个点；
- 角度：打3个点（角顶点放中间）；
- 圆孔直径/面积：打≥3个点；
- 界面实时显示测量像素值；
- 支持导出标注效果图和 TXT测量数据文件。
功能定位：图像空间变换、视角校正。
- 基础变换：缩放、旋转、平移、水平/垂直镜像、裁剪；
- 高级变换：仿射变换、透视变换（四点标定校正倾斜图像）；
- 旋转：设置旋转角度、旋转中心；
- 透视变换：手动选取4个角点，自动校正透视畸变（文档扫描、倾斜照片常用）。
功能定位：双目视觉全流程：双目图 → 视差图 → 深度图 → 3D点云，附带手眼标定助手。
依赖：必须安装
open3d库。
- 加载左图 / 加载右图：选择双目相机拍摄的左右对齐图像；
- 计算视差图：基于StereoBM算法生成视差热力图；
- 重建深度图：根据相机焦距、基线距离，由视差换算出深度信息；
- 生成3D点云：结合左图色彩与深度数据，生成彩色三维点云；
- 显示点云：调用Open3D窗口可视化点云，支持鼠标旋转、缩放、平移视角；
- 手眼标定助手：弹窗提示手眼标定（眼在手上/眼固定）功能说明，可在此基础上二次开发标定算法。
- 「清空」：重置所有图像、视差、深度、点云数据。
所有带「导出结果」按钮的模块：
- 处理完图像后，点击按钮；
- 选择保存路径、文件名、格式（PNG/JPG）；
- 确认后完成图片导出。
- 底部代码区域会实时同步当前操作的完整Python代码；
- 点击「导出Python代码」，选择路径保存为
.py文件，可直接用Python运行。
「重置所有参数」按钮作用：
- 清空已加载图像、处理结果；
- 所有滑块、单选框、勾选框恢复为默认参数；
- 清空代码区、测量数据、日志信息。
参数面板、主界面均支持：
- 鼠标滚轮：上下滚动；
- 兼容Linux/Mac 触摸板、鼠标上下键。
- 原因：对应依赖库未安装；
- 解决：重新执行 2.2 一键安装命令，补全所有依赖。
- 原因：缺少
opencv-contrib-python扩展库； - 解决：安装扩展库
pip install opencv-contrib-python。
- 解决：单独安装Open3D：
pip install open3d； - 兼容问题：Python 3.12+ 对Open3D支持较差，建议降级至 Python3.9/3.10。
- 原因1：图片路径包含中文、特殊字符、空格；
解决：将图片移动到纯英文路径下（如
D:/img/test.jpg）。 - 原因2：图片格式不支持；
支持格式：
jpg / jpeg / png / bmp / tif，不支持webp、heic等格式。
- 原因：预览图做了缩放适配；
- 说明：程序内部已做坐标换算，测量结果为原始图像真实像素，不影响精度。
- 解决1：使用尺寸较小的测试图片（建议分辨率 < 2000*2000）；
- 解决2：关闭其他占用内存的软件，重启程序。
基于现有框架，可自主拓展以下功能：
- 算法拓展：新增深度学习分割（YOLO、U-Net）、更多特征匹配算法；
- 标定功能：完善手眼标定、相机内参标定、棋盘格角点检测；
- 单位换算：2D测量增加物理单位(mm/cm)，结合标定板实现像素-实际尺寸转换；
- 批量处理：增加文件夹批量图像处理、批量导出功能；
- 点云拓展：点云滤波、点云裁剪、点云配准、点云网格重建。
- 本项目基于 MIT 开源协议，免费用于学习、教学、个人项目；
- 禁止直接二次打包为商业软件售卖；
- 引用本项目代码/功能时，请保留项目出处说明；
- 项目基于 OpenCV、Open3D 开源库开发，遵循对应开源协议。
- 安装依赖库 → 运行
main.py打开主菜单； - 选择功能模块 → 加载本地测试图片；
- 选择算法 + 调节参数 → 查看实时效果；
- 按需导出图片 / 导出代码；
- 完成测试后点击「重置所有参数」。