YOLOV5 ：PyQt5的可视化界面相关笔记

qingkuang939334207

已于 2024-10-30 12:11:59 修改

阅读量1.8k

点赞数 22

文章标签： YOLO qt 开发语言

于 2024-10-30 11:52:09 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_58027809/article/details/143356653

版权

界面展示

需要文件：qt_inference.py（主窗口）、ui_main_window.py(ui界面)、yolov5环境(models包、utils包、权重文件、视频图片相关包)

1.QT Designer创建UI（略）

首先：QT Designer创建UI、UI转Python文件----->得到ui_main_window.py(ui界面的文件)

ui_main_window.py运行得到的界面

ui_main_window.py代码

from PyQt5.QtWidgets import QWidget, QLabel, QPushButton, QFrame, QMainWindow, QApplication, QStatusBar, QVBoxLayout
from PyQt5.QtCore import QRect, Qt, QMetaObject
from PyQt5.QtGui import QPainter


class Ui_MainWindow(object):
    def setupUi(self, MainWindow):
        if not MainWindow.objectName():
            MainWindow.setObjectName(u"MainWindow")

            # 调整主窗口大小
        MainWindow.resize(1464, 720)

        self.centralwidget = QWidget(MainWindow)
        self.centralwidget.setObjectName(u"centralwidget")

        # 输入框调整  
        self.input = QLabel(self.centralwidget)
        self.input.setObjectName(u"input")
        self.input.setGeometry(QRect(30, 20, 600, 400))
        self.input.setScaledContents(True)
        self.input.setAlignment(Qt.AlignCenter)

        # 输出框调整  
        self.output = QLabel(self.centralwidget)
        self.output.setObjectName(u"output")
        self.output.setGeometry(QRect(750, 20, 600, 400))
        self.output.setScaledContents(True)
        self.output.setAlignment(Qt.AlignCenter)

        # 分隔线调整  
        self.line = QFrame(self.centralwidget)
        self.line.setObjectName(u"line")
        # 中心位置
        self.line.setGeometry(QRect(727, 20, 61, 302))
        self.line.setFrameShape(QFrame.VLine)
        self.line.setFrameShadow(QFrame.Sunken)

        # 检测图像按钮调整  
        self.det_image = QPushButton(self.centralwidget)
        self.det_image.setObjectName(u"det_image")
        # 调整按钮大小（如果需要）和位置  
        self.det_image.setGeometry(QRect(30, 440, 497, 62))  # 调整高度以适应新的窗口尺寸

        # 检测视频按钮调整  
        self.det_video = QPushButton(self.centralwidget)
        self.det_video.setObjectName(u"det_video")
        self.det_video.setGeometry(QRect(840, 440, 497, 62))

        MainWindow.setCentralWidget(self.centralwidget)
        self.statusbar = QStatusBar(MainWindow)
        self.statusbar.setObjectName(u"statusbar")
        MainWindow.setStatusBar(self.statusbar)

        self.retranslateUi(MainWindow)

        QMetaObject.connectSlotsByName(MainWindow)

    def retranslateUi(self, MainWindow):
        _translate = QApplication.translate
        MainWindow.setWindowTitle(_translate("MainWindow", "MainWindow"))
        self.det_image.setText(_translate("MainWindow", "检测图片"))
        self.det_video.setText(_translate("MainWindow", "检测视频"))

    # 测试代码


if __name__ == "__main__":
    import sys

    app = QApplication(sys.argv)
    MainWindow = QMainWindow()
    ui = Ui_MainWindow()
    ui.setupUi(MainWindow)
    MainWindow.show()
    sys.exit(app.exec_())

2.创建主窗口类MainWindow（qt_inference.py）

初始代码，更完整的函数代码在后面

import sys

from PyQt5.QtWidgets import QMainWindow, QApplication

from ui_main_window import Ui_MainWindow


class MainWindow(QMainWindow, Ui_MainWindow):

    def __init__(self):
        super(MainWindow, self).__init__()
        self.setupUi(self)  # 根据ui文件编译成的 py类
        self.run()
    def open_image(self):
        print('image detect')

    def open_video(self):
        print('video detect')

    def run(self):
        self.det_image.clicked.connect(self.open_image)
        self.det_video.clicked.connect(self.open_video)
if __name__ == '__main__':
    app = QApplication(sys.argv)

    window = MainWindow()

    window.show()

    app.exec()

点击按钮，打印输出

3.添加检测图片、视频相关方法

打开图片方法：

    def image_pred(self,file_path):
        results=self.model(file_path)
        image=results.render()[0]
        return convert2QImage(image)
    def open_image(self):
        print('点击了图片检测')
        file_path, _ = QFileDialog.getOpenFileName(self, "Open Image File", "", "Images (*.png *.jpg *.bmp)")
        if file_path:  # 检查是否选择了文件
            print(file_path)
            qimage = self.image_pred(file_path)
            self.input.setPixmap(QPixmap(file_path))
            self.output.setPixmap(QPixmap.fromImage(qimage))

打开视频方法：

    def video_pred(self):
        ret, frame = self.video.read()
        if not ret:
            self.timer.stop()
        else:
            frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            self.input.setPixmap(QPixmap.fromImage(convert2QImage(frame)))
            results = self.model(frame)
            image = results.render()[0]
            self.output.setPixmap(QPixmap.fromImage(convert2QImage(image)))
    def open_video(self):
        print("点击了检测视频！")
        file_path, _ = QFileDialog.getOpenFileName(self, "Open Image File", "", "Images *.mp4")
        if file_path:
            self.video = cv2.VideoCapture(file_path)
            self.timer.start()

数组转换、绑定UI的函数

def convert2QImage(img):  
    # 获取图像的高度、宽度和通道数  
    height, width, channel = img.shape  
    # 根据NumPy数组创建QImage对象，这里假设图像是RGB格式  
    return QImage(img, width, height, width * channel, QImage.Format_RGB888)

# 绑定UI控件的事件处理函数  
    def bind_slots(self):
        self.det_image.clicked.connect(self.open_image)  # 将“检测图像”按钮的点击事件绑定到open_image函数  
        self.det_video.clicked.connect(self.open_video)  # 将“检测视频”按钮的点击事件绑定到open_video函数  
        self.timer.timeout.connect(self.video_pred)  # 将定时器的超时事件绑定到video_pred函数

4.添加yolov5模型相关代码

1.测试本地加载模型对图片的推理（需要yolov5相关环境，本人用的6.0版本）

2.往MainWindow类中添加相关模型代码（需要yolov5相关环境）

5.完整主窗口类MainWindow代码（qt_inference.py）

MainWindow类：定义了主窗口的类，包括UI初始化、模型加载、事件绑定等功能。
convert2QImage函数：将NumPy数组格式的图像转换为QImage对象，以便在PyQt5的图形界面中显示。
image_pred函数：使用加载的模型对单张图像进行预测，并返回预测结果的QImage对象。
open_image函数：打开文件对话框选择图像文件，使用模型进行预测，并在UI上显示原始图像和预测结果。
video_pred函数：从视频捕获对象读取一帧，使用模型进行预测，并在UI上显示原始视频帧和预测结果。
open_video函数：打开文件对话框选择视频文件，开始处理视频帧。
bind_slots函数：将UI控件的事件处理函数绑定到相应的信号上。

import sys

import cv2
import torch
from PyQt5.QtGui import QPixmap, QImage
from PyQt5.QtWidgets import QMainWindow, QApplication, QFileDialog
from PyQt5.QtCore import QDir, QTimer

from ui_main_window import Ui_MainWindow

def convert2QImage(img):
    # 获取图像的高度、宽度和通道数
    height, width, channel = img.shape
    # 根据NumPy数组创建QImage对象，这里假设图像是RGB格式
    return QImage(img, width, height, width * channel, QImage.Format_RGB888)
class MainWindow(QMainWindow, Ui_MainWindow):
    def __init__(self):
        super(MainWindow, self).__init__()
        self.setupUi(self)  # 根据ui文件编译成的 py类
        #Model
        self.model = torch.hub.load('./', 'custom', path='weights/best.pt', source='local')
        self.timer=QTimer()
        self.timer.setInterval(100)
        self.video=None
        self.bind_slots()
    def image_pred(self,file_path):
        results=self.model(file_path)
        image=results.render()[0]
        return convert2QImage(image)
    def open_image(self):
        print('点击了图片检测')
        file_path, _ = QFileDialog.getOpenFileName(self, "Open Image File", "", "Images (*.png *.jpg *.bmp)")
        if file_path:  # 检查是否选择了文件
            print(file_path)
            qimage = self.image_pred(file_path)
            self.input.setPixmap(QPixmap(file_path))
            self.output.setPixmap(QPixmap.fromImage(qimage))

    def video_pred(self):
        ret, frame = self.video.read()
        if not ret:
            self.timer.stop()
        else:
            frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            self.input.setPixmap(QPixmap.fromImage(convert2QImage(frame)))
            results = self.model(frame)
            image = results.render()[0]
            self.output.setPixmap(QPixmap.fromImage(convert2QImage(image)))
    def open_video(self):
        print("点击了检测视频！")
        file_path, _ = QFileDialog.getOpenFileName(self, "Open Image File", "", "Images *.mp4")
        if file_path:
            self.video = cv2.VideoCapture(file_path)
            self.timer.start()

        # 绑定UI控件的事件处理函数
    def bind_slots(self):
        self.det_image.clicked.connect(self.open_image)  # 将“检测图像”按钮的点击事件绑定到open_image函数
        self.det_video.clicked.connect(self.open_video)  # 将“检测视频”按钮的点击事件绑定到open_video函数
        self.timer.timeout.connect(self.video_pred)  # 将定时器的超时事件绑定到video_pred函数


if __name__ == '__main__':
    app = QApplication(sys.argv)
    window = MainWindow()
    window.show()
    app.exec_()

6.yolov5视频处理流程总结：

视频上传---->视频帧读取---->将帧从BGR格式转换为RGB格式(QImage对象)---->渲染后的图像（QImage对象）显示在界面

注：YOLOv5使用OpenCV读取图像，OpenCV 默认使用BGR 格式，而Qt默认使用RGB格式

来源：此文章是来自观看的视频做的笔记，视频来源：【【手把手带你实战YOLOv5-入门篇】YOLOv5 Pyside6可视化界面】https://www.bilibili.com/video/BV1dP411f7kX?vd_source=255ff4cd07162bf3bc3a5995c03d476e