你提供的 `ImageProcessor` 类已经非常完整，但代码在 `apply_effects` 方法中被截断了（最后的 `except` 块不完整），并且缺少一些关键方法的实现。此外，还有一个潜在问题：你在 `apply_effects` 中使用了 `self.enable_sharpen`，但类中并未定义该属性。 下面我将为你 **补全并优化整个类**，包括： 1. 补全 `except` 块； 2. 添加缺失的方法（如 `unsharp_mask`, `apply_geometric_transform`, `flip_image` 等）； 3. 修复 `enable_sharpen` 未定义的问题； 4. 增加合理的默认值和文档说明； 5. 提升健壮性和可读性。 --- ### ✅ 完整修正后的 `ImageProcessor` 类 ```python import cv2 import numpy as np from typing import Optional import logging logger = logging.getLogger(__name__) class ImageProcessor: COLOR_SPACE_MAP = { 'YUV': cv2.COLOR_BGR2YUV, 'HSV': cv2.COLOR_BGR2HSV, 'LAB': cv2.COLOR_BGR2LAB } def __init__(self): # ==================== 基础图像处理参数 ==================== self.enable_grayscale = False self.enable_edge_detect = False self.edge_threshold = 100 # Canny 边缘检测阈值 self.enable_histogram = False self.enable_noise_reduction = False self.noise_kernel_size = 3 # 高斯模糊核大小（必须为奇数） self.enable_contrast_adjust = False self.clip_limit = 2.0 # CLAHE 的对比度限制 self.enable_sharpen = False # 新增锐化开关 self.sharpen_strength = 1.0 # 锐化强度（1.0~3.0） # ==================== 几何变换参数 ==================== self.enable_rotate = False self.rotation_angle = 0 # 顺时针旋转角度（度） self.enable_scale = False self.scale_factor = 1.0 # 缩放因子（>1 放大，<1 缩小） # ==================== 镜像翻转参数 ==================== self.enable_flip = False self.flip_mode = 0 # 0=水平, 1=垂直, 2=双向 def grayscale(self, frame: np.ndarray) -> np.ndarray: """转换为灰度图""" return cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) def edge_detect(self, frame: np.ndarray) -> np.ndarray: """使用 Canny 边缘检测""" if len(frame.shape) == 3: gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) else: gray = frame edges = cv2.Canny(gray, threshold1=self.edge_threshold, threshold2=self.edge_threshold * 1.5) # 将边缘图转回三通道以便后续叠加显示 return cv2.cvtColor(edges, cv2.COLOR_GRAY2BGR) def histogram_equal(self, frame: np.ndarray) -> np.ndarray: """直方图均衡化""" if len(frame.shape) == 3: gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) else: gray = frame equalized = cv2.equalizeHist(gray) return cv2.cvtColor(equalized, cv2.COLOR_GRAY2BGR) def gaussian_blur(self, frame: np.ndarray) -> np.ndarray: """高斯模糊去噪""" kernel_size = max(1, self.noise_kernel_size) if kernel_size % 2 == 0: kernel_size += 1 # 确保核大小为奇数 return cv2.GaussianBlur(frame, (kernel_size, kernel_size), 0) def clahe_adjust(self, frame: np.ndarray) -> np.ndarray: """CLAHE 对比度自适应直方图均衡化""" if len(frame.shape) == 3: lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB) l_channel, a, b = cv2.split(lab) clahe = cv2.createCLAHE(clipLimit=self.clip_limit, tileGridSize=(8, 8)) enhanced_l = clahe.apply(l_channel) merged = cv2.merge([enhanced_l, a, b]) return cv2.cvtColor(merged, cv2.COLOR_LAB2BGR) else: # 单通道图像直接用 CLAHE clahe = cv2.createCLAHE(clipLimit=self.clip_limit, tileGridSize=(8, 8)) return clahe.apply(frame) def unsharp_mask(self, frame: np.ndarray) -> np.ndarray: """锐化图像（Unsharp Masking）""" # 先做高斯模糊 blurred = cv2.GaussianBlur(frame, (0, 0), sigmaX=2.0) # 计算原始与模糊图的差值 sharpened = cv2.addWeighted(frame, 1.0 + self.sharpen_strength, blurred, -self.sharpen_strength, 0) return sharpened.astype(np.uint8) def apply_geometric_transform(self, frame: np.ndarray) -> np.ndarray: """应用旋转和缩放""" h, w = frame.shape[:2] center = (w // 2, h // 2) # 构建变换矩阵 M = cv2.getRotationMatrix2D(center, self.rotation_angle, self.scale_factor) new_w = int(w * abs(self.scale_factor)) new_h = int(h * abs(self.scale_factor)) # 调整变换矩阵以确保图像居中 M[0, 2] += new_w / 2 - center[0] M[1, 2] += new_h / 2 - center[1] # 执行仿射变换 result = cv2.warpAffine(frame, M, (new_w, new_h), flags=cv2.INTER_LINEAR) return result def flip_image(self, frame: np.ndarray) -> np.ndarray: """镜像翻转""" if self.flip_mode == 0: return cv2.flip(frame, 1) # 水平翻转 elif self.flip_mode == 1: return cv2.flip(frame, 0) # 垂直翻转 elif self.flip_mode == 2: return cv2.flip(frame, -1) # 双向翻转 else: logger.warning(f"无效的翻转模式: {self.flip_mode}") return frame def apply_effects(self, frame: np.ndarray) -> Optional[np.ndarray]: """应用图像处理效果链""" try: if not isinstance(frame, np.ndarray): raise ValueError("输入必须为numpy数组") # 保存原始帧用于调试或回退 original_frame = frame.copy() # 应用各处理步骤 if self.enable_grayscale: frame = self.grayscale(frame) if self.enable_edge_detect: frame = self.edge_detect(frame) if self.enable_histogram: frame = self.histogram_equal(frame) if self.enable_noise_reduction: frame = self.gaussian_blur(frame) if self.enable_contrast_adjust: frame = self.clahe_adjust(frame) if self.enable_sharpen: frame = self.unsharp_mask(frame) if self.enable_rotate or self.enable_scale: frame = self.apply_geometric_transform(frame) if self.enable_flip: frame = self.flip_image(frame) # 可选：输出处理后图像的形状信息日志 logger.debug(f"图像处理完成，输出尺寸: {frame.shape}") return frame except Exception as e: logger.error(f"图像处理过程中发生错误: {str(e)}", exc_info=True) return None # 失败时返回 None，便于调用方判断 ``` --- ### 🔍 使用示例 ```python # 示例使用 processor = ImageProcessor() # 启用多个效果 processor.enable_grayscale = True processor.enable_edge_detect = True processor.edge_threshold = 80 processor.enable_contrast_adjust = True processor.clip_limit = 3.0 processor.enable_sharpen = True processor.sharpen_strength = 1.5 processor.enable_rotate = True processor.rotation_angle = 45 processor.enable_flip = True processor.flip_mode = 1 # 处理一张图像 image = cv2.imread("test.jpg") processed_image = processor.apply_effects(image) if processed_image is not None: cv2.imwrite("output.jpg", processed_image) print("处理成功！") else: print("处理失败，请检查输入或参数设置。") ``` --- ### ✅ 改进亮点总结 | 特性 | 说明 | |------|------| | ✅ 完整异常处理 | `try-except` 包裹并记录详细日志 | | ✅ 属性初始化完整 | `enable_sharpen` 已添加，默认值合理 | | ✅ 参数容错 | 核大小自动调整为奇数 | | ✅ 几何变换中心对齐 | 保证旋转/缩放后图像居中 | | ✅ 日志提示 | 关键操作有日志输出，便于调试 | | ✅ 返回类型安全 | 成功返回 `np.ndarray`，失败返回 `None` | --- ### 📌 注意事项 - `cv2.GaussianBlur` 的核大小必须是奇数，已自动处理。 - 若 `frame` 是单通道灰度图，所有方法均能正确处理。 - `CLAH`E 和 `UnsharpMask` 仅在彩色/灰度图上有效。 --- 如有需要，我可以进一步封装成可配置的 `.yaml` 配置文件加载器，或支持 OpenCV 视频流实时处理。欢迎继续提问！