### 使用 Python 进行目标检测的 GUI 教程 当遇到 `Matplotlib is currently using agg, which is a non-GUI backend` 的错误提示时，这表明当前使用的 Matplotlib 后端不支持图形界面操作[^1]。为了创建一个带有图形用户界面 (GUI) 的应用程序来进行目标检测，可以考虑使用 Tkinter 或 PyQt 等库来构建 GUI 并集成 TensorFlow Object Detection API。 #### 解决方案概述 对于希望开发具有可视化功能的目标检测应用而言，选择合适的后端非常重要。可以通过修改 Matplotlib 的配置文件或通过代码设置不同的后端来解决此问题。此外，在设计 GUI 应用程序时，应确保所有绘图命令都在主线程中执行，并且只在一个线程内更新 UI 组件。 #### 修改 Matplotlib 后端的方法 一种方法是在脚本开头显式指定要使用的交互式后端： ```python import matplotlib matplotlib.use('TkAgg') # 设置为 TkAgg 后端以便于显示图像窗口 import matplotlib.pyplot as plt ``` 另一种方式是编辑 `.matplotlib/matplotlibrc` 文件中的 `backend` 参数，将其更改为支持 GUI 的值如 'Qt5Agg' 或者 'TkAgg'[^4]。 #### 构建简单的 GUI 应用程序实例 下面是一个简单例子，展示了如何利用 Tkinter 创建基本的 GUI 来加载并展示经过对象识别处理后的图片: ```python from tkinter import * from PIL import ImageTk, Image import os import numpy as np import tensorflow as tf from object_detection.utils import label_map_util from object_detection.utils import visualization_utils as viz_utils class App: def __init__(self, master): self.master = master self.frame = Frame(self.master) self.button_load_image = Button( self.frame, text="Load an image", command=self.load_and_process_image ) self.label_for_image = Label(self.frame) self.button_load_image.pack() self.label_for_image.pack() self.model_path = "path/to/saved_model" self.labels_path = "path/to/labelmap.pbtxt" self.detection_model = tf.saved_model.load(self.model_path) self.category_index = label_map_util.create_category_index_from_labelmap( self.labels_path, use_display_name=True) self.frame.pack() def load_and_process_image(self): file_path = filedialog.askopenfilename(initialdir=os.getcwd()) img = Image.open(file_path).convert("RGB") input_tensor = tf.convert_to_tensor(np.expand_dims(img, axis=0), dtype=tf.float32) detections = self.detection_model(input_tensor) num_detections = int(detections.pop('num_detections')) detections = {key: value[0, :num_detections].numpy() for key, value in detections.items()} detections['detection_classes'] = detections['detection_classes'].astype(np.int64) img_np_with_detections = img.copy() viz_utils.visualize_boxes_and_labels_on_image_array( img_np_with_detections, detections['detection_boxes'], detections['detection_classes'], detections['detection_scores'], self.category_index, use_normalized_coordinates=True, max_boxes_to_draw=200, min_score_thresh=.30, agnostic_mode=False) processed_img = Image.fromarray(img_np_with_detections) tkimage = ImageTk.PhotoImage(processed_img) self.label_for_image.configure(image=tkimage) self.label_for_image.image = tkimage if __name__ == "__main__": root = Tk() app = App(root) root.mainloop() ``` 这段代码实现了从本地磁盘读取一张图片并通过预训练好的模型对其进行物体检测的功能；之后它会在界面上显示出标注好边框和类别的结果图像。