import?PySpin
import?os
import?cv2
import?numpy?as?np
import?tkinter?as?tk
import?matplotlib.pyplot?as?plt
from?PIL?import?ImageImageTk
from?tkinter.filedialog?import?*


def?acquire_images（）:
????global?file_path
????file_path?=?tk.filedialog.askopenfilename（）
????print（file_path）
????#?img?=?cv2.imread（file_path）
????#?area1.create_image（400?400?image?=?img）

#?二值化處理圖像
def?Threshold（）:
????image?=?cv2.imread（file_path）
????gray?=?cv2.cvtColor（image?cv2.COLOR_BGR2GRAY）

????#此為全局閾值
????#BINARY是執行二值化操作，后面的OTSU是具體執行的二值化閾值方法，可以選擇其他
????#更改0255可以指定閾值
????ret?binary?=?cv2.threshold（gray?0?255?cv2.THRESH_BINARY?|?cv2.THRESH_OTSU）

????#使用局部閾值25為blocksize參數，必須為奇數，10為每塊局部設置的參考值，每塊像素塊的其他值減去均值大于10，
????#則執行置0或者置255操作
????#?binary?=?cv2.adaptiveThreshold（gray?255?cv2.ADAPTIVE_THRESH_GAUSSIAN_C?cv2.THRESH_BINARY?2510）

????#顯示計算出來的閾值
????print（‘threshold?value?is?:?%s‘?%ret）
????#控制顯示窗口大小
????cv2.namedWindow（‘Threshold‘?0）
????cv2.resizeWindow（‘Threshold‘?600?600）
????cv2.imshow（‘Threshold‘?binary）

????#?ret?thresh?=?cv2.threshold（image?0?255?cv2.THRESH_OTSU）
????#?plt.imshow（image?‘gray‘）
????#?plt.title（‘OTSU‘）
????#?plt.xticks（[]）plt.yticks（[]）
????#?plt.show（）

#模糊操作，利用卷積原理
def?blur（）:
????image?=?cv2.imread（file_path）

????#此為均值模糊
????#（301）為一維卷積核，指在x，y方向偏移多少位
????#?dst?=?cv2.blur（image?（30?1））

????#此為中值模糊，常用于去除椒鹽噪聲
????#?dst?=?cv2.medianBlur（image?15）

????#自定義卷積核，執行模糊操作，也可定義執行銳化操作
????#定義卷積核kernel為5*5的單位矩陣，因為像素值為0-255，所以除以25防止溢出，25為矩陣內元素個數
????#?kernel?=?np.ones（[1010]?np.float32）/100
????kernel?=?np.array（[[0?-1?0]?[-1?5?-1]?[0?-1?0]]?np.float32）
????dst?=?cv2.filter2D（image?-1?kernel=kernel）

????cv2.namedWindow（‘Blur‘?0）
????cv2.resizeWindow（‘Blur‘?600?600）
????cv2.imshow（‘Blur‘?dst）
????cv2.namedWindow（‘input_image‘?0）
????cv2.resizeWindow（‘input_image‘?600?600）
????cv2.imshow（‘input_image‘?image）

def?clamp（pv）:
????if?pv?>?255:
????????return?255
????elif?pv?????????return?0
????else:
????????return?pv

#給圖片增加高斯噪聲，計算花費很長時間
def?gaussian_noise（）:
????image?=?cv2.imread（file_path）
????h?w?c?=?image.shape
????for?row?in?range（h）:
????????for?col?in?range（w）:
????????????s?=?np.random.normal（0?20?3）
????????????b?=?image[row?col?0]??#blue
????????????g?=?image[row?col?1]??#green
????????????r?=?image[row?col?2]??#red
????????????image[row?col?0]?=?clamp（b?+?s[0]）
????????????image[row?col?1]?=?clamp（g?+?s[1]）
????????????image[row?col?2]?=?clamp（r?+?s[2]）

????cv2.namedWindow（‘Gaussian_noise‘?0）
????cv2.resizeWindow（‘Gaussian_noise‘?600?600）
????cv2.imshow（‘Gaussian_noise‘?image）

#高斯模糊，能保留圖片的主要特征
def?gaussian_blur（）:
????image?=?cv2.imread（file_path）
????dst?=?cv2.GaussianBlur（image?（0?0）?15）

????cv2.namedWindow（‘Gaussian_blur‘?0）
????cv2.resizeWindow（‘Gaussian_blur‘?600?600）
????cv2.imshow（‘Gaussian_blur‘?dst）

#邊緣保留濾波
def?epf（）:
????image?=?cv2.imread（file_pat