visual-logging——Python，OpenCV调试应用程序的新工具

这篇博客将介绍如何使用可视化日志记录（visual-logging）来帮助可视化应用程序执行的管道。使用cv2.imshow和cv2.waitKey语句堵塞代码的日子已经一去不复返了！相反，只需使用可视化日志记录更加简单。

可视化日志记录——一款很棒的调试Python + OpenCV应用程序的新工具包。

调试OpenCV应用程序一直是混乱的调用cv2.imshow和cv2.waitKey。所有这些函数调用管理起来很痛苦，对于调试来说更糟糕。需要拍摄计算机视觉管道的每个迭代的屏幕截图。但现在可以利用可视化日志记录软件包来帮轻松调试和记录OpenCV应用程序。

1. 效果图

使用渐变的sigma模糊图像并检测边缘效果图如下：
可以看出，随着高斯核sigma的大小增加，图像变得越来越模糊。随着图像变得更加模糊，检测到的边缘也越来越少。
在这里插入图片描述

2. 安装

pip install visual-logging

3. 源码

# 使用Python，OpenCV更好的调试应用程序的工具——visual-logging，将介绍如何使用可视化日志记录（visual-logging）来帮助可视化应用程序执行的管道。import logging
# 导入必要的包
from logging import FileHandlerimport cv2
import imutils
from vlogging import VisualRecord# 打开日志文件
logger = logging.getLogger("visual_logging_example")
fh = FileHandler("demo.html", mode="w")# 设置logger属性
logger.setLevel(logging.DEBUG)
logger.addHandler(fh)# 加载图像转换为灰度图
image = cv2.imread("images/ym.jpg")
image = imutils.resize(image, width=100)
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 遍历高斯核大小的渐变值
# 使用越来越大的sigma大小逐步模糊图像
for s in range(3, 11, 2):# 模糊图像并检测边缘blurred = cv2.GaussianBlur(image, (s, s), 0)edged = cv2.Canny(blurred, 75, 200)# 通常，要查看模糊和边缘检测的输出必须调用cv2.imshow和cv2.waitKey# 这里将创建一个 VisualRecord，并将高斯模糊和边缘映射记录到文件。这将使我们能够调试管道并轻松查看结果。logger.debug(VisualRecord(("Detected edges using sigma = %d" % (s)),[blurred, edged], fmt="png"))