游乐游手机版
首页/AI教程/文章详情

合成雨雾道路天气图像数据集与代码

时间:2026-06-08 15:25
基于PyQt6开发的天气效果生成器,支持雾、雨、低光三种氛围效果,可调节浓度、密度、曝光等参数。具备批量处理、参数预设保存与加载、实时预览功能,适用于数据集增强与图像风格化。

天气效果生成器:雾、雨、低光图片特效工具

为照片添加天气特效,让画面更具氛围感,是不是很酷?这款基于PyQt6开发的图片处理小工具,能够轻松为您的图片增加雾、雨、低光三种天气效果。无论是用于机器学习数据集增强,还是单纯想让照片拥有电影级质感,都能派上用场。

功能特点

1. 多种天气效果生成

  • 雾效果:可调节浓度、亮度与动态纹理,从薄雾到浓雾,完全由您掌控。
  • 雨效果:支持调节雨滴密度、大小与运动模糊,无论是毛毛雨还是暴雨,都能轻松实现。
  • 低光效果:内置夜晚、黄昏、黎明三种场景模式,曝光度、色温与阴影细节均可微调。

2. 批量处理能力
支持单张、多张图片甚至整个文件夹一键处理,并自动保持原始文件夹结构,省心高效。

3. 参数预设管理
调好一组参数后,可保存为预设文件;下次直接加载即可复用,无需重复调试。不需要的预设也能随时删除。

4. 实时预览窗口
采用2×2网格布局,同时展示原图、雾、雨、低光四种效果,参数调整后效果即刻呈现。

系统要求

Python 3.6及以上版本,支持Windows、Linux、macOS操作系统。

依赖库

需安装PyQt6、opencv-python、numpy、Pillow。安装这些即可正常运行。

安装方法

  1. 下载项目代码。
  2. 安装依赖:
    pip install -r requirements.txt

使用方法

  1. 启动程序:
    python main.py
  2. 基本操作:点击“加载单张图片”选择图片,拖动滑动条调节参数,点击效果按钮生成,输出图片自动保存至指定目录。
  3. 批量处理:可通过“加载多张图片”或“批量处理文件夹”功能,程序会在原目录旁自动创建带 _processed 后缀的文件夹存放结果。
  4. 预设管理:调好参数后,点击“保存当前参数为预设”;之后使用“加载预设”快速套用;通过“删除预设”移除不需要的配置。

参数说明

雾效果

  • 浓度:0.01~1.00,数值越大雾越浓密。
  • 亮度:100~255,控制雾的明暗程度。
  • 动态效果:0~50,让雾的纹理产生自然变化,更显真实。

雨效果

  • 密度:5000~30000,调整雨滴数量。
  • 大小:5~30,控制雨滴的像素尺寸。
  • 运动模糊:3~31,设置雨滴拖尾效果的长度。

低光效果

  • 效果类型:在夜晚、黄昏、黎明三种场景中任选其一。
  • 曝光度:0.1~1.0,控制整体亮度。
  • 色温:2000K~8000K,决定画面偏暖或偏冷。
  • 阴影细节:0~100,保留暗部区域的程度。

输出说明

处理后的图像会按效果类型分文件夹存放:

原始目录_processed/
├── fog/        # 雾效果
├── rain/       # 雨效果
└── lowlight/   # 低光效果

注意事项

  • 支持的图片格式:PNG、JPG、JPEG、BMP。
  • 输入图片分辨率不宜过大,否则可能影响处理性能。
  • 批量处理前请确保磁盘有充足空间。
  • 预设文件保存在程序目录下的 presets.json 中。

开发说明

技术栈:PyQt6(图形界面)、OpenCV(图像处理)、NumPy(数值计算)、PIL(图像输入输出)。

许可证

MIT License

更新日志

v1.0.0

  • 初始版本发布。
  • 支持雾、雨、低光三种天气效果。
  • 支持批量处理与预设管理功能。

来源:https://cloud.tencent.com.cn/developer/article/2683879
上一篇YOLOv11深度学习轴承缺陷检测与质量控制系统 下一篇图像去雾去雨去噪综合处理技术方法详解
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
RAG四标融合企业知识资产体系四库协同GEO优化实践
AI教程 · 2026-07-01

RAG四标融合企业知识资产体系四库协同GEO优化实践

生成式AI正在彻底改写信息检索的底层逻辑。传统SEO依赖关键词堆砌和外链建设的策略,在大模型的内容采信规则下已经基本失效。取而代之的,是生成式引擎优化(GEO)。它不再关注外链数量,而是重点衡量你的知识是否结构化、证据链是否坚实、信源是否可靠——这些维度才是RAG(检索增强生成)架构真正看重的核心指

一个普通上班人分享WorkBuddy使用心得与真实体验
AI教程 · 2026-07-01

一个普通上班人分享WorkBuddy使用心得与真实体验

前言 最近我开始使用WorkBuddy——这是腾讯推出的一款AI办公工作台。差不多用了一周时间,趁印象还新鲜,把真实的使用感受记录下来,给还在犹豫的朋友做个参考。不吹不黑,只说实际体验。 初印象:不只是聊天机器人 之前用过不少AI工具,大多数就是个对话框,你问它答,答完就结束了。WorkBuddy不

AI幻觉变真功能实战教程:App Inventor 2视频录制拓展一周开发实录
AI教程 · 2026-07-01

AI幻觉变真功能实战教程:App Inventor 2视频录制拓展一周开发实录

先讲一个颇具戏剧性的开端。 这件事的开端颇显荒诞——有用户前来咨询,称AI Pro版的介绍中提到我们有一款“视频录制拓展”。团队全体成员都感到困惑,翻遍产品列表,发现根本不存在该组件。AI那种“一本正经胡说八道”的能力,这次确实让我们陷入尴尬。 按常理,此事到此便可结束——一句“抱歉,暂时没有这个拓

别再混淆OLAP和SQL-on-Hadoop两者查询本质不同
AI教程 · 2026-07-01

别再混淆OLAP和SQL-on-Hadoop两者查询本质不同

OLAP和SQL-on-Hadoop虽都使用SQL查询数据,但本质不同。SQL-on-Hadoop负责海量数据批量计算与ETL,查询速度秒级至分钟级;OLAP通过预聚合实现毫秒级多维分析,适合BI报表。两者在数据平台分工协作,前者是后厨加工,后者是前台快速服务。

GEO优化深度解析:AI偏好FAQ还是长文内容?
AI教程 · 2026-07-01

GEO优化深度解析:AI偏好FAQ还是长文内容?

在GEO优化中,AI对内容形式无统一偏好:FAQ在简单查询中引用率41%,长文在复杂查询中达58%。内容应基于用户意图选择形式,FAQ适配简单事实类问题,长文建立主题权威,两者互补而非替代。