使用PyQt5创建图片查看器应用程序

使用PyQt5创建图片查看器应用程序

作者：安静到无声 个人主页

在本教程中，我们将使用PyQt5库创建一个简单的图片查看器应用程序。这个应用程序可以显示一系列图片，并允许用户通过按钮切换、跳转到不同的图片。

1. 准备工作

首先，我们需要安装PyQt5库。打开终端或命令提示符，运行以下命令：

pip install PyQt5

确保你已经安装了Python和pip，并且可以正常运行。

2. 创建主程序

创建一个名为 image_viewer.py 的Python文件，并将以下代码复制进去：

import sys
from PyQt5.QtWidgets import QApplication, QLabel, QMainWindow, QPushButton, QLineEdit
from PyQt5.QtGui import QPixmap# 图片路径
images = ['F:/BaiduSyncdisk/图片/n02009912_2248_Highgreen.JPEG','F:/BaiduSyncdisk/图片/n02013706_161_Highgreen.JPEG','F:/BaiduSyncdisk/图片/n02281787_2344_Highblue.JPEG','F:/BaiduSyncdisk/图片/n02281787_2354_Highblue.JPEG']
current_index = 0  # 当前显示的图片索引def show_image():pixmap = QPixmap(images[current_index])label.setPixmap(pixmap)label.resize(pixmap.width(), pixmap.height())filename_label.setText(f'文件名：{images[current_index]}')def next_image():global current_indexcurrent_index = (current_index + 1) % len(images)  # 循环切换到下一张图片show_image()def previous_image():global current_indexcurrent_index = (current_index - 1) % len(images)  # 循环切换到上一张图片show_image()def jump_to_image():global current_indexindex_str = input_box.text().strip()  # 获取输入框中的索引字符串if index_str.isdigit():  # 如果输入的是数字index = int(index_str) - 1  # 将索引转换为数字，并减去1（因为列表从0开始）if 0 <= index < len(images):  # 如果索引在图片列表范围内current_index = index  # 跳转到对应的图片show_image()app = QApplication(sys.argv)
window = QMainWindow()
window.setGeometry(200, 350, 500, 400)label = QLabel(window)
label.setGeometry(130, 20, 100, 100)  # 调整位置和大小
window.setWindowTitle('图片查看器')filename_label = QLabel(window)
filename_label.setGeometry(100, 280, 380, 30)
show_image()previous_button = QPushButton('上一张', window)
previous_button.move(70, 320)
previous_button.clicked.connect(previous_image)next_button = QPushButton('下一张', window)
next_button.move(320, 320)
next_button.clicked.connect(next_image)input_box = QLineEdit(window)
input_box.move(200, 320)jump_button = QPushButton('跳转', window)
jump_button.move(200, 360)
jump_button.clicked.connect(jump_to_image)window.show()
sys.exit(app.exec_())

这段代码定义了一个包含图片查看器功能的应用程序。具体来说，它使用了PyQt5库提供的各种小部件（widgets），比如QLabel、QMainWindow、QPushButton和QLineEdit等。

3. 运行应用程序

保存并运行 image_viewer.py 文件，你将看到一个简单的图片查看器应用程序界面。它显示了第一张图片，并且提供了上一张、下一张和跳转到指定图片的按钮。

你可以点击相应的按钮来切换图片或跳转到指定的图片。图片的文件名也会显示在窗口的底部。

结论在这里插入图片描述

在本教程中，我们使用PyQt5库创建了一个简单的图片查看器应用程序。这个应用程序可以帮助你浏览并切换不同的图片。

你可以根据实际需求进一步扩展这个应用程序，比如添加更多的功能按钮、支持更多的图片格式等。

希望本教程对你有所帮助！如果你有任何问题或疑问，请随时在评论区留言。

---

推荐专栏

💖模式识别与人工智能（程序与算法）

机器学习MATLAB实现

1. 机器学习MATLAB实现：Matalb-邻域平均法、均值滤波法、中值滤波法对图像进行平滑去噪_邻域平均滤波
2. 机器学习MATLAB实现：MATLAB-直方图均衡化_matlab直方图均衡化
3. 机器学习MATLAB实现：基于DCT变换的JPEG图像压缩_dct变换图像压缩
4. 机器学习MATLAB实现：Matalb-图像均值滤波，中值滤波，梯度锐化(sobel算子)的实现_matlab sobel滤波
5. 机器学习MATLAB实现：Matlab-梯度Roberts算子、拉普拉斯算子、Sobel算子、Prewitt算子对图像进行锐化

深度学习

1. 深度学习调参经验：优化神经网络性能的关键八大步骤

Python示例

1. Python代码示例：将一个文件夹中未标记的文件复制到另一个文件夹

2. Python代码示例：比较两个文件夹中的文件名并打印相同的文件

3. Python代码示例：使用Pillow库轻松实现图像尺寸调整——＞使每个图像具有相同的大小，方便模型处理和训练_pillow 获取图片尺寸_安静到无声的博客-CSDN博客

4. Python代码示例：求取文件夹下图片的均值与方差——＞消除异常数据，保证所有像素值都处于比较合理的范围，提高模型的性能。_安静到无声的博客-CSDN博客

5. Python代码示例：使用Python的Pillow库对图片进行格式转换和重命名

6. Python代码示例：利用Python代码批量修改文件名_批量修改文件名

7. Python代码示例：遍历文本文件中的图片信息并复制图片

8. Python代码示例：Python实现Imagenet数据集的合并和拆分

9. Python代码示例：AI助手帮你轻松做好Imagenet数据集重命名与复制

10. Python代码示例：python实现获取当前目录下的树形结构_python 读取目录结构

11. Python代码示例：使用ChatGPT快速实现灰度和RGBA图片转换为RGB三通道图片的Python数据清洗demo_python rgba转rgb

12. Python代码示例：如何将通过Image.open读出的图片从单通道-＞三通道

13. 用Python对文件夹下的图片命名进行批量更改_python修改图片名

14. Python代码示例：爬取网站图片

15. Python代码示例：Python中的列表推导式（List Comprehensions）及其条件筛选法_python 列表推导式多个条件

Opencv-python教程

1. Opencv-python教程：python-opencv(1)图像的基础操作
2. Opencv-python教程：python-opencv(2)图像运算
3. Opencv-python教程：python-opencv(3)图像类型转换
4. Opencv-python教程：python-opencv(4)–几何变换
5. Opencv-python教程：python-opencv(10)图像金字塔
6. Opencv-python教程：python-opencv(11)图像轮廓
7. Opencv-python教程：python-opencv(12)直方图
8. Opencv-python教程：python-opencv(13)傅里叶变换

模式识别与机器学习（Python实现）

1. 模式识别与机器学习（Python实现）：基于sklearn朴素贝叶斯模型和pazen窗方法实现男女分类
2. 模式识别与机器学习（Python实现）：基于贝叶斯判决皮肤检测的简单实现
3. 模式识别与机器学习（Python实现）：基于PCA降维和KNN分类的人脸识别
4. 模式识别与机器学习（Python实现）：基于PCA–LDA的人脸识别
5. 模式识别与机器学习（Python实现）：基于聚类的图片分割
6. 模式识别与机器学习（Python实现）：决策树分男女
7. 模式识别与机器学习（Python实现）：基于压缩近邻法的分类问题
8. 模式识别与机器学习（Python实现）：如何用MCMC产生任意的概率分布随机数？Python简单实现

Tensorflow学习

Tensorflow1.x

1. Tensorflow1.x：tf中tensor和numpy
2. Tensorflow1.x：tf.Variable中trainable作用
3. Tensorflow1.x：tesorflow 计算模型复杂度
4. Tensorflow1.x：L2正则化和collection【tf.GraphKeys】
5. Tensorflow1.x：Tensorflow 变量及共享变量

Tensorflow2.x

1. Tensorflow2.x：创建keras环境步骤
2. Tensorflow2.x：tensorflow2.0 深度学习基础和tf.keras
3. Tensorflow2.x：tensorflow2.0 卷积神经网络的实现实例(卫星与湖)
4. Tensorflow2.x：tensorflow2.0 tf.keras序列问题
5. Tensorflow2.x：tensorflow2.0 实例猫狗识别(1)
6. Tensorflow2.x：tensorflow2.0 eager模式与自定义训练网络
7. Tensorflow2.x：tensorflow2.0 tf.keras猫狗识别(2)—自定义训练
8. Tensorflow2.x：tebsorflow2.0 使用Keras编写自定义图层和模型
9. Tensorflow2.x：tebsorflow2.0 多输出模型实例
10. Tensorflow2.x：tebsorflow2.0 图像定位+分类(Oxford-IIIT数据集)
11. Tensorflow2.x：tebsorflow2.0 图像语义分割(Oxford-IIIT数据集)

Python语法

1. Python语法：Python中hasattr的具体用法
2. Python语法：python中的语法使用(easydict set() plt.subplots() assert)
3. Python语法：os.path库常用函数的使用_标准库os.path中的函数用来获取参数指定
4. Python语法：argparse使用方法简单总结_python的argparse用法
5. Python语法：python __all__含义
6. Python语法：numpy方法积累
7. Python语法：如何优雅的学习的getattr()函数
8. 如何在pycharm中指定GPU

Pytorch语法

1. Pytorch语法：pack_padded_sequence用法与完整示例
2. Pytorch语法：pytorch中的torch.manual_seed()
3. Pytorch语法：torch.autograd.Function 学习理解
4. Pytorch语法：为什么设置cudnn.benchmark = True
5. Pytorch语法：pytorch权重初始化_pytorch 权重初始化
6. Pytorch语法：pytorch使用方法积累
7. Pytorch语法：如何用Pytorch加载部分权重

数据集使用

1. pycocotools数据集讲解、安装与使用_安静到无声的博客-CSDN博客

Linux调试

1. Linux调试：更改CUDA版本＜此博文仅供自己参考＞_cuda怎么改版本
2. Linux调试：linux操作命令_vi train.py
3. Linux调试：如何优雅的解决Pycharm在jupyter notebook的Port问题
4. Linux调试：如何优雅的在linux下对指定文件夹解压_linux解压单个文件
5. Linux调试：Linux下文件夹的移动与复制_linux 复制整个文件夹
6. Linux调试：如何优雅的使用GPU监控
7. Linux调试：如何在远程服务器下运行tensorboard，并在本地服务器看运行情况

Bug调试

1. Bug调试：成功解决OSError: [E050] Can’t find model ‘en_core_web_sm’._
2. Bug调试：成功解决Resource punkt not found错误
3. Bug调试：成功解决NLTK包的安装错误
4. Bug调试：成功解决http.client.RemoteDisconnected: Remote end closed connection without response
5. 成功解决：ValueError Cannot assign non-leaf Tensor to parameter ‘weight‘.md
6. 成功解决AttributeError: module ‘torch.distributed‘ has no attribute ‘all_gather_base‘
7. 成功解决ImportError: /home/mona/research/code/frankmocap/detectors/hand_object_detector/lib/model/C.cpy
8. 成功解决安装spacy==2.x出现的问题：功解决sre_constants.error: bad escape \p at position 173-CSDN博客
9. 成功解决安装spacy==2.x出现的问题：OSError: E050] Can‘t find model ‘en_core_web_sm‘. It doesn‘t seem to be …_

其他

1. 常用的水下图像数据集
2. “微天气” - 一个基于微信小程序的智能天气预报体验_天气预报小程序开发