- 博客(6)
- 收藏
- 关注
RSS订阅原创 DIP实验6：区域生长与分裂合并算法的实现与可视化
通过本次实验，我们分别实现了区域生长与分裂合并两种经典图像分割算法，并设计了交互式图形界面进行可视化展示。三部分内容环环相扣、由浅入深，充分展现了基础图像分割方法的原理与实际应用效果。未来可以考虑结合边缘检测、深度学习等方法，进一步提升图像分割的精度与自适应能力。
2025-06-08 09:25:38
1004
原创 DIP实验4：基于 PyQt5+OpenCV 搭建交互式图像处理工具
本 GUI 工具实现了常见 DIP 算法的可视化，便于学习、教学与演示。后续可扩展：自适应滤波、小波变换、更多频域滤波器设计、人脸识别预处理等。
2025-05-11 12:10:52
941
原创 DIP实验3：图像噪声及滤波处理实验
在本次实验中，我们完成了从图像噪声生成到多种滤波处理方法的综合实验。利用skimage库可以方便地生成不同类型的噪声，为后续降噪处理提供了实验数据。均值滤波简单有效，但容易模糊图像细节；Gaussian 滤波借助加权平均较好地平衡了平滑与边缘保护；中值滤波对椒盐噪声有特别好的处理效果，同时更好地保留边缘信息。不同边缘检测算子各有优势，具体应用时可根据噪声种类和要求选择合适的算法。自定义的滤波算法能帮助加深对图像处理底层运算的理解，对初学者尤为有益。
2025-04-09 22:25:57
800
原创 DIP实验2：灰度变换，图像直方图与频域变换
灰度变换与伽马校正：直观调控图像亮度和对比度；噪声添加与去噪：通过均值滤波与噪声分离理解噪声特性；直方图统计与均衡化：利用直方图展示图像灰度分布，并通过均衡化改善视觉效果；逻辑运算：对二值图像进行基本的区域组合操作；频域变换：傅里叶变换和离散余弦变换为图像频域分析和重构提供了有力工具。通过各个实验的深入探索，我们不仅掌握了基本的图像处理操作，同时也体会到不同方法在图像增强、压缩和复原中的实际应用价值。这为日后更深入的图像处理研究和应用开发奠定了坚实基础。
2025-03-28 21:48:36
707
原创 DIP实验1：使用python图像与视频处理基础
OpenCV 读取和显示图像Matplotlib 读取图像并获取尺寸彩色和灰度图像的对比使用 Matplotlib 显示图像简单的图像像素运算视频的读取与播放这些操作是计算机视觉的基础，为后续的图像处理、目标检测和视频分析提供了重要的工具。
2025-03-14 21:30:45
422
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人