葳蕤ʷ-优快云博客

原创数字图像处理—9图像阈值分割

通过本次实验的学习，我掌握了图像阈值分割的原理，同时完成了直方图双峰法、迭代值分割、最大类间方差阀值分割的设计，并且成功将该功能补充到了先前设计的图像处理界面中，使我对课程的理解和编码能力都得到了提升。

2025-05-24 13:15:15 1734

原创数字图像处理—8基于PyQt5的图像处理界面设计

通过本次实验，利用PyQt5设计了图像处理的界面，使我受益匪浅。在提升我编写代码能力的同时也让我对以往所学知识进行了又一遍的巩固复习。

2025-05-15 18:42:25 1816

锐化滤波使用的都是高通滤波器，包括理想高通滤波器、巴特沃斯高通滤波器、指数高通滤波器和梯形高通滤波器。由于逆离散傅里叶变换的结果是复数，通过这个函数计算实部和虚部的幅值，得到最终的滤波后图像。截止频率决定了滤波器允许通过的频率范围，低于这个频率的成分将被保留，高于这个频率的成分将被衰减或去除。对于理想高通滤波器的代码，和理想低通滤波类似，只需要增大截止频率，并且保留大于截止频率的部分即可。相乘，以实现对频域图像的滤波操作，保留低频部分，去除高频部分。代表图像的高度，即图像垂直方向上的像素行数。

2025-04-23 09:40:15 701

原创数字图像处理—6图像空域滤波

在进行均值滤波时，会在图像上滑动这个 3x3 的窗口，计算窗口内所有像素的平均值，并将该平均值作为窗口中心像素的新值。对于椒盐噪声，中值滤波明显优于均值滤波和高斯滤波，是处理椒盐噪声的首选方法，而均值滤波和高斯滤波在处理椒盐噪声时会导致图像严重模糊和失真。高质量的图像输出：Matplotlib生成的图像质量较高，支持多种图像格式的保存，并且可以对图像的分辨率、字体、颜色等进行精细的调整。题目：写一个程序，分别对一幅被均匀噪声和椒盐噪声污染的图像，用均值滤波、高斯滤波和中值滤波器处理，对比分析结果。

2025-04-18 18:39:34 2080

原创数字图像处理—5图像变换

在频域中，图像的频谱值范围可能非常大，动态范围很宽，直接显示可能会导致大部分细节信息丢失，因为大部分值集中在较小的范围内，而少数较大的值会使得图像显示效果不佳，取自然对数可以压缩频谱的动态范围，使得原本很大的数值变得相对较小，从而在显示时能够更清晰地展示频谱的细节。图像通过离散傅里叶变换，由空间域变换到频域，能量进行重新分布，可以通过对频域的数据进行处理，达到处理数字图像的目的。离散余弦变换是一种特殊的离散傅里叶变换，当函数为实偶函数时，傅里叶变换展开式只存在余弦项，故称为离散余弦变换。

2025-04-02 18:42:56 332

原创数字图像处理—4直方图的显示及均衡化

这里指定 [0] 表示计算图像的第一个通道（在灰度图像中就是唯一的通道）的直方图。对于 8 位图像，灰度级别范围是 0 - 255，共 256 个级别，所以这里指定 [256] 表示将直方图分为 256 个区间，每个区间对应一个灰度级别。直方图增强主要是针对图像的像素值分布过于集中，从而导致图像对比度降低，清晰度不高的情况。它会对图像进行处理，通过重新分布图像的像素值，使得图像的灰度分布更加均匀，从而增强图像的对比度。灰度直方图是图像灰度级分布的函数，是对灰度分布的统计。函数用于计算图像的直方图。

2025-04-02 16:46:16 447

原创数字图像处理—3代数运算

加法的通用表达式如式 C(x,y)=A(x,y)+B(x,y) 所示，其中，A(x,y)和B(x,y)为输入图像，C(x,y)为输出图像。除法运算表达式如式 C(x,y)=A(x,y)÷B(x,y) 所示。减法表达式如式 C(x,y)=A(x,y)-B(x,y) 所示，又称差分运算。由于高斯噪声是随机分布的，多次平均后噪声的影响会相互抵消，从而达到一定的去噪效果。：指定生成的噪声数组的形状，使其与输入图像的形状相同，以确保后续能正确叠加到图像上。时，表示该数组是可写的，即你可以修改数组中的元素值；

2025-04-01 20:16:01 754

原创数字图像处理—2点运算

线性点运算是指像素点的灰度值的变换过程是线性变换，如式 s=ar+b 所示。其中s为输出灰度值，r为输入灰度值，a和b为变换系数。其中s为输出灰度值，r为输入灰度值，c和x为正常数。①x>1时，将灰度值低的区域进行扩展，灰度值高的区域进行压缩，提高图像亮度。②x<1时，将灰度值高的区域进行扩展，灰度值低的区域进行压缩，减小图像亮度。①当a=1,b=0时,输入和输出相等，即输出原图像。②当a=1,b>0时,输出灰度值变大，图像整体变亮。④当a<0时,图像暗区变亮，亮区变暗，完成图像求补。

2025-04-01 18:23:19 271