- 博客(13)
- 收藏
- 关注
RSS订阅原创 七条实验的集成系统
这个数字图像处理实验集成系统，是将 7 个独立的图像处理实验（如灰度镜像、ROI 提取、线性变换等）整合到统一交互界面中，原理核心是 “模块化功能 + 可视化交互”： 每个实验对应独立的图像处理算法模块（如灰度镜像基于像素坐标翻转、线性变换基于像素值映射公式）；界面将算法的输入（原图）、输出（处理后结果）可视化展示，同时支持参数配置（如边缘检测的阈值）和结果保存。功能集成：把分散的 7 个实验（灰度、ROI、变换等）聚合，便于系统地复习、对比不同图像处理技术。以下为各个实验的运行详情。
2025-12-21 22:51:35
304
原创 图像区域生长与分裂合并
该方法首先选取一个或多个位于目标区域内部的种子点，然后根据预先设定的相似性准则（如灰度差阈值），将与种子点灰度相近且空间相邻的像素逐步合并到同一区域中。实验一实现基于像素相似性的连通区域分割，从选定的种子点开始，通过比较像素灰度差值，将满足条件的相邻像素逐步“生长”到同一区域。通过区域生长法实现图像的区域分割，加深对基于区域的图像分割思想的理解，掌握种子选取和相似性准则对分割结果的影响。通过区域分裂与合并方法实现图像分割，理解区域均匀性判据在图像分割中的作用，掌握基于区域统计特性的分割思路。
2025-12-19 15:01:20
662
原创 图像阈值分割
图像阈值分割的核心目标是将灰度或彩色图像转换为二值图像，通过设定阈值将像素分为前景（目标）和背景两类。测试不同阈值方法（如全局阈值、自适应阈值）对复杂场景的分割效果。主要包括了直方图分割法，迭代阈值分割法，最大类间方差阈值分割；本次实验成功实现了直方图双峰法、迭代阈值法和最大类间方差法三种经典阈值分割算法，并开发了交互式分割界面。实验发现Otsu算法对文档图像分割效果最佳，而直方图均衡化对阴影处理效果有限，顶帽变换能有效改善光照不均问题。同时我发现，原图有一个阴影部分，在阈值分割的时候会有很大的影响。
2025-12-02 11:54:33
198
原创 三大经典边缘检测算法对比与优化
这种方法能根据图像的整体亮度水平自动调整边缘检测的敏感度：对于较暗的图像会降低阈值以捕捉更多细节，对于较亮的图像则提高阈值来抑制噪声，从而克服了固定阈值在不同光照条件下表现不稳定的缺点。本次实验旨在通过编程实现Roberts、Sobel和Canny三种经典的边缘检测算法，对比分析它们在不同图像上的边缘提取效果、抗噪声能力及计算效率的差异，并重点对Canny算子进行多参数调优与自适应阈值优化，以探索提升边缘检测质量与算法适应性的有效方法，从而加深对图像处理基本概念和算法原理的理解。首先是Roberts算法。
2025-11-18 12:00:05
816
原创 椒盐噪声与条纹噪声的图像复原
一、实验目的与原理本实验旨在通过数字图像处理技术，对含有混合噪声（条纹噪声与椒盐噪声）的图像进行有效恢复。通过结合频域滤波与空域滤波方法，掌握图像去噪的基本原理与实现技术，提升对图像恢复算法的理解与应用能力。：基于傅里叶变换，将图像从空间域转换到频率域。在频域中，周期性噪声（如条纹噪声）表现为频谱图上的离散亮斑，通过设计陷波滤波器选择性衰减这些噪声频率成分，实现噪声去除。：直接在像素空间进行操作。中值滤波通过计算邻域像素的中值来替代中心像素值，能有效抑制椒盐噪声等脉冲噪声，同时较好保护图像边缘信息。
2025-11-08 17:30:22
405
原创 图像空域滤波实验
本次实验通过编程实现了图像的平滑滤波（均值、高斯、中值滤波）和锐化滤波（Roberts、Prewitt、Sobel算子），成功验证了空域滤波的核心原理。结果表明，平滑滤波能有效抑制噪声但会导致图像模糊，而锐化滤波能突出边缘细节但同时会放大噪声，两者效果相反且互补。实验加深了对滤波区别的理解，明白根据实际需求（去噪或增强）选择合适的滤波技术。
2025-10-21 11:57:17
263
原创 图像直方图与频域变换
原理：图像灰度变换：属于点运算，通过构建灰度值的映射函数（如线性变换 g(x,y)=a⋅f(x,y)+b ，其中 a 用于调整对比度， b 用于调整亮度），对图像中每个像素的灰度值进行转换，从而实现图像的增强等效果。图像直方图均衡化：基于图像的灰度直方图，利用特定的变换函数，将原始图像的灰度直方图调整为近似均匀分布的形式，使得图像能利用更多的灰度级，有效提升图像的对比度，让图像细节更易辨识。图像的傅里叶变换结果（频谱图）反映了图像的频率成分，低频成分对应图像的整体轮廓，高频成分对应图像的细节、边缘等。
2025-10-05 15:48:35
794
原创 摄像头图像采集、手动脸部区域框选以及标注信息保存
通过本次实验，熟悉并掌握利用 OpenCV 与 PyQt6 结合，实现带有图形界面的摄像头图像采集、手动脸部区域框选以及标注信息保存的完整流程，加深对数字图像处理中图像采集、交互标注等环节的理解。原理： 通过重写 QLabel 等组件的鼠标事件处理方法（如 mousePressEvent、mouseMoveEvent、mouseReleaseEvent），可以实现鼠标在图像上的点击、拖动操作，从而手动框选出脸部区域。成功搭建基于 OpenCV 与 PyQt6 的摄像头采集与标注系统，核心功能均正常运行。
2025-09-27 17:46:30
348
原创 OpenCV 摄像头图像采集与灰度转换实验报告
程序能够稳定地调用摄像头，实现彩色图像的采集以及彩色到灰度的转换和显示，达到了实验的基本目的。（4）彩色转灰度原理：利用 cv2.cvtColor() 函数，通过指定转换标志 cv2.COLOR_BGR2GRAY，将 BGR 色彩空间的彩色图像转换为灰度图像。“彩色图像” 窗口中实时显示从摄像头采集到的彩色画面，“灰色图像” 窗口中显示对应的灰度画面。（3）图像读取：使用视频捕获对象的 read() 方法，可从摄像头逐帧读取图像，返回的 ret 表示读取是否成功，frame 则是读取到的图像数据。
2025-09-09 11:58:36
186
原创 math函数的应用
abs() 和 fabs() ： abs() 用于计算整数的绝对值， fabs() 用于计算浮点数的绝对值。pow() ：用于计算一个数的指定次幂。，即计算2^3， result 的值为8.0。sqrt() ：用于计算一个非负实数的平方根。值得注意的是，使用这些函数是必须要在前面加上include <math.h> 的。
2024-12-25 12:07:12
565
原创 C语言常见错误
混淆 = 和 == ：在条件判断中，误将赋值运算符 = 当作等于运算符 == 使用。如 if (a = 5) 本意是判断 a 是否等于 5 ，但写成了赋值操作，导致程序逻辑错误。注意前提是条件判断中。局部变量和全局变量同名冲突：在函数内部定义的局部变量与全局变量同名时，会优先使用局部变量，可能导致程序逻辑混乱。
2024-12-25 12:00:22
116
原创 C语言常见语法问题
括号不匹配：在函数调用、表达式或控制语句中，括号的数量和位置要匹配。如 if (a > 5 { printf("a大于5");} 中少了一个右括号。遗漏分号：C语言语句以分号作为结束标志，新手常忘记在语句末尾加分号。例如 int a = 5 应写成 int a = 5;拼写错误：变量名、函数名等标识符拼写错误会导致程序找不到相应的定义。比如将 printf 写成 prntf。以下是我在学习C语言时常见的语法错误。
2024-12-25 11:54:19
424
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