- 博客(5)
- 收藏
- 关注
原创 图像区域分割实验报告
在彩色花卉图测试中,将最小区域尺寸调整为 32,一致性阈值提高至 50,分割后花瓣区域被合并为连续的大块区域,背景与花卉主体的区分度明显,整体分割效果简洁明了,适合提取图像中的大目标区域。尺寸越大,分割结果越简洁,能有效合并相似区域,但可能丢失小尺寸目标细节。参数调优是图像分割实验的关键:无论是区域生长法的相似度阈值、邻域类型,还是分裂合并法的一致性阈值、最小区域尺寸,都需要根据图像类型(灰度图 / 彩色图)、目标特征(大小、边缘复杂度)灵活调整,通过多次测试找到最优参数组合,才能获得理想的分割效果。
2025-12-15 09:44:24
824
原创 图像阈值分割实验报告
其中 \omega_1、\omega_2 是前景、背景的像素占比,\mu_1、\mu_2 是两类的灰度均值,遍历所有可能的 T 并取使 \sigma^2(T) 最大的 T。• 直方图双峰法:若图像直方图呈现明显的“双峰值”(分别对应前景、背景的灰度分布),则取两个峰值之间的谷点作为阈值 T。2. 设计并实现三种典型阈值分割算法:直方图双峰法、迭代阈值分割法、最大类间方差(OTSU)阈值分割法。2. 用 T_0 分割图像为前景、背景,计算两类像素的灰度均值 \mu_1、\mu_2;
2025-12-01 13:05:32
365
原创 数字图像处理 - 图像空域滤波实验报告
功能单一:OpenCV 提供丰富的滤波相关函数,涵盖多种核大小、边界处理方式等,手动实现需逐一编写,功能完善难度大,如复杂的边界填充策略(复制边界、反射边界等 ),OpenCV 可直接设置参数,手动实现较繁琐。若使用高斯滤波,可借助 numpy 生成高斯核(如根据高斯函数计算权重 ),再进行卷积操作(因手动实现高斯滤波与均值、中值逻辑有别,需额外处理 )。深入理解原理:手动编写代码,能清晰掌握滤波算法的底层逻辑,从像素遍历、邻域计算到结果赋值,每一步都清晰可控,对空域滤波的实现细节理解更深刻。
2025-10-20 12:02:17
1026
原创 面部图像采集与标注工具开发实验报告
本实验旨在开发一个高效的面部图像采集与标注工具,用于支持计算机视觉任务,如人脸识别和表情分析。工具基于Python语言实现,结合OpenCV库进行图像处理,实现实时采集、人脸检测和手动标注功能。实验结果显示,工具在采集图像的质量和标注准确性方面表现良好,为后续模型训练提供了可靠数据集。本报告详细描述了实验过程、方法、结果及改进方向。
2025-09-16 11:49:49
951
原创 opencv摄像头的读取与识别
2. 目标识别(人脸检测):采用Haar级联分类器,基于机器学习对人脸特征(如眼睛、鼻子、嘴巴的灰度差异)进行训练,通过滑动窗口遍历图像,快速匹配并标记出人脸区域。3. 通过实验理解了视频处理的“帧捕获-预处理-识别-显示”全流程,为后续复杂计算机视觉应用(如目标跟踪、图像分割)奠定了基础。- 若无法打开摄像头,检查摄像头是否被占用(如其他软件正在使用),或修改 VideoCapture 的参数(如改为1)。- 人脸侧脸、遮挡(如戴口罩)或光线过暗时,识别成功率下降,部分人脸无法被检测。
2025-09-15 19:20:08
2154
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
RSS订阅