<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[PYX2333的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/PYX2333</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; PYX2333]]></copyright><item><title><![CDATA[DIP05：阈值分割方法]]></title><link>https://blog.youkuaiyun.com/PYX2333/article/details/148421734</link><guid>https://blog.youkuaiyun.com/PYX2333/article/details/148421734</guid><author>PYX2333</author><pubDate>Wed, 04 Jun 2025 13:23:40 +0800</pubDate><description><![CDATA[图像分割是数字图像处理的重要步骤，而阈值分割是最基础也最常用的一类方法。本篇博客将通过经典图像和完整代码，逐一讲解四种常见的阈值分割方式：人工阈值法、直方图分析法、迭代法以及最大类间方差法（Otsu法）。建议搭配Python-OpenCV显示效果食用更佳！]]></description><category></category></item><item><title><![CDATA[DIP04：数字图像处理的简单交互界面]]></title><link>https://blog.youkuaiyun.com/PYX2333/article/details/148092938</link><guid>https://blog.youkuaiyun.com/PYX2333/article/details/148092938</guid><author>PYX2333</author><pubDate>Tue, 20 May 2025 22:29:20 +0800</pubDate><description><![CDATA[经过之前的学习，我们已经学到了许多数字图像处理的方法，那么如何将这些方法集成在界面上进行操作呢？在Python中，我们可以使用PyQt进行界面的制作，在本篇博客开始之前，你需要引入如下几个库↓


4.1 任务展示

接下来我们就可以开始今天的界面制作了，我将先展示本次实验的结果，通过结果一步步分析代码的功能↓界面一共包含四部分，分别是：导航栏（加载图片、图像复原、保存图像）、展示区（原图、操作后图像）、操作栏（灰度化、去噪、锐化、旋转）、提示栏（操作提示）在所有步骤之前！你需要先把下面这段框架复制上↓

]]></description><category></category></item><item><title><![CDATA[DIP03：图像空域滤波]]></title><link>https://blog.youkuaiyun.com/PYX2333/article/details/147435074</link><guid>https://blog.youkuaiyun.com/PYX2333/article/details/147435074</guid><author>PYX2333</author><pubDate>Wed, 23 Apr 2025 02:54:09 +0800</pubDate><description><![CDATA[高斯滤波使用权重平均，中心像素的权重最大，远离的像素权重较小，效果更加光滑，适合处理高斯噪声，高斯滤波使用二维高斯函数对图像进行加权平均，更关注中心像素，减少边缘模糊，其核心公式离散化后成为高斯核，如下所示↓。通过本次实验，我们能够掌握三种常见的平滑滤波器以及三种常用的锐化算子，本次实验新鲜的理论知识较多，代码量偏大，希望经过本次学习，能够使大家对部分滤波内容有进一步的了解。)函数能够很好地完成这个任务，他一共有两个参数：src：输入图像，ksize：滤波核大小，如 (3, 3)其完整代码如下所示↓。]]></description><category></category></item><item><title><![CDATA[DIP02：图像频域变换]]></title><link>https://blog.youkuaiyun.com/PYX2333/article/details/147427318</link><guid>https://blog.youkuaiyun.com/PYX2333/article/details/147427318</guid><author>PYX2333</author><pubDate>Wed, 23 Apr 2025 00:36:29 +0800</pubDate><description><![CDATA[傅里叶变换是一种常见的图像变换，是信号以离散形式从空间域变换到频域,一维离散傅里叶变换的公式为：其中,N 表示离散序列的长度,u=0,1,2,…,N-1,表示傅里叶变换的频谱。其逆变换为由于图像是二维数据,因此涉及的都是二维离散傅里叶变换,其公式为其中,N 表示离散序列的长度,u=0,1,2,…,N-1,v=0,1,2,…,N-1。对应的逆变换公式为离散余弦变换是一种特殊的离散傅里叶变换，也是一种常见的图像变换，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。]]></description><category></category></item><item><title><![CDATA[DIP02：图像直方图的显示与均衡化]]></title><link>https://blog.youkuaiyun.com/PYX2333/article/details/147189799</link><guid>https://blog.youkuaiyun.com/PYX2333/article/details/147189799</guid><author>PYX2333</author><pubDate>Sun, 13 Apr 2025 19:05:59 +0800</pubDate><description><![CDATA[一幅图像像素点的灰度值常常有多种取值，常见的取值范围为[0, 255]。那么，在某幅图像中，大部分的像素点都在哪个灰度区间内呢？用灰度直方图即可看到：2.3 灰度直方图的显示2.3.1 灰度直方图的概念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。]]></description><category></category></item><item><title><![CDATA[DIP02：图像的点运算及代数运算]]></title><link>https://blog.youkuaiyun.com/PYX2333/article/details/147001205</link><guid>https://blog.youkuaiyun.com/PYX2333/article/details/147001205</guid><author>PYX2333</author><pubDate>Fri, 04 Apr 2025 23:30:46 +0800</pubDate><description><![CDATA[在上一篇实验中，我们已经学会了简单的图像读取。那么，怎么提高/降低图片的亮度呢？像这样↓。]]></description><category></category></item><item><title><![CDATA[DIP01：简单的图像读取与颜色空间转换]]></title><link>https://blog.youkuaiyun.com/PYX2333/article/details/146208823</link><guid>https://blog.youkuaiyun.com/PYX2333/article/details/146208823</guid><author>PYX2333</author><pubDate>Wed, 12 Mar 2025 17:39:49 +0800</pubDate><description><![CDATA[怎么用pycharm简单地打开一张图片？这样打开就好了]]></description><category></category></item></channel></rss>