<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_51133195的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_51133195</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_51133195]]></copyright><item><title><![CDATA[【图像处理】深入浅出图像直方图：从原理到应用（附C++代码）]]></title><link>https://blog.youkuaiyun.com/m0_51133195/article/details/154131444</link><guid>https://blog.youkuaiyun.com/m0_51133195/article/details/154131444</guid><author>m0_51133195</author><pubDate>Thu, 30 Oct 2025 16:53:19 +0800</pubDate><description><![CDATA[想象一下，我们要统计一个班级所有学生的考试成绩。我们可以画一个图表，横轴是分数（0-100分），纵轴是取得该分数的人数。这个图表就清晰地展示了班级的成绩分布：是高分多，还是低分多，还是中间分数比较集中。​​图像直方图​​ 的概念与此完全相同。只不过，它统计的不是分数，而是图像的​​像素灰度值​​。​​横轴​​：代表像素的灰度级别（通常为0~255，0是纯黑，255是纯白）。​​纵轴​​：代表具有该灰度级别的像素的​​个数​​。通过直方图，我们可以一眼看出一幅图像的“性格”：​​暗调图像​。]]></description><category></category></item><item><title><![CDATA[一维测距算法原理及流程（halcon算子分解实现）]]></title><link>https://blog.youkuaiyun.com/m0_51133195/article/details/154125412</link><guid>https://blog.youkuaiyun.com/m0_51133195/article/details/154125412</guid><author>m0_51133195</author><pubDate>Thu, 30 Oct 2025 14:41:46 +0800</pubDate><description><![CDATA[红色曲线为梯度，蓝色为按照公式缩放后的振幅曲线，箭头所指的即为边界备选点，红色为由暗到亮的边界点（'positive'），黑色为由亮到暗的边界点('negative')。点到点的距离，边缘对的距离等沿着一维方向的测量都属于1D测量范畴。经过阈值筛选后，剩余满足阈值条件的即是边界备选点，这些点是矩形2中心轴（轮廓线）上最可能得边界点，但是目前这些点的位置只是像素级别的。如上两图所示，绿色曲线为该位置轮廓线灰度曲线进行了Sigma = 0.5的高斯滤波后的效果，蓝色曲线为高斯滤波后灰度曲线的一阶梯度曲线。]]></description><category></category></item><item><title><![CDATA[图像处理加速利器：查找表（LUT）的原理与应用详解（附C++代码）]]></title><link>https://blog.youkuaiyun.com/m0_51133195/article/details/154124578</link><guid>https://blog.youkuaiyun.com/m0_51133195/article/details/154124578</guid><author>m0_51133195</author><pubDate>Thu, 30 Oct 2025 13:53:17 +0800</pubDate><description><![CDATA[​​查找表（LUT）​​ 的核心思想是 ​​“以空间换时间”​​。它的基本流程如下：​​预计算​​：在程序初始化阶段，预先计算出所有可能的输入值所对应的输出值，并将这些结果存储在一个数组（即“表”）中。​​查找替换计算​​：在实际处理过程中，当需要计算某个输入值x的输出时，我们不再执行复杂的计算，而是直接通过x的值作为索引，去表中查找对应的结果。​​为什么这样能提速？​​对于CPU而言，从内存中读取一个已知地址的数据（查找）通常比执行一个复杂的数学计算（如sinpow等）要快得多。]]></description><category></category></item><item><title><![CDATA[图像180度旋转：一维数组倒序、C++实现]]></title><link>https://blog.youkuaiyun.com/m0_51133195/article/details/153578493</link><guid>https://blog.youkuaiyun.com/m0_51133195/article/details/153578493</guid><author>m0_51133195</author><pubDate>Sun, 19 Oct 2025 18:06:46 +0800</pubDate><description><![CDATA[图像旋转是图像处理中的基本操作，其中180度旋转因其对称性而具有独特的优化空间。本文将深入探讨一种高效的一维数组倒序旋转方法，分析其原理，并提供C++实现示例。]]></description><category></category></item><item><title><![CDATA[Halcon和VisionPro图像类型转换]]></title><link>https://blog.youkuaiyun.com/m0_51133195/article/details/131873175</link><guid>https://blog.youkuaiyun.com/m0_51133195/article/details/131873175</guid><author>m0_51133195</author><pubDate>Sat, 22 Jul 2023 21:56:58 +0800</pubDate><description><![CDATA[HImage和VproImage类型转换，支持RGB彩图和灰度图。]]></description><category></category></item><item><title><![CDATA[Halcon与labview（NiVision库）图像类型转换]]></title><link>https://blog.youkuaiyun.com/m0_51133195/article/details/131873011</link><guid>https://blog.youkuaiyun.com/m0_51133195/article/details/131873011</guid><author>m0_51133195</author><pubDate>Sat, 22 Jul 2023 21:48:11 +0800</pubDate><description><![CDATA[HImage和VisionImage类型转换，支持RGB彩图和灰度图。]]></description><category></category></item><item><title><![CDATA[halcon与opencv图像类型转换]]></title><link>https://blog.youkuaiyun.com/m0_51133195/article/details/131872891</link><guid>https://blog.youkuaiyun.com/m0_51133195/article/details/131872891</guid><author>m0_51133195</author><pubDate>Sat, 22 Jul 2023 21:33:22 +0800</pubDate><description><![CDATA[HImage和Mat类型转换，支持灰度图和RGB彩图。]]></description><category></category></item></channel></rss>