- 博客(7)
- 收藏
- 关注
RSS订阅原创 图像分割的奇妙之旅：区域分裂合并与区域生长算法详解
通过这两种算法，我们见证了计算机如何理解图像的内在结构。区域分裂合并像一位严谨的架构师，而区域生长则像耐心的园丁。在实际应用中，常将它们与其他方法（如边缘检测）结合使用。# 完整代码获取# 访问https://github.com/tangchao37/DIP.git。
2025-06-09 11:28:30
787
原创 当我们在谈论图像分割时，到底在分割什么？
原版工具已具备基础的图像处理功能，但缺乏交互性。：自实现Otsu与OpenCV内置函数结果基本一致，验证了算法正确性。：自适应调整，无需预设阈值，适合光照不均匀的图像。：证件照、扫描文档等背景与前景对比明显的图像。
2025-05-21 20:59:22
496
原创 基于 PyQt5 和 OpenCV 的图像处理工具探索
这段代码实现了一个功能较为全面的图像处理工具。它能够加载本地图片文件，并对图片进行一系列常见的处理操作，如灰度化、去噪、锐化、显示灰度直方图、离散傅里叶变换（DFT）以及离散余弦变换（DCT）。处理后的图像可以清晰地显示在界面上，同时还可以将结果保存到本地，方便我们对不同处理效果进行对比和分析，对于学习图像处理原理以及实践操作都非常有帮助。通过这段代码的学习和实践，我收获颇丰。
2025-05-09 20:50:33
839
原创 基于频域滤波的图像恢复
OpenCV：计算机视觉核心库，提供高效的图像处理函数NumPy：科学计算基础库，处理多维数组的利器Matplotlib：数据可视化工具，支持高质量的图像显示。
2025-04-23 20:00:00
611
原创 关于图像滤波
在探索图像处理中各类滤波代码的征程里，我们领略了均值滤波的简洁高效、高斯滤波的细腻加权、中值滤波的果断去噪，还有空域锐化滤波对图像边缘与细节的精妙雕琢。每一种滤波方法都像是一把独特的钥匙，开启了改善图像质量、挖掘图像信息的大门。希望这篇博客能成为你在图像处理领域前行的得力助手，当你面对不同图像问题时，能依据这些代码思路灵活运用，找到最合适的解决方案。祝愿各位在图像处理的奇妙世界中持续探索，不断创造出更清晰、更具价值的图像成果。无论是投身学术研究，为图像识别、计算机视觉等领域添砖加瓦；
2025-04-10 16:37:01
612
原创 数字图像处理
值得注意的是，这里将图像的像素值进行了归一化处理，通过img = img / 255，把像素值范围从原本的0 - 255映射到了0 - 1区间，这是为后续的非线性变换做准备，因为许多非线性变换函数在归一化的像素值上运算能更好地体现其特性。在第二个子图中，利用cv2.pow函数对图像进行了非线性变换，这里的变换公式为y = x^r（其中x是归一化后的原图像像素值，y是变换后的像素值），变换后的结果存储在temp变量中。在图像处理的广阔领域中，除了常见的线性变换，非线性变换同样占据着举足轻重的地位。
2025-03-28 21:34:12
812
原创 DIP1：图像与视频的简单处理！
通过上述代码，我们清晰看到 OpenCV 在视频与图像基础处理中的强大功能。从简单的视频读取、逐帧展示，到图像色彩空间转换，这些操作是计算机视觉项目的基石。希望大家能以这些代码为起点，深入探索 OpenCV 更多特性，在图像处理与计算机视觉领域创作出更精彩的应用。
2025-03-15 11:59:47
945
1
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