- 博客(5)
- 收藏
- 关注
RSS订阅原创 DIP实验5：阈值算法实现与GUI应用
本实验通过实现区域生长算法，探究其在图像分割中的应用，并开发交互式GUI应用，直观展示区域生长过程与结果。区域生长是一种基于种子点的分割方法，适用于目标区域与背景具有明显灰度差异的图像。通过设定种子点和阈值，逐步生长出目标区域。其核心思想是：从种子点开始，将周围与种子点灰度差值在阈值范围内的像素点纳入目标区域，并将其作为新的种子点继续生长，直到没有新的种子点加入。区域生长算法简单直观，适用于目标区域与背景灰度差异明显的图像。：集成区域生长算法，支持种子点选择与阈值调整。：滑动条调节阈值时实时更新分割效果。
2025-06-09 18:31:54
326
原创 DIP实验4：基于 PyQt5+OpenCV 搭建交互式图像处理工具
在本文中，我将使用 PyQt5 和 OpenCV 实现一个简单的图像处理系统。该系统提供了一个用户友好的界面，可以加载、处理和保存图像。我们将实现多种图像处理功能，包括灰度化、去噪、锐化、高斯模糊、旋转、调整亮度/对比度和边缘检测。PyQt5OpenCVNumPy我们将创建一个基于 PyQt5 的程序，用户可以通过图形界面加载图像文件，应用不同的处理效果，并保存处理后的图像。系统的主要功能包括：加载和显示图像将图像转换为灰度应用去噪处理锐化图像应用高斯模糊旋转图像调整图像的亮度和对比度检测图像边缘 功能
2025-05-20 19:46:22
424
原创 DIP实验三
均值滤波：通过计算邻域像素的平均值来平滑图像，去除噪声。代码中展示了如何使用 OpenCV 的cv2.blur()函数实现均值滤波，以及如何自定义均值滤波函数。高斯滤波：使用高斯核对图像进行加权平均，能够在平滑图像的同时较好地保留边缘信息。代码中使用了 OpenCV 的函数。中值滤波：通过计算邻域像素的中值来去除噪声，对椒盐噪声特别有效。代码中展示了如何使用 OpenCV 的函数以及如何自定义中值滤波函数。
2025-04-22 19:38:36
725
原创 DIP实验二
高斯噪声的添加可以模拟真实场景中的噪声影响，而多次平均滤波可以有效平滑噪声，恢复图像的原始信息。通过简单的减法操作，可以从有噪图像中提取噪声。这种方法简单有效，但在实际应用中可能需要更复杂的算法来处理复杂的噪声分布。OpenCV方法：适合处理多通道图像，灵活性高，适合复杂的图像处理任务。Matplotlib方法：适合快速分析单通道图像，简单直观，适合快速实验和可视化。灰度直方图的重要性：灰度直方图是图像处理中的基础工具，能够帮助我们快速了解图像的亮度分布和对比度特性。亮度调整。
2025-04-01 15:45:11
997
原创 图像处理与显示：使用Python和OpenCV
在现代计算机视觉和图像处理领域，Python和OpenCV库是两个非常重要的工具。在这篇文章中，我们将通过几个详细的示例来展示如何使用Python和OpenCV来处理和显示图像。在这个示例中，我们将从一个视频文件中读取帧，并在窗口中显示它们。当按下“Esc”键时，程序将退出。在这个示例中，我们将读取一个图像文件，并在两个子图中显示原始图像和处理后的图像。我们将读取一个图像文件，并使用OpenCV在窗口中显示它。在这个示例中，我们将读取一个图像文件，并在窗口中显示它。
2025-03-14 20:27:23
303
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