图片放大镜效果

<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>图片放大镜效果</title>
    <style>
        body {
            font-family: Arial, sans-serif;
            display: flex;
            flex-direction: column;
            align-items: center;
            padding: 20px;
            background-color: #f5f5f5;
        }
        
        h1 {
            color: #333;
            margin-bottom: 30px;
        }
        
        .magnifier-container {
            position: relative;
            width: 500px;
            height: 350px;
            border: 1px solid #ddd;
            overflow: hidden;
            box-shadow: 0 0 10px rgba(0, 0, 0, 0.1);
        }
        
        .main-image {
            width: 100%;
            height: 100%;
            object-fit: cover;
            cursor: crosshair;
        }
        
        .magnifier {
            position: absolute;
            width: 150px;
            height: 150px;
            border: 3px solid #fff;
            border-radius: 50%;
            background-repeat: no-repeat;
            pointer-events: none;
            box-shadow: 0 0 10px rgba(0, 0, 0, 0.3);
            display: none;
            z-index: 10;
        }
        
        .instructions {
            margin-top: 20px;
            color: #666;
            font-size: 14px;
        }
        
        .link {
            margin-top: 30px;
            color: #0066cc;
            text-decoration: none;
        }
        
        .link:hover {
            text-decoration: underline;
        }
    </style>
</head>
<body>
    <h1>图片放大镜效果演示</h1>
    
    <div class="magnifier-container">
        <img src="https://images.unsplash.com/photo-1506744038136-46273834b3fb" alt="示例图片" class="main-image" id="mainImage">
        <div class="magnifier" id="magnifier"></div>
    </div>
    
    <p class="instructions">将鼠标移动到图片上查看放大效果</p>
    
    
    <script>
        const mainImage = document.getElementById('mainImage');
        const magnifier = document.getElementById('magnifier');
        
        // 设置放大倍数
        const zoomLevel = 2;
        
        mainImage.addEventListener('mousemove', function(e) {
            // 显示放大镜
            magnifier.style.display = 'block';
            
            // 获取鼠标在图片上的位置
            const rect = mainImage.getBoundingClientRect();
            const x = e.clientX - rect.left;
            const y = e.clientY - rect.top;
            
            // 确保放大镜不会超出图片边界
            const magnifierWidth = magnifier.offsetWidth;
            const magnifierHeight = magnifier.offsetHeight;
            
            let posX = x - magnifierWidth / 2;
            let posY = y - magnifierHeight / 2;
            
            // 边界检查
            if (posX < 0) posX = 0;
            if (posY < 0) posY = 0;
            if (posX > rect.width - magnifierWidth) posX = rect.width - magnifierWidth;
            if (posY > rect.height - magnifierHeight) posY = rect.height - magnifierHeight;
            
            // 设置放大镜位置
            magnifier.style.left = posX + 'px';
            magnifier.style.top = posY + 'px';
            
            // 计算放大镜背景位置
            const bgX = -x * zoomLevel + magnifierWidth / 2;
            const bgY = -y * zoomLevel + magnifierHeight / 2;
            
            // 设置放大镜背景
            magnifier.style.backgroundImage = `url('${mainImage.src}')`;
            magnifier.style.backgroundSize = `${rect.width * zoomLevel}px ${rect.height * zoomLevel}px`;
            magnifier.style.backgroundPosition = `${bgX}px ${bgY}px`;
        });
        
        mainImage.addEventListener('mouseleave', function() {
            // 鼠标离开时隐藏放大镜
            magnifier.style.display = 'none';
        });
    </script>
</body>
</html>

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值