- 博客(5)
- 收藏
- 关注
RSS订阅原创 数字图像处理实验五
通过比较原始图像和二值化后的图像，可以看到二值化处理后的图像在保持主要特征的同时，简化了图像信息，减少了数据量。通过使用OpenCV和Matplotlib库，理解如何计算图像的灰度直方图，识别直方图中的峰值和谷底，并利用这些信息进行图像的自动二值化处理。通过使用OpenCV库，理解如何计算图像的灰度直方图，识别直方图中的最佳阈值，并利用该阈值对图像进行二值化处理。二值化处理有效地简化了图像信息，减少了数据量，同时保留了图像的主要特征，这对于后续的图像分析和处理（如特征提取、目标识别等）是非常有用的。
2025-06-03 22:03:43
507
原创 图像处理应用程序
在本次实验中，我使用Python的PyQt5库和OpenCV库开发了一个图像处理应用程序。该程序提供了一个用户友好的界面，允许用户加载图像并应用多种处理效果，如灰度化、去噪、锐化、旋转、模糊和二值化。界面设计简洁直观，用户可以通过点击相应的按钮选择处理模式，并在界面上即时查看处理结果。此外，程序还支持将处理后的图像保存到本地。通过这个项目，我不仅加深了对图像处理技术的理解，还提升了使用PyQt5进行GUI编程的能力。这个实验很有趣，学到了图像处理和软件开发项目的一些技术。
2025-05-20 17:31:18
190
原创 图像处理基础：噪声一样滤波器的应用
噪声会影响图像的质量，而滤波器则可以帮助我们改善图像。本文将简要介绍图像噪声的类型以及几种常用的滤波器，并通过一些简单的示例来展示它们的效果。通过这些示例，我们可以看到噪声对图像质量的影响，以及滤波器如何帮助我们改善图像。3. 边缘检测滤波器：如Sobel和Roberts算子，这些滤波器用于检测图像中的边缘，是图像分析中的重要工具。图像噪声是指图像中不期望的随机变化，它可以由多种因素引起，如传感器噪声、传输错误等。1. 高斯噪声：这种噪声在图像中表现为像素值的随机变化，通常模拟自然图像中的随机噪声。
2025-04-23 15:52:26
390
原创 数字图像处理实验
这组照片展示了使用Python进行图像处理的多个实验。主要使用了OpenCV和Matplotlib库，通过调整图像的像素值，进行乘法、除法、加法和幂运算，以及添加高斯噪声等操作，观察图像的变化。实验还包括直方图均衡化处理，以增强图像对比度。每个实验都通过子图展示原始图像和处理后的图像，直观地比较不同操作的效果。这些实验有助于理解图像处理的基本操作和原理，为进一步的图像分析和处理打。遇到一个问题就是代码运行之后显示找不到指定模块，但能运行出来结果。
2025-04-08 20:07:26
179
原创 图像数据基础
在这个示例中，我们首先导入`cv2`模块，并使用`imread`函数读取图像文件。然后，使用`imshow`函数显示图像，并使用`waitKey`函数等待用户按键事件。在这个示例中，我们首先导入`matplotlib.pyplot`模块，并使用`imread`函数读取图像文件。然后，使用`imshow`函数显示图像，并使用`title`函数设置图像标题。最后，调用`show`函数显示图像窗口。接着，我们使用`subplot`函数创建两个子图，分别显示原始图像和处理后的图像。# 显示原始图像和处理后的图像。
2025-03-16 21:46:57
430
空空如也
multisim14.0仿真，基于74LS161设计二十六进制计数器
2024-12-05
TA创建的收藏夹 TA关注的收藏夹
TA关注的人