gzhu_cv_experiment/README.md

计算机视觉与模式识别实验

本项目包含广州大学计算机视觉与模式识别课程的三个实验，涵盖了图像处理的基础知识和常用技术，使用python+opencv实现。

实验内容

实验1：图像灰度处理与直方图均衡化

• 图像灰度量化
• 灰度范围调整
• 直方图均衡化
• RGB和HSV色彩空间处理

实验2：形态学图像处理

• 图像膨胀操作
• 图像侵蚀操作
• 图像细化（骨架提取）

实验3：图像噪声处理与滤波

• 椒盐噪声、高斯噪声、指数噪声的添加
• 均值滤波、中值滤波、高斯滤波的实现和比较
• 手动实现中值滤波算法

文件结构

.
├── 1-5.ipynb          # 实验1代码
├── 2-5.ipynb          # 实验2代码
├── 3-3.ipynb          # 实验3代码
├── 2-5-4/             # 实验2测试图像
│   ├── img1.png
│   ├── img2.png
│   ├── img3.png
│   ├── img4.png
│   ├── img5.png
│   └── img6.png
├── circbw.tif         # 测试图像
├── DJI_0049.JPG       # 测试图像
├── Lena.bmp           # 测试图像
├── pout.tif           # 测试图像
├── rice.png           # 测试图像
├── text.png           # 测试图像
└── tire.tif           # 测试图像

运行环境

• Python 3.7+
• 主要依赖库：
  • NumPy
  • Matplotlib
  • OpenCV
  • scikit-image
  • SciPy

使用说明

1. 安装依赖库：

pip install numpy matplotlib opencv-python scikit-image scipy

2. 运行实验代码：

• 使用Jupyter Notebook打开对应的.ipynb文件
• 按顺序执行代码单元格
• 观察图像处理结果和可视化效果

参考

• 实验内容基于广州大学计算机视觉与模式识别课程
• 代码实现参考OpenCV和scikit-image官方文档