<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chen_jixi的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/chen_jixi</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; chen_jixi]]></copyright><item><title><![CDATA[图片纹理朝哪个方向最明显？用华为云码道开发 OpenCV Gabor 滤波纹理分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168345575</link><guid>https://blog.csdn.net/chen_jixi/article/details/168345575</guid><author>chen_jixi</author><pubDate>Sun, 18 Oct 2026 21:54:10 +0800</pubDate><description><![CDATA[方向选择性 + 频率选择性的滤波器。可以简单理解成：拿不同方向的条纹模板去扫描图片。如果图片中的纹理和某个滤波器方向比较匹配，这个方向就会产生更强的响应。所以它经常用于：纹理分析、特征提取、方向结构分析等任务。OpenCV Gabor 滤波纹理分析工具。核心流程：Grayscale285.24231.86189.81223.480°方向和空间频率选择性。某一种尺度、某一个方向上的纹理结构到底明显不明显。]]></description><category></category></item><item><title><![CDATA[图片里的高频和低频是什么？用华为云码道开发 OpenCV 傅里叶频谱分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168345526</link><guid>https://blog.csdn.net/chen_jixi/article/details/168345526</guid><author>chen_jixi</author><pubDate>Sun, 18 Oct 2026 21:48:48 +0800</pubDate><description><![CDATA[图像亮度在空间中变化的快慢。例如：天空湖面大面积平滑区域Low Frequency，低频。而：狗狗毛发草地树叶建筑边缘High Frequency，高频。低频描述整体结构，高频描述细节和边缘。OpenCV 傅里叶频谱分析工具。核心流程：Grayscale→ DFT→ Energy0.1599.68%0.32%低频集中在中心，高频分布在外围。平滑是在减少高频，锐化是在增强高频，而傅里叶变换则让这些频率成分真正变得可见。]]></description><category></category></item><item><title><![CDATA[图片里的阴影能不能减弱？用华为云码道开发 OpenCV 光照校正工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168345449</link><guid>https://blog.csdn.net/chen_jixi/article/details/168345449</guid><author>chen_jixi</author><pubDate>Sun, 18 Oct 2026 21:42:20 +0800</pubDate><description><![CDATA[场景本身的细节 + 缓慢变化的光照。比如阴影、太阳照射、渐变亮度通常属于比较低频的变化。把毛发、草地这些细节模糊掉，只保留整体亮暗趋势。OpenCV 光照不均校正工具。核心流程：LAB51 × 511.0047.8224.1149.6%163.38161.30结果说明，在平均亮度基本保持稳定的情况下，图片中的低频亮度差异被明显压缩，整体光照分布更加均匀。Gamma：调整整体亮度曲线CLAHE：增强局部对比度Illumination Correction：减弱低频光照不均。]]></description><category></category></item><item><title><![CDATA[图片偏色怎么自动校正？用华为云码道开发 OpenCV Gray World 白平衡工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168345178</link><guid>https://blog.csdn.net/chen_jixi/article/details/168345178</guid><author>chen_jixi</author><pubDate>Sun, 18 Oct 2026 21:36:50 +0800</pubDate><description><![CDATA[一张自然图片中，如果颜色足够丰富，那么整张图的平均颜色应该接近中性灰。也就是说：R、G、B 三个通道的平均值应该比较接近。如果某个通道明显偏高或偏低，就可以通过缩放进行补偿。153.87157.67127.11B 通道偏低。OpenCV Gray World 自动白平衡工具。核心流程：→ Clip30.566.5378.6%最终可以看到，原图中偏低的蓝色通道被明显补偿，三个 RGB 平均值变得更加接近。图片偏什么颜色？检测到偏色以后，能不能自动把它校正回来？]]></description><category></category></item><item><title><![CDATA[图片细节不够锐怎么办？用华为云码道开发 OpenCV Unsharp Mask 锐化工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168345020</link><guid>https://blog.csdn.net/chen_jixi/article/details/168345020</guid><author>chen_jixi</author><pubDate>Sun, 18 Oct 2026 21:30:25 +0800</pubDate><description><![CDATA[名字里虽然有Unsharp锐化方法。高频细节 = 原图 - 模糊图锐化图 = 原图 + Amount × 高频细节边缘、毛发、草地等细节通常都属于高频信息，所以会被进一步强化。OpenCV Unsharp Mask 图像锐化工具。核心流程：→ Amplify316.811639.53+1322.72417.5%Bilateral Filter：减少高频细节，让图片更平滑。Unsharp Mask：增强高频细节，让图片更锐。平滑、噪声、细节和锐度之间做取舍。]]></description><category></category></item><item><title><![CDATA[图片里的关键点怎么找？用华为云码道开发 OpenCV FAST 特征点检测工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168243788</link><guid>https://blog.csdn.net/chen_jixi/article/details/168243788</guid><author>chen_jixi</author><pubDate>Sat, 17 Oct 2026 14:50:53 +0800</pubDate><description><![CDATA[OpenCV FAST 特征点检测工具。核心流程：Grayscale20Enabled8,506FAST 9-16从结果图可以看到，关键点主要集中在狗狗毛发、草地、树叶和建筑等高纹理区域，而平滑的天空和湖面响应较少。Harris 更关注角点，FAST 更关注快速寻找大量可用关键点。]]></description><category></category></item><item><title><![CDATA[图片里的角点在哪里？用华为云码道开发 OpenCV Harris 角点检测工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168243582</link><guid>https://blog.csdn.net/chen_jixi/article/details/168243582</guid><author>chen_jixi</author><pubDate>Sat, 17 Oct 2026 14:44:20 +0800</pubDate><description><![CDATA[Harris Corner Detection 是一个经典角点检测算法。无论向哪个方向移动，局部灰度都会发生明显变化。比如：直线内部通常只在一个方向变化明显。平坦区域基本没有变化。而真正的角点，在多个方向上都会出现明显变化。所以像：建筑拐角眼睛边缘鼻子轮廓纹理交叉位置都比较容易产生较强 Harris Response。OpenCV Harris 角点检测工具。核心流程：Grayscale605230.040.010。]]></description><category></category></item><item><title><![CDATA[图片边缘到底有多强？用华为云码道开发 OpenCV Sobel 梯度可视化工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168243297</link><guid>https://blog.csdn.net/chen_jixi/article/details/168243297</guid><author>chen_jixi</author><pubDate>Sat, 17 Oct 2026 14:35:07 +0800</pubDate><description><![CDATA[可以看到 X 方向响应明显更强。X Dominant这说明在当前测试图中，沿 X 方向的灰度变化整体更明显。换句话说，画面中对 Sobel X 响应较强的结构更多。OpenCV Sobel 梯度可视化工具。核心流程：Grayscale→ Sobel X→ Sobel Y30.4924.2143.29X Dominant哪里有边缘边缘在不同方向上的响应到底有多强。]]></description><category></category></item><item><title><![CDATA[图片里的细小噪点怎么平滑？用华为云码道开发 OpenCV 图像滤波对比工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168242819</link><guid>https://blog.csdn.net/chen_jixi/article/details/168242819</guid><author>chen_jixi</author><pubDate>Sat, 17 Oct 2026 14:20:32 +0800</pubDate><description><![CDATA[OpenCV 图像滤波对比工具。13316.81161.9248.9%可以明显看到，双边滤波减少了毛发、草地和树叶中的细碎纹理，同时仍然保留了一定的主体边缘。减少噪声和细小纹理，同时尽量保留真正重要的结构。]]></description><category></category></item><item><title><![CDATA[二值图里的噪点怎么去掉？用华为云码道开发 OpenCV 形态学操作工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168241982</link><guid>https://blog.csdn.net/chen_jixi/article/details/168241982</guid><author>chen_jixi</author><pubDate>Sat, 17 Oct 2026 13:59:13 +0800</pubDate><description><![CDATA[二值图中的形状结构。它不会像 Gamma 那样调整亮度，也不会像 CLAHE 那样增强对比度。让白色区域变大、变小、去噪或者连接。OpenCV 形态学操作工具。支持：ErosionDilationOpeningClosingOpening3 × 31142.0039.21%60.79%相比原始 Otsu 结果，白色区域减少了1.34 个百分点，说明 Opening 对部分细小白色噪点进行了清理。二值化负责把图片变成黑白，形态学负责把黑白结构整理得更干净。]]></description><category></category></item><item><title><![CDATA[图片是什么色调？用华为云码道开发 OpenCV HSV 色调分布分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168133796</link><guid>https://blog.csdn.net/chen_jixi/article/details/168133796</guid><author>chen_jixi</author><pubDate>Fri, 16 Oct 2026 14:07:46 +0800</pubDate><description><![CDATA[OpenCV HSV 色调分布分析工具。核心流程：BGR→ HSV→ Ratio1,426,5041.32%51.44%19.35%1.35%26.40%0.13%Yellow从 Hue Map 也可以直观看到，狗狗和部分草地区域贡献了大量黄色，而天空和湖面则贡献了比较明显的蓝色。一张图片到底主要由哪些色调组成？]]></description><category></category></item><item><title><![CDATA[图片边缘主要朝哪里？用华为云码道开发 OpenCV 梯度方向分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168132433</link><guid>https://blog.csdn.net/chen_jixi/article/details/168132433</guid><author>chen_jixi</author><pubDate>Fri, 16 Oct 2026 13:46:21 +0800</pubDate><description><![CDATA[OpenCV 梯度方向分析工具。核心算法：Sobel XSobel Yatan2()35.49%17.81%46.70%426,507Diagonal通过 Direction Map 也能看到，狗狗毛发、草地、树叶等区域包含大量复杂方向结构，因此最终斜向梯度占比最高。图片中的强梯度主要分布在哪些方向？]]></description><category></category></item><item><title><![CDATA[图片细节丰富不丰富？用华为云码道开发 OpenCV 纹理复杂度分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168131679</link><guid>https://blog.csdn.net/chen_jixi/article/details/168131679</guid><author>chen_jixi</author><pubDate>Fri, 16 Oct 2026 13:17:12 +0800</pubDate><description><![CDATA[图片中的局部变化有多丰富。例如：狗狗毛发草地树叶建筑轮廓这些区域存在大量细小结构，所以梯度通常比较明显。而天空、湖面这种平滑区域，像素变化比较小，梯度自然也会更低。OpenCV 图片纹理复杂度分析工具。核心流程：上传图片→ 灰度化1650 × 95343.2943.2927.12%从 Gradient Map 也能看到，狗狗毛发、草地、树叶等纹理丰富区域明显更亮，而天空和湖面更加平滑。图片里的结构和细节到底丰富不丰富？]]></description><category></category></item><item><title><![CDATA[图片动态范围大不大？用华为云码道开发 OpenCV 动态范围分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168130588</link><guid>https://blog.csdn.net/chen_jixi/article/details/168130588</guid><author>chen_jixi</author><pubDate>Fri, 16 Oct 2026 13:04:28 +0800</pubDate><description><![CDATA[OpenCV 图片动态范围分析工具。核心流程：上传图片↓转换灰度图↓计算 P1↓计算 P99↓↓判断 Dynamic Range Level↓直方图标记 P1 / P99这次真实测试结果：32.00231.00199.00相比直接使用：Min = 0Max = 255采用 P1 / P99 可以减少极端像素的干扰，更稳定地观察图片中主要像素真正覆盖的亮度跨度。图片的暗部、中间调和亮部分别占多少？图片真正有效的明暗跨度到底有多大？]]></description><category></category></item><item><title><![CDATA[图片是不是太暗了？用华为云码道开发 OpenCV 欠曝区域检测工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168030148</link><guid>https://blog.csdn.net/chen_jixi/article/details/168030148</guid><author>chen_jixi</author><pubDate>Fri, 16 Oct 2026 12:40:35 +0800</pubDate><description><![CDATA[OpenCV 图片欠曝区域检测工具。核心流程：上传图片↓转换灰度图↓检测 Gray ≤ 20↓统计 Underexposed Pixel Count↓计算 Underexposed Ratio↓判断 Exposure Level↓蓝色遮罩显示暗部区域真实测试结果：208,0560.51%Normal从结果图中也可以看到，极暗区域主要集中在狗狗鼻子、眼睛、嘴部以及部分阴影位置，没有出现大面积黑色区域。图片有没有明显过曝？图片有没有明显欠曝？]]></description><category></category></item><item><title><![CDATA[图片是不是过曝了？用华为云码道开发 OpenCV 过曝区域检测工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168030000</link><guid>https://blog.csdn.net/chen_jixi/article/details/168030000</guid><author>chen_jixi</author><pubDate>Thu, 15 Oct 2026 21:12:57 +0800</pubDate><description><![CDATA[OpenCV 图片过曝区域检测工具。核心流程：上传图片↓转换灰度图↓检测 Gray ≥ 245↓统计 Overexposed Pixel Count↓计算 Overexposed Ratio↓判断 Exposure Level↓红色遮罩标记高亮区域这次真实测试结果：1650 × 9532458890.06%Normal最终结果说明，这张图片虽然存在少量接近纯白的区域，但面积非常小，没有达到明显过曝的程度。前面几篇分别回答了：图片有多亮？]]></description><category></category></item><item><title><![CDATA[图片到底偏什么颜色？用华为云码道开发 OpenCV 色彩偏移分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168026697</link><guid>https://blog.csdn.net/chen_jixi/article/details/168026697</guid><author>chen_jixi</author><pubDate>Thu, 15 Oct 2026 17:13:31 +0800</pubDate><description><![CDATA[一张正常的彩色图片通常由：R：RedG：GreenB：Blue三个颜色通道组成。不同区域的 RGB 数值不同，最终组合出整张彩色图片。如果整张图片中的某一个颜色通道整体明显偏高，就可能让画面呈现出某种颜色倾向。例如：R 明显更高→ 画面可能偏红G 明显更高→ 画面可能偏绿B 明显更高→ 画面可能偏蓝直接统计整张图片三个通道的平均值。先计算另外两个通道：140.49然后：两者相差：17.18当前设置的色偏阈值是：15由于：17.18 > 15。]]></description><category></category></item><item><title><![CDATA[图片对比度够不够？用华为云码道开发 OpenCV 对比度分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168026322</link><guid>https://blog.csdn.net/chen_jixi/article/details/168026322</guid><author>chen_jixi</author><pubDate>Thu, 15 Oct 2026 16:58:12 +0800</pubDate><description><![CDATA[OpenCV 图片对比度分析工具。核心流程：上传图片↓转换灰度图↓计算 Average Brightness↓计算灰度标准差↓得到 Contrast Score↓判断 Contrast Level↓显示 Histogram真实测试结果：48.84这也说明：图片整体亮度和图片对比度，并不是同一个概念。这张图片有多亮？这张图片的亮暗差异到底大不大？]]></description><category></category></item><item><title><![CDATA[图片到底有多亮？用华为云码道开发 OpenCV 亮度分析工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/168021743</link><guid>https://blog.csdn.net/chen_jixi/article/details/168021743</guid><author>chen_jixi</author><pubDate>Thu, 15 Oct 2026 14:46:23 +0800</pubDate><description><![CDATA[OpenCV 图片亮度分析工具。核心流程：上传图片↓转换灰度图↓计算 Average Brightness↓统计 Min / Max↓判断 Bright / Normal / Dark↓生成灰度直方图这次真实测试结果：0255Normal同时生成的灰度直方图也能看到，图片像素主要分布在中高亮度区域，与最终结果基本一致。前面几篇分别解决了：图片糊不糊？图片哪里不一样？图片主要是什么颜色？图片歪了怎么办？图片哪里有边缘？图片有几个轮廓？]]></description><category></category></item><item><title><![CDATA[图片边缘到底怎么提取？用华为云码道开发 OpenCV Canny 参数可视化工具]]></title><link>https://blog.csdn.net/chen_jixi/article/details/167917583</link><guid>https://blog.csdn.net/chen_jixi/article/details/167917583</guid><author>chen_jixi</author><pubDate>Thu, 15 Oct 2026 13:37:47 +0800</pubDate><description><![CDATA[OpenCV Canny 参数可视化工具。核心流程：上传图片↓灰度化↓设置 Low Threshold↓设置 High Threshold↓↓统计 Edge Pixel Count↓显示边缘图真实测试参数：50150从结果中可以看到，狗狗、草地、树木和建筑等区域的轮廓都被成功提取出来。前面几篇分别回答了：图片糊不糊？两张图片哪里不一样？图片主要是什么颜色？图片歪了怎么办？图片里的边缘到底怎么提取？]]></description><category></category></item></channel></rss>