# photo

**Repository Path**: samni1031/photo

## Basic Information

- **Project Name**: photo
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2022-05-15
- **Last Updated**: 2022-06-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于数字图像处理的抗原结果定位技术

## 项目参与人

李欣林、倪亦澄

## 启动方法

运行main.py即可

## 项目介绍

总体来说，本次项目经过了两次迭代。

### 第一次迭代

第一次迭代中，首先我们完成了基本的数字图像处理操作，其中包括

1. 旋转（Rotate）
2. 水平镜像（horizontal_mirror）
3. 竖直镜像（vertical_mirror）
4. 缩放（resize）
5. 明度变化（lighting）
6. 对比度变化（contrast)
7. 饱和度变化(saturate)
8. 色调变化（hue）
9. 图像模糊（blur）
10. 中值模糊（median_blur）
11. 高斯模糊（gaussian_blur）
12. 灰度值化（to_gray）
13. 图像反转（invert）
14. 自适应二值化（to_binary_adaptive）
15. 大津法二值化（to_binary_ostu）
16. 阈值法二值化（to_binary）
17. 锐化（sharpen）

其次，我们完成了前端的图形化界面。

![](readme_img/bear.png)

并完成了以下功能辅助功能

1. 打开图片（Open Image）
2. 保存图像（Save Image）
3. 将图像还原至打开时的状态（Original Image）

数字图像处理的基本功能以及辅助功能我们都在UI中实现了对应的图形化按钮。

![](readme_img/file.png)

![](readme_img/edit1.png)

下面我们以将bear.jpg这张图片二值化为例，来演示程序的使用方法。

首先，点击File => Open Image, 选择bear.jpg。完成后效果如下图。

![](readme_img/bear.png)

接着，点击Edit => Binary => Binary_adaptive。完成后效果如下图。

![](readme_img/res.png)

### 第二次迭代

第二次迭代在第一迭代实现的图像处理功能的基础上，围绕自动定位抗原结果这个方向，进一步拓展了新的图像处理功能以及最终的抗原定位功能。

1. 开操作（Open）
2. 闭操作（Close)
3. 图像增强（Scale）
4. 直方图均衡化（equalizeHist）
5. 抗原定位（detectAntigen）

抗原定位的详细示意如下图。

![](readme_img/an.png)

关于抗原定位，我们也把这个技术和机器学习结合了起来，以实现抗原结果自动检测的功能。
但是机器学习的内容超出了这个报告的范围，这里就不赘述了。