利用OpenCV库中的VideoCapture进行摄像头图像采集，通过cvtColor函数将BGR格式的彩色图像转换为灰度图像，并利用imshow函数实时显示图像。本次实验旨在通过Python的OpenCV库实现摄像头实时图像采集，并将采集到的彩色图像转换为灰度图像进行显示，掌握基本的图像采集、存储与显示。后续可以增加个按键后保存当前帧的图像的操作，方便处理与使用图像。还没经过其他的方式进行图片处

利用OpenCV库中的VideoCapture进行摄像头图像采集，通过cvtColor函数将BGR格式的彩色图像转换为灰度图像，并利用imshow函数实时显示图像。本次实验旨在通过Python的OpenCV库实现摄像头实时图像采集，并将采集到的彩色图像转换为灰度图像进行显示，掌握基本的图像采集、存储与显示。后续可以增加个按键后保存当前帧的图像的操作，方便处理与使用图像。还没经过其他的方式进行图片处

本文通过实验探讨了数字图像处理中的灰度变换、直方图均衡化和频域变换技术。实验实现了线性变换、幂次变换、高斯噪声处理等操作，并利用OpenCV库进行编程实现。结果显示，灰度变换能有效调整图像对比度，直方图均衡化使图像细节更清晰，傅里叶变换则能展示图像频率成分分布。实验也发现现有方法存在局限，如简单线性变换对复杂光照效果不佳，频域处理未充分挖掘等。作者建议后续可增加非线性变换、扩展代数运算类型，并尝试

通过结合 cv2 与 PyQt6，实现带界面的面部图像采集与标注功能，包括界面交互、图像实时显示、手动框选人脸区域并保存图像及对应位置信息。

遍历图像中的每个像素点，对每个点周围的一个小邻域内的所有像素值求平均后作为新的像素点，从而达到平滑图像的效果。均值滤波：对椒盐噪声抑制效果有限，3×3核仅能弱化噪声，5×5核会将噪声扩散，导致图像整体模糊。中值滤波：对高斯噪声的处理效果较差，即使使用 5×5核，噪声残留较明显，且易导致图像细节失真。改进：编写噪声生成函数，生成不同强度的高斯噪声和椒盐噪声图像，对比算法在极端条件下的表现。（2）对比

7. 编译命令问题：如果你有多个源文件，确保在编译时包含了所有的源文件。例如，如果你有两个源文件main.c和sum.c，你应该使用如下命令编译：gcc -o outputfile main.c sum.c。如果你正在使用动态链接库（DLL），请确保DLL中的函数导出正确，并且在你的应用程序中正确链接了DLL。后面我又加上了一个return 0其实可以不加或者加上return （一个数），（做作业