图像预处理：将图像转换为灰度图像，并可能应用滤波器来平滑图像，以便更好地处理。边缘检测：使用例如 Canny 边缘检测器来找到硬币的边界。圆形检测：使用霍夫圆变换来识别图像中的圆形（即硬币）。'D:\图像处理\image\硬币.jpg'标注几何中心：用*标注了硬币的几何中心。% 保持当前图像，以便在其上绘制。计数硬币：计算检测到的圆形数量。读取图像：加载想要处理的图像。% 结束在同一图像上的绘制。

一、引言图像点运算也叫灰度变换，是图像处理基础操作。它，运算结果只由该像素原始值决定，与邻域像素无关。运算不会改变图像像素空间位置与几何结构，仅调整灰度分布，常用于亮度调节、对比度增强、灰度校正，分为线性点运算与非线性点运算两类。下面通过一幅灰度图像利用MATLAB进行线性点运算和非线性点运算增强。二、原始图像和程序clear all;close all;imshow(I);I2=1.5*I;%调

Python 与图像处理库的组合使用，让图像分割与计数变得简单高效。本文的核心思路（阈值分割→孔洞填充→连通域计数）不仅适用于硬币，还可迁移到纽扣、零件等规则物体的自动化计数场景，具有一定的实用价值。

在处理高光谱数据时，常常需要面对两个核心问题：一是如何从庞大的三维数据立方体中高效、准确、批量地提取感兴趣区域（ROI）;二是如何对提取出的一维光谱数据进行科学的预处理，以消除噪声和基线漂移。本文将分享两个非常实用的 Python 脚本，分别解决上述两个痛点，涵盖了从交互式图像裁剪到一维光谱数据预处理的完整工作流。

许多 AI 算法（如机器学习中的线性回归、决策树、神经网络）本质上依赖统计方法：通过分析数据的统计规律训练模型，实现智能行为（如预测用户偏好、识别图像）。生物智能是 AI 的灵感来源和模拟对象。而统计智能也可用于解析生物智能的机制（如通过统计模型分析大脑神经信号的规律，揭示记忆形成的原理）。它是生物体为了生存、繁衍和适应复杂多变的环境而发展出来的能力，体现在学习、记忆、推理、解决问题、社交、情感、

一个典型的机器视觉系统就像一双“工业眼睛+大脑+执行装置”，其工作流程是：通过硬件部分“看见”物体，然后通过软件部分“处理和理解”看到的信息，最终做出决策并通过硬件执行决策（如基于机器视觉的水果品质分选机）。机器视觉技术通常是指通过计算机对图像和视频进行自动分析和处理的技术，即通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目

LM、VLM、MLLM、LMM 是多模态 AI 领域的核心概念，因名称相近、功能交叉，极易产生认知混淆。弄清它们的定义、功能差异与内在关联，是理解大模型从文本单一交互到多模态协同的关键。

一、四种常用图像分割阈值法的基本原理。

Python 与图像处理库的组合使用，让图像分割与计数变得简单高效。本文的核心思路（阈值分割→孔洞填充→连通域计数）不仅适用于硬币，还可迁移到纽扣、零件等规则物体的自动化计数场景，具有一定的实用价值。

subplot(3,2,4),imhist(I2),title('imadjust图像增强后的灰度直方图');subplot(3,2,6),imhist(I3),title('histeq图像增强后的灰度直方图');subplot(3,2,2),imhist(I),title('原始图像灰度直方图');subplot(3,2,3),imshow(I2),title('增强图像1');subplot