🔬 OpenCV 经典算法实践
基于 OpenCV 实现的四个经典计算机视觉算法，上传图片即可实时体验处理效果。 后端采用 Python + Flask，算法在云服务器端实时计算。
👤 人脸检测
🌫️ 图像模糊
📐 轮廓检测
✏️ 边缘检测
人脸检测：基于 Haar 级联分类器实现，能够快速检测图片中的人脸区域并用矩形框标注。
可调节缩放比例、最小邻居数和最小检测窗口大小。
点击上传 或拖拽图片到此处
支持 JPG、PNG 格式
📚 算法原理简介
👤 人脸检测（Haar 级联分类器）
基于 Viola-Jones 框架，使用 Haar 特征和级联分类器快速检测人脸。通过积分图加速特征计算， 多级级联筛选候选区域，是经典的实时人脸检测方案。
基于 Viola-Jones 框架，使用 Haar 特征和级联分类器快速检测人脸。通过积分图加速特征计算， 多级级联筛选候选区域，是经典的实时人脸检测方案。
🌫️ 图像模糊
高斯模糊：用高斯核做卷积，对图像进行加权平均，有效去除高斯噪声。
中值模糊：取邻域像素中值，对椒盐噪声有很好的去除效果。
双边滤波：同时考虑空间距离和像素值差异，在去噪的同时保留边缘信息。
高斯模糊：用高斯核做卷积，对图像进行加权平均，有效去除高斯噪声。
中值模糊：取邻域像素中值，对椒盐噪声有很好的去除效果。
双边滤波：同时考虑空间距离和像素值差异，在去噪的同时保留边缘信息。
📐 轮廓检测
先通过 Canny 边缘检测得到二值边缘图，再使用 findContours 提取轮廓， 可用于物体形状分析、目标检测、图像分割等场景。
先通过 Canny 边缘检测得到二值边缘图，再使用 findContours 提取轮廓， 可用于物体形状分析、目标检测、图像分割等场景。
✏️ 边缘检测
Canny：多阶段边缘检测算法，包含高斯平滑、梯度计算、非极大值抑制、双阈值检测，效果最均衡。
Sobel：基于一阶导数的边缘检测算子，分别计算 X 和 Y 方向梯度。
Laplacian：基于二阶导数的边缘检测算子，对灰度突变敏感。
Canny：多阶段边缘检测算法，包含高斯平滑、梯度计算、非极大值抑制、双阈值检测，效果最均衡。
Sobel：基于一阶导数的边缘检测算子，分别计算 X 和 Y 方向梯度。
Laplacian：基于二阶导数的边缘检测算子，对灰度突变敏感。