# vision-tools

**Repository Path**: Mather/vision-tools

## Basic Information

- **Project Name**: vision-tools
- **Description**: 一个基于 OpenCV 的图像处理和对比工具的演示项目
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-22
- **Last Updated**: 2026-03-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## Vision Tools

图像二值化算法对比工具 (Vision Tools)
这是一个基于 Python 和 OpenCV 开发的轻量级图像处理工具，旨在对比三种主流的图像二值化算法：固定阈值法、自适应阈值法以及大津法 (Otsu's Method)。

项目采用了现代化的 uv 进行依赖管理，并建议使用 Conda 作为底层环境以获得最佳的二进制库兼容性。

## 🛠️ 环境要求
- 操作系统: Windows (推荐), macOS 或 Linux
- Python 版本: 3.8+
- 环境管理器: Miniconda (推荐) 或 Anaconda
- 项目管理器: uv

##  🚀 快速搭建步骤
1. 克隆与进入项目
将项目文件夹下载到本地并进入根目录：

```
git clone https://gitee.com/Mather/vision-tools.git
cd vision-tools
```

3. 使用 uv 快速同步环境

```
uv sync
```

## 🎮 如何运行
本项目已配置 project.scripts 入口点。你可以直接通过以下命令启动：
```
uv run threshold_comparison
```

## 📂 项目结构

```
Plaintext
├── pyproject.toml         # 项目元数据与依赖定义
├── uv.lock                # 锁定的精确依赖版本
├── .python-version        # Python 版本声明
├── src/
│   └── vision_tools/       # 源代码包
│       ├── __init__.py
│       └── threshold_comparison.py   # 核心算法与入口函数
└── data/
    └── penguin.png        # 测试输入图片
```

## 📝 算法说明
运行后程序会弹出对比窗口，展示以下四张图：

- 原图: 原始灰度图像。
- 固定阈值 (Global): 采用预设硬阈值（默认 120）进行分割。
- 自适应阈值 (Adaptive): 根据局部区域亮度自动调整，适合光照不均的场景。
- 大津法 (Otsu): 自动计算最佳全局阈值，实现背景与前景的最优分离。

## 💡 开发建议
如果需要添加新的依赖库（如 tqdm），请运行 `uv add tqdm`。
如果修改了 `threshold_comparison.py` 中的 main 函数名，请同步更新 `pyproject.toml` 中的 `[project.scripts]` 配置。