采用 AvalonDock 实现灵活的界面布局，支持面板拖拽、停靠和隐藏，自定义工作区，提高工作效率。
无缝切换摄像头、视频文件和图像文件输入，满足不同场景的需求，提供全方位的视觉处理能力。
深度整合 OpenCV 功能，提供丰富的图像处理和计算机视觉算法，包括预处理、边缘检测和轮廓分析。
集成最新的 YOLOv8 目标检测算法，支持 ONNX 模型，实现高精度、实时的目标检测，平均检测耗时小于 500ms。
通过可视化界面调整各种图像处理参数，实时预览效果，降低使用门槛，无需编写代码。
内置颜色追踪和人脸匿名等常用场景，开箱即用，针对实际应用需求优化。
轻松连接摄像头设备，实时预览视频流，为后续处理做准备。
基于 HSV 颜色空间的目标追踪，支持多种颜色同时追踪，适用于各种场景。
实时人脸检测和打码处理，保护隐私，适用于安全监控场景。
基于 SIFT、ORB 算法的特征提取和匹配，实现精准的物体追踪。
允许用户创建、保存和管理自定义的图像处理流程，将多个图像处理步骤组合成一个可重复执行的工作流。
直观调整图像处理参数，实时预览效果。
预处理步骤：灰度化 → 高斯模糊（5x5核）→ 自适应阈值（blockSize=11, C=2）
参数配置：高斯模糊核大小为5，自适应阈值块大小为11，常数C为2
效果对比：预处理后图像噪声明显减少，边缘更加清晰，为后续轮廓检测提供更好的输入质量。
算法原理：使用 OpenCV 的 FindContours 函数，采用 RETR_EXTERNAL 检索模式和 CHAIN_APPROX_SIMPLE 逼近方法。
精度指标：支持面积、周长、宽高比、圆形度、矩形度、坚实度等多种形状特征计算。
应用场景：工业检测中的零件识别、缺陷检测、尺寸测量等。
模型版本：YOLOv8n (nano) 轻量化版本，ONNX 格式部署
检测精度：在自定义数据集上达到 95%+ mAP@0.5
检测速度：平均检测耗时 < 500ms，支持实时视频流处理
适用场景：工业质检、安全监控、物体计数等
直观的图形界面，降低计算机视觉技术的使用门槛。
涵盖从基础图像处理到高级物体追踪和目标检测的完整功能。
模块化设计，易于添加新的算法和功能。
针对实时处理进行了性能调优，YOLOv8 检测平均耗时 < 500ms。
计算机视觉课程的实验平台，帮助学生理解图像处理和物体追踪原理，直观展示算法效果。
快速原型化和测试计算机视觉算法，数据集标注和预处理工具，算法性能评估和比较。
物体识别、缺陷检测的初步分析工具，生产线上的质量控制辅助，包装和标签检测。
人脸匿名处理，保护隐私，特定目标追踪，异常行为检测。
