# 图像基础处理

**Repository Path**: ipa-project01-palette/image-basic-processing

## Basic Information

- **Project Name**: 图像基础处理
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-03-16
- **Last Updated**: 2025-03-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

姓名：马闯
学号：202352320205
专业：智能科学与技术
班级：2班
# 数字图像处理实验一：图像基础操作

## 环境要求
- Python 3.12.7
- 安装以下Python库：
  - numpy
  - scikit-image
  - matplotlib

## 文件说明
- Untitled-1.ipynb：包含所有图像处理的代码示例。

## 代码示例说明

### 1. 图像上半部分处理
读取图像并将上半部分的非白色区域设为红色。

```python
import numpy as np
from skimage import io
import matplotlib.pyplot as plt

# 读取原始图像
img = io.imread('x.jpg')  # 注意反斜杠转义
img1 = img.copy()
height, width = img1.shape[:2]
white_threshold = 200

# 图1：图像上半部分处理（示例设为红色），不遮挡白色区域
for i in range(height // 2):
    for j in range(width):
        if np.all(img1[i, j] < white_threshold):
            img1[i, j] = [255, 0, 0]

plt.imshow(img1)
plt.title('图1 图像上半部分处理')
plt.axis('off')
plt.show()
```

### 2. 图像左半部分处理
读取图像并将左半部分的非白色区域设为红色。

```python
import numpy as np
from skimage import io
import matplotlib.pyplot as plt

# 读取原始图像
img = io.imread('x.jpg')
img2 = img.copy()
height, width = img2.shape[:2]
white_threshold = 200

# 图2：图像左半部分处理（示例设为红色），不遮挡白色区域
for i in range(height):
    for j in range(width // 2):
        if np.all(img2[i, j] < white_threshold):
            img2[i, j] = [255, 0, 0]

plt.imshow(img2)
plt.title('图2 图像左半部分处理')
plt.axis('off')
plt.show()
```

### 3. 图像左上四分之一处理
读取图像并将左上四分之一的非白色区域设为红色。

```python
import numpy as np
from skimage import io
import matplotlib.pyplot as plt

# 读取原始图像
img = io.imread('x.jpg')
img3 = img.copy()
height, width = img3.shape[:2]
white_threshold = 200

# 图3：图像左上四分之一处理（示例设为红色），不遮挡白色区域
for i in range(height // 2):
    for j in range(width // 2):
        if np.all(img3[i, j] < white_threshold):
            img3[i, j] = [255, 0, 0]

plt.imshow(img3)
plt.title('图3 图像左上四分之一处理')
plt.axis('off')
plt.show()
```

### 4. 小区域像素处理
读取图像并将中心小区域的非白色像素设为红色。

```python
import numpy as np
from skimage import io
import matplotlib.pyplot as plt

# 读取原始图像
img = io.imread('x.jpg')
img4 = img.copy()
height, width = img4.shape[:2]
white_threshold = 200
center_y, center_x = height // 2, width // 2

# 图4：小区域像素处理（示例中心区域设为红色），不遮挡白色区域
for i in range(center_y - 2, center_y + 2):
    for j in range(center_x - 2, center_x + 2):
        if np.all(img4[i, j] < white_threshold):
            img4[i, j] = [255, 0, 0]

plt.imshow(img4)
plt.title('图4 小区域像素处理')
plt.axis('off')
plt.show()
```

### 5. 指定区域颜色处理
读取图像并将中间区域的非白色像素设为绿色，白色部分变为黄色。

```python
import numpy as np
from skimage import io
import matplotlib.pyplot as plt

# 读取原始图像
img = io.imread('x.jpg')
img5 = img.copy()
height, width = img5.shape[:2]
white_threshold = 200

# 图5：指定区域颜色处理（示例中间区域设为绿色），白色部分变为黄色
for i in range(height // 2 - 4, height // 2 + 4):
    for j in range(width // 2 - 4, width // 2 + 4):
        if np.all(img5[i, j] < white_threshold):
            img5[i, j] = [0, 255, 0]
        else:
            img5[i, j] = [255, 255, 0]

plt.imshow(img5)
plt.title('图5 指定区域颜色处理')
plt.axis('off')
plt.show()
```

### 6-8. 星系图像颜色通道处理
读取图像并分别保留红色、绿色和蓝色通道。

```python
from skimage import io
import matplotlib.pyplot as plt

# 读取图像（指定绝对路径）
img = io.imread('galaxy-full.jpg')

# 保留红色通道，绿蓝通道设为0
red_channel = img.copy()
red_channel[:, :, 1] = 0  # 绿色通道置0
red_channel[:, :, 2] = 0  # 蓝色通道置0

# 显示图像
plt.imshow(red_channel)
plt.title('红色通道图')
plt.show()

# 保留绿色通道，红蓝通道设为0
green_channel = img.copy()
green_channel[:, :, 0] = 0  # 红色通道置0
green_channel[:, :, 2] = 0  # 蓝色通道置0

# 显示图像
plt.imshow(green_channel)
plt.title('绿色通道图')
plt.show()

# 保留蓝色通道，红绿通道设为0
blue_channel = img.copy()
blue_channel[:, :, 0] = 0  # 红色通道置0
blue_channel[:, :, 1] = 0  # 绿色通道置0

# 显示图像
plt.imshow(blue_channel)
plt.title('蓝色通道图')
plt.show()
```

### 9. 条纹效果处理
读取图像并对图像进行条纹效果处理。

```python
from skimage import io
import matplotlib.pyplot as plt
import numpy as np

# 读取指定路径的图像
img = io.imread('earth.jpg')
img_processed = img.copy().astype(np.float32)  # 转换为浮点类型方便计算

stripes_interval = 1  # 条纹间隔设为1，让条纹更密集
brightness_increase = 250  # 大幅增加亮度值

for col in range(img_processed.shape[1]):
    # 根据列索引对3取余，分配红、绿、蓝通道处理
    if col % 3 == 0:  
        img_processed[:, col, 0] = np.clip(img_processed[:, col, 0] + brightness_increase, 0, 255)
    elif col % 3 == 1:  
        img_processed[:, col, 1] = np.clip(img_processed[:, col, 1] + brightness_increase, 0, 255)
    else:  
        img_processed[:, col, 2] = np.clip(img_processed[:, col, 2] + brightness_increase, 0, 255)

# 放大显示图像
plt.figure(figsize=(15, 15))
plt.imshow(img_processed.astype(np.uint8))
plt.title('图9 条纹效果处理')
plt.show()
```

## 使用方法
1. 确保已安装所需的Python库。
2. 下载并打开`Untitled-1.ipynb`文件。
3. 逐个运行代码单元，观察每个图像处理的效果。

## 学习要点
- 学习如何使用`numpy`和`scikit-image`库进行图像处理。
- 掌握基本的图像操作，如读取、复制、修改像素值等。
- 了解如何使用`matplotlib`库显示图像处理结果。