# dip_2425s1_assignment2_question

**Repository Path**: long-breeze/dip_2425s1_assignment2_question

## Basic Information

- **Project Name**: dip_2425s1_assignment2_question
- **Description**: 这是一个基于 Python 的数字图像处理实验项目，主要实现了多种图像处理效果，包括通道分离、特效处理和图像合成等功能。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 110
- **Created**: 2025-10-12
- **Last Updated**: 2025-10-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

<<<<<<< HEAD
# 📸 数字图像处理实验：图像基础操作与像素处理

## 📋 实验概述

本实验通过 Python 实现了多种图像基础处理技术，主要涉及像素级操作、颜色通道分离与区域处理，涵盖了图像处理的多个基础概念。

## 🛠️ 环境要求

### **编程环境**
- Python 3.7+
- Jupyter Lab / Jupyter Notebook

### **必需库**
```bash
pip install scikit-image matplotlib numpy
```

### **主要依赖库**
- `scikit-image` - 图像读取和处理
- `matplotlib` - 图像显示和可视化
- `numpy` - 数组操作（隐式使用）

## 📁 文件说明

| 文件名称 | 用途描述 |
|----------|----------|
| `Untitled.ipynb` | 主要实验代码文件 |
| `x.jpg` | 基础测试图像（用于实验1-5） |
| `galaxy-full.jpg` | 星系测试图像（用于实验6-8） |
| `earth.jpg` | 地球测试图像（用于实验9） |

## 🔬 代码示例详细说明

### **实验1：图像上半部分红色通道处理**
```python
# 功能：将图像上半部分的所有像素的红色通道值设为255
# 技术点：图像遍历、区域选择、颜色通道操作
for i in range(w):
    for j in range(h // 2):
        img[j, i][0] = 255  # 设置红色通道
```

### **实验2：图像左半部分红色通道处理**
```python
# 功能：将图像左半部分的所有像素的红色通道值设为255
# 技术点：水平方向区域处理
for i in range(w // 2):
    for j in range(h):
        img[j, i][0] = 255
```

### **实验3：图像左上四分之一红色处理**
```python
# 功能：将图像左上四分之一区域的红色通道值设为255
# 技术点：二维区域选择
for i in range(w//2): 
    for j in range(h//2):
        img[j, i][0] = 255
```

### **实验4：小区域像素处理（3×3区域）**
```python
# 功能：处理图像中(3,3)到(6,6)的小区域
# 技术点：精确坐标范围控制
for i in range(3,7):
    for j in range(3,7):  
        img[j, i][0] = 255
```

### **实验5：指定区域颜色变换**
```python
# 功能：将(1,1)到(8,8)区域变为绿色（红色通道0，绿色通道255，蓝色通道0）
# 技术点：多通道同时操作
for i in range(1,9): 
    for j in range(1,9):  
        img[j, i][1] = 255  # 绿色通道最大
        img[j, i][2] = 0    # 蓝色通道为0
```

### **实验6-8：星系图像单通道分离**

#### **实验6：红色通道分离**
```python
# 功能：只保留红色通道，关闭绿色和蓝色通道
img[j, i][1] = 0  # 关闭绿色
img[j, i][2] = 0  # 关闭蓝色
```

#### **实验7：绿色通道分离**
```python
# 功能：只保留绿色通道
img[j, i][0] = 0  # 关闭红色
img[j, i][2] = 0  # 关闭蓝色
```

#### **实验8：蓝色通道分离**
```python
# 功能：只保留蓝色通道
img[j, i][0] = 0  # 关闭红色
img[j, i][1] = 0  # 关闭绿色
```

### **实验9：地球图像条纹效果**
```python
# 功能：创建垂直条纹效果，每3个像素循环红、绿、蓝色
# 技术点：模运算、周期性模式
if i%3==0:
    img[j, i][0] = 255  # 红色条纹
elif i%3==1:
    img[j, i][1] = 255  # 绿色条纹
else:
    img[j, i][2] = 255  # 蓝色条纹
```

## 🚀 使用方法

1. **准备环境**
   ```bash
   pip install scikit-image matplotlib
   ```

2. **运行实验**
   - 打开 Jupyter Lab
   - 运行 `Untitled.ipynb` 文件
   - 按顺序执行每个代码单元格

3. **查看结果**
   - 每个单元格会显示处理后的图像
   - 观察不同处理效果的变化

## 💡 学习要点

### **核心概念**
- **图像表示**：图像作为三维数组（高度×宽度×通道）
- **颜色通道**：RGB色彩模型（红、绿、蓝）
- **像素操作**：直接修改像素值实现各种效果

### **技术技能**
- 图像读取和显示
- 像素级遍历和操作
- 区域选择和掩码操作
- 颜色通道分离与合并
- 图像坐标系统理解

### **编程技巧**
- 嵌套循环处理二维数据
- 条件判断实现复杂模式
- 模块化图像处理流程

## 📊 预期效果

通过本实验，你将能够：
- 理解数字图像的基本结构
- 掌握像素级图像处理技术
- 实现基本的图像变换效果
- 为后续高级图像处理打下基础

---

*本实验适合图像处理初学者，通过实践理解数字图像的基本操作原理。*
=======
# 数字图像处理实验项目

这是一个基于 Python 的数字图像处理实验项目，主要实现了多种图像处理效果，包括通道分离、特效处理和图像合成等功能。

## 功能特性

本项目包含以下主要功能：

1. RGB 通道分离与可视化
   - 对花卉图像进行 RGB 三通道分离
   - 分别展示彩色和灰度模式下的各个通道
   - 直观对比不同通道的图像特征

2. 夕阳暖色特效处理
   - 对图像进行自适应阈值处理
   - 通过调整 RGB 通道值实现暖色调特效
   - 适用于创建夕阳般的温暖氛围

3. 红色通道阈值处理
   - 对交通标志图像进行处理
   - 基于红色通道值进行像素级别的调整
   - 实现红色区域的特殊处理效果

4. 图像合成（蓝屏特效）
   - 使用蓝色通道作为透明通道
   - 实现前景图像与背景图像的无缝合成（即使大小不同）
   - 可用于创建特殊的图像合成效果

## 环境要求

- Python 3.x
- NumPy
- Matplotlib
- scikit-image

## 使用方法

1. 确保已安装所需的 Python 包：
```bash
pip install numpy matplotlib scikit-image
```

2. 准备以下图像文件并放置在项目根目录：
   - flowers.jpg（花卉图像）
   - girl_tree.jpg（人物树木图像）
   - curb.jpg（路缘图像）
   - stop.jpg（停止标志图像）
   - monkey.jpg（猴子图像）
   - moon.jpg（月球图像）
   - SimHei.ttf（中文字体文件）

3. 运行 Jupyter Notebook 文件：
```bash
jupyter notebook dip_pj2_answer.ipynb
```

## 注意事项

1. 运行代码前请确保所有图像文件都在正确的路径下
2. 中文显示需要 SimHei.ttf 字体文件的支持
3. 图像处理的阈值参数可以根据具体需求进行调整
>>>>>>> c28e36b8e865cb52ffe59dd26af8906a82099a61