# 图像基础处理

**Repository Path**: zealous-ox/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**: 2025-03-15
- **Last Updated**: 2025-03-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 数字图像处理实验一：图像基础操作README
## 一、环境要求
本实验代码运行依赖于以下Python库：
- `OpenCV`（`cv2`）：用于图像的读取、处理和颜色空间转换等操作。安装方式：在命令行中执行`pip install opencv-python`。
- `NumPy`（`np`）：提供高效的数值计算功能，在创建掩码、处理图像数据时发挥重要作用。安装方式：`pip install numpy`。
- `Matplotlib`：用于图像的显示。安装方式：`pip install matplotlib`。
- `Pillow`（`PIL`）：提供了丰富的图像操作功能，如打开图像、绘制条纹等。安装方式：`pip install Pillow`。

## 二、文件说明
`app.py`为核心代码文件，实现了多种图像基础处理操作，包括图像特定区域处理、颜色通道分离与显示、添加条纹效果等。实验过程中需准备相应的图像文件，如`x.jpg`、`galaxy-full.jpg`、`earth.jpg`等，这些图像文件应与`app.py`位于同一目录下，否则需修改代码中的文件路径。

## 三、代码示例说明
### 1. 图像上半部分处理
```python
img = cv2.imread('x.jpg')
height, width = img.shape[:2]
upper_half = img[:height//2, :]
black_mask = np.all((upper_half <= [30, 30, 30]), axis=2)
img[:height//2][black_mask] = [0, 0, 255]
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.axis('off')
plt.imshow(img_rgb)
plt.show()
```
- 读取`x.jpg`图像，获取图像的高度和宽度。
- 提取图像的上半部分。
- 创建黑色掩码，通过设定像素值小于等于`[30, 30, 30]`来识别黑色区域。
- 将上半部分中的黑色区域颜色修改为红色`[0, 0, 255]`。
- 将图像从BGR颜色空间转换为RGB颜色空间，以便使用`matplotlib`显示图像。

### 2. 图像左半部分处理
```python
img = cv2.imread('x.jpg')
height, width = img.shape[:2]
left_half = img[:, :width//2]
black_mask = np.all((left_half <= [30, 30, 30]), axis=2)
img[:, :width//2][black_mask] = [0, 0, 255]
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.axis('off')
plt.imshow(img_rgb)
plt.show()
```
- 读取`x.jpg`图像，获取图像尺寸。
- 提取图像的左半部分。
- 创建黑色掩码识别左半部分的黑色区域。
- 将左半部分的黑色区域颜色修改为红色。
- 转换颜色空间并显示图像。

### 3. 图像左上四分之一处理
```python
img = cv2.imread('x.jpg')
height, width = img.shape[:2]
quarter = img[:height//2, :width//2]
black_mask = np.all((quarter <= [30, 30, 30]), axis=2)
img[:height//2, :width//2][black_mask] = [0, 0, 255]
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.axis('off')
plt.imshow(img_rgb)
plt.show()
```
- 读取`x.jpg`图像，获取图像高度和宽度。
- 提取图像的左上四分之一部分。
- 创建黑色掩码识别左上四分之一部分的黑色区域。
- 将该区域的黑色部分颜色修改为红色。
- 转换颜色空间并显示图像。

### 4. 小区域像素处理
```python
img = cv2.imread('x.jpg')
height, width = img.shape[:2]
center_y = height // 2
center_x = width // 2
start_y = center_y - 2
end_y = center_y + 2
start_x = center_x - 2
end_x = center_x + 2
center_region = img[start_y:end_y, start_x:end_x]
black_mask = np.all((center_region <= [30, 30, 30]), axis=2)
img[start_y:end_y, start_x:end_x][black_mask] = [0, 0, 255]
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.axis('off')
plt.imshow(img_rgb)
plt.show()
```
- 读取`x.jpg`图像，获取图像尺寸，计算图像中心点坐标。
- 定义以中心点为中心的4x4区域。
- 创建黑色掩码识别该区域内的黑色像素。
- 将黑色像素颜色修改为红色。
- 转换颜色空间并显示图像。

### 5. 指定区域颜色处理
```python
img = cv2.imread('x.jpg')
height, width = img.shape[:2]
center_y = height // 2
center_x = width // 2
start_y = center_y - 4
end_y = center_y + 4
start_x = center_x - 4
end_x = center_x + 4
center_region = img[start_y:end_y, start_x:end_x]
black_mask = np.all((center_region <= [30, 30, 30]), axis=2)
white_mask = np.all((center_region >= [225, 225, 225]), axis=2)
img[start_y:end_y, start_x:end_x][black_mask] = [0, 255, 0]
img[start_y:end_y, start_x:end_x][white_mask] = [0, 255, 255]
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.axis('off')
plt.imshow(img_rgb)
plt.show()
```
- 读取`x.jpg`图像，获取图像尺寸，确定中心点坐标。
- 定义以中心点为中心的8x8区域。
- 创建黑色掩码和白色掩码，分别识别区域内的黑色和白色像素。
- 将黑色像素颜色修改为绿色`[0, 255, 0]`，白色像素颜色修改为黄色`[0, 255, 255]`。
- 转换颜色空间并显示图像。

### 6 - 8. 星系图像颜色通道处理
```python
image = cv2.imread('galaxy-full.jpg')
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
b_channel, g_channel, r_channel = cv2.split(image_rgb)
red_image = cv2.merge([r_channel, np.zeros_like(g_channel), np.zeros_like(b_channel)])
green_image = cv2.merge([np.zeros_like(r_channel), g_channel, np.zeros_like(b_channel)])
blue_image = cv2.merge([np.zeros_like(r_channel), np.zeros_like(g_channel), b_channel])
plt.figure(figsize=(8, 6))
plt.imshow(red_image)
plt.title('红色通道图')
plt.axis('off')
plt.show()
plt.figure(figsize=(8, 6))
plt.imshow(green_image)
plt.title('绿色通道图')
plt.axis('off')
plt.show()
plt.figure(figsize=(8, 6))
plt.imshow(blue_image)
plt.title('蓝色通道图')
plt.axis('off')
plt.show()
```
- 读取`galaxy-full.jpg`图像，将其从BGR颜色空间转换为RGB颜色空间。
- 分离图像的红色、绿色和蓝色通道。
- 分别创建只包含单一颜色通道的图像。
- 使用`matplotlib`分别显示红色、绿色和蓝色通道图。

### 9. 条纹效果处理
```python
from PIL import Image, ImageDraw
def add_stripes(image_path, stripe_width=2):
    img = Image.open(image_path)
    draw = ImageDraw.Draw(img)
    width, height = img.size
    for x in range(0, width, stripe_width):
        draw.line((x, 0, x, height), fill=(255, 255, 255))
    return img
input_image_path = 'earth.jpg'
try:
    output_image = add_stripes(input_image_path)
    output_image.show()
except FileNotFoundError:
    print(f"未找到 {input_image_path} 文件，请检查文件路径和文件名。")
except Exception as e:
    print(f"发生了未知错误: {e}")
```
- 定义`add_stripes`函数，用于在图像上添加垂直条纹。
- 打开`earth.jpg`图像，获取图像尺寸。
- 使用`ImageDraw`在图像上绘制白色垂直条纹。
- 显示添加条纹后的图像，若文件未找到或发生其他错误，会给出相应提示。

## 四、使用方法
1. 确保已按照“环境要求”部分安装好所需的Python库。
2. 将`app.py`文件与实验所需的图像文件（`x.jpg`、`galaxy-full.jpg`、`earth.jpg`等）放置在同一目录下。
3. 在命令行中进入存放`app.py`的目录，执行`python app.py`命令，即可依次看到各个图像处理操作的结果展示。

## 五、学习要点
1. 掌握使用`OpenCV`读取、处理和显示图像的基本方法，包括颜色空间转换、区域提取等操作。
2. 理解`NumPy`在图像处理中的作用，学会使用`NumPy`创建掩码，对图像像素进行筛选和修改。
3. 熟悉`Matplotlib`库的图像显示功能，以及如何根据需求调整图像显示的样式。
4. 了解`Pillow`库中`Image`和`ImageDraw`模块的使用，掌握在图像上绘制图形（如条纹）的方法。