# image-processing-lab

**Repository Path**: li-dan-666/image-processing-lab

## Basic Information

- **Project Name**: image-processing-lab
- **Description**: 数字图像处理实验一：图像基础操作
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

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

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

<<<<<<< HEAD
# 数字图像处理实验一：图像基础操作

## 实验概述
本实验完成了图像处理的基础操作，包括区域处理、颜色通道分离、像素级操作和特殊效果处理等。通过实际操作，深入理解数字图像处理的基本原理和方法。

## 环境要求
- Python 3.8+
- Jupyter Lab/Notebook
- 必要的Python库：
  - matplotlib
  - numpy
  - scikit-image
  - Pillow (PIL)

## 文件说明
- `assignment1_answer.ipynb` - 主要的实验代码文件
- `x.jpg` - 基础图像处理测试图像
- `galaxy-full.jpg` - 星系图像（用于颜色通道分离）
- `earth.jpg` - 地球图像（用于条纹效果处理）
- `README.md` - 本说明文档

## 代码示例说明

### 1. 图像上半部分处理
**功能**：将图像上半部分的红色通道值设置为255，创建红色渐变效果
**关键技术**：
- 使用skimage库读取图像
- 计算图像高度的一半作为处理范围
- 遍历上半部分像素，修改红色通道值
- 使用matplotlib显示处理结果

### 2. 图像左半部分处理
**功能**：将图像左半部分的红色通道值设置为255
**关键技术**：
- 计算图像宽度的一半作为处理范围
- 遍历左半部分像素，修改红色通道值
- 展示不同区域选择的处理效果

### 3. 图像左上四分之一处理
**功能**：将图像左上四分之一的红色通道值设置为255
**关键技术**：
- 同时计算高度和宽度的一半
- 处理图像的特定象限区域
- 展示精确区域选择的能力

### 4. 指定区域颜色处理
**功能**：在图像的指定区域实现绿色背景和黄色像素点的复杂颜色处理
**关键技术**：
- 定义特定的高度和宽度范围
- 设置黄色像素点的精确坐标
- 实现非白色像素的条件判断和颜色替换
- 创建复杂的颜色图案效果

### 5. 小区域像素处理
**功能**：在图像的小范围区域（3-6行，3-6列）将非白色像素改为红色
**关键技术**：
- 使用白色阈值判断（RGB > 240）
- 精确控制小范围区域的像素处理
- 条件性颜色替换算法

### 6-8. 星系图像颜色通道处理

#### 红色通道提取（单元格6）
**功能**：提取并显示星系图像的红色通道
**关键技术**：
- 使用matplotlib读取图像
- 提取RGB图像的红色通道（索引0）
- 创建仅包含红色通道的图像
- 显示单通道图像效果

#### 绿色通道提取（单元格7）
**功能**：提取并显示星系图像的绿色通道
**关键技术**：
- 提取绿色通道（索引1）
- 创建绿色通道图像
- 比较不同颜色通道的图像特征

#### 蓝色通道处理（单元格8）
**功能**：处理星系图像的蓝色通道（注意：代码中有索引错误）
**关键技术**：
- 提取绿色通道但错误地赋值给蓝色通道位置
- 展示了通道索引的重要性
- 需要修正为正确的蓝色通道处理

### 9. 条纹效果处理
**功能**：对地球图像进行亮度增强并添加蓝色条纹效果
**关键技术**：
- 使用PIL库读取和处理图像
- 使用ImageEnhance进行亮度调整
- 创建周期性的条纹图案
- 在特定列位置设置蓝色条纹
- 实现图像的特殊视觉效果

## 使用方法
1. 确保所有依赖库已安装：`pip install matplotlib numpy scikit-image Pillow`
2. 将图像文件（x.jpg, galaxy-full.jpg, earth.jpg）放在与代码相同的目录
3. 按顺序运行Jupyter Notebook中的代码单元格
4. 观察每个处理步骤的图像输出效果
5. 理解各算法的处理原理和实现方法

## 学习要点
通过本实验，可以学习到：

### 图像处理基础
- 图像读取和显示的不同方法（skimage, matplotlib, PIL）
- 图像数据结构和通道理解
- 像素级访问和操作方法

### 区域处理技术
- 图像分区处理（上半部分、左半部分、四分之一区域）
- 精确区域选择和控制
- 条件性像素处理算法

### 颜色空间操作
- RGB颜色模型理解
- 颜色通道分离和提取
- 通道重组和单通道图像创建

### 特殊效果实现
- 亮度调整和增强
- 条纹效果生成
- 复杂颜色图案创建

### 编程技能提升
- 循环和条件语句的熟练应用
- 函数封装和代码组织
- 错误调试和问题解决

## 实验总结
本实验系统地介绍了数字图像处理的基础操作，从简单的区域选择到复杂的通道分离和特效处理，涵盖了图像处理的核心概念。通过实际操作，加深了对图像数据结构、颜色模型和处理算法的理解，为后续更复杂的图像处理任务奠定了基础。
=======
# image-processing-lab

#### 介绍
数字图像处理实验一：图像基础操作

#### 软件架构
软件架构说明


#### 安装教程

1.  xxxx
2.  xxxx
3.  xxxx

#### 使用说明

1.  xxxx
2.  xxxx
3.  xxxx

#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


#### 特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5.  Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)
>>>>>>> 5a5d2b5dce3ac7c7327e9fc052ac1e0bbc8a0c30