# 题目重述 1. 读取 `beach.jpg` 图像，对其分别进行三种阈值处理，并保存结果； 2. 将 `beach.jpg` 和 `cat.jpg` 图像进行加、减、乘、除运算，保存运算后的图像； 3. 使用掩膜操作将小猫图像覆盖到沙滩图像的指定区域（75~400行，120~260列）； 4. 读取 `cat.jpg` 图像，绘制其灰度直方图并进行直方图均衡化处理，保存结果。 两张图像的具体路径为： - `beach.jpg`：`C:\python\beach.jpg` - `cat.jpg`：`C:\python\cat.jpg` # 给出答案（答案为带注释的代码块） ```python import cv2 import numpy as np import matplotlib.pyplot as plt import os # 定义图像路径 beach_file = r"C:\python\beach.jpg" cat_file = r"C:\python\cat.jpg" # 检查文件是否存在 for path in [beach_file, cat_file]: if not os.path.exists(path): raise FileNotFoundError(f"未找到图像文件：{path}") # 1. 读取 beach.jpg 并进行三种阈值处理 img_beach = cv2.imread(beach_file) if img_beach is None: raise ValueError(f"无法读取图像，请检查文件是否损坏或权限问题：{beach_file}") gray_beach = cv2.cvtColor(img_beach, cv2.COLOR_BGR2GRAY) _, thresh1 = cv2.threshold(gray_beach, 127, 255, cv2.THRESH_BINARY) _, thresh2 = cv2.threshold(gray_beach, 127, 255, cv2.THRESH_BINARY_INV) _, thresh3 = cv2.threshold(gray_beach, 127, 255, cv2.THRESH_TRUNC) cv2.imwrite(r"C:\python\thresh_binary.jpg", thresh1) cv2.imwrite(r"C:\python\thresh_binary_inv.jpg", thresh2) cv2.imwrite(r"C:\python\thresh_trunc.jpg", thresh3) # 2. 图像加、减、乘、除运算（需尺寸一致） img_cat = cv2.imread(cat_file, cv2.IMREAD_GRAYSCALE) img_beach_gray = cv2.cvtColor(img_beach, cv2.COLOR_BGR2GRAY) # 调整 cat 图像大小以匹配 beach 图像 img_cat = cv2.resize(img_cat, (img_beach_gray.shape[1], img_beach_gray.shape[0])) # 转为 float32 进行乘除运算，防止溢出 add_img = cv2.add(img_beach_gray, img_cat) sub_img = cv2.subtract(img_beach_gray, img_cat) mul_img = cv2.multiply(img_beach_gray.astype(np.float32), img_cat.astype(np.float32) / 128.0) div_img = cv2.divide(img_beach_gray.astype(np.float32), (img_cat.astype(np.float32) + 1e-10)) # 归一化并保存结果 cv2.imwrite(r"C:\python\add_result.jpg", add_img) cv2.imwrite(r"C:\python\sub_result.jpg", sub_img) cv2.imwrite(r"C:\python\mul_result.jpg", np.clip(mul_img, 0, 255).astype(np.uint8)) cv2.imwrite(r"C:\python\div_result.jpg", np.clip(div_img, 0, 255).astype(np.uint8)) # 3. 掩膜操作：将小猫覆盖到沙滩图像指定区域（75~400行，120~260列） beach_color = cv2.imread(beach_file) # 彩色图像 cat_color = cv2.imread(cat_file) h_start, h_end = 75, 400 w_start, w_end = 120, 260 roi_h = h_end - h_start roi_w = w_end - w_start # 缩放小猫图像以适应目标区域 cat_resized = cv2.resize(cat_color, (roi_w, roi_h)) # 将小猫图像复制到沙滩图像的指定区域 beach_color[h_start:h_end, w_start:w_end] = cat_resized cv2.imwrite(r"C:\python\merged_image.jpg", beach_color) # 4. 绘制 cat.jpg 的灰度直方图并进行直方图均衡化 gray_cat = cv2.cvtColor(cat_color, cv2.COLOR_BGR2GRAY) hist = cv2.calcHist([gray_cat], [0], None, [256], [0, 256]) # 使用 matplotlib 绘制直方图并保存 plt.figure() plt.title("Grayscale Histogram") plt.xlabel("Bins") plt.ylabel("# of Pixels") plt.plot(hist) plt.xlim([0, 256]) plt.savefig(r"C:\python\histogram_cat.jpg") plt.close() # 直方图均衡化 equalized_cat = cv2.equalizeHist(gray_cat) cv2.imwrite(r"C:\python\equalized_cat.jpg", equalized_cat) ``` # 代码解析 - **路径明确指定**：使用原始字符串 `r""` 避免 Windows 路径中的反斜杠转义问题。 - **文件存在性检查**：通过 `os.path.exists()` 提前发现缺失文件。 - **图像读取安全检测**：判断 `cv2.imread()` 返回是否为 `None`，防止后续操作崩溃。 - **尺寸适配**：在进行算术运算和 ROI 覆盖前，确保图像尺寸一致。 - **数据类型管理**：对乘除运算使用 `float32` 类型避免溢出或截断错误。 - **结果保存**：所有处理结果均保存至原目录 `C:\python\` 下，便于查找。 # 知识点（列出该代码中遇到的知识点） 1. **图像阈值处理**：通过设定阈值将灰度图像转化为二值图像，用于分割前景与背景，常见于图像预处理阶段。 2. **图像算术运算**：对像素级数据执行加减乘除操作，可用于融合、增强或差分分析，需注意尺寸与类型匹配。 3. **直方图均衡化**：调整图像灰度分布以提高对比度，使细节更清晰，适用于光照不均的图像增强技术。