亲爱的慕友们，在学习了图像处理、数组操作和文件管理等 Python 知识后，我们已经具备了对图像进行基本处理和分析的能力。课程中老师提到不同图像格式在存储和处理上可能存在差异，那么在模拟从虚拟文件夹读取图像文件并处理的过程中，我们该如何灵活应对不同格式的图像呢？欢迎小伙伴们一起分享自己的想法～
现在，大家已经学习了这一阶段关于图像处理的知识，接下来就按照作业描述的要求，动手设计并实现一个简单的图像分析系统，展示一下自己的编程实力吧！
题目：
设计一个图像分析系统，实现以下功能：
1、从虚拟文件夹中读取一组图像文件，假设文件格式为常见的图片格式，如 .jpg。（图像可自行寻找，提交时需附带图片）
2、对每张图像进行灰度化处理。
3、使用自适应阈值方法对灰度图像进行二值化处理，以便更好地突出图像中的目标物体。
4、将处理后的图像存储到新的虚拟文件夹中，新文件夹的命名规则为原虚拟文件夹名加上 “_processed”。
5、统计所有处理后图像中白色像素点的总数，并输出结果。
图像数据：
simulated_images = [
np.random.randint(0, 256, size=(100, 100, 3), dtype=np.uint8),
np.random.randint(0, 256, size=(100, 100, 3), dtype=np.uint8)
]
预计结果：
所有处理后图像中白色像素点的总数为 10196。
一、开发语言与环境要求
1、语言版本：Python3（与课程视频中使用的 Python 版本保持一致）
2、开发工具：PyCharm（与课程视频中推荐的开发工具相同）
3、依赖模块：需安装并使用numpy模块处理图像数据、opencv-python（或PIL）模块实现图像灰度化与二值化处理，安装命令分别为pip install numpy和pip install opencv-python（若使用PIL则安装pip install pillow）
二、程序整体要求
1、完成需求中涉及的所有功能，包括读取虚拟图像文件、图像灰度化处理、自适应阈值二值化处理、处理后图像存储、统计白色像素点总数并输出。
2、Python 代码书写、命名需符合 PEP 8 规范：变量名用小写字母 + 下划线（如simulated_images“white_pixel_count”），函数名用动词 + 名词（如read_virtual_images“grayscale_conversion”），避免拼音或无意义命名。
3、代码结构层次分明，采用功能模块化设计，将 “读取图像”“灰度化”“二值化”“存储图像”“统计像素” 等功能拆分到不同函数，不堆砌代码。
4、在关键代码段（如灰度化算法、自适应阈值参数设置、像素统计逻辑）添加注释，说明功能与核心逻辑，提升代码可读性。
5、程序运行稳定，处理图像无异常崩溃，最终输出的白色像素点总数与预计结果（10196，允许因随机图像数据小幅波动）基本一致。
6、将作业项目整理为 “图像分析系统” 文件夹，包含主程序文件 “main.py”，若有工具类代码可创建 “image_utils.py”，最终压缩为 ZIP 格式提交。
三、详细设计
1、自定义虚拟图像读取函数
（1）功能：接收题目给定的simulated_images（随机生成的 RGB 图像数组列表），模拟从虚拟文件夹读取图像，返回图像列表供后续处理。
（2）实现思路：直接接收虚拟图像数据，可添加数据校验（如判断是否为 RGB 格式、像素维度是否合法），确保图像数据可正常处理。
一、项目规范【15 分】
（2 ）变量命名符合 PEP 8 规范（小写 + 下划线，如simulated_imgs“total_white_pixels”）得 2 分，1-2 处不规范扣 1 分，3 处及以上扣 2 分。
**2、代码结构（5 分）**
按 “读取图像→灰度化→二值化→存储→统计” 拆分功能到独立函数，结构清晰得 5 分；代码无拆分、堆砌在主程序，扣 3-5 分。
3、代码规范与注释（5 分）
（1）代码缩进统一（4 个空格）、无语法错误得 2 分，缩进混乱或有基础语法错扣 1-2 分；
（2）关键逻辑（如灰度化公式、二值化参数、像素统计方法）添加注释，说明清晰得 3 分，注释缺失或模糊扣 1-3 分。
二、程序整体运行效果【20 分】
1.功能完整性（12 分）
（1）完成 “虚拟图像读取→灰度化→自适应阈值二值化→处理后图像存储→白色像素统计” 所有功能，每缺 1 项扣 3 分；
（2）新文件夹命名符合 “原文件夹名 +_processed” 规则（如 “images_processed”）得 3 分，命名错误扣 1-3 分。
2、结果准确性（8 分）
（1）最终输出的白色像素总数与预计结果（10196，允许 ±500 内波动）一致得 8 分；偏差 501-1000 扣 4 分，偏差超 1000 或无统计结果扣 6-8 分。
三、核心函数实现【45 分】
1、虚拟图像读取函数（8 分）
（1）能接收simulated_images数据、完成 RGB 格式校验（如判断 3 通道）得 5 分，无校验扣 3 分；
（2）函数有返回值（返回有效图像列表）得 3 分，无返回值扣 3 分。
**2、灰度化处理函数（10 分）**
（1）使用加权平均法（gray=0.299R+0.587G+0.114B）或调用opencv/PIL内置函数实现灰度化，逻辑正确得 6 分，算法错误扣 4-6 分；
（2）灰度图像为单通道、像素值类型为uint8（0-255）得 4 分，通道 / 类型错误扣 2-4 分。
3、自适应阈值二值化函数（12 分）
（1）使用cv2.adaptiveThreshold()（或PIL对应功能），参数设置合理（如自适应方法为高斯、块大小 11、常数 2）得 8 分，未用自适应阈值（用固定阈值）扣 5 分，参数错误扣 3-8 分；
（2）输出二值图像仅含 0（黑）和 255（白）像素值得 4 分，像素值异常扣 2-4 分。
4、白色像素统计函数（10 分）
（1）正确统计单张二值图像白色像素（(img==255).sum()）并累加总数得 7 分，统计逻辑错误扣 4-7 分；
（2）打印 “单张图像白色像素数 + 汇总总数”，输出格式清晰得 3 分，仅输出汇总得 1 分。
5、图像存储函数（5 分）
（1）成功创建新文件夹、用cv2.imwrite()（或PIL.save()）存储处理后图像得 5 分，存储失败（如路径错误）扣 3-5 分。
四、异常处理与细节【20 分】
1、异常处理（10 分）
（1）在 “图像读取、格式转换、存储” 环节添加try-except捕获异常（如格式错误、存储权限问题）得 6 分，无异常处理扣 4-6 分；
（2）异常发生时输出明确提示（如 “图像格式错误，需 RGB 三通道”）得 4 分，仅捕获无提示扣 2-4 分。
2、依赖模块与提交规范（10 分）
（1）正确使用numpy处理图像数据、opencv-python/PIL处理图像转换，模块调用无误得 5 分，模块用错或未安装相关库扣 3-5 分；
（2）提交压缩包含 “图像分析系统” 文件夹，内有 “main.py”（无冗余文件）得 5 分，文件缺失或冗余扣 2-5 分。