我只会用MATLAB做图像处置，所以代码都是MATLAB，不过原理知道的话转换到其他言语应该并不复杂。第一个成绩，触及去噪。去噪是一个范围很广的成绩，需求针对噪声的款式和来源停止剖析。不过很侥幸题主给出的图片中噪点（在我的显示器看来）全是紫色的。所以只需把紫色去掉就可以了。第二个成绩也比拟复杂。假如去掉紫色，蓝色的中央根本就是联系开的了，在图片中找联通的区域就可以了，MATLAB也有内置的函数做这个事情，Measure properties of image regions，这个函数在找到连通区域之后还可以给出每一个区域的详细信息，包括面积，Bouding Box，方便后续剖析。第三个成绩其实是一个比拟经典的成绩：给定两张图片，图片内容相反或类似，但是由于摄像机或许物体摆放的缘由，二者之间存在一个几何上的变换（如平移旋转缩放等），如何估量这个变换。这个成绩普通可以经过特征点婚配来处理，我不太熟习Python和Mathematica。不过MATLAB外面曾经内置了很多函数来做这个事情。这个协助页面下有一些参考材料和代码可以运用：Feature Matching。但题主给出的图片中不同切片的差异还是有点大，而且图片绝对模糊。我试了试效果并不太好，或许至多要下功夫调一调才行。====上面是TLDR的详细成绩的解说====成绩一，如何去掉紫色的噪点题主给的能够是某种假黑色图片。什麼是假黑色，就是说原始的图片是灰度图，但是人的眼睛对灰度的辨识才能远低于黑色。所以把灰阶图片转换成彩有利于人类察看。比方拿显微镜看动物切片，切片中有组织的中央是黑色的（不透光），组织少一点的中央是灰色的（局部透光），啥都没有的是白色的（完全透光）。而这里的假黑色转换算法大约是这样的：1、什麼都没有，原始图像爲白色 - > 黑色2、略微有一点动物组织，原始图像接近白色 - > 紫色3-7、多一点组织，原始图像灰阶越来越深 - > 蓝色，浅蓝色，绿色，黄色，橙色（依照彩虹的顺序）8、完全不透光的局部，原始图像黑色 - > 纯白色假黑色并没有比灰度多出更多的信息，它只是对人眼敌对，但对计算机处置没有意义。假如能拿到灰度图话，设置一个阈值就可以把噪点联系开。但题主又说拿不到灰度的，那只能尝试间接处置紫色了。这种彩虹色其实就是HSV颜色空间，H是hue的首字母，中文普通翻译叫色相，计算机里色相普通用[0,1)的实数表示，线性映射到下图中[0,360)度角。所以去掉紫色就只需求先把图像转换到HSV颜色空间，然后设置一个阈值把H值很大（对应紫色）的去掉（变为黑色）就可以了。（需求留意300~360度由紫色变爲白色，假黑色图中假如有白色需求细心处置一下，但我这里看起来最多就是到橙色，所以一刀切应该没成绩）拿题主的第一张图来看效果大约就是这样：