3.操作题 (1)读取图像“15_noise.png”，转化为灰度图，并显示图像。 (2)去除图像“15_noise.png”中的椒盐噪声，并将图像旋转30°显示。(3)用双线性插值法将图像“15.png”放大1.2倍后，对图像进行梯度锐化。

这些是针对图像处理的一些基本操作任务，下面是每个任务的简单解释和Python代码示例（假设你已经安装了相关的图像处理库，比如PIL和OpenCV）:

**(1)读取图像、转为灰度并显示**

from PIL import Image

# 读取图像
img = Image.open("15_noise.png")
# 转换为灰度图
gray_img = img.convert('L')
# 显示图像
gray_img.show()

**(2)去除椒盐噪声并旋转图像**
椒盐噪声的去除可以通过简单的二值化（例如阈值处理）或者更复杂的滤波方法（如形态学变换），这里假设我们使用OpenCV中的降噪方法：

import cv2

# 读取图像并转换为OpenCV格式
img_cv = cv2.imread("15_noise.png", cv2.IMREAD_GRAYSCALE)
# 假设这里使用otsu's thresholding去除椒盐噪声
clean_img = cv2.threshold(img_cv, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 旋转图像（逆时针）
rotated_img = cv2.rotate(clean_img, cv2.ROTATE_90_COUNTERCLOCKWISE)
# 显示旋转后的图像
cv2.imshow("Rotated Image", rotated_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

**(3)双线性插值放大图像并锐化梯度**

import cv2
import numpy as np

# 读取原始图像
original_img = cv2.imread("15.png")

# 双线性插值放大1.2倍
resized_img = cv2.resize(original_img, None, fx=1.2, fy=1.2, interpolation=cv2.INTER_LINEAR)

# 对图像进行梯度锐化，这里使用Sobel算子
grad_x = cv2.Sobel(resized_img, cv2.CV_8U, 1, 0, ksize=3, scale=1, delta=0, borderType=cv2.BORDER_DEFAULT)
grad_y = cv2.Sobel(resized_img, cv2.CV_8U, 0, 1, ksize=3, scale=1, delta=0, borderType=cv2.BORDER_DEFAULT)
gradient_magnitude = np.sqrt(np.square(grad_x) + np.square(grad_y))
gradient_orientation = np.arctan2(grad_y, grad_x)

# 将梯度转换回原尺寸
sharp_img = cv2.resize(gradient_magnitude, original_img.shape[:2], interpolation=cv2.INTER_LINEAR)

# 显示结果
cv2.imshow("Sharpened Image", sharp_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：实际操作时，根据不同的噪声类型和效果需求，上述代码中的去噪和锐化部分可能需要调整参数。