1 读取一幅图像DSC_5101.jpg并显示->将图像转化为灰度图并显示->去除背景（所有像素灰度值-10）并显示->进行高斯滤波并显示；(10分) 2 对于滤波后的图像，通过固定阈值（例如0.1）进行二值化并显示->对二值化后的图像进行联通区域分析并显示->通过索引找到各个连通区域（目标点）的像素值范围并通过方框标识在图像中。可以尝试使用的函数：(10分) imread imshow rgb2gray imfilter im2bw bwconncomp 3 遍历每个连通区域（目标点），找到它们在滤波后灰度图像上包含的像素及其灰度值，并通过灰度重心法求解目标点的中心坐标。灰度重心法数学描述：(10分) 4 建立一个结构体数组，保存每个目标点的左上角点、右下角点、连通区域内像素灰度值的平均值、面积（像素为单位）和包络矩形的长宽比、重心坐标等信息。(10分)

由于题目中要求使用的函数比较多，这里给出完整的代码实现：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('DSC_5101.jpg')

# 将图像转换为灰度图像并显示
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray)
cv2.waitKey(0)

# 去除背景并显示
gray_sub = gray.astype(int) - 10
gray_sub[gray_sub < 0] = 0
gray_sub[gray_sub > 255] = 255
gray_sub = gray_sub.astype(np.uint8)
cv2.imshow('Background Subtraction', gray_sub)
cv2.waitKey(0)

# 进行高斯滤波并显示
blur = cv2.GaussianBlur(gray_sub, (5, 5), 0)
cv2.imshow('Gaussian Blur', blur)
cv2.waitKey(0)

# 对滤波后的图像进行二值化并显示
threshold = 0.1
_, binary = cv2.threshold(blur, threshold * 255, 255, cv2.THRESH_BINARY)
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)

# 对二值化后的图像进行联通区域分析并显示
connectivity = 8
output = cv2.connectedComponentsWithStats(binary, connectivity, cv2.CV_32S)
num_labels = output[0]
labels = output[1]
stats = output[2]
centroids = output[3]

# 遍历每个连通区域，找到它们在滤波后灰度图像上包含的像素及其灰度值，并通过灰度重心法求解目标点的中心坐标
objects = []
for i in range(1, num_labels):
    # 找到连通区域内的像素及其灰度值
    indices = np.where(labels == i)
    pixels = blur[indices]
    # 计算连通区域的灰度重心
    x = np.mean(indices[1])
    y = np.mean(indices[0])
    # 将目标点的信息保存到结构体中
    obj = {
        'x1': stats[i][0],
        'y1': stats[i][1],
        'x2': stats[i][0] + stats[i][2],
        'y2': stats[i][1] + stats[i][3],
        'gray_mean': pixels.mean(),
        'area': stats[i][4],
        'aspect_ratio': stats[i][2] / stats[i][3],
        'centroid': (int(x), int(y))
    }
    objects.append(obj)

# 在图像中标识每个目标点的位置和范围
for obj in objects:
    cv2.rectangle(img, (obj['x1'], obj['y1']), (obj['x2'], obj['y2']), (0, 255, 0), 2)
    cv2.circle(img, obj['centroid'], 3, (0, 0, 255), -1)

# 显示带有标识的原始图像
cv2.imshow('Result', img)
cv2.waitKey(0)

# 释放窗口
cv2.destroyAllWindows()

其中，灰度重心法可以使用以下公式计算：

$$ x = \frac{\sum_{i=1}^{n} x_i \cdot g_i}{\sum_{i=1}^{n} g_i} $$

$$ y = \frac{\sum_{i=1}^{n} y_i \cdot g_i}{\sum_{i=1}^{n} g_i} $$

其中，$n$为连通区域内像素的数量，$(x_i, y_i)$为第$i$个像素的坐标，$g_i$为第$i$个像素的灰度值。