s1051534的作業2

一、作業題目

撰寫一個程式，讀取一張256 色灰階圖像或 RGB 全彩圖像(.bmp 或.jpg 圖像格式都可) ，利用Sobel Operators 偵測圖像邊緣，並以邊緣偵測為基礎(如彩色圖像針可先將圖片 由 RGB 轉換至HIS 或 YUV, YCbCr 等色彩空間，只需對亮度 Channel I 或 Y 處理，再 轉回 RGB 即可)，設計一個類似素描線條自畫像程式。(如果可以分析邊緣偵測所得到 的點，結合成線條方式呈現更佳!) 

二、執行環境

1. python 3.6
2. opencv 4.0.0.21
3. PyQt5
4. Windows

三、程式功能

• 基本功能：

  能讀取圖片，並偵測圖像邊緣。

• 特殊功能：

  本程式有三種模式邊緣偵測模式，供使用者選擇，分別為Laplacian、Sobel與Canny，同時，可將偵測完成的圖片進行儲存覆蓋或另存新檔。

四、實作方法

使用PyQt建立介面，並將圖片等比例縮放，在介面上以QPixmap形式，做出適當大小的呈現，使用者可依據個人需求，選擇邊緣偵測模式。

• Laplacian：

  二階微分導數，利用其零交叉性質，進行邊緣定位，對noise較敏感。先將圖片轉為灰階後，使用GaussianBlur進行平滑處理，減少雜訊後，再進行Laplacian轉換，最後以convertScaleAbs將圖片轉換為CV_8U型態，實作成果之輪廓描繪較不明顯。
  

• Sobel：

  離散型差分運算，距離不同的像素具有不同權重。先將圖片轉為灰階後，使用GaussianBlur進行平滑處理，減少雜訊後，分別對X軸方向與Y軸方向，進行Sobel運算，得到像素梯度，並綜合其結果，最後以convertScaleAbs將圖片轉換為CV_8U型態，實作成果之輪廓邊緣較Laplacian明顯，但相對雜訊較多。
  

• Canny：

  一階偏導有限差分運算，具有濾波、增強、檢測等功能。先將圖片轉為灰階後，使用GaussianBlur進行平滑處理，減少雜訊後，再進行Canny運算，最後以convertScaleAbs將圖片轉換為CV_8U型態，實作成果之輪廓明顯且雜訊少。
  

五、執行結果

• 初始介面。

  

• 點擊選擇圖片，可選擇自己想要的圖片。

  

• 選擇彩圖(test1)，左上角Status部分顯示當前圖片狀態，Original(RGB)。

  

• 點擊Laplacian，將圖片以Laplacian運算進行邊緣偵測，左上角Status部份顯示當前圖片狀態，Laplacian。其實作效果可看到，邊緣輪廓線段連結不太明顯。

  

• 點擊Sobel，將圖片以Sobel運算進行邊緣偵測，左上角Status部分顯示當前圖片狀態，Sobel。其實作結果可看到，邊緣輪廓較Laplacian明顯，但雜訊也相對較多。

  

• 點擊Canny，將圖片以Canny運算進行邊緣偵測，左上角Status部分顯示當前圖片狀態，Canny。其實作結果可看到，相較Laplacian與Sobel來說，邊緣輪廓清晰，且雜訊較少。

  

• 點擊儲存，能直接覆蓋該檔案，進行儲存。

  

  

• 選擇灰階圖(test2)，左上角Status部分顯示當前圖片狀態，Original(Gray)。

  

• 點擊Laplacian，將圖片以Laplacian運算進行邊緣偵測，左上角Status部分顯示當前圖片狀態，Laplacian。其實作結果可看到，部分邊緣輪廓線段連結不太明顯。

  

• 點擊Sobel，將圖片以Sobel運算進行邊緣偵測，左上角Status部分顯示當前圖片狀態，Sobel。其實作結果可看到，邊緣輪廓較Laplacian明顯，但雜訊也相對較多。

  

• 點擊Canny，將圖片以Canny運算進行邊緣偵測，左上角Status部分顯示當前圖片狀態，Canny。其實作結果可看到，相較Laplacian與Sobel來說，邊緣輪廓清晰，且雜訊較少。

  

• 點擊另存新檔，可將圖片另存為新檔案(另存)。