s1081535 作業3

  

一、 作業說明 

線條自畫像 (二值化與邊緣偵測) 

以灰階模式讀取一張圖像，利用 Sobel Operators 偵測並輸出邊緣成分圖，並設計一個類似素描線條的自畫像圖案。

二、 作業環境

• ＭacOS Monterey 12.2
• PyCharm 2019.3.3
• Python 3.8
• OpenCV 4.5.5

三、 實作功能與方法

減少雜訊和平滑圖像

使用GaussianBlur('圖像名稱', Filter_Size, 0)高斯綠波函式將圖片進行濾波操作(平滑、過濾以及去噪)；Filter_Size為3x3。

邊緣偵測

以Sobel Operator索伯算子，分別以水平及垂方向取值，計算出邊緣像素。取值方式為以該Pixel為中心點，九宮格範圍內之其餘八個Pixel值做運算取得其Pixel值。

• 垂直取法是把九宮格內的每個Pixel乘上相對應的九宮格Vertical Sobel Mask後加總成為該Pixel的新值，以算出垂直梯度Gx的邊緣偵測。
• 水平取法是把九宮格內的每個pixel乘上相對應的九宮Horizontal Sobel Mask後加總成為該Pixel的新值，以算出水平梯度Gy的邊緣偵測。

使用cv2.Sobel('圖像名稱', 圖像深度, dx, dy, Filter_Size)，計算出X(垂直）與Y(水平）方向的梯度大小。

合併特徵圖

利用addWeighted()合併Ｘ和Ｙ方向的梯度計算結果圖，得到輸出邊緣成分圖。

顏色反轉

邊緣偵測所得到的點，進行顏色反轉。讀取每個圖元值P，再將255-P寫入新的空白陣列中，得到顏色反轉圖。

影像二值化

設定cv2.threshold('圖片名稱', Thresh_Value, Maxval_Value, 處理方法），讓線條明顯呈現以達成類似素描效果。

Canny邊緣偵測

使用cv2.canny('圖片名稱', minVal, MaxVal)。Canny演算法是一個複合性的邊緣偵測演算法，結合了Gaussian Filter、梯度偵測、非最大值抑制、判斷邊界四個演算法去實踐邊緣偵測。

四、 執行結果

原圖

Sobel_X

Sobel_Y

Sobel_XY（使用addWeight()疊加）

Sobel_XY（使用Sobel()函式）

顏色反轉

影像二值化（使用Binary Type)

影像二值化（使用Tozero Type)

Canny邊緣偵測

Canny邊緣偵測＋顏色反轉