作業說明：
請撰寫一個程式，利用數學型態學影像處理運算(erode(), dilate()等函式)，計算出所附圖像(共三張)每張圖像中圍棋個數。
a.
請在部落格呈現經由數學型態學影像處理運算後的圖像，同時要呈現你程式輸出棋子數量的螢幕截圖。
b. 程式不一定可以算出正確棋子數量，越接近正確答案越好!
開發環境:
Window 10
Anaconda
VScode
Python
運行說明:
將路徑設定好、檔名放入 file_name 的 list 中，並用 for 依序讀取圖片並判斷黑棋個數。
讀入的圖片先轉為灰階，再來進行二值化以及高斯模糊濾波，在進行膨脹以及侵蝕前要先設定好 kernel ，而我設定的方法如下：
作業說明：
附件中為三張利用將高度以色彩視覺化後的圖片。請設計一個基於Run-Length的壓縮法方，對圖檔作無失真壓縮後儲存成新檔案。
開發環境:
Window 10
Anaconda
VScode
Python
運行說明:
先利用f.seek(14)，因為bmp的前14格資料我們用不到，再來利用f.read(40)將標頭資訊擷取出來，再來用while將剩下的資料利用f.read(3)讀出並依據RGB存入對應的list中，讀完後利用np.array(list)將list轉換為numpy array並使用cv2.flip進行圖片的上下左右反轉。接下來使用RLE的方法先對每一列中的元素進行壓縮，再將重複的列進行合併，之後輸出成dat檔，格式為
header: 圖片長、寬
data: R : 列重複次數、[[顏色編碼、出現次數]、[顏色編碼、出現次數]......]
G : 列重複次數、[[顏色編碼、出現次數]、[顏色編碼、出現次數]......]
B : 列重複次數、[[顏色編碼、出現次數]、[顏色編碼、出現次數]......]
之後再將剛剛輸出的dat檔重新讀入，並且利用長寬資訊進行解壓縮，將還原出的檔案儲存起來。
** 假設檔案名稱為 img1.bmp，則壓縮完的檔案名稱將為img1_ecoding_output.dat，再次解壓縮的圖片檔案名稱為img1_decoding_output.bmp
平均壓縮 : (4.5713373763166294286626236833706 + 2.741916969581021618519227090109 + 4.7789263087695898632877625875292) / 3 = 4.0307268848890803034898711203363
結果畫面:
img1.bmp
(壓縮率: 14322/3133 = 4.5713373763166294286626236833706)
img2.bmp
(壓縮率: 14322/5227 = 2.741916969581021618519227090109)
img3.bmp
(壓縮率: 14322/2999 = 4.7789263087695898632877625875292)
作業說明：
開發環境:
Window 10
Anaconda
VScode
Python
運行說明:
先利用f.read(32)將標頭資訊擷取出來，再來用while將剩下的資料利用f.read(4)讀出並存進list中，讀完後利用np.array(list)將list轉換為numpy array，讀資料時先不使用np.array而用list是因為使用list存取資料會較np.array快許多。接下來利用min、max取得最小和最大值，而-99999的這個無效值我用min去做取代，再來要轉換成圖片，即為0~255的數值，我先計算D為max - min，再將整個數值平移min，平宜能使整個數值皆為0或以上，在將每個數值去除上D並乘255，這樣就能使數值界為0~255。最後將圖片輸出並於旁邊標示colorbar。
執行畫面:
作業說明：
利用你所學的Color顏色的知識與技術，撰寫一個城市來偵測一張書任照片中的皮膚區域並將其標示出
開發環境:
Window 10
Anaconda
VScode
Python
運行說明:
先將原圖的色彩轉換為HSV並保留設定好的膚色的顏色區間內的數值，再來我使用了kernel為5*5的侵蝕(cv2.erode)及膨脹(cv2.dilate)來去除雜訊。
執行畫面:
原圖
侵蝕及膨脹處理前
侵蝕及膨脹處理後
作業說明：
請撰寫一個程式，讀取一張 256 色灰階圖像。
(1)計算輸入圖的離散傅立葉轉換結果，並將頻譜大小與相位角度各以灰階 256 色圖像 方式呈現出。
(2)對圖像利用 Gaussian Low-Pass filter 處理，輸出平滑後圖像。(程式利用課本的 frequency filter 步驟者可得滿分!)
開發環境:
Window 10
Anaconda
VScode
Python
運行說明:
先將原圖轉換為灰階圖片，然後將長寬各擴展2倍並讓原圖保持在左上角，再來進行傅立葉轉換來求得頻譜以及相位角度，接下來求出高斯的H(D0我使用50)並與剛赴立業完的資料相乘得出G，G再反傅立葉轉換回去得到模糊後的圖。
執行畫面:
Anaconda
VScode
Python
1. 作業內容:
讀入一張圖片並輸入一個整數v，讓圖像的每一個點像素的數值加上v
2. 開發環境
Window
10
Anaconda
VScode
Python
3. 運行說明
開始執行後輸入圖片的位置，如果是錯誤位置或非圖片檔(jpg或png)則使用者得重新輸入，再接著輸入要增加的數值(v)，數值的範圍為-255~255。當輸入完數值後會跳出一個視窗並顯示處理完的圖片，若想關閉視窗，對視窗按下鍵盤的任意鍵即可。關閉視窗後能再次輸入圖片位置，想關閉系統則在輸入檔案位置時輸入”end”或”END”。
4. 程式解說
在撰寫程式碼時，有遇到以下的問題：
1)輸入檔案位置內含中文名稱:
如果使用cv2.imread去讀取圖片，那麼沒辦法使用包含中文名稱的位置。cv2.imdecode這個函數解決了這個問題，這函數能從指定的記憶體去讀取數據並將數據轉換為圖片。
2)處理速度過慢:
將每一像素進行加減，很直觀的會去使用多層迴圈來處理，但這種方法在我的測試中約會跑5~7秒，所以我去尋找了能加速的方法。將圖片讀進來後，儲存格式為numpy.uint8，而我先其轉換為int32來方便後面的判斷。再來去獲取圖片的height、width、channels並創建一個與圖片相同大小的numpy array，而數值皆為使用者輸入的v。我們將圖片的陣列和剛剛創建的陣列相加並用numpy內建的索引將大於255的數值變為255、小於0的數值變為0，如果剛剛沒有轉成int32，則數值不會出現小於0或大於255的數值。最後再將圖片陣列轉回uint8。
另外我有使用os函式庫去驗證圖片的位置，由於中文名稱的問題，程式會將使用者輸入的位置均轉為絕對位置再讀取圖片。
執行畫面:
