s1051447的作業5

1072 CS362 影像處理概論Digital Image Processing Assignment #5

1051447 梁雅錡

作業題目： 
請撰寫一個程式，利用數學型態學影像處理運算，計算出所附圖像(共三張)每張圖像中圍棋個數。

撰寫過程：
(1)   作業系統環境：Windows
(2)   程式語言：Python
(3)   程式開發軟體：Pycharm

(4)   開發環境：

開發環境名稱	使用情形
Python 3.6	採用Python 3.6編寫程式。
OpenCV.4.0.0.21	利用OpenCV 4.0.0.21的套件讀取讀片、對圖片進行各式轉換、以及存取圖片檔。
Numpy 1.15.4	使用Numpy 1.15.4調整圖片的各個像素變動。
Matplotlib2.1.2	利Matplotlib2.1.2共同畫出原圖與經衰減、膨脹的處理過程，也可存取所有輸出內容。

(5)   程式內容：

1.首先使用cv2.imread(img,0)將讀取圖轉灰階後，使用cv2.threshold()的域值設定來達到二值化灰階圖的作用；再用cv2.GaussianBlur()來去除雜質。

2.透過腐蝕和膨脹的處理來偵測棋子個數，只需設置好結構元素，然後分別調用cv2.erode(...)和cv2.dilate(...)函數即可，其中第一個參數是需要處理的圖像，第二個是結構元素，就可以得到處理好的圖像。

3.其中，cv2.erode()和cv2.dilate()均需要設定kernel參數來定義結構元素，我是透過cv2.getStructuringElement()函示來定義，並進行實作。

4.最後用cv2.imshow()來展示每個步驟的處理圖片。

5.使用cv2.imwrite()存取每一個對圖像進行處理後的圖片。

(6)展示結果

圖片 IMG_5702 測試結果:
(偵測結果21)

圖片 IMG_5703 測試結果:

(偵測結果32)

圖片 IMG_5704 測試結果:

(偵測結果32)

s1051447的作業4

1072 CS362 影像處理概論 作業 4

1051447 梁雅錡

作業題目：
利用所學的顏色的知識，撰寫一個程式來偵測一張輸入照片中的皮膚區域並將其標示出。 

撰寫過程：
(1)   作業系統環境：Windows
(2)   程式語言：Python
(3)   程式開發軟體：Pycharm

(4)   開發環境：

開發環境名稱	使用情形
Python 3.6	採用Python 3.6編寫程式。
OpenCV.4.0.0.21	利用OpenCV 4.0.0.21的套件讀取讀片、對圖片進行各式轉換、以及存取圖片檔。
Numpy 1.15.4	使用Numpy 1.15.4調整圖片的各個像素變動。
Matplotlib2.1.2	利Matplotlib2.1.2共同畫出原圖與皮膚偵測圖，也可存取所有輸出內容。

(5)   程式內容：

1.主要演算法是透過Human Skin Detection Using RGB, HSV and YCbCr Color Models 此篇論文中提到的 Skin Detection Algorithm，來進行實作。

2.使用cv2.imread('SkinDetection.jpg')讀取圖片

3.使用cv2.cvtColor(img, cv2.COLOR_BGR2HSV )，將圖片從RGB形式轉為HSV的形式

4.根據論文中第327~328提到的演算法，我會瀏覽image的每個像素，並針對每個像素進行RGB的特定顏色篩選，不在特定範圍內的像素就為非皮膚範圍，以黑色作為該像素的輸出，如左下圖所示；接著還會透過HSV的特定範圍也進行偵測，找到屬於皮膚的範圍，如右下圖所示。

5.在偵測為非皮膚的部分會使用到cv2.bitwise_and()函式，以作為AND的邏輯閘用途，將透過RGB與HSV分別偵測到的皮膚偵測圖合併，而被視為不是皮膚的範圍，會設為黑色來呈現(二值化)。

6.使用plt.show()以共同輸出原圖與皮膚偵測圖，結果如(6)的程式成果所示。

7.使用cv2.imwrite()存取每一個對圖像進行處理後的圖片。

(6)  程式成果：

    I.原圖

     II.皮膚偵測圖(用cv2.bitwise_and()函式，將透過RGB與HSV分別偵測到的皮膚偵測圖合併，被視為不是皮膚的範圍，會設為黑色來呈現(二值化))

      III.共同顯示(使用matplot共同輸出原圖與皮膚偵測圖)

(7)  儲存結果：
      如下圖所示，使用的是cv2.imwrite()，儲存每一個步驟輸出的影像，包括：原圖經RGB篩選出的皮膚偵測圖(非特定範圍內就以黑色輸出)、原圖經HSV篩選出的皮膚偵測圖(灰階)、上述兩個皮膚偵測圖以and邏輯閘合併的共同輸出圖。

                       

s1051447的作業3

1072 CS362 影像處理概論 作業 3

1051447 梁雅錡

作業題目：
撰寫一個程式，讀取一張 256 色灰階圖像。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。

撰寫過程
(1)   作業系統環境：Windows
(2)   程式語言：Python
(3)   程式開發軟體：Pycharm

(4)   開發環境：

開發環境名稱	使用情形
Python 3.6	採用Python 3.6編寫程式。
OpenCV.4.0.0.21	利用OpenCV 4.0.0.21的套件讀取讀片、對圖片進行各式轉換、以及存取圖片檔。
Numpy 1.15.4	使用Numpy 1.15.4調整圖片的各個像素變動。
Matplotlib2.1.2	利Matplotlib2.1.2畫出頻譜圖以及相位圖，存取輸出內容。

(5)   程式內容：

1.在傅立葉的轉換上，我使用Numpy來實現，使用np.fft.fft2()，主要是將空間域轉化為頻率域，第一個參數是輸入影像，它是灰度影像，第二個參數是可選的，它決定了輸出陣列的大小，如果它大於輸入影像的大小，則輸入影象在計算FFT之前填充了0。如果它小於輸入影像，輸入影像將被裁剪，如果沒有引數傳遞，輸出陣列的大小將與輸入相同。

2.得到結果後，零頻率分量（DC分量）將位於左上角。 如果要將其置於中心位置，則需要在兩個方向上將結果移動，這邊我使用np.fft.fftshift()進行移動，將低頻部分移動到影像的中心。

3.目前得到的結果並不是一個歸一化的影像，我利用20*np.log(np.abs(img))進行歸一化，取得頻譜；接著用numpy自帶的angle函式(np.angle())，可以直接根據複數的實部與虛部求出角度（默認出來的角度是弧度），取得相位。

(6)  程式成果：

    I. 左上圖為原圖，右邊依序是原圖轉灰階圖、頻譜圖、相位圖

    II.左上圖為原圖，右邊依序是原圖轉灰階圖、頻譜圖、相位圖

     III.左上圖為原圖，右邊依序是原圖轉灰階圖、頻譜圖、相位圖

    依照我的程式成果比較下來，我們可以得到結論是：

• 在成果中，可以在中心看到更多的白色區域，表示低頻率的內容更多.。
• 可以將影像視為在兩個方向上取樣的訊號
• 在X和Y方向上進行傅立葉變換可以得到影像的頻率表示。

(7)  儲存結果：
      如下圖所示，儲存每次matplot畫出的影像，使用的是plt.savefig()。

s1051447的作業2

1072 CS362 影像處理概論 作業 2

1051447 梁雅錡

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，設計一個類似素描線條自畫像程式。

撰寫過程
(1)   作業系統環境：Windows
(2)   程式語言：Python
(3)   程式開發軟體：Pycharm

(4)   開發環境：

開發環境名稱	使用情形
Python 3.6	採用Python 3.6編寫程式。
OpenCV.4.0.0.21	利用OpenCV 4.0.0.21的套件讀取讀片、畫出不同亮度的圖片、以及存取圖片檔。
Numpy 1.15.4	使用Numpy 1.15.4調整圖片的各個像素變動。

(5)   程式內容：

因為我將使用OpenCV的Sobel Operators技術來實作邊緣偵測，這個技術需使用灰階的影像，基於每個像素灰度的不同，利用不同物體在其邊界處會有明顯的邊緣特徵來分辨。

因此首先需要使用cvtColor套件，將讀取的全彩圖轉換成灰階圖；第二，為了避免偵測到過多雜訊，所以我先將影像模糊化後再處理，利用高斯模糊方法(GaussianBlur)；第三，就是使用剛才提到的Sobel套件偵測邊緣，並且畫出邊緣的線條。

其中，Sobel套件可以單除針對X軸、Y軸、X與Y軸抓取其邊緣，輸出的資料型態設定為浮點資料格式CV_64F，最後指定要針對X軸、Y軸、X與Y軸運算。

(6)  程式成果：
以下將展示三種不同圖片的成果，分別為虛擬動畫人物圖、真實女生圖、真實男生圖
    I. 虛擬動畫人物圖

II. 真實女生圖

III. 真實男生圖

    接下來，我將以上使用Sobel Operators技術進行邊緣偵測的成果，與以下使用Canny技術進行邊緣偵測的成果作比較：
    
    在Canny套件的參數中，有兩個參數可以調整，分別是threshold1和threshold2，意思是，圖形的任意點像素，若其值大於threshold2，則認定它屬於邊緣像素，若小於threshold1則不為邊緣像素，介於兩者之間則由程式依其像素強度值運算後決定。

I. 虛擬動畫人物圖
(右下圖中，調整Canny套件中的threshold1為10、threshold2為75)

II. 真實女生圖
(右下圖中，調整Canny套件中的threshold1為15、threshold2為75)

III. 真實男生圖
(右下圖中，調整Canny套件中的threshold1為20、threshold2為45)

    依照我的程式成果比較下來，我們可以得到結論是：

    Sobel：

• 用於提取邊緣，可以利用快速卷積函數，簡單有效，因此應用廣泛。
• 缺點是Sobel算子並沒有將圖像的主題與背景嚴格地區分開來，所以提取的圖像輪廓有時並不能令人滿意，但是算法具體實現很簡單。

    Canny：

• 在線條上的呈現較Sobel要好一些，Canny算子是一個具有濾波，增強，檢測的多階段的優化算子。
• 它實現起來較為麻煩，需視圖片雜訊多寡，調整threshold。

    

(7)  儲存結果：
      包括原圖在內，我的程式在每一次將圖片做轉換時(灰階、模糊化、邊緣線條)，都會儲存一次當前圖片，如下圖所示，使用的是openCV的imwrite套件。

s1051447的作業1

1072 CS362 影像處理概論 作業 1

1051447 梁雅錡

作業題目：
撰寫一個程式從檔案讀取一張圖像，將圖像的每一個點像素的值各加上一個整數值 v(-255 <= v <= 255)，並將圖像儲存至一個新圖像檔案中。

撰寫過程
(1)   作業系統環境：Windows
(2)   程式語言：Python
(3)   程式開發軟體：Pycharm

(4)   開發環境：

開發環境名稱	使用情形
Python 3.6	採用Python 3.6編寫程式。
OpenCV.4.0.0.21	利用OpenCV 4.0.0.21的套件讀取讀片、畫出不同亮度的圖片、以及存取圖片檔。
Numpy 1.15.4	使用Numpy 1.15.4調整圖片的各個像素變動。

(5)   程式內容：

摘要：我使用OpenCV的createTrackbar套件，製作可以給使用者拉動的trackbar，當使用者移動trackbar的滑桿，利用getTrackbarPos套件，就能取得使用者移動到的位置(position)，再針對此位置的數值調整圖片的亮度。

調整亮度步驟：因為trackbar設定數值的最小值(minimal position)必須為0，所以我將trackbar的最大值(maximal position)調整到2倍大小，也就是511。因此，當trackbar的滑桿位置位於255，即為圖片本身亮度的初始值(亮度不變)；當trackbar的滑桿位置位於0~254，即為亮度-255~-1(亮度減少)；當trackbar的滑桿位置位於256~510，即為亮度1~255(亮度增加)，即能達到題目所求之調整亮度從-255到255的需求。

(6)  程式成果：

I. 正常亮度(初始)

II. 調暗亮度

III. 調亮亮度