1051511 作業5

一、作業要求:

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。 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! 

二、使用的環境:

• Windows10
• Python3.6
• Opencv-3.4
• Pyqt 5
• Matplotlib-3.0.1

三、特殊程式片段說明:

      cv2.cvtcolor()----->將彩圖轉成灰階

      cv2.threshold()---->將圖二質化，且用cv2.THRESH.BINARY.INV 將黑白顏色調換

      cv2.getStructuringElement()---->定義kernel樣式和大小

      cv2.erode()和cv2.dilate()----->來腐蝕和膨脹圖片

      cv2.findContours()---->用來計算有幾個黑色旗子

.

四、執行方式:

    以Load按鈕選取想要轉換的圖片，並選取上方的radiobox點選狀態(原圖or計算chess，透過plot呈現， 以plot中

     的save按鈕進行存檔。

五、執行方式:

•  初始介面

         

• Load彩圖
• 
• 
  
• 
  • 
    

• IMG_5702結果

        

• IMG_5703結果

      

• IMG_5704結果

      

• 計算結果分別為18、30、31

        

• save 圖片
  
  

  

 

• 

1051511 作業4

一、作業要求:

利用你所學的顏色的知識，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。

二、使用的環境:

• Windows10
• Python3.6
• Opencv-3.4
• Pyqt 5
• Matplotlib-3.0.1

三、特殊程式片段說明:

      在皮膚檢測當中，現在大致有兩種方法分別為將圖片轉換為HSV和YCrCb的形式進行檢測。

        

       HSV的部分:

•  使用cv2.cvtColor()-->轉換為HSV
•  使用cv2.inRange()--->指定可以通過為皮膚的範圍

      YCrCb的部分:

•  使用cv2.cvtColor()--->轉換為YCrCb
•  使用cv2.inRange()--->指定可以通過為皮膚的範圍

    接著使用cv2.bitwise_and()--->將HSV和YCrCb以AND結合
    並使用cv2.morphololgyEx()--->閉運算使物體輪廓變得光滑
.

四、執行方式:

     以Load按鈕選取想要轉換的圖片，並選取上方的radiobox點選狀態(原圖or只有皮膚)，透過plot呈現， 以plot中

     的save按鈕進行存檔。

五、執行方式:

• 初始介面

             

• Load彩圖

        

      

• 點選"Only Skin"

       

• save 圖片

       

         

     

1051511的作業3

一、作業要求:

請撰寫一個程式，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。

二、使用的環境:

• Windows10
• Python3.6
• Opencv-3.4
• Pyqt 5
• Matplotlib-3.0.1

三、特殊程式片段說明:

      由於以傅立葉轉換成兩種圖頻譜圖與相位角圖。

        

        Spectrogram的部分:

•  使用cv2.dft()--->DFT傅立葉轉換
•  使用np.fft.fftshift()--->使用fftshift函数進行移頻操作
•  使用cv2.magnitude()--->得到頻譜圖

        Phase的部分:

•  使用cv2.dft()--->DFT傅立葉轉換
•  使用np.fft.fftshift()--->使用fftshift函数進行移頻操作
•  使用cv2.phase()--->得到相位圖

四、執行方式:

     以Load按鈕選取想要轉換的圖片，並選取上方的radiobox選擇想要轉換的方式(頻譜or相位譜)，透過plot呈

      現， 以plot中的save按鈕進行存檔。

五、執行方式:

• 初始介面

        

• Load 256色灰階圖

        

       

• 選擇Spectrogram，以plot顯示頻譜圖

       

• 選擇Phase，以plot顯示頻譜圖

       

• 分別save圖片

       

         
 
     

1051511的作業2

一、作業要求:

邊緣偵測與製作線條自畫像 Edge Detection Contour Drawing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、使用的環境:

• Windows10
• Python3.6
• Opencv-3.4
• Pyqt 5

三、特殊程式片段說明:

    

    我給於使用者兩種方式來寫邊緣偵測分別是Sobel以及Scharr，讓使用者觀看哪種邊緣偵測是他們所需要的

    Sobel的部分:

• 使用cv2.GaussianBlur()--->以減少雜訊
• 使用Sobel()--->分別水平及垂直的運算
• 使用convertScaleAbs()--->將圖片轉成CV_8U的型態
• 使用addWeighted()--->將垂直軸和水平軸的圖片分配權重，並結合在一起

  Scharr的部分:

• 使用cv2.GaussianBlur()--->以減少雜訊
• 使用Scharr()--->分別水平及垂直的運算]
• 使用convertScaleAbs()--->將圖片轉成CV_8U的型態
• 使用addWeighted()--->將垂直軸和水平軸的圖片分配權重，並結合在一起

    兩者的差別主要在於運算用的核不同，在測試的情況下Scharr效果較好

四、執行方式:

      以Load鍵選取想要調整的圖片，並選取上方的radiobox選擇想要的邊緣偵測方式，再按下Save進行存檔。

五、執行結果:

• 初始介面          

• Load 圖片(彩圖)

• 選擇Sobel

• 選擇Scharr

• 分別save圖片

• Load 圖片(灰階圖)

• 選擇Sobel

• 選擇Scharr

• 分別save圖片

1051511 作業一

一、實作方法:
建立一個slider以滑動的方式，調整亮度，以g(x,y)=a*f(x,y)+b的方式做圖片亮度調整。

二、執行環境:
python3、opencv、windows、PyQt5

三、執行方式:
以Load鍵選取想要調整的圖片，並建立一個slider以滑動的方式調整亮度，調整到自己想要的'亮度，在按下Save進行存檔。

四、執行畫面

• 初始介面

      

• Load 圖片(彩圖)

       
       

• 以slider調整亮度(亮度高)

     

• 以slider調整亮度(亮度低)

         

• Save圖片(彩圖)

         
         

• Load 圖片(灰階圖)

         

     

• 以slider調整亮度(亮度高)

         

• 以slider調整亮度(亮度低)

      

• Save圖片(灰階圖)