s1051525 的 作業5

一、環境設置

    
    macOS 10.14、python 3.7、openCV 4.1、compile with terminal

二、功能結果呈現

（一）程式執行後需則印出三張測試圖和最後結果

     將偵測到之圍棋以黃色圓圈標記，並計算其數量後，最後在終端機上呈現正確答案及偵測數量。

        1. 測試圖(1)

 

        2. 測試圖(2)

        3. 測試圖(3)

        4. 正確答案及結果呈現

（二）將測試結果圖輸出到桌面並儲存檔案

三、核心想法
 
    使用 cv2.HoughCircles 為主的霍夫圓形偵測方法，對於每個點進行運算，並透過調整 mindist、param1、param2、minRadius、maxRadius 等參數，以增加其偵測到特定範圍之圓形圖型的成功率。

    

s1051525 的 作業4

一、環境設置

    
    macOS 10.14、python 3.7、openCV 4.1、compile with terminal

二、功能結果呈現

（一）程式執行後需輸入圖片檔名以作當次圖片處理來源(e.g., 1.jpg)

（二）呈現選取圖片之圖

    

     由左至右分別為原圖、皮膚偵測圖。

三、核心想法

    先將圖片輸入後 cv2.cvtColor () 將原本的圖片轉換成 bgra、y_cr_cb、rgb、hsv 等顏色空間，接著使用https://arxiv.org/pdf/1708.02694.pdf 論文中 p.328 所使用的 Proposed Skin Detection Algorithm 當作 mask 去判斷皮膚位置，但此方法尚未能完全將沙子的顏色與皮膚色分開，但可以將絕大部分的不同種族顏色皮膚及其身體服飾做區隔。

s1051525 的 作業3

一、環境設置

    
    macOS 10.14、python 3.7、openCV 4.1、compile with terminal

二、功能結果呈現

（一）程式執行後需輸入圖片檔名以作當次圖片處理來源(e.g., 1.jpg)

（二）呈現選取圖片之圖

    

     由左至右、由上而下分別為，原圖、頻譜圖、相位圖、中心化頻譜圖、中心化相位圖。

三、核心想法

    先將圖片轉成灰階圖後，使用 np.fft.fft2() 傅立葉轉換，並將結果使用 np.fft.fftshift() 中心化，最後使用 np.log() 及 np.angle() 做頻譜圖及相位圖，最後用 matplotlib 做圖表輸出。

s1051525 的 作業2

一、環境設置

    
    macOS 10.14、python 3.7、openCV 4.0、compile with terminal

二、功能結果呈現

（一）程式執行後需輸入圖片檔名以作當次圖片處理來源(e.g., test.jpg)

（二）呈現選取圖片之素描圖

    1. 原始圖片

    2. 素描圖

（四）最後於圖片上以鍵盤輸入任意鍵結束程式，並將調整後之圖片輸出為output.jpg檔案。

三、核心想法

    先將圖片轉成灰階圖後，以浮點資料格式CV_64F，使用cv2.Sobel()公式針對X軸及Y軸抓取其邊緣並合併。

s1051525 的 作業1

一、環境設置

    
    macOS 10.14、python 3.7、openCV 4.0、compile with terminal

二、功能結果呈現

（一）程式執行後需輸入圖片檔名以作當次圖片處理來源(e.g., test.jpg)
（二）輸入1或2以選取輸入圖片為全彩或灰階以作後續處理

（三）呈現選取之圖片介面

    上方有一個TrackBar可以調整亮暗程度，往右漸暗，往左漸亮。

    1. 原始圖片

    2. 圖片調亮

    3. 圖片調暗

（四）最後於圖片上以鍵盤輸入任意鍵結束程式，並將調整後之圖片輸出為output.jpg檔案。

三、核心想法

    使用Gamma矯正方法及公式 power(image / float(max(image)), gamma值)