1051549的作業5

Morphological Image Processing

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，列出每張圖像中圍棋個數。

環境需求

• windows 10
• python 3.7
• opencv 4.0
• numpy 1.15.1
• matplotlib 2.2.3

實現方法

主要方法是偵測每個物件的輪廓，計算有輪廓形狀的物件數量，根據輪廓內的面積篩掉棋子上的反光的雜訊

1. 一開始使用imread(image, 0) ，把讀進來的圖轉成灰階圖
2. 讓圖像的細節模糊化，用GaussianBlur()，降低雜訊
3. 再用open = morphologyEx(image, MORPH_OPEN, kernel)，用open morphology方法去除周遭的雜訊，這裡我設kernel為(30,30)大小的矩形，可以有效篩掉大多數的棋子上的反光
4. 將open之後的結果做threshold(open, 0, 255, THRESH_BINARY | THRESH_OTSU)，這裡用Otsu’s algorithm偵測閾值，所以一開始初始閾值可以隨便給，之後會再修正
5. 用sobel’s algorithm，偵測物件的邊緣，以偵測x , y軸的邊緣並取絕對值再疊加兩張軸的圖片
6. 用findContours(sobel, RETR_LIST, CHAIN_APPROX_SIMPLE)找出所有物件輪廓
7. 根據findContours找到物件數量,用contourArea()篩選掉剩下的棋子反光雜訊，這裡我以area < 10當作篩選條件，最後統計可能是黑子的數量

運行結果

左圖是原圖，右圖是輪廓偵測完的結果

第一張圖原來是24顆，程式判斷22顆

第二張圖原來是31顆，程式判斷30顆

第三張圖原來是31顆，程式判斷28顆

​

1051549的作業4

Skin Color Detection

利用你所學的顏色知識，撰寫一個程式來偵測一張輸入圖片中的皮膚區域並將其標示出來

---

使用環境

• windows10
• python 3.7
• opencv 4.0
• numpy 1.15.1
• matplotlib 2.2.3

---

實作說明

運行步驟圖

一開始cv.imread()讀圖進來，opencv預設彩圖是BGR模式

轉換成HSV,BGRA,YCrCb圖

hsv_img = cv.cvtColor(img, cv.COLOR_BGR2HSV)
Bgra_img = cv.cvtColor(img, cv.COLOR_BGR2BGRA)
Ycrcb_img = cv.cvtColor(img, cv.COLOR_BGR2YCrCb)

並把HSV，BGRA，YCrCb通道分離出來，

(B,G,R,A) = cv.split(Bgra_img)
(H,S,V) = cv.split(Hsv_img)
(Y,Cb,Cr) = cv.split(Ycrcb_img)

若要套用以下公式判斷，需要調整HSV三通道配置

一般HSV的理論值是
H = 0 ~ 360
S = 0 ~ 1
V = 0 ~ 1

而opencv對於轉換後的HSV設定是
H = 0 ~ 180
S = 0 ~ 255
V = 0 ~ 255

根據論文人體皮膚感測理論，列出以下條件判斷式，若在條件範圍內的點是白色，反之，則是黑色，最後以單通道顯示結果

if 0.0 <= H <= 50.0 and 0.23 <= S <= 0.68 \
   and R > 95 and G > 40 and B > 20 \
   and R > G and R > B and | R - G | > 15 and A > 15 :
     dstImg = 255
elif R > 95 and G > 40 and B > 20 \
   and R > G and R > B and | R - G | > 15 and A > 15 \
   and Cr > 135 and Cb > 85 and Y > 80 \
   and Cr <= (1.5862*Cb)+20 and Cr >= (0.3448*Cb)+76.2069 \
   and Cr >= (-4.5652*Cb)+234.5652 and Cr <= (-1.15*Cb)+301.75 \
   and Cr <= (-2.2857*Cb)+432.85:
     dstImg = 255
else:
   dstImg = 0

處理完結果用 matplotlib.pyplot顯示圖片

import matplotlib.pyplot as plt

plt.subplot(122),plt.imshow(dstImg, cmap='gray')
plt.title('skin dection'),plt.axis("off")
plit.show()

設定顯示圖像以及儲存圖像的尺寸大小

plt.rcParams['savefig.dpi'] = 300 #圖片像素
plt.rcParams['figure.dpi'] = 300 #分辨率
# 默認的像素：[6.0,4.0]，分辨率為100 圖片尺寸為 600&400
# 指定dpi=200，圖片尺寸為 1200*800
# 指定dpi=300，圖片尺寸為 1800*1200

完成結果

結論：這個膚色偵測公式對於亞洲人，不那麼黑的非洲人，以及白人效果特別好，但是太黑的黑人會被認為是背景

​

1051549的作業3

離散傅立葉轉換DFT練習

題目說明

---

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，並將頻譜大小跟相位角度各以灰階256色圖像方式呈現出

環境需求

---

• windows10
• python 3.7
• numpy 1.15.1
• opencv 4.0
• matplotlib 2.2.3

實作內容

---

一開始，我使用numpy套件中的np.fft.fft2()函式，將原圖經過快速傅立葉轉換變成複數矩陣

fft = np.fft.fft2(img)

origin image:

fft image:

利用以下公式，求出頻譜圖

使用np.abs()將複數透過絕對值轉換成跟原點之間的距離

由於原圖經過FFT轉換後，實數部分大於10^6以上，取對數值可以有效將數值限制在一定範圍之間

magnitude_spectrum = np.log(np.abs(fftshift))

為了能夠清楚分析頻域分布，我們需要將原點（0,0）移到圖像的中心（M/2,N/2）位置，將每點乘上(-1)，用np.fft.fftshift()做轉換

fftshift = np.fft.fftshift(fft)

位移圖像:

位移前的FFT圖:

位移後的FFT圖:

利用以下公式，I(u,v)是虛數(sin角)，R(u,v)是實數(cos角)，利用arctan方式求出原來幅角

使用np.angular()公式求出原來的幅角

ph_fftshift = np.angle(fftshift)

實際運行結果:

左圖第一張是原圖，第二張是頻域圖，第三張是相位圖

​

1051549,作業2

一、題目
撰寫一個程式，讀取一張 256 色灰階圖像或 RGB 全彩圖像，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。


二、環境配置

• windows10
• python 3.7
• opencv 4.0
• numpy 1.15.1

三、實作方法

一開始，imread讀取圖檔

如果圖檔是彩色圖，先將圖片轉為YCrCb格式，分離Y channel，轉成灰階圖，讓通道只能一個

原圖-轉為灰階

用GaussianBlur過濾圖片細節的部分，減少細節層次顯示，讓邊緣更明顯

高斯過濾圖

利用Sobel operators偵測圖像邊緣，計算x跟y方向的梯度

Gx方向圖像邊緣

x方向的梯度圖

Gy方向圖像邊緣

y方向的梯度圖

將兩個梯度方向的圖像組合

原圖與結果的圖像比較