s1053314 的作業 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。 

二、使用環境/語言

• windows10
• Opencv 4.1.0
• Visual Studio 2017

 三、特殊程式片段註解

• resize() //因原圖過大所以先將原圖縮小至758*408
• cvtColor() //將圖片轉為灰階
• threshold() //將圖片二值化
• THRESH_BINARY | THRESH_TRIANGLE //於二值化的過程中將超過Thresh的相入設成maxval其餘設成0或利用Triangle algorithm選出最佳的Threshold value
• getStructuringElement() //設定kernel的樣式及大小
• erode() //腐蝕圖片
• dilate() //膨脹圖片
• findContours() //計算圍棋個數
• drawContours() //用來繪製讀取到的邊緣

 四、執行結果

• IMG_5702

            (原圖)

            (二值化)

            (膨脹及腐蝕)

            (誤差1顆)

• IMG_5703

            (原圖)

            (二值化)

            (膨脹腐蝕)

            (誤差1顆)

• IMG_5704

            (原圖)

            (二值化)

            (膨脹及腐蝕)

            (誤差5顆)

• IMG

            (原圖)

            (二值化)

            (膨脹及腐蝕)

            (誤差0顆)

s1053314 的作業 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、原理

HSV顏色空間:由色調(Hue)、飽和度(Saturation)、亮度(Value)三個分量構成，HSV更接近於人眼的主觀感受，可通過下圖展現出HSV顏色分布:

YCbCr顏色空間:用於影片中影像的連續處理，或者數字攝影系統中。Y是所謂的流明(Luminance)表示光的濃度且為非線性，並使用Gamma correction編碼處理。Cb和Cr是藍色和紅色的濃度偏移量成分。

三、實現步驟

• 亮度補償:R、G、B三通道5%非線性Gamma校正
• 顏色空間轉換:RGB顏色空間轉換到YCbCr顏色空間
• 使用規則化作膚色分割

四、使用環境/語言

• Windows 10

• Spyder 

• Python 3.7.1

• Opencv 3.4.1

五、特殊程式片段註解

• cv2.cvtColor(img,cv2.COLOR_BGR2YCR_CB) //RGB顏色空間轉換到YCbCr顏色空間
• cv2.cvtColor(img,cv2.COLOR_BGR2RGB) //BGR顏色空間轉換到RGB顏色空間
• np.zeros //準備一個空的影像空間
• np.hstack //將原圖與偵測膚色的圖水平方向堆疊起來
• imwrite //將影像寫入路徑上存放

六、環境設置

• 將Anaconda的路徑加入的path

• 於Anaconda cloud server中搜尋package（cmd輸入:anaconda search opencv)

• 挑選一個符合系統的package（cmd輸入:conda install -c https://conda.anaconda.org/package名稱）

• 下載完畢後，開啟Spyder執行程式

七、執行結果

• pyplot

• 存圖

八、參考資料

• https://blog.csdn.net/shadow_guo/article/details/43605117
• https://zh.wikipedia.org/wiki/YCbCr

s1053314 的作業 3

一、作業要求

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、原理

傅立葉轉換常用在分析各種濾波器的特性。可以是用2D離散傅立葉轉換分析影像的頻域特性。
實現2D離散傅立葉轉換(DFT)的演算法叫做快速傅立葉轉換(FFT)，對影像進行x方向和y方向的傅立葉轉換，會得到影像的頻域表示圖。

直觀來說，一個正弦訊號如果幅度變化很快，可以稱之高頻訊號，如果轉換很慢，可以稱之低頻訊號。在影像中灰階值變化快的位置，可以稱之高頻分量，灰階值變化慢鑿稱之低頻分量。

然而2D傅立葉轉換的一公式為:

反轉換為:

當u=v=0時，反轉換可以實現將頻域圖像恢復成時域圖像:

三、使用環境/語言

• Windows 10

• Spyder 

• Python 3.7.1

• Opencv 3.4.1

四、特殊程式片段註解

• np.fft.fft2() //對訊號進行頻率轉換輸出一個複數陣列，第一個引數為灰階影像，第二個引數為輸出陣列大小
• np.fft.fftshift() //進行移頻操作
• np.abs() //取絕對值，將複數變化成實數
• np.log() //取log，將數據變化成較小的範圍
• np.angle() //取相位

五、環境設置

• 將Anaconda的路徑加入的path

• 於Anaconda cloud server中搜尋package（cmd輸入:anaconda search opencv)

• 挑選一個符合系統的package（cmd輸入:conda install -c https://conda.anaconda.org/package名稱）

• 下載完畢後，開啟Spyder執行程式

六、執行結果

七、參考資料

• https://blog.csdn.net/on2way/article/details/46981825
• https://www.itread01.com/p/520125.html

s1053314 的作業 2

一、作業要求

邊緣偵測與製作線條自畫像撰寫一個程式，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。

二、原理

去雜訊：利用高斯函數得到高斯濾波的各個參數

紀錄梯像素梯度方向與強度：以Sobel運算子計算水平和垂直梯度（Gx,Gy)，兩者平方後相加得到梯度強度（Ｇ）

非最大抑制：採用梯度找邊緣，邊緣會比較模糊，這方法讓邊緣定位較精確，比較每個像素，當這個像素的梯度強度最大就保留此像素的值，否則設成0

判斷邊界：依據輸入的上下兩個閾值判斷此像素是否為邊緣，下列三種判斷依據，

• 此像素梯度強度大於上閾值，此像素為邊緣

• 此像素梯度強度小於下閾值，此像素不為邊緣

• 此像素梯度強度介於上下閾值，若此像素周圍，有像素的梯度強度大於上閾值，則此像素為邊緣，否則不為邊緣

三、使用環境/語言

• Windows 10

• Spyder 

• Python 3.7.1

• Opencv 3.4.1

四、特殊程式片段註解

• cvtColor //以BGR顏色空間轉換到灰度空間

• GaussianBlur //用來去除雜訊

• Canny //抗雜訊及精確定位有較好的效果

• hstack //將原圖與調整過的圖水平方向堆疊起來

• createTrackbar //建立滑動條調整閾值大小

• imwrite //將照片寫入路徑上存放

五、環境設置

• 將Anaconda的路徑加入的path

• 於Anaconda cloud server中搜尋package（cmd輸入:anaconda search opencv)

• 挑選一個符合系統的package（cmd輸入:conda install -c https://conda.anaconda.org/package名稱）

• 下載完畢後，開啟Spyder執行程式

六、執行結果

• 閾值＝0

• 閾值＝11

• 閾值＝38

• 閾值＝70

• 閾值＝100

• 儲存圖片（dog copy）

七、影片連結

• https://youtu.be/qLNZ2wYlpO0

八、參考資料

• http://monkeycoding.com/?tag=canny

s1053314 的作業 1

一、作業要求:

圖像亮度調整
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。

二、原理

g(x) = f(x)+b

亮度調節就是對圖像的點操作，如上述公式，改變b的值就是改變圖像亮度。

三、使用環境/語言:

• Windows 10
• Python 3.7.1
• Opencv 3.4.1

四、特殊程式片段註解:

• cv2.getTrackbarPos(trackbar_name, wname)與
  cv2.createTrackbar(trackbar_name)來創建滑動條控制亮度與對比度。

• resize 修改圖片大小。

• np.hstack將原圖與調整過的圖水平方向堆疊起來。

• imwrite()將照片寫入路徑上存放。

五、執行方式/畫面:

• 原圖(對比10 亮度0)(dog)

• 亮度(對比10 亮度96)

• 對比(對比2 亮度96)

• (對比0 亮度-128)

• (對比20 亮度128)

• 存圖(dog copy)

六、連結影片

• https://youtu.be/42Xdrn65IKo

七、參考資料

• https://zhuanlan.zhihu.com/p/44813768