s1061439 影像處理作業7

作業說明

請撰寫一個程式，利用數學型態學影像處理運算(erode(), dilate()等函式)，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!

操作環境

Windows 10

Python 3.8.5

openCV 4.5.1

matplotlib 3.4.1

numpy 1.19.5

實作方法

• 讀檔
• 將影像二值化
• 利用erosion將影像侵蝕消除雜訊
• 利用dilation將影像膨脹還原
• 利用findcounters找出圖形邊緣，並列印出棋子個數

執行結果

IMG_5702

IMG_5703

IMG_5704

s1061439 影像處理作業6

作業說明

請設計一個基於Run-Length的壓縮法方，對圖檔作無失真壓縮後儲存成新檔案。部落格上應敘述你的壓縮方法，提供壓縮檔之格式，並計算三張圖的平均壓縮率(compression ratio)。

操作環境

Windows 10

Python 3.8.5

openCV 4.5.1

matplotlib 3.4.1

實作方法

RLE Encode

• 讀取照片
• 利用split將RGB通道各別取出
• 以RLE方式壓縮，分別處理每一個通道裡面的值 (e.g. 0002335 就要換成 30122315 )
• 將圖片的圖片大小、長、寬、channel及壓縮結果合併為一個list
• 將一維的list寫入bin file中

RLE Decode

• 讀檔
• 將檔案復原成一個一維的list
• 將list的資料還原成圖片大小、長、寬、channel及R通道、G通道、B通道等資料
• 利用merge合併RGB通道

執行結果

img1.bmp解壓縮還原後

img1壓縮率 = (4.08/13.9)*100% = 29.35%

img2.bmp解壓縮還原後

img2壓縮率 = (6.80/13.9)*100% = 48.92%

img3.bmp解壓縮還原後

img3壓縮率 = (3.90/13.9)*100% = 28.05%

平均壓縮率 = ((4.08+6.80+3.90)/13.9*3)*100% = 35.44%

s1061439 影像處理作業5

作業說明

附件中的讀.raw晶片設計的高度檔案，設計人員無法直接看到相關資訊。利用你所學的Color顏色的知識與處理技術，撰寫一個程式來讀取附件中的讀.raw 檔案，將高度資料以圖片(顏色)視覺化呈現出來，讓設計人員可以看到高度相關資訊。

操作環境

Windows 10

Python 3.8.5

openCV 4.5.1

matplotlib 3.4.1

實作方法

• 利用struct.unpack分別將header的32byte資料切開
• 持續利用struct.unpack將最後的pixel部分存入list，-99999的部分則用空值代替
• 找出list中的最大值及最小值
• 利用最大值及最小值算出每個pixel在0~255之間的分布
• 利用reshape將list轉為圖片
• 將圖片視覺化

執行結果

以下的圖片順序為：原圖、灰階圖、視覺化圖

02.bmp

08.bmp

10.bmp

s1061439 影像處理作業4

作業說明

利用所學的Color顏色的知識與技術，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。

操作環境

Windows 10

Python 3.8.5

openCV 4.5.1

matplotlib 3.4.1

實作方法

方法一：YCrCb

• 使用cvtColor將圖片轉為YCrCb color space
• 將圖片利用cv2.split分為y、cr、cb三個通道
• 對cr通道進行膚色偵測，判斷膚色範圍

方法二：Cr + Otsu

• 使用cvtColor將圖片轉為YCrCb color space
• 將圖片利用cv2.split分為y、cr、cb三個通道
• 使用cv2.threshold對cr通道進行otsu處理
• 對cr、cb通道進行膚色偵測，判斷膚色範圍

方法三：HSV

• 使用cvtColor將圖片轉為HSV color space
• 將圖片利用cv2.split分為h、s、v三個通道
• 對h、s、v通道進行膚色偵測，判斷膚色範圍

執行結果

原圖

YCrCb

Cr+Otsu

HSV

1061439 影像處理作業 3

作業說明

撰寫一個程式，讀取一張 256 色灰階圖像。 
(1)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。 
(2)對圖像利用 Gaussian Low-Pass filter 處理，輸出平滑後圖像。

操作環境

Windows 10

Python 3.8.5

openCV 4.5.1

numpy 1.20.2

matplotlib 3.4.1

實作方法

1.讀取圖片

2.將圖片轉為灰階

3.利用np.fft.fft2()進行二維傅立葉轉換

    呼叫fftshift()函式轉移中心點到中間位置

4.利用np.abs()輸出頻譜圖

5.利用np.angle()輸出相位圖

6.使用GaussianBlur()模糊影像

執行結果

原圖

轉灰階

頻譜圖

相位圖

Gaussian Low-Pass filter