顯示具有 1073348 標籤的文章。 顯示所有文章
顯示具有 1073348 標籤的文章。 顯示所有文章

2021年6月13日 星期日

s1073348 影像處理作業7

 1. 作業說明:  

數學型態學影像處理應用 Morphological Image Processing

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。

 

2. 作業環境、語言:

作業系統: Windows 10
程式語言:Python 3.8.5
編譯器:Spyder 4
使用python套件:
openCV 4.5.1
numpy 1.20.2

 

3. 方法:

        使用兩種方法:第一種為直接使用Houghcircle
                                 第二種為用erode去侵蝕並用findcontours來計算點數

        (1) 讀取圖片,需要手動輸入圖片名稱 (ex : 圖片名稱: IMG_5703.jpg )
        
        (2) 灰階化圖片 用cv2.COLOR_GRAY2BGR

        法1:
        (1)直接套入circles = cv2.HoughCircles(dst,cv2.HOUGH_GRADIENT,1,100,
                            param1=100,param2=30,minRadius=150,maxRadius=250)

         (2)輸出偵測到的圓形個數
         
        法2:

        (1)模糊化處理圖片 dimg = cv2.medianBlur(dst,5)     

        (2) 二值化圖片,利用threshold函式

        (3) 計算kernel值(橢圓:cv2.MORPH_ELLIPSE 大小為250,250 )

        (4) 用 erode()侵蝕圖片

        (5) findContours()計算邊緣數量

        (6) drawContours()畫上原圖

        (7) 輸出print(len(contours))數量,為圍棋數量



4.執行結果


   
IMG_5702:
HoughCircles偵測:


二值化圖片:
erosion後圖片:

erosion畫上去原圖:


結果





IMG_5703:
HoughCircles偵測

二值化圖片:
erosion後圖片:


erosion畫上去原圖:

結果








IMG_5704:

HoughCircles偵測

二值化圖片:
erosion後圖片:


erosion畫上去原圖:

結果
































 

2021年5月23日 星期日

s1073348 影像處理作業5

 1.作業說明:

附件中的讀.row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.row 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。

2.作業環境

作業系統: Windows 10
程式語言:Python 3.8.5
編譯器:Spyder 4
使用python套件:
openCV 4.5.1
numpy 1.20.2
matplotlib


3、操作過程:

    1. 先使用float32轉換.raw檔,有三個檔案 02,08,10.raw

2. 解封(unpack Header)求出Height(H) & Width(W)

3. 運用長寬取得pixel存至陣列pix_ar1,pix_ar2,pix_ar3

4. 取的各自最大值(max)&最小值(min)

5. 將pixel為-99999的值轉為無效值

6. 計算Difference為Max-Min

7. 轉換其為圖片(0~255)

8. 將每個數值除以Difference乘上255

9. 用cv2.function中的ColorMap_Jet對應值填色

10. Color Visualization輸出,並以cv2.imwrite儲存圖片


4.執行結果

02.raw 原圖:


02圖片視覺化後:

08.raw 原圖

08圖片視覺化後:

10.raw原圖:
10圖片視覺化後

三張raw轉換成視覺化的plot

















2021年5月16日 星期日

s1073348 影像處理作業4

   一、作業題目: 

    利用你所學的顏色的知識與技術,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。


二、操作環境:


作業系統: Windows 10
程式語言:Python 3.8.5
編譯器:Spyder 4
使用python套件:
openCV 4.5.1
numpy 1.20.2


三、操作過程:


1.方法1 :YCRCB 方法 ==> ellipse_detect():

將RGB圖像轉換到YCRCB空間,膚色像素點會聚集到一個橢圓區域。
先定義一個橢圓模型,
然後將每個RGB像素點轉換到YCRCB空間比對是否再橢圓區域,是的話判斷為皮膚。

cv2.ellipse(skinCrCbHist ,(113,155),(23,15),43,0, 360, (255,255,255),-1) 
//把膚色轉換聚集到橢圓區域

 for i in range(0,x):
        for j in range(0,y):
            CR= YCRCB[i,j,1]
            CB= YCRCB[i,j,2]
            if skinCrCbHist [CR,CB]>0:
                skin[i,j]= 255
//用兩層 for 迴圈來比較並判斷

2.方法2 cr_otsu()

針對YCRCB中CR分量的處理,將RGB轉換為YCRCB,對CR通道單獨進行otsu處理,otsu方法opencv裡用threshold。

(y, cr, cb) = cv2.split(ycrcb)
    cr1 = cv2.GaussianBlur(cr, (5, 5), 0)
    _, skin = cv2.threshold(cr1,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

//設定 threshold 來判斷


3.方法3 crcb_range_sceening():
基於YCrCb顏色空間Cr, Cb範圍篩選:
類似於第二種方法,只不過是把CR跟CB兩個考慮加進去


skin = np.zeros(cr.shape,dtype= np.uint8)
    (x,y)= cr.shape
    for i in range(0,x):
        for j in range(0,y):
            if (cr[i][j]>140)and(cr[i][j])<175 and (cr[i][j]>100) and (cb[i][j])<120:
                skin[i][j]= 255
            else:
                skin[i][j] = 0
//一樣用兩層for迴圈判斷 


4.方法4 hsv_detect(image):
還是轉換空間然後每個通道設置一個threshold值綜合考慮,進行二值化操作。
for i in range(0,x):
        for j in range(0,y):
            if(_h[i][j]>7) and (_h[i][j]<20) and (_s[i][j]>28) and (_s[i][j]<255) and (_v[i][j]>50 ) and (_v[i][j]<255):
                skin[i][j] = 255
            else:
                skin[i][j] = 0

四.執行結果:

方法1:YCRCB 

原圖 :
結果:

方法2: YCrCb COLER 空間的Cr分量+Otsu閥值分割

原圖:

中間二極化結果:
最終結果:

方法3:crcb_range_sceening

原圖:
中間二極化結果:
最終結果:

方法4:hsv_detect

原圖:

中間二極化:
最終結果:
































2021年5月2日 星期日

1073348 影像處理作業 3

作業過程

離散傅立葉轉換 DFT 練習 請撰寫一個程式,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。(程式利用課本的 frequency filter 步驟者可得滿分!) 

操作環境

Windows 10
Python 3.8.5
Spyder 4
openCV 4.5.1
numpy 1.20.2
matplotlib 3.4.1


操作過程

1.讀取圖片
2.將圖片轉為灰階的形式
3.利用 f = np.fft.fft2(img_man) #利用傅立葉變換演算法得到頻率分布
4.fshift = np.fft.fftshift(f)   # 預設結果中心點位置是在左上角# 呼叫fftshift()函式轉移到中間位置
5.fimg = np.log(np.abs(fshift))  # fft 結果是複數,其絕對值結果是振幅 輸出頻譜圖
6.np.angle() #輸出相位圖
7  利用
    rows,cols = img_man.shape
    mask = np.zeros(img_man.shape,np.uint8)    
    mask[rows/2-20:rows/2+20,cols/2-20:cols/2+20] = 1
  把空間域濾波中的Laplace模板的1變成0,0變成1,形成Gaussian Low-Pass

執行結果

原圖vs傅立葉頻譜:



原圖vs angle-phase:

原圖 vs Gaussian-lowpass: