s1082040 作業1

 一、作業要求

        撰寫一個程式讀取ㄧ張圖片，將圖像中每一個點像素的值各加上一個數值。如果輸入 圖像是灰階圖像，改變每個像素的灰階值；如果輸入圖像是全彩圖像(RGB)，則只改變 每個像素的 R 值。 注意修改後像素值溢位 Overflow 問題(像素值介於 0 與 255 之間)。

 二、程式說明

        1.原圖.convertTo(新圖, CV_32F) 需先轉成高精度再進行亮度轉換

        2.用for迴圈以圖片col和row當作範圍一個一個轉換

        3. 偵測灰階圖片:當r==g==b時判斷為灰階圖片

        4.若為全彩圖片則只調整r值

 三、程式環境

Windows 10

Visual Studio 2019

OpenCV 3.4.6

 四、執行畫面

                                                   Lenna(+100)                    Lenna(-100)

                                                  bookgrey(+100)              bookgrey(-100)

s1081533 作業1

 1. 開發環境

• mac 11.4
• Google colab
• opencv 4.1.2

2. 程式流程

先將雲端硬碟掛載於colab上。

from google.colab import drive

drive.mount('/content/gdrive')

引入opencv並查看版本資訊。

import cv2

from google.colab.patches import cv2_imshow

print(cv2.__version__)

用imread讀入雲端硬碟中圖片，並用imshow查看是否讀入和顯示

imgin = cv2.imread("/content/gdrive/MyDrive/yzu/影像處理/bookGray.jpg",0) #讀取灰階原始圖片

cv2_imshow(imgin)

查看圖片的shape，並根據shape用numpy中的np.zero()產生像素點矩陣，並將每個點像素值加120.整體圖片效果會變亮。

import numpy as np

imgnum=np.zeros((688,688),imgin.dtype)+120

imgnew=cv2.add(imgin,imgnum)

cv2_imshow(imgnew)

使用numpy中的np.concatenate()將原始圖片與變亮的圖片連接顯示，更方便觀察。

最後用imwrite存入雲端資料夾中。

image = np.concatenate([imgin, imgnew],axis=1)

cv2_imshow(image)

cv2.imwrite("/content/gdrive/MyDrive/yzu/影像處理/graycon.jpg",image)

因opencv中3個channel的順序為B,G,R。所以這裡是imgRGB(i,j,2):i和j為圖片的每個像素點，而2代表則是R channel。np.clip()是限制像素值在0-255之間。

#opencv2 :b,g,r

num=np.zeros((512,512,3),imgin.dtype)

for i in range(imgRGB.shape[0]):

for j in range(imgRGB.shape[1]):

imgRGB[i,j,2]=np.clip(imgRGB[i,j,2]+100,0,255) #

cv2_imshow(imgRGB)

cv2.imwrite("/content/gdrive/MyDrive/yzu/影像處理/RGB.jpg",imgRGB)

3. 圖片執行結果

左圖為原圖，右圖為+100結果

左圖為原圖，中間為R+100，右圖為R-100

4. demo影片

s1073318 作業1

 一、 作業說明 

輸入圖片路徑、欲調整數值，若圖片為灰階調整亮度，若圖片為彩色則只調整R值。調整後數值超出8bit範圍(0~255)則調整為最大值或最小值。

二、 作業環境

Windows 10

OpenCV 4.5.5

Visual Studio 2017

三、 實作方法

1.      輸入圖片路徑及欲增加的數值，判斷是否為灰階圖片。

2.      灰階圖片調整b, g, r值，彩色圖片僅調整r值，超出8bit表示範圍(0~255) 則調整為最大值或最小值。

3.      顯示原圖以及修改後的結果。

Function:

bool IsGrayScale(Mat src): 判斷是否為灰階圖片

Mat AddImgValue(Mat src, int b, int g, int r):對src的每一pixel加上(b,g,r)，若調整後數值超出8bit表示範圍(0~255)則調整為最大值或最小值。

四、 執行結果

灰階圖片+100

灰階圖片-100

灰階原圖

彩色R值+1000(最大值255)

彩色R值-1000(最小值0)

彩色原圖

s1073328 作業1

    1. 作業說明:

• 圖像亮度調整

                    撰寫程式讀取圖片， 將每個像素值加上一個數值，改變亮度。

                    若為灰階圖像，需改變像素的灰階值;若為全彩圖像，只改變像素的R值。

                    像素值介於0到255之間。

    2. 開發環境:

• Windows 10




• Visual Studio 2017




• OpenCV4.5.5

    3. 程式流程:

• 首先，輸入圖片完整路徑及名稱，並利用imread()讀取圖片。

                    👉 若是讀取失敗，將跳出提示，並結束程式。

• 接著，輸入欲增減的亮度值。正值為調亮，負值為調暗。 

                    👉 因為此程式在全彩圖中將只會修改R值，所以若輸入正值將會偏紅。

• 最後，用imshow()展示出原圖以及調整亮度後的圖片結果。

                    👉 若經過修改後的數值溢位，將藉saturate_cast<uchar>()調整。

                           當underflow，數值設為最小值0;當overflow，數值設為最大值255。

                    

                    👉 下列為調整圖像對比度及亮度的公式

                            

    4. 執行結果:

• 灰階圖像

調暗(-125)

原圖

調亮(+125)

實作影片

• 全彩圖像

減少R值(-125)

原圖

增加R值(+125)

實作影片