s1071534 影像處理作業8

執行結果:

原圖

二值化結果

s1071534 影像處理作業6

一、作業說明 

附件中為三張利用將高度以色彩視覺化後的圖片。

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)。

二、作業環境

●    Windows 10

●    Python 3.6

●    opencv 4.2.0

三、實作方法

Compress

1.讀入圖片(.bmp)

2.將圖片的BGR分別提取成三個陣列

3.將每個陣列展開成一維(為了加速處理時間)

4.對每個陣列做run length壓縮資料提取

5.將壓縮資料合併，且加上檔案頭(圖片長度,圖片寬度,BGR個別的資料個數)

6.寫出壓縮檔(.omniMan)

Decompress

1.讀入壓縮檔案(.omniMan)

2.讀取檔案頭

3.依照表頭的資料讀取BGR的資料

4.依照壓縮資料重新組成原圖片

5.輸出圖片

四、執行結果

平均壓縮率 = (6.642+4.041+6.967)/3 = 5.883

五、確認圖片無損

使用imagehash.average_hash()取得原圖片與解壓縮圖片的hash值

img1.bmp

img2.bmp

img3.bmp

S1071534 影像處理作業5

 

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。

執行環境：

• Windows10
• Python 3.6
• OpenCV 4.5.1

實作方式：

• step 1 : 讀取檔案
• step 2 : 解封Header
• step 3 : 利用Header的長和寬讀取後續pixel
• step 4 : 取得最大值級最小值(去除-99999)
• step 5 : 將資料標準化至 0 to 120，並將-99999的位置設為黑色(代表HSV的H)
• step 7 : 合成hsv
• step 8 : 將HSV的資料轉成BGR
• step 9 : Show images

執行結果：

依序為 02.raw 08.raw 10.raw

最高值紅色 最低藍色

02

08

10

S1071534 影像處理作業4

  一、作業說明 

利用你所學的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。

二、作業環境

●    Windows 10

●    Python 3.6.13

●    opencv 3.4.2

三、實作過程

一開始使用Proposed Skin Detection Algorithm實作:

其閥值公式為:

    

     執行步驟:

     1.將圖片讀取並轉換為HSV與BGR分量，在依照公式做閥值的過濾:

        

            

原圖

Proposed Skin Detection Algorithm 得到的Mask

將原圖用mask過濾的結果

    2.由於許多沙子也被判斷為皮膚，因此對閥值做修正

        此方法只對HSV做限制:

更新閥值後得到的mask

         因為得出的mask有許多的雜訊因此對其做模糊化

對maks做模糊化

將原圖使用mask過濾後的結果

    3.考慮到人體皮膚不會有快速的變化，因此對原圖先進行模糊化:

原圖沒有模糊化的結果

原圖有模糊化後的結果

                        
其他測資的結果:

    

s1071534 影像處理作業3

 

s1071534 影像處理作業3

 一、作業說明 

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!)

二、作業環境

●    Windows 10

●    Python 3.6

●    opencv 3.4.2

●    numpy 1.19.5

●    matplotlib 3.3.4

三、實作方法

1.讀取圖片並將其轉為灰階(圖一)

2.將圖片padding成兩倍長兩倍寬(圖二)

3.將圖片乘上(-1)^(x+y)。(圖三)

4.使用np.angle()取得相位 (圖四)

5.使用cv2.dft、cv2.magnitude、np.log取得頻譜圖，並將數值轉換至0到255(圖五)

7.將頻譜圖與高斯低通濾波器相乘(圖六)

8.對過濾後的頻譜作反傅立葉

9.對反傅立葉結果的實數部分乘上(-1)^(x+y)，取得結果片圖。(圖七)

10.去除圖片的Padding。(圖八)

圖一

圖二

圖三

圖四

圖五

圖六

圖七

圖八

s1071534 影像處理作業 2

 作業說明 ：

        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， 如全彩圖像可先將圖片由 RGB 轉換至灰階影像)，利用 Sobel Operators 圖像邊緣為基 礎，設計一個類似素描線條自畫像程式。(如果可以分析邊緣偵測所得到的點，結合成 線條方式呈現更佳!)

使用環境：

• window 10
• anaconda Spyder 
• numpy 1.18.5
• OpenCV 4.0.1

方法：

    1.將圖片轉成灰階圖片

    2.使用高斯矩陣將圖片模糊化

    3.使用Canny演算法 找出邊緣

        Canny演算法步驟:

        1.透過Sobel濾波器濾出邊緣的強度及方向

          2.尋找最大梯度方向 確認實際邊緣點位置

          3.設定最大及最小閥值用來將相鄰的邊緣點連成線

 

執行結果：

原始圖片

轉成灰階

高斯模糊化

Canny演算法呈現結果

將圖片的黑與白顛倒

1071534 影像處理作業 1

影像處理概論作業1

作業題目:

        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。

使用環境:

• Window 10 
• anaconda Spyder 
• OpenCV 4.0.1

實作方法:

        使用cv2.imread讀取圖片，接著使用cv2.split將圖片的R,G,B三個陣列分離，將三個陣列內的所有值加上v(使用者輸入的數值)，再使用cv2.merge合成新的圖片，最後使用cv2.imwrite儲存更改過後的檔案。

執行結果(原圖,調亮,調暗):