s1071536 影像處理作業7

    一、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。

二、作業環境

●    Windows 10

●    Python 3.7.10

●    opencv 4.2.0

三、實作方法

Way1

1.讀入圖片

2.將圖片轉成灰階

3.用較大的Kernal對灰階圖做Erosion

4.用較小的Kernal對灰階圖做Erosion

5.對灰階圖做Dilation

6.使用cv2.findContours尋找輪廓，並利用找到的輪廓數作為預測的棋數

Way2

1.讀入圖片

2.將圖片轉成灰階

3.對原圖做cv2.HoughCircles並將中心點用黑色覆蓋在灰階圖上

4.用較大的Kernal對灰階圖做Erosion

5.用較小的Kernal對灰階圖做Erosion

6.對灰階圖做Dilation

7.在灰階圖上畫上cv2.HoughCircles的結果

8.使用cv2.findContours尋找輪廓，並利用找到的輪廓數作為預測的棋數

四、執行結果

● 左圖為Way1，右圖為Way2

● HoughCircles只出現在Way2中，故只有一張圖

Predict Result

Way1 vs Way2

Original Image

output_IMG_5702.JPG

HoughCircles

Additional step in Way2

Erosion

*Way2: original image(gray) - houghcircles -> erosion

Dilation

*Way2: (previous step result -> dilation) + houghcircles

Contours

Original Image

output_IMG_5703.JPG

HoughCircles

Additional step in Way2

Erosion

*Way2: original image(gray) - houghcircles -> erosion

Dilation

*Way2: (previous  step result -> dilation) + houghcircles

Contours

Original Image

output_IMG_5704.JPG

HoughCircles

Additional step in Way2

Erosion

*Way2: original image(gray) - houghcircles -> erosion

Dilation

*Way2: (previous step result -> dilation) + houghcircles 

Contours

s1071536 影像處理作業8

一、作業說明 

請寫一個程式將附圖二值化後輸出黑白圖像。
目的是將文字與背景分離。

二、作業環境

●    Windows 10

●    Python 3.7.10

●    opencv 4.2.0

三、執行結果

原圖

結果圖

s1071536 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 3.7.10

●    opencv 4.2.0

●    imagehash 4.2.0

三、實作方法

Compress

1.讀入圖片(.bmp)

2.將圖片的BGR三個channel分離(2D Array)

3.將各自channel資料flatten後(2D->1D)再合併成1D Array

4.使用RLE壓縮演算法將1D資料壓縮並寫入bin file中

Decompress

1.讀入壓縮檔案(.bin)

2.逆著RLE壓縮演算法的步驟得到壓縮前1D的資料

3.將1D資料分成BGR channel(1D Array)

4.將RGB channl各自資料reshape成2D後再merge成3D

5.輸出圖片

Verification

1.讀入原本的圖片以及解壓縮後的圖片

2.使用imagehash 對圖片hash，並比較之間的差異

四、執行結果

Average compression ratio = (6.642+4.041+6.967)/3 = 5.883

img1.bmp_compression ratio: 6.642

img2.bmp_compression ratio: 4.041

img3.bmp_compression ratio: 6.967

s1071536 影像處理作業5

   一、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。

二、作業環境

●    Windows 10

●    Python 3.7.10

●    opencv 3.4.2

三、實作方法

1.將raw檔讀入(header、data)

2.找到data中的max和min值，並將所有值為-99999.0改為min值

3.以min和max值為上下限將data比例縮放到0~255中

4.將data轉uint8並儲存照片

四、執行結果

02.raw

08.raw

10.raw

s1071536 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 3.7.10

●    opencv 3.4.2

三、實作方法

1.使用CV2.imread讀入圖片

2.將圖片(BGR)轉成HSV和YCrCb

3.在HSV中制訂膚色範圍，並將圖片以制訂的膚色範圍進行二值化，接著對二值化後的圖做medianBlur得到blur_hsv_mask

4.利用Human Skin Detection Using RGB, HSV and YCbCr ColorModels提到的Proposed Skin Detection Algorithm對圖片進行二值化取得PSD_mask

5.blur_hsv_mask & PSD_mask得到skin_mask

6.以skin_mask在原圖上標示皮膚以及過濾原圖

四、執行結果

input

blur_hsv_mask

PSD_mask

skin_mask

output(標記皮膚)

output(過濾皮膚)

input2

output2

input3

output3

input4

output4

input5

output5

圖片來源:

https://lh3.googleusercontent.com/ezZlTkRBEOrtJT_qSb6cnEnDyWKjF0TelekiPYkPM_mZhNA1l3bI2h4hx6tFPXhP9GBKZQ=s128

https://lh3.googleusercontent.com/UZkvNU5d7vlmu0Opodxxlk1nQ5tiFD5aCu2ECNhdhzv4fYG4_bX9Vg_GrNJCd5pTtIXtaA=s126

https://lh3.googleusercontent.com/ZCx5P0j5f41J21JQMbI3t59cxn8VlUL5Eq9uPcR2t1zPIE0MI_G8VcdjdyGWqtPgbL2dYw=s138

https://lh3.googleusercontent.com/culFPgJXAi1yUdqfqzs8WjXTSh1MUA6hpUy76nszlzVRARVXg6h9_icutowzUvPSSVfP9yM=s126

https://lh3.googleusercontent.com/gzB0eWNm5vE0o0KT0yNKEKT4S9Ipx0B1gZb3qDlyXAEdOlWucwcuJm0dOX1-3PEIPKMneg=s170

s1071536 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 3.7.10

●    opencv 3.4.2

●    numpy 1.19.5

●    matplotlib 3.3.4

三、實作方法

1.使用imread將圖片以灰階方式讀入

2.使用zero padding將圖片補到2M*2N大小(M:圖高，N:圖寬)，並讓圖片靠左上

3.multiplying f(u,v) by (-1)^(x+y)

4.使用傅立葉轉換將圖轉成頻域(np.fft.fft2()) -> F(u,v)

5.取得頻譜圖及相位圖(np.angle())

6.建立GaussLowpassFilter(D0 = 100) -> H(u,v)

7.將H(u,v)、F(u,v)相乘取得過濾後的頻譜(G(u,v) = H(u,v) * F(u,v))

8.使用逆傅立葉轉換將資料轉換回spatial domain(np.fft.ifftshift())

9.multiplying real part by (-1)^(x+y)

10.Extracting後得到結果(刪掉padding的資料)

四、執行結果

原圖

灰階

Padding Image

Spectrum

Phase

H(u,v), D0 = 100

H(u,v) × F(u,v)

The Real part of IDFT of HF, multipled by (-1)^(x+y)

Result

Compare

圖片來源:

https://6.share.photo.xuite.net/yahoo_59452628/16bb387/13198074/671890573_m.jpg

s1071536 影像處理作業2

 一、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。

二、作業環境

●    Windows 10

●    Python 3.7.10

●    OpenCV 3.4.2

三、實作方法

1.使用imread將圖片以灰階方式讀入

2.對原圖使用Sobal函式並分別取得x軸方向梯度與y軸方向梯度的圖

3.將兩種不同的梯度圖結合(各自權重為0.5)

4.使用cv2.threshold函式對結合後的圖二值化

   (門檻值為80，最大灰階值為255，二值化類型為cv2.THRESH_BINARY_INV)

5.將圖片儲存並輸出

四、執行結果

input

output

圖片來源:

https://pic.pimg.tw/chaos/1318605923-655625508.jpg