顯示具有 s1071546 標籤的文章。 顯示所有文章
顯示具有 s1071546 標籤的文章。 顯示所有文章

2021年6月11日 星期五

s1071546 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。

  • 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。
  • 程式不一定可以算出正確棋子數量,越接近正確答案越好!

Coding環境:

  • Windows 10 20H2
  • Anaconda 3.18.11
  • Python 3.9.1
  • OpenCV 4.5.1

程式說明:

    使用threshold二值化後,用cv2.erode和cv2.dilate做影像侵蝕膨脹,最後用cv2.findContours找出邊緣並算出輪廓個數。
  1. 使用者在呼叫此程式時使用參數呼叫s1071546_hw7.py -i <要處理的檔案檔名> 來使用
  2. 使用cv2.imread將檔案載入並存成變數img
  3. 使用cv2.cvtColor將讀入圖片的色彩空間轉成Gray
  4. 使用cv2.GaussianBlur套用5*5的Filter減小邊界的影響 (Cr+OSTU)
  5. 使用cv2.threshold配合cv2.THRESH_OTSU來實現OTSU演算法找出適合的閥值並二值化
  6. 使用threshold=~threshold做負片效果
  7. 使用cv2.getStructuringElement取得橢圓形的kernel
  8. 使用cv2.erode侵蝕影像
  9. 使用cv2.dilate膨脹影像
  10. 使用cv2.findContours來算出輪廓個數
處理結果:

IMG_5702的處理結果

IMG_5703的處理結果

IMG_5704的處理結果





2021年6月7日 星期一

s1071546 影像處理作業 8

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。

執行結果:

二值化完的結果


2021年6月4日 星期五

s1071546 影像處理作業 6

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。

Coding環境:

  • Windows 10 20H2
  • Anaconda 3.18.11
  • Python 3.9.1
  • OpenCV 4.5.1

程式說明:

    使用RLE進行圖片壓縮

1.  使用者使用python s1071546_hw6.py -i <欲壓縮的影像檔名>來進行壓縮

2.  使用open()將檔案載入並使用struct.unpack做binary檔案的讀取,並依據RGB分開儲存

3.  使用np.reshape()將讀取進來的pixel排成影像的格式(width,height,channel)

4.  使用cv2.flip()將讀取進來的圖片上顛倒

5.  使用RLE壓縮連續且相同的數值

6.  寫成dat檔後再次讀入,並進行解壓縮

處理結果:

 

Img1 原圖

Img1 壓縮完後解壓縮結果圖

Img2   原圖

Img2 壓縮完後解壓縮結果圖

Img3 原圖

Img3 壓縮完後解壓縮結果圖

檔案大小示意圖

平均壓縮率 = 13.99MB (Img 1 原圖) / ( 3.06MB (Img1 壓縮檔大小) + 13.99MB (Img 1 原圖) / 5.10MB (Img1 壓縮檔大小) + 13.99MB (Img 1 原圖) / 2.93MB (Img1 壓縮檔大小) ) / 3 = 4.03











2021年5月17日 星期一

s1071546 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。

Coding環境:

  • Windows 10 20H2
  • Anaconda 3.18.11
  • Python 3.9.1
  • OpenCV 4.5.1

程式說明:

    主要使用matplotlib套件做資料的視覺化處理
  1. 使用者在呼叫此程式時使用參數呼叫s1071546_hw4.py -i <要處理的檔案檔名> -c <要對比的檔案檔名> 來使用
  2. 使用open()將檔案載入並使用struct.unpack做binary檔案的讀取
  3. 使用np.reshape()將讀取進來的pixel排成影像的格式(width,height,channel)
  4. 使用min與max找出大於-99999的最小與最大值
  5. 使用np.interp()將資料線性插植為0-1
  6. 使用matplotlib設定cmap="jet_r"並輸出結果
處理結果:
02的結果

08的結果

10的結果






2021年3月22日 星期一

s1071546 影像處理作業 2

 作業說明:

撰寫一個程式,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。

Coding環境:

  • Windows 10 20H2
  • Anaconda 3.18.11
  • Python 3.9.1
  • OpenCV 4.5.1
程式說明:

  1. 使用Python先載入OpenCV函式庫
  2. 使用者在呼叫此程式時使用參數呼叫s1071546_hw2.py -i <要處理的檔案檔名> -o <結果儲存檔名> 來使用
  3. 使用cv2.imread將檔案載入並存成變數img
  4. 呼叫cv2.Sobel函式處理圖像,共呼叫兩次,一次處理x軸方向,另一次處理y軸方向
  5. 將Sobel處理出來的x軸與y軸結果使用cv2.addWeighted給予權重,我給予x軸與y軸各0.5,將兩個方向結合
  6. 將相片黑白反轉較像素描,所以做一次黑白反轉,以255-每個像素值計算
  7. 使用cv2.imwrite存檔
  8. 使用cv2.imshow將結果以視窗的形式顯示出來
處理結果:


原圖

Sobel x方向一階導數處理的結果



Sobel y方向一階導數處理的結果
Sobel 融合兩個處理結果

最終結果