s1081542 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。

使用環境/語言:

• Windows10
• Visual Studio 2019
• Opencv-4.3.0
• C++

實作方法:

1. 輸入圖片路徑後，會檢查是否可讀取到圖片內容，若不行，則重新輸入圖片路徑。
2. 由於 erode及dilate，只能用於經過二值化運算的灰階圖片。因此先將圖片轉成灰階圖，並利用threshold對圖片進行二值化運算。
3. 將經過二值化運算的灰階圖片代入erode，如此能讓圖片去噪、細化影像和消除毛刺。
4. 由於 erode 會讓圖片的輪廓變細，因此需要利用 dilate 讓圖片的輪廓恢復正常大小，圖片會較清晰。
5. 利用 HoughCircles，偵測圖中的圓形個數，圓形個數即為圍棋個數。
6. 根據圓形的圓心座標及圓半徑畫圓，利用circle函式畫圓。
7. 使用迴圈，將偵測到的所有圓形畫在圖片上。
8. 印完圖片後，回到第一點的流程。
9. 第一點的流程輸入0，則終止程式。

執行方式/畫面:

IMG_5702.JPG:(原圖:24顆圍棋，偵測:23顆圍棋)

 

IMG_5703.JPG:(原圖:31顆圍棋，偵測:30顆圍棋)

 

IMG_5704.JPG:(原圖:31顆圍棋，偵測:31顆圍棋)

 

參考資料:

• https://shengyu7697.github.io/python-opencv-erode-dilate/
• https://ithelp.ithome.com.tw/articles/10246270
• https://blog.csdn.net/u012566751/article/details/77046445
• https://docs.opencv.org/4.x/d3/de5/tutorial_js_houghcircles.html
• https://blog.csdn.net/zangle260/article/details/52980876

影片:

s1081542 作業6

 

作業說明:

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。

使用環境/語言:

• Windows10
• Visual Studio 2019
• Opencv-4.3.0
• C++

實作方法:

1. 主要有兩個檔案紀錄圖片的資訊:ColorDatabase.txt、ImageColor.txt
2. 程式會將圖片出現過的顏色記錄起來，而且每種顏色都會對應到一組ID，並將這些資訊存進ColorDatabase.txt。
3. 程式會紀錄圖片中的不同顏色出現的狀況，並將值存到ImageColor.txt。
4. 舉例:假設圖片第一列的pixes分別是:白白黑紅，由於在ColorDatabase.txt中，白色是代表0號，黑色代表1號，紅色代表2號，因此在ImageColor.txt中紀錄的格式會是:0:2 1:1 2:1，這代表在第一列中，白色連續出現2次，緊接著黑色出現1次，再來紅色會出現1次。
5. 程式壓縮圖片時，會產生ColorDatabase.txt 和 ImageColor.txt紀錄圖片資訊。
6. 圖片壓縮率的計算方式:(圖片byte數) / [(ColorDatabase.txt 的byte數)+(ImageColor.txt的byte數)]

執行方式/畫面:

壓縮率:

   

解壓縮的結果:(非原圖比例，原圖太大)

  

檔案資訊:

    

影片:

s1081542 作業5

作業說明:

撰寫一個程式將所附圖像flower.jpg的黃色花瓣區域擷顯示出來。

使用環境/語言:

• Windows 11

• Visual Studio 2019
• Opencv-4.3.0
• C++

實作方法:

1. 輸入圖片路徑後，會檢查是否可讀取到圖片內容，若不行，則重新輸入圖片路徑。
2. 將圖像從RGB color space轉成HSI color space。如此做圖形處理時，較不會有太多雜訊。
3. 設定要偵測的顏色的數值範圍(此部分是要設定黃色)
4. 將第三點設定的數值，代入inRange函式。此操作可以根據設定的顏色範圍，生成一張二值化的圖(此圖會將目標顏色的區域，設成白色)
5. 根據二值化的圖的白色範圍，重新設定原圖的像素顏色，如此即可獲得黃色花瓣。
6. 印完圖像後，回到第一點的流程。
7. 第一點的流程輸入0，則終止程式。

執行方式/畫面

   

參考資料:

• https://bambovc.com/index.php/archives/43/
• https://cloud.tencent.com/developer/article/1471688
• https://stackoverflow.com/questions/10948589/choosing-the-correct-upper-and-lower-hsv-boundaries-for-color-detection-withcv
• https://stackoverflow.com/questions/23984191/resize-image-opencv

 

s1081542 作業4

作業說明:

• 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。
• 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，在網頁中將每個步驟結果呈現出。直接套用opencv函數得一半分數。

使用環境/語言:

• Windows11
• Visual Studio 2019
• Opencv-4.3.0
• C++

實作方法:

1. 輸入圖片路徑後，會檢查是否可讀取到圖片內容，若不行，則重新輸入圖片路徑。
2. 輸入圖片欲模糊的程度。
3. 讀取灰階圖片，並利用copyMakeBorder函式，將圖片的長、寬都調整為原圖兩倍。
4. 將新尺寸的圖片(padded image) 的型態換成CV_32FC1，因為要對圖片的每個像素乘上(-1)^(x+y)，若沒轉型態的話會報錯，乘完後將型態轉回CV_8UC1，負數即會消失。
5. 利用高斯低通濾波器的函數定義，求出高斯低通濾波器。
6. 利用dft函式(傅立葉轉換函式)，算出新尺寸的圖片(padded image) 的複數值，然後將複數值拆成實數和虛數。
7. 利用magnitude函式，將第6點的實數和虛數轉成振幅值，再將振幅值轉成對數，然後利用normalize函式，將對數做歸一化，如此即可求出原圖的頻譜大小。
8. 利用Phase函式，將第6點的實數和虛數轉成相位角度值，然後利用normalize函式，將相位角度值做歸一化，如此即可求出原圖的相位角度。
9. 利用multiply函式，將第5點求出的高斯低通濾波器與第6點的實數和虛數 互相做卷積，卷積完會得到新的實數和虛數，再利用merge函式，將新的實數和虛數，組成一個新的複數。
10. 利用idft函式(反傅立葉轉換函式)，將第9點的複數值轉換成新的複數值，再利用split函式，將新的複數值，拆成新的實數和虛數。
11. 利用magnitude函式，將第10點的實數和虛數轉換成新的振幅值，此部分不需要將振幅值轉成對數，因為此部分所用的實數和虛數是利用idft函式求得的值。
12. 利用normalize函式，將第11點的振幅值做歸一化，然後再將此部分求出的圖片，轉換成原圖片的尺寸，如此即可求出Gaussian Low-Pass filter處理後的，平滑圖像。
13. 印完圖像後，可讓使用者選擇是否要繼續輸入圖片欲模糊的程度，觀察同張圖片不同的模糊效果，若輸入^z，則回到第一點的流程。

執行方式/畫面:

原圖:

灰階圖:

zero-padded image:

zero-padded image multiply by (-1)^(x+y):

高斯濾波器函數:

原圖的頻譜大小:

原圖的相位角度:

原圖與濾波器函數相乘的頻譜大小:

Gaussian filter(未調整為原尺寸):

Gaussian filter(調整為原尺寸):

影片:

 

參考資料:

• https://blog.csdn.net/cyf15238622067/article/details/87918125
• https://blog.csdn.net/yuandm819/article/details/79897868
• https://blog.csdn.net/jerwey/article/details/103991174
• https://www.twblogs.net/a/5c761cffbd9eee31cea509be
• https://www.twblogs.net/a/5b820dc82b71772165af693c
• https://iter01.com/541551.html

 

s1081542 作業3

作業說明:

撰寫一個程式，以灰階模式讀取一張圖像 imread(path, IMREAD_GRAYSCALE)

1. 利用 Sobel Operators 偵測並輸出邊緣成分圖
2. 設計一個類似素描線條的自畫像圖案。

使用環境/語言:

• Windows 11
• Visual Studio 2019
• Opencv-4.3.0
• C++

實作方法:

1. 輸入圖片路徑後，會檢查是否可讀取到圖片內容，若不行，則重新輸入圖片路徑。
2. 利用 高斯模糊，將照片的雜訊去除。
3. 利用 sobel operator偵測圖片邊緣。
4. 利用 threshold 函數，將(3)的圖片的黑色部分轉成白色，白色部分轉成黑色。
5. 將(2)、(3)、(4)的圖像印出。
6. 第一點的流程輸入0，則終止程式。

執行方式/畫面:

• 原圖:

  

• 灰階圖(高斯模糊處理過):

  

• 邊緣偵測的圖:

  

• 素描圖:

  

參考資料:

• https://blog.csdn.net/u012566751/article/details/77046445
• https://docs.opencv.org/4.2.0/d2/d2c/tutorial_sobel_derivatives.html

 

s1081542 作業2

 

作業說明:

撰寫一個程式，將一張圖像的整張圖像、中心內切圓區域，旋轉一個角度(逆時針旋 轉 0 度至 359 度)，且能利用滑動條(trackbar) 控制圖片的旋轉角度。

使用環境/語言:

• Windows10
• Visual Studio 2019
• Opencv-4.3.0
• C++

實作方法:

1. 輸入圖片路徑後，會檢查是否可讀取到圖片內容，若不行，則重新輸入圖片路徑。
2. 輸入欲旋轉的角度。
3. 會輸出三種圖:原圖、整張圖像旋轉的圖、中心內切圓區域旋轉的圖
4. 整張圖像旋轉的圖: 利用 getRotationMatrix2D 求出旋轉矩陣 ， 再利用 warpAffine 將圖片旋轉。
5. 中心內切圓區域旋轉的圖: 利用每個點座標與圓心之間的距離，判斷是否屬於圓。將所有屬於圓的點座標做成一張圖(a)，不屬於圓的點座標做成另外一張圖(b)。 然後圓形圖會根據輸入的角度作旋轉(c)。旋轉完後，再將(b)圖與(c)圖合併。
6. 印完圖像後，可讓使用者選擇是否要繼續輸入旋轉角度，觀察同張圖片不同旋轉角度的效果，若輸入^z，則回到第二點的流程。
7. 第一點的流程輸入0，則終止程式。

執行方式/畫面:

• 原圖: 
• 整張圖像旋轉的圖: 
• 中心內切圓區域旋轉的圖: 

影片:

參考資料:

• https://blog.csdn.net/xingchenbingbuyu/article/details/50719569
• https://docs.opencv.org/3.4/da/d6a/tutorial_trackbar.html

s1081542 作業1

作業說明:

1. 撰寫一個程式讀取 1 張圖片，將圖像中每一個點像素的值各加上一個數值。
2. 如果輸入圖像是灰階圖像，改變每個像素的灰階值。
3. 如果輸入圖像是全彩圖像(RGB)，則只改變每個像素的 R 值。
4. 修改後的像素值仍然要介於 0 ~ 255 (注意!!數值不要溢位)

使用環境/語言:

• Windows10
• Visual Studio 2019
• Opencv-4.3.0
• C++

實作方法:

1. 輸入圖片路徑後，會檢查是否可讀取到圖片內容，若不行，則重新輸入圖片路徑。
2. 輸入欲增加的數值。
3. 判斷輸入的圖片是屬於灰階圖像還是全彩圖像。
4. 若是灰階圖像，則利用輸入的數值，增加灰階圖像的每個像素的灰階值，再將原圖像和灰階圖像印出。
5. 若是全彩圖像(RGB)，則利用輸入的數值，只增加全彩圖像每個像素的 R 值，再將原圖像和全彩圖像印出。
6. 印完圖像後，可讓使用者選擇是否要繼續輸入像素，觀察同張圖片不同像素的效果，若輸入^z，則回到第二點的流程。
7. 第一點的流程輸入0，則終止程式。

執行方式/畫面:

• 輸入灰階圖:

  • 將每個像素的灰階值，加上100(像素變成255會變全白)。
  • 將每個像素的灰階值，減掉100(像素變成0會變全黑)。
    

• 輸入全彩圖:

  • 將每個像素的R值，加上100。(輸入100)
  • 將每個像素的R值，減掉100。(輸入-100)

• 影片:

參考資料:

• https://answers.opencv.org/question/36288/how-to-know-grayscale-or-color-img-loaded/
• https://openweather.blogspot.com/2019/09/opencv-clonecopyto-opencvclonecopyto.html
• https://cloud.tencent.com/developer/article/1470529
• http://yzucs362.blogspot.com