1001527 蕭人和

2014年6月13日星期五

Visible Watermarking

這次我們要實作出浮水印的效果，拿 lena.bmp 當作一開始讀入的檔案

並且使用小畫家自製的學號圖檔 1001527.png 來當作欲增加的浮水印

兩張圖形我是都設成 256*256 的大小，避免崩潰。

透過 ( 0.4 * 1001527.png ) + ( 0.9 * lena.bmp ) 來調整到自己喜歡的感覺，得到的結果即為浮水印後的樣貌。

2014年6月5日星期四

RGB to HSI Image Transformation & Skin Detection

根據以下的轉換公式，我們可以算出原圖的hue,saturation以及intensity!

我的做法是將 h,s,i 個別開一個Mat array 來儲存，每得到一組h,s,i的值後就將value放進去．

以下是以 256*256的 lena.bmp 來實做!

Convert to HSI format :

Skin Detection

根據saturation的值來判斷哪些地方是屬於膚色，我選擇的圖片若不乘上255，範圍大概落在0.24~0.4之間

以下是以270*185的hand.jpg來實做

最後得到結果：

2014年5月11日星期日

HW4 Discrete Fourier Transform and Frequency Filtering

第一步 : 讀入256 x 256 pixel 灰階 lena.bmp 原圖

第二步：將讀入的原圖做 ( 2 x M , 2 x N ) 的 padding

第三步：將奇數點 x ( - 1 )

以下是 Discrete Fourier Transform 的公式

第四步：對 padding 完的圖做 DFT

並且已 spectrum 及 phase angle 表示

spectrum :

將做完DFT的實部與虛部分別存在 float type 的 array中，並且透過以下的公式

得到頻譜

phase angle :

frequency domain & spatial domain :

2014年3月24日星期一

HW3 直方圖均化以及邊緣偵測 (Image Enhancement Using Histogram Equalization & Edge detection)

直方圖均化Histogram Equalization
我們這次可以使用openCV所提供的function來完成H.E，也可以自己寫function來implement出同樣的效果，主要的數學公式如下 :

上述公式中，rk是原始分布的隨機變數r的第k種灰階，nk是第k種灰階的像素數，n是整張影像的像素數。

上述公式中，L為256，此為(所有灰階的總和數*255)/n，最後再取四捨五入後的值。

Follow以上的數學運算式，我們就能實做出H.E一樣的效果 !

均勻分布圖 :

程式實作如下 :

(左)圖為Source Image，(右)圖為Equalized Image

Histogram comparison :

(左)圖為Source Image 的直方圖，(右)圖為Equalized Image 的直方圖

邊緣偵測 Sobel EdgeDection

Sobel 的方法就是算出影像的垂直梯度(gradient)與水平梯度兩者取絕對值相加即可，用來加深邊緣的顏色。

影像 f 與上述兩個kernel作convolution得到

結果如下 :

程式實作如下 :

(左)圖為Source Image，(右)圖為EdgeDection Image

結論 :

這次的作業要我們做的事情，雖然用openCV內建的function就能輕鬆搞定，但是若直接用反而不清楚實際的色值如何運用，透過已知的數學公式，照著式子一步一步做，得到跟內建的結果一樣，也對H.E和edge dection更加了解 !

2014年3月13日星期四

HW2 圖像縮放與旋轉程式撰寫 (Image Scaling And Rotated Programming )

( 1 ) 使用下列內插演算法實作影像大小縮放調整程式
( a ) Neareast Neighbor Interpolation
( b ) Bilinear Interpolation
( c ) Bicubic Interpolation ( 加分)
( 2 ) 撰寫圖像轉程式

Neareast Neighbor Interpolation

主要演算法如下 :

g ( u , v ) 為 scaling 完之後的影像，NNL的演算法是必須透過 g ( u , v ) 推導回原圖所對應到的影像 f ( x , y ) 點，但 x 和 y 並不保證醫定是整數值，有可能是 float 或 double 的值，所以我們必須找到「最鄰近」的整數值，所以我們將 x 和 y 分別加上 0.5，並利用處理過的 f ( x , y ) 的灰度值放入到 g ( u , v ) 中。

Bilinear Interpolation

主要演算法如下 :

相較於NNL，Bilinear 所 scaling 出來的影像的失真度會大幅縮小，原因從演算法就能看出端倪，我們必須算出鄰近 p 的最近4個點的灰度值，並利用以下公式 :

f ( p ) = ( 1 - alpha ) * ( 1 - beta ) * f( a ) + ( alpha ) * ( 1 - beta ) * f( b ) + ( 1 - alpha ) * ( beta ) * f( c ) + ( alpha ) * ( beta ) * f( d )