s1093345 作業2

 作業說明

• 主題：線條自畫像（二值化與邊緣偵測 Image Thresholding and Edge Detection）
• 撰寫一個程式，以灰階模式讀取一張圖像 imread(path, IMREAD_GRAYSCALE)

  (a) 利用Sobel Operators 偵測並輸出邊緣成分圖。

  (b) 設計一個類似素描線條的自畫像圖案。

圖一、Input Image

開發環境

• macOS 13.2.1
• Visual Studio Code 1.56.2
• Python 3.8.3
• OpenCV 4.6.0

實作過程

• 邊緣成分圖

• 初始化設定
• 透過 cv2.imread(‘path’) 讀取圖片位置，括號內放置圖片路‘path’。
• 使用 cv2.cvtColor() 、 cv2.COLOR_BGR2GRAY() 將原始圖片轉換為灰階圖片，如圖二。

圖二、灰階圖片

• 高斯模糊函數
• 使用cv2.GaussianBlur(img, (kernel_size, kernel_size), 0) 去噪、模糊化，img為輸入的原始圖片，kernel_size以 3 x 3 計算，，kernel_size越大會越模糊。標準差為0。如圖三。

圖三、高斯模糊去噪圖片

• 索伯算子（Sobel Operator）
• 使用cv2.Sobel(img, depth, dx, dy, kernel_size)分別計算x方向以及y方向的梯度。img為先前高斯模糊後的圖片，depth設值為cv2.CV_64，計算x方向梯度時dx為1、dy為0，計算y方向梯度則反之，kernel_size設為3。
• 使用 cv2.ConvertScaleAbs() 分別將x方向以及y方向的梯度img取絕對值，並轉回 unit8 的型別。如圖四、圖五。
• 透過 cv2.addWeighted(img1, alpha, img2, beta, gamma) 分別將 x 方向以及 y 方向的梯度圖片img1, img2以自行設置的權重alpha, beta相加，即可獲得邊緣成分圖。 

圖四、x 方向梯度取絕對值之圖片      

圖五、y 方向梯度取絕對值之圖片      

• 素描線條的自畫像

• 呈上述步驟
• 二值化（Threshold）
• 透過  cv2.threshold(img, 67, 255, cv2.THRESH_BINARY) 將高斯模糊後的圖片二值化，將像素值小於67的像素設置為0，否則設置為255。如圖六。

圖六、二值化圖片

• 相反色操作
• 使用 cv2.bitwise_not(img) 將先前的 Sobel 後的圖片及二值化的圖片做not，即黑色轉白色，白色轉黑色。

• 透過cv2.addWeighted(img1, alpha, img2, beta, gamma) 分別將上述cv2.bitwise_not() 過後的img1, img2以自行設置的權重alpha, beta相加，即可獲得素描圖。

執行結果

• 邊緣成分圖

o   圖片讀取：程式碼中的 cv2.imread(‘path’) 更改所需讀取圖片路徑。

o   執行程式：python 1093345_hw2

圖七、邊緣成分圖之輸出結果

• 素描線條的自畫像

o   圖片讀取：程式碼中的 cv2.imread(‘path’) 更改所需讀取圖片路徑。

o   執行程式：python 1093345_hw2

圖八、素描線條自畫像之輸出結果

影片Demo

影片、程式Demo