s1093705 作業二

線條自畫像 (二值化與邊緣偵測 Image Thresholding and Edge Detection)

題目說明：

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。

開發環境：

• Windows 11 
• Visual Studio Code
• Python 3.11.2 
• Opencv 4.7.0

實作結果：

Sobel Operators 偵測邊緣圖

邊緣圖轉換成素描風格圖

不同技術轉換成出的素描風格圖

實作Demo：

程式說明：

本題利用 cv2.createTrackbar() 和 cv2.getTrackbarPos() 來控制以下變數，來尋找邊緣偵測的最佳參數：

• A： 用 cv2.threadhold() ，將圖形顏色較淡的地方，去除小於A 的值，A 以上的值維持不變。
• B：用高斯分佈進行模糊化的計算，指定模糊區域單位 BxB。
• C：用 cv2.threadhold() ，去除小於 C 的值，C 以上的值維持不變，以達到加強邊緣線的效果。
• D：

(a)利用Sobel Operators 偵測並輸出邊緣成分圖

1. 先將圖形顏色較淡的地方，用 cv2.threadhold() 去除，此例是去除小於A 的值，A 以上的值維持不變，

參數介紹： (Reference)

v2.THRESH_BINARY	如果大於 A 就等於 255，反之等於 0。
cv2.THRESH_BINARY_INV	如果大於 A 就等於 0，反之等於 255。
cv2.THRESH_TRUNC	如果大於 A 就等於 127，反之數值不變。
cv2.THRESH_TOZERO	如果大於 A 數值不變，反之數值等於 0。
cv2.THRESH_TOZERO_INV	如果大於 A 等於 0，反之數值不變。

    ret, image = cv2.threshold(image, A, 255, cv2.THRESH_TOZERO)

2. 使用 cv2.GaussianBlur() 方法，使用高斯分佈進行模糊化的計算，指定模糊區域單位 ( 必須是大於 1 的奇數 ) ，此範例是BxB： 

    blur_image = cv2.GaussianBlur(image, (B,B), sigmaX=0, sigmaY=0)

3. 使用 cv2.Sobel() 方法，針對「灰階圖片」，使用索伯運算子進行偵測邊緣的轉換，使用方法如下: (Reference)

該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面
卷積，即可分別得出橫向及縱向的亮度差分近似值。

    sobel_x = cv2.Sobel(blur_image, cv2.CV_16S, 1, 0, ksize=3, scale=1, delta=0,

                        borderType=cv2.BORDER_DEFAULT)

    sobel_y = cv2.Sobel(blur_image, cv2.CV_16S, 0, 1, ksize=3, scale=1, delta=0,

                        borderType=cv2.BORDER_DEFAULT)

取其絕對值：

    abs_sobel_x = cv2.convertScaleAbs(sobel_x)

    abs_sobel_y = cv2.convertScaleAbs(sobel_y)

left: abs_sobel_x

right: abs_sobel_y

將 x軸和 y軸算出的梯度，利用各50%的權重權重相加：

    edge_image = cv2.addWeighted(abs_sobel_x, 0.5, abs_sobel_y, 0.5, 0)

4. 最後再用二值化 cv2.threadhold()，數值大於 C 就等於 255，反之等於 0，來加強邊緣線：

    ret, edge_image = cv2.threshold(edge_image, C, 255, cv2.THRESH_BINARY)

(b)設計一個類似素描線條的自畫像圖案

 方法一：利用 (a) 的邊緣偵測結果，做 cv2.bitwise_not，達到我們對於素描的印象—白底的畫布上，有著簡單的灰階線條，描述圖形簡單的線條輪廓。

    sketch_image = cv2.bitwise_not(edge_image)

 

方法二： 先用 cv2.GaussianBlur() 方法，使用高斯分佈進行模糊化的計算，指定DxD的模糊區域單位，此處D的值越大，素描圖繪越清晰：

接著用 cv2.divide()，將原圖與高斯模糊圖做相除，就會有十分逼真的素描圖。

    blur_image = cv2.GaussianBlur(image, (D,D), sigmaX=0, sigmaY=0)

    sketch_image = cv2.divide(image, blur_image, scale=256)