hw1:Image Scaling and Rotation

圖像縮放與旋轉程式撰寫
撰寫一個程式，讀取一張圖像(.bmp 或.jpg 圖像格式)
(1)使用下列內插演算法實作影像大小縮放調整程式。
(a) Nearest Neighbor Interpolation
(b) Bilinear Interpolation
(c) Bicubic Interpolation (加分題)

(2)撰寫圖像旋轉程式。



(a) Nearest Neighbor Interpolation

一般影像幾何轉換都會用
Target - to - Source Mapping
也是就是將縮放後的影像 g(u, v)
計算它在原始影像 f 對映 的灰度值
但座標 (u, v) 對映至原來的座標 (x, y)
x 跟 y 可能不是整數
因此不能直接用 f(x,y) 代替 g(u, v)
所以必須用原始影像 f 在整數點的灰度值來推估非整數點的灰度值推估非整數座標(x, y)灰度值的方法叫插補(interpolation)
最簡單的插補法就是 NNI (nearest neighbor interpolation)
也就是找離 (x, y) 最近的整數點 (xout, yout)
以 f(xout, yout) 代替未知的 f(x, y)
而 f(x, y) 就是縮放後 g(u, v) 的值

xout = int (x+0.5)
yout = int(y+0.5)

其中int 就是取整數，也就是 floor 運算。

(b) Bilinear Interpolation 

Assignment 6 Visible watermarking

作業內容:
主題: 可見浮水印 

請撰寫一個程式，讀取一張 256 色 RGB 全彩人物全彩圖像(.bmp 或.jpg 圖像格式都可)。 
(a) 設計一個程式在圖像中加入一個可見浮水印。(輸入的浮水印為一張單色圖像)。 

實作是蓋上去的圖比原圖還小:

利用 opencv的函式 addWeighted addWeighted(imageROI,1.0,logo,1.0,0.,imageROI);  

	Parameters:	src1 – first input array. alpha – weight of the first array elements. src2 – second input array of the same size and channel number as src1. beta – weight of the second array elements. dst – output array that has the same size and number of channels as the input arrays. gamma – scalar added to each sum. dtype – optional depth of the output array; when both input arrays have the same depth, dtype can be set to -1, which will be equivalent to src1.depth().

實作是蓋上去的圖比原圖還小

原圖:                                                                                            欲加上的圖:

輸出結果:

Assgnment 5-Color transformation and processing

作業內容:
主題: 顏色空間轉換

請撰寫一個程式，讀取一張 256 色 RGB 全彩人物全彩圖像(.bmp 或.jpg 圖像格式都可)。
(a) 將輸入圖轉換至 HIS 顏色空間，並以灰階將 H,S,I 各顏色通道繪出。
(b) 撰寫一個函數偵測圖像的膚色區域(將膚色與背景區域區分出以單色圖像輸出。)

(a)
RGB-->HSI 核心轉換公式 :

轉換之後的核心程式碼:

R = rgbData[y, x, 0];
G = rgbData[y, x, 1];
B = rgbData[y, x, 2];

r = (double)R / (R + G + B);
g = (double)G / (R + G + B);
b = (double)B / (R + G + B);

value1 = 0.5 * ((r - g) + (r - b));
value2 = Math.Pow((Math.Pow(r - g, 2) + (r - b) * (g - b)), 0.5);

radial = Math.Acos(value1 / value2);
theta = (int)(radial * 180.0 / Math.PI);

if (!double.IsNaN(theta))
    h = (b > g) ? (360 - theta) : theta;
else
    h = 0;

s = 1 - 3 * CompareRGB.Min(r, g, b);
if (double.IsNaN(s))
    s = 0;

i = (R + G + B) / 3.0;

成果顯現:



h            s                      i
(b)

撰寫一個函數偵測圖像的膚色區域(將膚色與背景區域區分出以單色圖像輸出。)

偵測每個的RGB值，接近膚色的為白色，其他則為黑色


成果顯現:

Assignment 4-傅立葉轉換與頻域濾波器撰寫

作業內容:

請撰寫一個程式，讀取一張 256 色灰階圖像(.bmp 或.jpg 圖像格式都可，圖不須太大。) 

(a) 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以灰階 256 色圖像方式呈現。(必須

自己撰寫傅立葉轉換計算函數程式，可用 OpenCV 的 dft()函數測試結果是否一致。) 

(b) 分別在空間域與頻域實作 Gaussian 平滑濾波器，必須可調整濾波器的標準差參數與濾波器大小

(filter size 3*5, 5*5 等)。 

(頻域濾波器執行請按照課程教授步驟撰寫。)


傅立葉轉換公式:

將正向轉換公式代入後取得實部與虛部的值，不把計算進去，然後套用振幅公式實部平方加虛部平方在開根號即可得到圖像頻譜(Spectrum)，若算進得到Shift後的圖像頻譜Spectrum，取Log可讓圖像更佳明顯。把得出的值最大值當255，最小值當0依照比例即得到圖像頻譜的圖。取每點的tan-1(虛部/實部)即得到相位(Phase Angle)值，把-pi當0，+pi當255依照比例即得到相位的圖。

    頻域Gaussian Lowpass Filter:

透過輸入的濾波半徑以兩點距離公式判斷半徑內的點及半徑外的點，並將半徑外的點值改為0。之後再做一次IDFT即可得倒影像。

                                         Histogram Equalization                                       

     1. 首先將一影像的每一灰階統計圖計算出來(共256階), 並且以頻率的方式來表示每一灰階在影像中所出現的頻率
2. 以累計的方式算出每一灰階新的頻率值 此新的頻率值即為每一灰階等化後所應佔有的出現頻率

Original Histogram

例如 
原始每一灰階的出現平率(以5各灰階度為例)
Level 0 : 0.025
Level 1 : 0.124
Level 2 : 0.218
Level 3 : 0.114
Levle 4 : 0.111

那麼等化後的灰階頻率應為Level 0 : 0.025
              Level 1 : 0.025 + 0.124
                             Level 2 : 0.025 + 0.124 + 0.218
                                           Level 3 : 0.025 + 0.124 + 0.218 + 0.114
                                                          Level 4 : 0.025 + 0.124 + 0.218 + 0.114 + 0.111

 Equalized  Histogram      



Sobel operator:          

Hx,Hy分別代表經橫向及縱向邊緣檢測的圖像，其公式如下：

圖像的每一個像素的橫向及縱向梯度近似值可用以下的公式結合，來計算梯度的大小。

然後可用以下公式計算梯度方向。

在以上例子中，如果以上的角度等於零，即代表圖像該處擁有縱向邊緣，右方較暗，若為PI，則左方較暗。