Visible Watermark

這次作業是要自製浮水印，依然使用 python 來實作。

前言

這個好像也沒什麼演算法或什麼圖可以貼......但還是得說說是怎麼實作的。

方法

1. 輸入圖片
2. 轉換成 RGBA 格式
3. 圖片剪貼
4. 輸出圖片

其實方法很簡單，就是把原圖片和浮水印圖片都轉換成 RGBA 格式，然後藉由 Alpha 的不同來區隔。

layer = Image.new('RGBA', im.size, (0,0,0,0))
ratio = min(float(im.size[0]) / mark.size[0], float(im.size[1]) / mark.size[1])
width = int(mark.size[0] * ratio)
height = int(mark.size[1] * ratio)
layer.paste(mark, ((im.size[0] - width) / 2, (im.size[1] - height) / 2))

上面這段程式碼就是在製作 mask，完成以後將其與原圖片合起來就可以了。

結果

現在以 lena 為基準，肌肉小童當浮水印。

lena

肌肉小童

製作後如下圖：

0.5 opacity 的浮水印

感想

好實用喔，覺得開心！

顏色空間轉換

這次作業主要有兩點：

1. RGB to HSI
2. 膚色偵測

RGB to HSI

色相（H）：

    是色彩的基本屬性，就是平常所說的顏色名稱，如紅色、黃色等。

飽和度（S）：

    是指色彩的純度，越高色彩越純，低則逐漸變灰，取0-100%的數值。

亮度（I）：

    亮度，取0%~100%

根據上面的公式，可以將RGB轉換成HSI，而下圖就是圖像處理後的結果。

H 通道

S 通道

I 通道

膚色檢測

在這方面，我選擇先將RGB轉換成YCbCr，然後在對其三個元素做素質上的判斷。如此一來，即可將膚色部分顯現出來。

而RGB轉換成YCbCr的公式如下圖：

在轉換完成後，根據 JORGE ALBERTO MARCIAL BASILIO et al. 所提出的 threshold 來進行檢測：

檢測結果如下：

original image

skin-only image

結論

經由這次作業，我們可以了解，圖像轉換至 YCbCr 後，確實能有效的分離出膚色部分，非常實用！

Image Scaling and Rotation

第一次作業，題目是影像的縮放與旋轉，重點就是操作影像的位置。而我們要實作的演算法，總共有三個：NN、Bilinear、Bicubic。

Nearest Neighbor Interpolation

（圖片取自 Tech-Algorithm）

如上圖所示，這個演算法縮放圖片的方法，就是找其最近的一個鄰居，根據鄰居的顏色，來填補空缺的格子。NN追求的是簡單與快速，所以在圖片處理上相較含糊，如果放大的倍率很大的話，很容易看到鋸齒狀的結果。以下是 lena 放大三倍後的結果。

（3x lena.bmp with NN）

Bilinear Interpolation

（圖片取自 Tech-Algorithm）

Bilinear與NN不同的地方是，找其最近的四個鄰居，並且根據內插法（Interpolation）去決定顏色。因此，這個縮放出來會比 NN 還要平滑，鋸齒狀的結果會比較少見，但當然只是相對少見。

（3x lena.bmp with Bilinear）

Bicubic Interpolation

Bicubic 使用鄰近十六個鄰居的像素來決定本身的值，所以相對前面兩個會比較清晰，但花費時間也久了一點。而當你將他放大看時，你能發現圖片的銳利度是比較高的。

（3x lena.bmp with Bicubic）

Image Rotation using Nearest Neighbor

這個部分，其實也可以使用 Bilinear 實作，不過比較複雜，所以就選擇了 NN。

（Rotated lena.bmp with NN）

Conclusion

在這次學習之後，讓我對於影像處理有初步的了解。個人覺得三個演算法中，就屬 Bilinear 最平衡，所需時間小於 Bicubic ，且品質大於 Nearest Neighbor。