画像を直接出力するようにした

3_1_resize_rotate.py

@@ -3,41 +3,19 @@
 
 import cv2
 
-# 画像の読み込み（任意のカラー画像を用意し、ファイル名を指定してください）
 image_path = 'sample.jpg'
 img = cv2.imread(image_path)
 
-if img is None:
-    print("画像を読み込めませんでした。ファイルパスを確認してください。")
-else:
-    # --- 画像サイズ変換 ---
-    # 元画像の高さと幅を取得
+if img is not None:
     height, width = img.shape[:2]
 
-    print(f"{height}x{width}")
-
-    # 縦横を1/2のサイズに計算
-    new_width = width // 2
-    new_height = height // 2
-
-    # 画像のサイズを変更
+    # サイズ変換
+    new_width, new_height = width // 2, height // 2
     resized_img = cv2.resize(img, (new_width, new_height))
+    cv2.imwrite('3_1_resize.jpg', resized_img)
 
-    # --- 画像の回転 ---
-    # 回転の中心座標を計算（画像の中心）
+    # 回転
     center = (width // 2, height // 2)
-
-    # 45度回転するための変換行列を作成（スケールは1.0でそのまま）
     rotation_matrix = cv2.getRotationMatrix2D(center, 45, 1.0)
-
-    # アフィン変換を適用して画像を回転
     rotated_img = cv2.warpAffine(img, rotation_matrix, (width, height))
-
-    # --- 結果の表示 ---
-    cv2.imshow('Original Image', img)
-    cv2.imshow('Resized Image (1/2)', resized_img)
-    cv2.imshow('Rotated Image (45 degrees)', rotated_img)
-
-    # キー入力待ち（任意のキーを押すとウィンドウが閉じる）
-    cv2.waitKey(0)
-    cv2.destroyAllWindows()
+    cv2.imwrite('3_1_rotate.jpg', rotated_img)

3_2_grayscale.py

@@ -3,21 +3,9 @@
 
 import cv2
 
-# 画像の読み込み（カラー画像を用意し、ファイル名を指定してください）
 image_path = 'sample.jpg'
 img = cv2.imread(image_path)
 
-if img is None:
-    print("画像を読み込めませんでした。ファイルパスを確認してください。")
-else:
-    # --- グレースケール化 ---
-    # BGR形式のカラー画像をグレースケールに変換
+if img is not None:
     gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
-
-    # --- 結果の表示 ---
-    cv2.imshow('Original Color Image', img)
-    cv2.imshow('Grayscale Image', gray_img)
-
-    # キー入力待ち
-    cv2.waitKey(0)
-    cv2.destroyAllWindows()
+    cv2.imwrite('3_2_grayscale.jpg', gray_img)

3_3_binarization.py

@@ -3,29 +3,11 @@
 
 import cv2
 
-# 画像の読み込み（3.2と同じ画像を使用）
 image_path = 'sample.jpg'
-
-# 第2引数に 0 (cv2.IMREAD_GRAYSCALE) を指定し、最初からグレースケールとして読み込む
 gray_img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
 
-if gray_img is None:
-    print("画像を読み込めませんでした。ファイルパスを確認してください。")
-else:
-    # --- 2値化処理 ---
-    # 閾値（自身の画像に合わせて0〜255の間で適切な値に調整してください）
+if gray_img is not None:
     threshold_value = 127
-    # 閾値を超えた画素に割り当てる値（白 = 255）
     max_value = 255
-
-    # 2値化を実行
-    # ret には使用された閾値が、binary_img には2値化後の画像が代入される
     ret, binary_img = cv2.threshold(gray_img, threshold_value, max_value, cv2.THRESH_BINARY)
-
-    # --- 結果の表示 ---
-    cv2.imshow('Original Grayscale Image', gray_img)
-    cv2.imshow('Binarized Image (Threshold: 127)', binary_img)
-
-    # キー入力待ち
-    cv2.waitKey(0)
-    cv2.destroyAllWindows()
+    cv2.imwrite('3_3_binarize.jpg', binary_img)

3_4_roi.py

@@ -3,32 +3,17 @@
 
 import cv2
 
-# 画像の読み込み（任意の画像を用意してください）
 image_path = 'sample.jpg'
 img = cv2.imread(image_path)
 
-if img is None:
-    print("画像を読み込めませんでした。ファイルパスを確認してください。")
-else:
-    # 画像の高さ、幅を取得
+if img is not None:
     height, width = img.shape[:2]
 
-    # --- ROI（関心領域）の指定 ---
-    # 切り出す領域の開始位置と終了位置を計算（例として、画像の中心部分を切り出し）
     start_y = 248
     end_y = 361
     start_x = 67
     end_x = 208
 
-    # --- 画像の切り出し ---
-    # NumPy配列のスライス機能を使用して、指定した範囲を切り出す
-    # 指定順序は [yの開始:yの終了, xの開始:xの終了]
     roi_img = img[start_y:end_y, start_x:end_x]
+    cv2.imwrite('3_4_roi.jpg', roi_img)
 
-    # --- 結果の表示 ---
-    cv2.imshow('Original Image', img)
-    cv2.imshow('ROI (Region of Interest)', roi_img)
-
-    # キー入力待ち
-    cv2.waitKey(0)
-    cv2.destroyAllWindows()

3_5_edge.py

@@ -3,41 +3,23 @@
 
 import cv2
 
-# 画像の読み込み（エッジ検出は通常グレースケール画像に対して行います）
 image_path = 'sample.jpg'
 img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
 
-if img is None:
-    print("画像を読み込めませんでした。ファイルパスを確認してください。")
-else:
-    # --- Sobel（ソーベル）フィルタ ---
-    # X方向の勾配（縦のエッジ）とY方向の勾配（横のエッジ）を計算
-    # 負の勾配を保持するため、出力データ型を cv2.CV_64F に指定
+if img is not None:
+    # Sobel
     sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
     sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
-
-    # 絶対値を取り、表示可能な8ビット符号なし整数（0〜255）に変換
     sobel_x_abs = cv2.convertScaleAbs(sobel_x)
     sobel_y_abs = cv2.convertScaleAbs(sobel_y)
-
-    # X方向とY方向の画像を1:1の割合で合成して全体のエッジ画像を作成
     sobel_combined = cv2.addWeighted(sobel_x_abs, 0.5, sobel_y_abs, 0.5, 0)
+    cv2.imwrite('3_5_sobel.jpg', sobel_combined)
 
-    # --- Laplacian（ラプラシアン）フィルタ ---
-    # 2次微分を用いて全方向のエッジを同時に検出
+    # Laplacian
     laplacian = cv2.Laplacian(img, cv2.CV_64F)
     laplacian_abs = cv2.convertScaleAbs(laplacian)
+    cv2.imwrite('3_5_laplacian.jpg', laplacian_abs)
 
-    # --- Canny（キャニー）法 ---
-    # ノイズ除去と2つの閾値処理を組み合わせた、より高精度なエッジ検出アルゴリズム
+    # Canny
     canny = cv2.Canny(img, 50, 150)
-
-    # --- 結果の表示 ---
-    cv2.imshow('Original Grayscale', img)
-    cv2.imshow('Sobel Edge', sobel_combined)
-    cv2.imshow('Laplacian Edge', laplacian_abs)
-    cv2.imshow('Canny Edge', canny)
-
-    # キー入力待ち
-    cv2.waitKey(0)
-    cv2.destroyAllWindows()
+    cv2.imwrite('3_5_canny.jpg', canny)

3_6_color_extraction.py

@@ -4,36 +4,16 @@
 import cv2
 import numpy as np
 
-# 画像の読み込み（自身または人物が写っている画像を用意してください）
 image_path = 'person.jpg'
 img = cv2.imread(image_path)
 
-if img is None:
-    print("画像を読み込めませんでした。ファイルパスを確認してください。")
-else:
-    # --- 色空間の変換 ---
-    # BGR色空間からHSV色空間に変換
+if img is not None:
     hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
+    lower_skin = np.array([0, 20, 70])
+    upper_skin = np.array([20, 255, 255])
 
-    # --- 肌色の範囲を指定 (HSV) ---
-    # OpenCVにおけるH(色相)は0〜179、S(彩度)とV(明度)は0〜255
-    # ※画像の色合いや照明条件に合わせて微調整が必要です
-    lower_skin = np.array([0, 20, 70])   # 下限値 (H, S, V)
-    upper_skin = np.array([20, 255, 255]) # 上限値 (H, S, V)
-
-    # --- マスク画像の作成 ---
-    # inRange関数を使用して、指定した範囲内の画素を255(白)、それ以外を0(黒)とするマスクを作成
     skin_mask = cv2.inRange(hsv_img, lower_skin, upper_skin)
-
-    # --- 色領域の抽出 ---
-    # 元画像と元画像をマスクを使って論理積(AND)をとり、肌色の部分だけを残す
     extracted_img = cv2.bitwise_and(img, img, mask=skin_mask)
 
-    # --- 結果の表示 ---
-    cv2.imshow('Original Image', img)
-    cv2.imshow('Skin Mask', skin_mask)
-    cv2.imshow('Extracted Skin', extracted_img)
-
-    # キー入力待ち
-    cv2.waitKey(0)
-    cv2.destroyAllWindows()
+    cv2.imwrite('3_6_skin_mask.jpg', skin_mask)
+    cv2.imwrite('3_6_extract_skin.jpg', extracted_img)

3_7_morphology.py

@@ -1,45 +1,28 @@
 # 実験課題7
-# 3.7 膨張・収縮（白黒の2値画像に対する処理へ修正版）
+# 3.7 膨張・収縮
 
 import cv2
 import numpy as np
 
-# 画像の読み込み
 image_path = 'person.jpg'
 img = cv2.imread(image_path)
 
-if img is None:
-    print("画像を読み込めませんでした。ファイルパスを確認してください。")
-else:
-    # 3.6の処理：HSV変換
+if img is not None:
     hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
-
-    # 肌色の範囲を指定
     lower_skin = np.array([0, 20, 70])
     upper_skin = np.array([20, 255, 255])
 
-    # inRangeで作成されるこの画像が、対象が白(255)で背景が黒(0)の「2値画像（白黒画像）」です
+    # 2値画像（白黒画像）を作成
     mask_img = cv2.inRange(hsv_img, lower_skin, upper_skin)
 
-    # --- 膨張・収縮のための構造要素（カーネル）の定義 ---
-    kernel = np.ones((3, 3), np.uint8)
+    kernel = np.ones((5, 5), np.uint8)
 
-    # --- ① 収縮 3回 → 膨張 3回（オープニング処理） ---
-    # 処理の対象を mask_img(白黒画像) に変更
+    # オープニング処理 (収縮 -> 膨張) [Erode to Dilate]
     eroded_first = cv2.erode(mask_img, kernel, iterations=3)
     seq_opening = cv2.dilate(eroded_first, kernel, iterations=3)
+    cv2.imwrite('3_7_e2d.jpg', seq_opening)
 
-    # --- ② 膨張 3回 → 収縮 3回（クロージング処理） ---
-    # 処理の対象を mask_img(白黒画像) に変更
+    # クロージング処理 (膨張 -> 収縮) [Dilate to Erode]
     dilated_first = cv2.dilate(mask_img, kernel, iterations=3)
     seq_closing = cv2.erode(dilated_first, kernel, iterations=3)
-
-    # --- 結果の表示 ---
-    # 白黒のマスク画像がどのように変化するかを確認します
-    cv2.imshow('1. Original Mask (Black & White)', mask_img)
-    cv2.imshow('2. Erode 3 -> Dilate 3', seq_opening)
-    cv2.imshow('3. Dilate 3 -> Erode 3', seq_closing)
-
-    # キー入力待ち
-    cv2.waitKey(0)
-    cv2.destroyAllWindows()
+    cv2.imwrite('3_7_d2e.jpg', seq_closing)