Skip to main content

Search This Blog

基于摇晃实时视讯之强韧式火焰侦测法

基于摇晃实时视讯之强韧式火焰侦测法


我们的论文被 2019 工程科技应用研讨会所接受。会议日期是公元二零一九年四月十二日，地点在台北城市科技大学的工程学院。

我们将研究成果放在 GitHub，网址是 https://github.com/laitaiyu/ComputerVision__HEFD-MCS，我们提供部分的程序原始码，以及完整的实验档案。

火焰侦测的两个关键问题是高准确率和低误报率，本研究主要关注后者。在过去，来自监视的静态视频 - 用于分析和发现火焰。然而，这些研究是使用背景方法进行的，后者无法处理动态视频，例如用手机拍摄的视频。为了实现静态和动态视频的全自动火焰检测，本研究采用了两种高效策略。首先，特征提取：建立强Sobel边缘和火焰纹理，然后增强图像边缘。火焰颜色过滤器规则有助于过滤火焰候选区域。其次，高性能分析方法：通过运动向量法和填充率过滤火焰或非火焰，然后使用组来建立火焰的轮廓。我们的实验结果表明，静态，动态（包括摇晃）和实时视频的结果为92.83％（TP），9.76％（FP），1.77％（FN）。

本研究旨在从不稳定的火场景镜头或从不同角度拍摄的镜头中检测火焰。 本节讨论了所提出的火焰检测方法的可行性和可靠性。 使用所提出的方法构建高效火焰检测移动相机系统（HEFD-MCS）。 实验结果证明HEFD-MCS可以正确捕捉火焰。

图１ 火焰侦测系统流程图
图１显示了所提出系统的过程。 火焰检测有两个主要步骤。 首先，特征提取：建立强Sobel边缘和火焰纹理，然后增强图像边缘。 火焰颜色过滤器规则有助于过滤火焰候选区域。 其次，高性能分析方法：通过运动矢量法和填充率过滤火焰或非火焰，然后使用组建立火灾探测轮廓。

大多数摇摇欲坠的视频来自I.M.C. 数据库（中山大学智能媒体计算实验室）。 按照I.M.C. 火灾数据集网站截至2015年1月19日，http://vision.sysu.edu.cn/systems/fire-detection/）。 森林火灾1 (forst 1)和森林火灾2 (forst 2)视频都来自A. E. Cetin [2]。 （截至2018年11月12日，基于计算器视觉的火灾探测软件.http://signal.ee.bilkent.edu.tr/VisiFire）。 在著名的标准测试视频中，从美国国家标准与技术研究院所提供的火灾视讯，圣诞树可以在2秒内燃烧。

Video Type
Static Video: 10 videos
Video Source: A. E. Cetin [2], National Institute of Standards and Technology, Intelligent Media Computing Laboratory, Sun Yat-Sen University
Shaky (Dynamic) Video: 5 videos
Video Source: Intelligent Media Computing Laboratory, Sun Yat-Sen University
Authors True Positive False Positive True Negative Precision Accuracy F-Measure e True Positive False Positive True Negative Precision Accuracy F-Measure e
[1]
732.3
114.2
114.2
26.15
27.2
34.3
1242.4
754.4
0
69.19
67.85
80.02
[14]
720.1
114.2
114.2
26.16
27.04
34.11
1242.4
576.6
0
73.56
73.56
83.09
[18]
1421.8
174.3
174.3
63.6
65.01
72.62
1242.4
153.6
0
89.49
89.49
93.07
HEFD-MCS
1574.6
238.55
318.36
90.6
88.7
90.5
1240
150.6
0
89.89
89.55
93.11

Video Type
Static Video: 2 videos
Video Source: A. E. Cetin [2] , UltimateChase.com
Authors Title Frame Per Second (FPS) Resolution
(Pixel)		 Total Frames True Positive False Positive False Negative Average Time Per Frame
[5] Forest fire 2
15
400×256
178
24.7%
No provided
No provided
2 Second
[17] Pos Video 11
30
352×288
505
19.7%
No provided
No provided
‪50 Milli-Second
HEFD-MCS Forest fire 2
15
400×256
178
100%
0%
0%
80 Milli-Second
Pos Video 11
30
352×288
505
78.2%
8.7%
0%
40 Milli-Second
Video Type
The Negative Sample of the Static Video: 5 videos
Video Source: Intelligent Media Computing Laboratory, Sun Yat-Sen University
5 Sample Videos
98%
2%
0%
40 Milli-Second
[1]
5 Sample Videos
0%
100%
0%
30 Milli-Second
[14]
5 Sample Videos
0%
100%
0%
30 Milli-Second
[18]
5 Sample Videos
67%
33%
0%
30 Milli-Second

Shaky (Dynamic) Video: 1 video
Video Source: UltimateChase.com
Authors True Positive False Positive False Negative Average Time Per Frame
[5] The study [5] uses a background model. Therefore, it is not suitable the shaky video.
[17]
83%
No provided
No provided
50 Milli-Second
HEFD-MCS
Shaky (Dynamic) Video: 5 videos
Video Source: Intelligent Media Computing Laboratory, Sun Yat-Sen University
90%
12%
0.19%
150 Milli-Second
[1][14][18] These studies [1][14][18] use their background model. Therefore, they are not suitable the shaky video.

本文提出了一种用于实时视频监控系统的高效火焰检测方法。 虽然错误警报（FP）和丢失率（FN）没有完全消除，但它们都在可接受的范围内。 这项研究具有很高的准确性，与其他研究的不同（动态）视频分析不同。 大多数研究的特征在于背景或静态背景规则的运动向量，这些规则不适用于摇晃（动态）视频和不适合移动设备的繁重计算工作量。 该研究需要较低的计算工作量，使其成为移动设备的理想选择。 鉴于移动设备的普及，通过它们报告火灾事件是一种实时可靠的应用。 我们提出了一种高效的火焰检测算法，适用于静态，动态，室内，室外和实时视频。 这项研究是部分开源研究，原始码网址： https://github.com/laitaiyu/ComputerVision__HEFD-MCS/ 。

[1] A. Chenebert, T. P. Breckon, and A. Gaszczak, "A Non-Temporal Texture Driven Approach to Real-Time Fire Detection," In IEEE International Conference on Image Processing, Brussels, 2011, pp. 1741-1744.
[2] A. E. Cetin. (2018, Nov. 12). Computer Vision Based Fire Detection Software. [Online]. Available: http://signal.ee.bilkent.edu.tr/VisiFire/
[3] A. Stadler, T. Windisch, and K. Diepold, "Comparison of Intensity Flickering Features for Video Based Flame Detection Algorithms," Fire Safety Journal, vol. 66, May 2014, pp. 1-7.
[4] B. C. Ko, S. J. Ham, and J. Y. Nam, "Modeling and Formalization of Fuzzy Finite Automata for Detection of Irregular Fire Flames, "IEEE Transactions on Circuits and Systems for Video Technology, vol. 21, no. 12, Dec. 2011, pp. 1903-1912.
[5] B. Jiang, Y. Lu, X. Li, and L. Lin, "Towards A Solid Solution of Real-Time Fire and Flame Detection," Multimedia Tools and Applications, vol. 74, no. 3, Jul. 2014, pp. 689-705.
[6] B. M. N. de Souza, J. Facon, D. Menotti, "Colorness Index Strategy for Pixel Fire Segmentation," 2017 International Joint Conference on Neural Networks, Anchorage, AK, USA, 2017, pp. 1057-1063.
[7] B. U. Toreyin, Y. Dedeoglu, U. Gdkbay, and A. E. Cetin, "Computer Vision Based Method for Real-Time Fire and Flame Detection," Pattern Recognition Letters, vol. 27, no. 1, Jan. 2006, pp. 49–58.
[8] J. Y. Kuo, T. Y. Lai, Y. Y. Fanjing, F. C. Huang, Y. H. Lao, "A Behavior-Based Flame Detection Method on Real-Time Video Surveillance System," Journal of the Chinese Institute of Engineers, vol. 38, no. 7, Jun. 2015, pp. 947-958.
[9] K. Souza, S. Guimaraes, Z. Patrocinio, A. de A Araujo, and J. Cousty, "A Simple Hierarchical Clustering Method for Improving Flame Pixel Classification," 23rd International Conference on Tools with Artificial Intelligence, Boca Raton, FL, 2011, pp. 110-117.
[10] M. Mueller, P. Karasev, I. Kolesov, and A. Tannenbaum, "Optical Flow Estimation for Flame Detection in Videos," IEEE Transactions on Image Processing, vol. 22, no. 7, pp. 2786-2797, Apr. 2013.
[11] National Fire Protection Association. NFPA 72. Accessed August 10 2013, http://www.nfpa.org/codes-and-standards/document-information-pages?mode=code&code=72.
[12] S. Wang, Y. He, J. Zou, B. Duan and J. Wang, "A Flame Detection Synthesis Algorithm," Fire Technology, vol. 50, no. 4, pp. 959–975, Jul. 2014.
[13] T. Celik, H. Ozkaramanli, and H. Demirel, "Fire Pixel Classification Using Fuzzy Logic and Statistical Color Model," In IEEE International Conference on Speech and Signal Processing, Honolulu, HI, 2007, pp. I-1205-I-1208.
[14] T. Çelik, H. Demirel, and H. Ozkaramanli, "Automatic Fire Detection in Video Sequences," in Proc. of the 14th European Signal Processing Conference, Florence, Italy, Sep. 4-8, 2006.
[15] T. Çelik, H. Özkaramanl, and H. Demirel, "Fire and Smoke Detection without Sensors," in Proc. of the 14th European Signal Processing Conference, Florence, Italy, 2007, pp. 1794–1798.
[16] W. T. A. Budi, and I. S. Suwardi, "Fire Alarm System Based-On Video Processing," In International Conference on Electrical Engineering and Informatics, Bandung, 2011, pp. 1-7.
[17] Y. Habiboglu, O. Günay, and A. E. Cetin, "Covariance Matrix-Based Fire and Flame Detection Method in Video," Machine Vision and Applications, vol. 23, no. 6, Sep. 2012, pp. 1103–1113.
[18] Y. Qiang, B. Pei, and J. J. Zhao, "Forest Fire Image Intelligent Recognition Based on the Neural Network," Journal of Multimedia, vol. 9, no. 3, Mar. 2014, pp. 449-455.
By -
Newer Posts Home Older Posts

Comments

Post a Comment

Popular Posts

最佳化處理策略之快速消除扭曲演算法

Image
最佳化處理策略之快速消除扭曲演算法 我們的論文（最佳化處理策略之快速消除扭曲演算法；A Quickly Dewarping Algorithm of Optimization Processing Strategy）被 2019 工程科技應用研討會 接受了。 會議地點在台北城市科技大學的工程學院，舉辦日期是西元二零一九年四月十二日。 最近，全景影像的應用逐漸變得越來越有用。優點是一個能夠捕捉3​​60度影像的相機。但是，360度影像是圓形影像。因此，Dewarping技術有助於圓形影像轉換為平面影像。在本研究中，不需要參考額外的信息，如攝像機參數，鏡頭參數，視頻或影像參數等。本研究提出了去扭曲演算法的優化處理策略。策略和演算法進一步改善了性能。快速去扭曲演算法能夠將圓（全景影像）快速變換為平面影像。優化處理策略能夠提高演算法的性能。用於評估性能，本研究中使用的CPU負載。比較其他Dewarping演算法的性能。結果，這項研究在性能方面優於其他Dewarping演算法。 本研究旨在研究去扭曲演算法的快速計算和低CPU負載。 例如，圖2是原始影像。 圖3顯示了本研究的基線。 圖4是研究的結果影像（全景影像）。 圖2 原始影像 圖3 顯示了本研究的基線 圖4 研究的結果影像（全景影像） 表1是比較概覽表[8]。 有六家公司的演算法和我們提出的演算法。 這項研究支持所有魚眼相機和特殊魚眼相機（Cata-Fisheye相機）。 有不同之處在於是否使用GPU。 雖然有兩家公司使用GPU進行去扭曲演算法。 但是，當應用OpenCL來使用GPU時，NUUO的去扭曲演算法的CPU負載為19％。 當源影像的分辨率為1920 x 1440時，我們提出的CPU負載為3.65％。圖5是我們提出的演算法的CPU負載圖。 表1 比較概覽表 User additional effort Generic De-warp Support vendor Calibration GPU Acceleration NUUO No need ...
Read more

波蘭文學習之旅：1-1. 波蘭文字母與發音（注音版）

Image
波蘭文學習之旅：1-1. 波蘭文字母與發音（注音版） 波蘭文字母(Alfabet Polski) 波蘭語是中歐的西斯拉夫語言，也是波蘭的官方語言。它的書面標準是波蘭語字母表，對應於拉丁字母表，有幾個附加內容。 波蘭語的人在波蘭大部分地區以統一的方式使用這種語言。 它也是繼俄語和烏克蘭語之後使用最廣泛的第三種斯拉夫語言。波蘭語的本地名稱是 polski（波蘭語），język polski（波蘭語），或者更正式的 polszczyzna（波蘭語）。 波蘭文字母、名稱、注音對照表 注意：這張表是我整理出來，經波蘭友人聽我的發音，確認聲音相似度高，才製作完成。 但發音要更道地，仍然還有不同波蘭文字母搭配後，改變發音的情況。因此這張簡表只能說是參考用，以及快速建立發音基礎。 Letter Name 注音 複合字母     A a a ㄚˋ Letter Name 注音 Ą ą ą ㄥˋ Ch, ch ce/ha ㄏㄜ˙ B b be ㄅㄜ˙ Ci, ci ce/i ㄑㄧ C c ce(ㄘㄟˋ) ㄘ Cz, cz ce/zet ㄔ Ć ć cie(ㄑㄧㄝˋ) ㄑ Dz, dz de/zet ㄗ D d de ㄉㄜ˙ Dzi, dzi de/zet/i ㄐㄧ˙ E e e ㄟˋ ...
Read more

Python 日期與時間的處理

Image
Python 日期與時間的處理 Python 日期與時間的處理 ¶ 在 Python 中，常見處理日期與時間的套件，如下： time datetime relativedelta calendar 　　 引用方式，如下：　　 import time from datetime import datetime from dateutil.relativedelta import relativedelta import calendar time.time() 函數 ¶ time.time() 可以傳回從 1970/1/1 00:00:00 算起至今的秒數： In [1]: # 匯入 time 模組 import time # 從 1970/1/1 00:00:00 至今的秒數 seconds = time . time () # 列印結果 print ( seconds ) 1613001756.3572578 time.time() 通常是用來作為時間戳記，例如測量程式執行時間。 In [6]: import time # 紀錄起始時間 start_time = time . time () # 撰寫程式，例如：迴圈執行 a = 0 for _ in range ( 10000000 ): a += 1 # 紀錄結束時間 end_time = time . time () # 將結束時間減去起始時間，等於執行時間 time_cost = end_time - start_time # 顯示執行時間 print ( f "Time Cost: { time_cost } seconds" ) ...
Read more

最佳化處理策略之快速消除扭曲演算法

Image
最佳化處理策略之快速消除扭曲演算法 我們的論文（最佳化處理策略之快速消除扭曲演算法；A Quickly Dewarping Algorithm of Optimization Processing Strategy）被 2019 工程科技應用研討會 接受了。 會議地點在台北城市科技大學的工程學院，舉辦日期是西元二零一九年四月十二日。 最近，全景影像的應用逐漸變得越來越有用。優點是一個能夠捕捉3​​60度影像的相機。但是，360度影像是圓形影像。因此，Dewarping技術有助於圓形影像轉換為平面影像。在本研究中，不需要參考額外的信息，如攝像機參數，鏡頭參數，視頻或影像參數等。本研究提出了去扭曲演算法的優化處理策略。策略和演算法進一步改善了性能。快速去扭曲演算法能夠將圓（全景影像）快速變換為平面影像。優化處理策略能夠提高演算法的性能。用於評估性能，本研究中使用的CPU負載。比較其他Dewarping演算法的性能。結果，這項研究在性能方面優於其他Dewarping演算法。 本研究旨在研究去扭曲演算法的快速計算和低CPU負載。 例如，圖2是原始影像。 圖3顯示了本研究的基線。 圖4是研究的結果影像（全景影像）。 圖2 原始影像 圖3 顯示了本研究的基線 圖4 研究的結果影像（全景影像） 表1是比較概覽表[8]。 有六家公司的演算法和我們提出的演算法。 這項研究支持所有魚眼相機和特殊魚眼相機（Cata-Fisheye相機）。 有不同之處在於是否使用GPU。 雖然有兩家公司使用GPU進行去扭曲演算法。 但是，當應用OpenCL來使用GPU時，NUUO的去扭曲演算法的CPU負載為19％。 當源影像的分辨率為1920 x 1440時，我們提出的CPU負載為3.65％。圖5是我們提出的演算法的CPU負載圖。 表1 比較概覽表 User additional effort Generic De-warp Support vendor Calibration GPU Acceleration NUUO No need ...
Read more

波蘭文學習之旅：1-1. 波蘭文字母與發音（注音版）

Image
波蘭文學習之旅：1-1. 波蘭文字母與發音（注音版） 波蘭文字母(Alfabet Polski) 波蘭語是中歐的西斯拉夫語言，也是波蘭的官方語言。它的書面標準是波蘭語字母表，對應於拉丁字母表，有幾個附加內容。 波蘭語的人在波蘭大部分地區以統一的方式使用這種語言。 它也是繼俄語和烏克蘭語之後使用最廣泛的第三種斯拉夫語言。波蘭語的本地名稱是 polski（波蘭語），język polski（波蘭語），或者更正式的 polszczyzna（波蘭語）。 波蘭文字母、名稱、注音對照表 注意：這張表是我整理出來，經波蘭友人聽我的發音，確認聲音相似度高，才製作完成。 但發音要更道地，仍然還有不同波蘭文字母搭配後，改變發音的情況。因此這張簡表只能說是參考用，以及快速建立發音基礎。 Letter Name 注音 複合字母     A a a ㄚˋ Letter Name 注音 Ą ą ą ㄥˋ Ch, ch ce/ha ㄏㄜ˙ B b be ㄅㄜ˙ Ci, ci ce/i ㄑㄧ C c ce(ㄘㄟˋ) ㄘ Cz, cz ce/zet ㄔ Ć ć cie(ㄑㄧㄝˋ) ㄑ Dz, dz de/zet ㄗ D d de ㄉㄜ˙ Dzi, dzi de/zet/i ㄐㄧ˙ E e e ㄟˋ ...
Read more

Python 日期與時間的處理

Image
Python 日期與時間的處理 Python 日期與時間的處理 ¶ 在 Python 中，常見處理日期與時間的套件，如下： time datetime relativedelta calendar 　　 引用方式，如下：　　 import time from datetime import datetime from dateutil.relativedelta import relativedelta import calendar time.time() 函數 ¶ time.time() 可以傳回從 1970/1/1 00:00:00 算起至今的秒數： In [1]: # 匯入 time 模組 import time # 從 1970/1/1 00:00:00 至今的秒數 seconds = time . time () # 列印結果 print ( seconds ) 1613001756.3572578 time.time() 通常是用來作為時間戳記，例如測量程式執行時間。 In [6]: import time # 紀錄起始時間 start_time = time . time () # 撰寫程式，例如：迴圈執行 a = 0 for _ in range ( 10000000 ): a += 1 # 紀錄結束時間 end_time = time . time () # 將結束時間減去起始時間，等於執行時間 time_cost = end_time - start_time # 顯示執行時間 print ( f "Time Cost: { time_cost } seconds" ) ...
Read more

Visual Basic 6.0 程式案例學習: 10. 條碼列印程式 (2014版)

Image
Visual Basic 6.0 程式案例學習: 10. 條碼列印程式 (2014版) 10.1 問題 ¶ 隨著科技進步神速，條碼列印已經不再是商家專用，或者需要特殊技巧的一件事情了。透過一般的印表機搭配條碼列印程式就可以輕鬆的列印條碼貼紙，這對於普遍的使用者來說，是一件很好的事情。條碼輸入設備感應越做越好，好一點的設備，無論是正掃反掃側掃都可以判斷正確無誤，這次遇到的問題，是要替光碟資產做條碼歸檔，利用市面上隨處可見的條碼貼紙，一張A4大小的貼紙，就可輕鬆的製作條碼。 10.2 需求 ¶ 表格 10‑1 「條碼列印程式」系統目的分析表 版本：1.0　　 要做什麼 　 不要做什麼（不要做不代表不會做） 　 能做什麼 （第一格：必要項目） （第二格：次要項目） 可自行編輯要列印的資料。 可預覽列印。 可將編輯的英文及數字資料轉為條碼。 可調整字級大小。 不能做什麼（不能做代表不需要做）　 （第三格：不必要項目） （第四格：不需要項目） 可讀入Excel檔案。 可大量印製。 表格 10‑2 「條碼列印程式」系統目標分析表 版本：　 重要 　 不重要 　 優先 （重） （急） 可自行編輯要列印的資料。 可預覽列印。 可將編輯的英文及數字資料轉為條碼。 不急迫 （輕） （緩） 可調整字級大小。 無。 表格 10‑3 「條碼列印程式」系統規格表 規格項目 　 規格內容 　 備註 資料輸入 以文字檔編輯的方式。 … 字級大小 可設定字級大小。 … 預覽列印 可預覽列印。 … ...
Read more

Visual Basic .Net 程式案例學習: 06. 題庫測驗系統 (2014版)

Image
Visual Basic .Net 程式案例學習: 06. 題庫測驗系統 (2014版) Visual Basic .Net 程式案例學習: 06. 題庫測驗系統 (2014版) 6.1 問題 ¶ 這是一個題庫練習的程式，分為循序練習及模擬（電腦亂數選題）練習，循序練習會依序將題庫中所有題目列出，讓受測者作答。而模擬練習則由電腦出題，抽出一百題讓受測者測驗。題型分為是非題跟選擇題，因此答題介面設計上就必須依照題型而有所變化。最後是成績顯示，顯示答對題數以及答錯題數，並計算出成績。成績計算之後便會顯示正確答案，受測者可以瀏覽所有的正確答案。 6.2 需求 ¶ 表格 6-1 「題庫測驗系統」系統目的分析表 版本：1.0　 要做什麼 　 不要做什麼（不要做不代表不會做） 　 能做什麼 （第一格：必要項目） （第二格：次要項目） 建立是非題型與選擇題型可共用的資料結構，使用MS Access 2003資料庫。　 可提供循序練習及模擬練習。 答題區可依照不同題型而提供適當的選擇。 結束練習時可瀏覽正確答案。 可以統計答錯題數及答對題數，和最後成績。 不能做什麼（不能做代表不需要做） （第三格：不必要項目） 　　 （第四格：不需要項目） 提供答案的詳解。 將資料庫送上SQL，開發成網路版本。 表格 6‑2 「題庫測驗系統」系統目標分析表 版本： 　 重要 　　　　 不重要 　　 優先 （重） （急） 建立是非題型與選擇題型可共用的資料結構，使用MS Access 2003資料庫。　 可提供循序練習及模擬練習。　 答題區可依照不同題型而提供適當的選擇。 可以統計答錯題數及答對題數，和最後成績。 不急迫 （輕） （緩） 結束練習時可瀏覽正確答案。　 無。 表格 6‑3 「題庫測驗系統」系統規...
Read more

修復損毀的 SQLite DB 資料庫

Image
修復損毀的 SQLite DB 資料庫 修復損毀的 SQLite DB 資料庫 ¶ 當遇到 SQLite DB 資料庫損毀時，完全無法讀取資料，只見到錯誤訊息時，還有一個方法可以嘗試看看。 上圖的上半部，我們做了將壞掉資料庫匯出的動作；圖的下半部，我們將匯出的檔案匯入新的資料庫。 匯出資料庫 使用 sqlite3 {檔案名稱}，開啟壞掉的資料庫。 使用 .output tmp.sql ，在這裡 output 前面有個點，請各位要注意。這是指定資料匯出到 tmp.sql 檔案的方法。 使用 .dump 的指令才開始真正的匯出資料到 tmp.sql 檔案內，這過程要看原始資料庫大小，越大時間越長。 匯出完成 .quit 離開 sqlite3。 匯入資料庫 使用 sqlite3 {新檔案名稱}，在這裡任意建立一個新的資料庫。 使用 .read tmp.sql 讀取 tmp.sql 資料，並且匯入到 {新檔案名稱｜新資料庫}中。 匯入完成後， .quit 離開 sqlite3。 以上是個人成功的經驗，一個 5GB 的損毀資料庫，經過救援之後，變成 6GB ，但卻運作正常無誤。 如果有遇到類似的狀況，不妨試一試這個方法。 注意： 若你 dump 出來的檔案最後一行是 ROLLBACK ，請改為 COMMIT 。因為 ROLLBACK 會在你還原結束後執行，執行之後新資料庫會被清空。
Read more

用１０種程式語言做影像二值化（Image binarization）

Image
用１０種程式語言做影像二值化（Image binarization） 用１０種程式語言做影像二值化（Image binarization） ¶ 完整原始碼下載 簡介 ¶ 有些時候，我們需要將彩色影像轉換為黑白影像，這很簡單，利用門檻值的方法就可以做到。 作法 ¶ Visual C++ 2010 ¶ // 影像的高度 for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // 影像的寬度 for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // 影像的索引值，因為這張影像的24 bit ，所以要乘以3 lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // 取得藍色像素值 byteRGB_BA = imageA->DibArry[lIDXA+0]; // 取得綠色像素值 byteRGB_GA = imageA->DibArry[lIDXA+1]; // 取得紅色像素值 byteRGB_RA = imageA->DibArry[lIDXA+2]; // 將RGB利用YUV公式轉換Y（灰階） dobYUV_YA = (0.299 * byteRGB_RA + 0.587 * byteRGB_GA + 0.114 * byteRGB_BA); // 利用雙門檻值，灰階轉換黑白 if ( dobYUV_YA > 60 && dobYUV_YA < 160 ) { lIDXB = (...
Read more

解決 ValueError: If using all scalar values, you must pass an index

Image
解決 ValueError: If using all scalar values, you must pass an index 解決 ValueError: If using all scalar values, you must pass an index ¶ 這個錯誤通常出現在沒有設定索引時，想要建立一個 DataFrame。 ¶ In [2]: import pandas as pd dict1 = { 1 : "a" , 2 : "b" , 3 : "c" , 4 : "d" } df = pd . DataFrame ( dict1 ) --------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-2-68948f391692> in <module> 1 import pandas as pd 2 dict1 = { 1 : "a" , 2 : "b" , 3 : "c" , 4 : "d" } ----> 3 df = pd . DataFrame...
Read more

Visual Basic 6.0 程式案例學習: 04. 人事考勤管理系統 (2014版)

Image
Visual Basic 6.0 程式案例學習: 04. 人事考勤管理系統 (2014版) Visual Basic 6.0 程式案例學習: 04. 人事考勤管理系統 (2014版) 4.1 問題 ¶ 這也是紙本作業流程想要電腦化的需求，每年度有四次的評鑑，前三次的評鑑是由單位主管執行，而最後一次是由單位主管評分後，交由高層會議整合，訂出最後的評鑑考績。以往的做法就是先依據每一個單位，做出許多Excel表格，然後會整起來，變成一張Excel統計表，保留起來等待到下次評鑑時，同樣的步驟繼續進行，到第四次之後，這三張統計表的成績將作為第四次評鑑的參考，甚至有些個案會參考到更久之前的成績，為求能夠審慎的評鑑。 這項工作困難點在於，人員有新進、離職、留職停薪、…等等因素，並且要收集各單位的檔案，檔案繳交時間點非常零散，整理表格時要依照人員屬性而有不同的評鑑主管，例如：甲老師是國文科召集人，因職務原故評鑑單位為教務處、學務處、總務處、諮商中心、資源中心；乙老師是美育組長，評鑑單位為教務處、總務處、資源中心。總共有三百人左右，每個人員所屬職務不同，評鑑單位也不同。而計分方式，也是依照職務屬性而有不同百分比計算，例如：甲老師是國文科召集人，因此教務處評分佔60%，其餘單位的評分是佔10%；乙老師是美育組長，教務處佔20%，總務處佔10%，資源中心佔70%。而評鑑資料處理並非專人專責，而是由人事室的成員分攤處理，這又增加了複雜度。例如：交接的時候不清楚，有可能之後處理的人員，多了重複的作業。有些時候先紀錄在紙本上，尚未登錄在Excel統計表時，也有可能造成問題。但評鑑工作還是得進行，而且要審慎的計算，因為這會影響到考績。 因此希望能夠電腦化，簡化流程，而且調閱歷史資料要十分容易，並且可以透過筆記型電腦，於會議室投影，讓高層會議整合時可以直接填寫成績。 4.2 需求 ¶ 表格 4‑1 「人事考勤管理系統」系統目的分析表 版本：1.0 　 要做什麼 　 不要做什麼（不要做不代表不會做） 　 能做什麼 　 （第一格...
Read more

Visual Basic 6.0 程式案例學習: 07. 收據列印程式 (2014版)

Image
Visual Basic 6.0 程式案例學習: 07. 收據列印程式 (2014版) Visual Basic 6.0 程式案例學習: 07. 收據列印程式 (2014版) 7.1 問題 ¶ 這是所有學校以及公司行號由來已久的問題，需要大量列印收據或者是股東會單的資料，原來的方式是使用點陣式印表機，然後列印三聯單，列印之前先將相關資料編輯成文字檔，核對正確之後，再開始列印。但問題是編輯的文字檔其實也是要依照用Excel所整理的資料整理的，這等於多做了一次工，因此需求是可以匯入原先就有的Excel檔，然後就可以列印。當然步驟流程越簡單越清楚是最好的，操作介面清楚明瞭，這是需求者的要求。 7.2 需求 ¶ 表格 7‑1 「收據列印程式」系統目的分析表 版本：1.0 　 要做什麼 　 不要做什麼（不要做不代表不會做） 　 能做什麼 　 （第一格：必要項目） 　 （第二格：次要項目） 　 要能夠直接由Excel匯入程式中。 　 建立單據人員資料管理。 要能夠列印到正確的位置。 每次列印的資料，都要保存下來，以免補單或者是需要單筆列印的時候，可以直接列印。　 要能夠大量列印。 金額的部分要能夠轉為國字大寫。 不能做什麼（不能做代表不需要做）　 （第三格：不必要項目） （第四格：不需要項目） 具有歷史查詢功能，可查詢是否列印，或列印幾次。　 能夠與學籍資料庫連線，獲得列印名單。 表格 7‑2 「收據列印程式」系統目標分析表 版本：　 重要 　　　　 不重要 　　　 優先 （重） 　 （急） 要能夠直接由Excel匯入程式中。　　　　 金額的部分要能夠轉為國字大寫。 要能夠列印到正確的位置。 ...
Read more

佑佑的 Line 貼圖創作

貼圖作者網址：

https://line.me/S/shop/sticker/author/3883362

靜態貼圖

 
 
 
 
  牡羊座：狗狗角色

作者：佑佑
依照牡羊座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  金牛座：兔兔角色

作者：佑佑
依照金牛座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  雙子座：貓貓角色

作者：佑佑
依照雙子座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  巨蟹座：倉鼠角色

作者：佑佑
依照巨蟹座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖
 
 
 
 
  獅子座：幼獅角色

作者：佑佑
依照獅子座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  處女座：松鼠角色

作者：佑佑
依照處女座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  天秤座：鴿子角色

作者：佑佑
依照天秤座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  天蠍座：鳳凰角色

作者：佑佑
依照天蠍座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖
 
 
 
 
  射手座：人馬角色

作者：佑佑
依照射手座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  魔羯座：山羊角色

作者：佑佑
依照魔羯座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  水瓶座：海豚角色

作者：佑佑
依照水瓶座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖 		  雙魚座：小丑魚角色

作者：佑佑
依照雙魚座的個性優點、個性缺點、生活習慣、理財習慣、社交習慣、愛情觀、節假日、禮貌問候，所編撰的貼圖。星座只能當參考用，不會完全準確。
購買貼圖
 
 
 
 
  上班族都變成狒狒，心裡想要說的話。

作者：佑佑
最近在台灣走紅的狒狒，用擬人化的方式，變成上班族，畫出心裡的想說的話。
購買貼圖 		  接案派遣的日常

作者：佑佑
接案派遣到其他公司的日常對話，有調皮、正經、日常對話。
購買貼圖 		  貓女事務員的搞笑時刻

作者：佑佑
把行政人員在職場上遇到千奇百怪的事情畫出來，用可愛的貓女來擔任行政人員的代言人。
購買貼圖 		  貓貓說每天都會用到的話

作者：佑佑
日常生活常見的短句，用小貓擬人化的方式呈現，比較親切可愛。
購買貼圖
 
     
  大人的煩惱特輯：小兔角色

作者：佑佑
錢包餓了，生活苦了。變美變健康？先讓我睡飽吧。心好累，我需要充電。
購買貼圖 		     

動態貼圖

 
 
 
 
  牡羊座日常交際：狗狗角色

作者：佑佑
依照牡羊座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  金牛座日常交際：兔兔角色

作者：佑佑
依照金牛座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  雙子座日常交際：貓貓角色

作者：佑佑
依照雙子座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  巨蟹座日常交際：倉鼠角色

作者：佑佑
依照巨蟹座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖
 
 
 
 
  獅子座日常交際：幼獅角色

作者：佑佑
依照獅子座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  處女座日常交際：松鼠角色

作者：佑佑
依照處女座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  天秤座日常交際：鴿子角色

作者：佑佑
依照天秤座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  天蠍座日常交際：鳳凰角色

作者：佑佑
依照天蠍座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖
 
 
 
 
  射手座日常交際：人馬角色

作者：佑佑
依照射手座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  魔羯座日常交際：山羊角色

作者：佑佑
依照魔羯座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  水瓶座日常交際：海豚角色

作者：佑佑
依照水瓶座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖 		  雙魚座日常交際：小丑魚角色

作者：佑佑
依照雙魚座的個性，描繪日常生活的行為，供交際表達心情使用。星座只能當參考用，不會完全準確。
購買貼圖
 
     
  厭世報：鬍渣男

作者：佑佑
厭世總有個理由跟原因，實在是令人不爽，為什麼最倒楣的總是我？真希望明天就是世界末日，讓大家都一樣慘。
購買貼圖 		     

表情貼

 
 
 
 
  貓貓說每天都用得到的表情貼

作者：佑佑
日常生活常見的表情用語，用小貓擬人化的方式呈現，比較親切可愛。
購買貼圖 		  天秤座的表情貼：鴿子角色

作者：佑佑
日常生活常見的表情用語，天秤座的鴿子擬人化方式呈現，比較親切可愛。
購買貼圖 		  天蠍座的表情貼：鳳凰角色

作者：佑佑
日常生活常見的表情用語，天蠍座的鳳凰擬人化方式呈現，比較親切可愛。
購買貼圖 		  射手座的表情貼：人馬角色

作者：佑佑
日常生活常見的表情用語，射手座的人馬擬人化方式呈現，比較親切可愛。
購買貼圖
 
 
 
 
  魔羯座的表情貼：山羊角色

作者：佑佑
日常生活常見的表情用語，魔羯座的山羊擬人化方式呈現，比較親切可愛。
購買貼圖 		  水瓶座的表情貼：海豚角色

作者：佑佑
日常生活常見的表情用語，水瓶座的海豚擬人化方式呈現，比較親切可愛。
購買貼圖 		  雙魚座的表情貼：小丑魚角色

作者：佑佑
日常生活常見的表情用語，雙魚座的小丑魚擬人化方式呈現，比較親切可愛。
購買貼圖