Ćwiczenia¶

Dodaj wyrażenie print do funkcji, realizującej algorytm Newtona obliczania pierwiastka kwadratowego, tak by wyrażenie drukowało zmienną better za każdym razem, gdy ją oblicza. Wywołaj napisaną przez siebie funkcję, podając 25 jako argument i zapisz resultat.
(ex_7_7)
def newton_sqrt(n): approx = 0.5 * n better = 0.5 * (approx + n/approx) while better != approx: approx = better better = 0.5 * (approx + n/approx) print("Przyblizenie:", better) return approx print("Ostateczne przyblizenie:", newton_sqrt(25))

(q1_answer)
Show Comments
Napisz funkcję print_triangular_numbers(n), która wydrukuje pierwsze n liczb trójkątnych. Wywołanie print_triangular_numbers(5) powinno wyprodukować:
```
1       1
2       3
3       6
4       10
5       15
```
(uwaga: poszukaj w sieci informacji o liczbach trójkątnych.)
(ex_7_8)
Napisz funkcję is_prime, która pobiera jako argument pojedynczą liczbę całkowitą i zwraca True, jeżeli jest ona liczbą pierwszą oraz zwraca False w przeciwnym przypadku.
(ex_7_9)
def is_prime(n): for i in range(2, n): if n % i == 0: return False return True print(is_prime(25)) print(is_prime(7)) print(is_prime(251)) print(is_prime(20))

(q3_answer)
Show Comments
Zmodyfikuj program, w którym poruszaliśmy żółwiem tak, żeby zamiast obracać się o 90 stopni w lewo bądź w prawo, kąt generowany był losowo.
(ex_7_14)
Zmodyfikuj program, w którym poruszaliśmy żółwiem, tak żebyśmy mieli dwa żółwie, oba zaczynające w losowym położeniu. Ruch żółwi utrzymuj tak długo dopóki jeden z nich nie wyjdzie za ekran.
(ex_7_13)
import random import turtle def move_random(wn, t): coin = random.randrange(0,2) if coin == 0: t.left(90) else: t.right(90) t.forward(50) def are_colliding(t1, t2): if t1.distance(t2) < 2: return True else: return False def is_in_screen(w, t): leftBound = - w.window_width() / 2 rightBound = w.window_width() / 2 topBound = w.window_height() / 2 bottomBound = -w.window_height() / 2 turtleX = t.xcor() turtleY = t.ycor() stillIn = True if turtleX > rightBound or turtleX < leftBound: stillIn = False if turtleY > topBound or turtleY < bottomBound: stillIn = False return stillIn t1 = turtle.Turtle() t2 = turtle.Turtle() wn = turtle.Screen() t1.shape('turtle') t2.shape('circle') leftBound = -wn.window_width() / 2 rightBound = wn.window_width() / 2 topBound = wn.window_height() / 2 bottomBound = -wn.window_height() / 2 t1.up() t1.goto(random.randrange(leftBound, rightBound), random.randrange(bottomBound, topBound)) t1.setheading(random.randrange(0, 360)) t1.down() t2.up() t2.goto(random.randrange(leftBound, rightBound), random.randrange(bottomBound, topBound)) t2.setheading(random.randrange(0, 360)) t2.down() while is_in_screen(wn, t1) and is_in_screen(wn, t2): move_random(wn, t1) move_random(wn, t2) wn.exitonclick()

(q5_answer)
Show Comments
Zmodyfikuj poprzedni program, gdzie poruszaliśmy żółwiem w taki sposób, by dany żółw zawrócił, gdy zderzy się ze ścianą lub drugim żółwiem.
(ex_7_12)
Napisz funkcję usuwającą cały czerwony komponent z obrazka.

Do tego i innych podobnych zadań użyj zdjęcie luther.jpg.
(ex_7_15)
import image img = image.Image("luther.jpg") newimg = image.EmptyImage(img.getWidth(), img.getHeight()) win = image.ImageWin() for col in range(img.getWidth()): for row in range(img.getHeight()): p = img.getPixel(col, row) newred = 0 green = p.getGreen() blue = p.getBlue() newpixel = image.Pixel(newred, green, blue) newimg.setPixel(col, row, newpixel) newimg.draw(win) win.exitonclick()

(q7_answer)
Show Comments
Napisz funkcję przekształcającą obraz do skali szarości.
(ex_7_16)
Napisz funkcję przekształcającą obraz do skali czarno-białej.
(ex_7_17)
import image def convert_black_white(input_image): grayscale_image = image.EmptyImage(input_image.getWidth(), input_image.getHeight()) for col in range(input_image.getWidth()): for row in range(input_image.getHeight()): p = input_image.getPixel(col, row) red = p.getRed() green = p.getGreen() blue = p.getBlue() avg = (red + green + blue) / 3.0 newpixel = image.Pixel(avg, avg, avg) grayscale_image.setPixel(col, row, newpixel) blackwhite_image = image.EmptyImage(input_image.getWidth(), input_image.getHeight()) for col in range(input_image.getWidth()): for row in range(input_image.getHeight()): p = grayscale_image.getPixel(col, row) red = p.getRed() if red > 140: val = 255 else: val = 0 newpixel = image.Pixel(val, val, val) blackwhite_image.setPixel(col, row, newpixel) return blackwhite_image win = image.ImageWin() img = image.Image("luther.jpg") bw_img = convert_black_white(img) bw_img.draw(win) win.exitonclick()

(q9_answer)
Show Comments
Tonowanie sepią objawia się w brązowawych obrazkach, które mogą przypominać o upływie czasu. Wzór przekształcenia obrazów do tonacji sepii jest następujący:
```
newR = (R × 0.393 + G × 0.769 + B × 0.189)
newG = (R × 0.349 + G × 0.686 + B × 0.168)
newB = (R × 0.272 + G × 0.534 + B × 0.131)
```
Napisz funkcję konwertującą obrazy do tonacji sepii. Podpowiedź: Pamiętaj, że wartości RGB muszą być liczbami całkowitymi pomiędzy 0 i 255.
(ex_7_18)
Npisz funkcję jednolicie powiększającą obraz dwukrotnie.
(ex_7_19)
import image def double(oldimage): oldw = oldimage.getWidth() oldh = oldimage.getHeight() newim = image.EmptyImage(oldw * 2, oldh * 2) for row in range(oldh): for col in range(oldw): oldpixel = oldimage.getPixel(col, row) newim.setPixel(2*col, 2*row, oldpixel) newim.setPixel(2*col+1, 2*row, oldpixel) newim.setPixel(2*col, 2*row+1, oldpixel) newim.setPixel(2*col+1, 2*row+1, oldpixel) return newim win = image.ImageWin() img = image.Image("luther.jpg") bigimg = double(img) bigimg.draw(win) win.exitonclick()

(answer_7_11)
Show Comments
Po zbytnim przeskalowaniu obrazu wygląda on jakby zbudowany był z bloków. Jedną z możliwości redukcji tego efektu jest podmiana każdego piksela wartością średnią otaczających go pikseli. Da to efekt wygładzania zmian w kolorach. Napisz funkcję, która jako parametr otrzyma obraz i zwróci wygładzony. Zwrócony obraz powinien być taki sam jak oryginalny, ale wygładzony.
(ex_7_20)
Npisz ogólną funkcję mapującą operacje na pikselach, która jako parametry formalne pobierać będzie obraz oraz funkcję przekształcającą piksel. Funkcje przekształcająca piksel powinna przekształcać zadany piksel i zwracać nowy, zmapowany.
(ex_7_21)
import image def pixel_mapper(oldimage, rgbFunction): width = oldimage.getWidth() height = oldimage.getHeight() newim = image.EmptyImage(width, height) for row in range(height): for col in range(width): originalpixel = oldimage.getPixel(col, row) newpixel = rgbFunction(originalpixel) newim.setPixel(col, row, newpixel) return newim def graypixel(oldpixel): intensitysum = oldpixel.getRed() + oldpixel.getGreen() + oldpixel.getBlue() aveRGB = intensitysum // 3 newPixel = image.Pixel(aveRGB, aveRGB, aveRGB) return newPixel win = image.ImageWin() img = image.Image("luther.jpg") newim = pixel_mapper(img, graypixel) newim.draw(win) win.exitonclick()

(q13_answer)
Show Comments
Skanując rzeczywisty obraz skanerem w efekcie często dostajemy sporą ilość szumu w wyjściowym obrazie cyfrowym. Powody tego są różne - może być to kurz osiadajacy na obrazie lub skanerze czy też jakaś ułomność obrazu rzeczywistego (zagięcia itp). Jedną z możliwości eliminacji takiego szumu jest zastąpienie każdego piksela poprzez medianę pikseli go otaczających.
(ex_7_22)
Znajdź informację o algorytmie Sobela detekcji krawędzi i zaimplementuj go.
(ex_7_23)
import image import math import sys # Kod bazuje na http://www.cl.cam.ac.uk/projects/raspberrypi/tutorials/image-processing/edge_detection.html # na licencji Creative Commons Attribution-ShareAlike 3.0 Unported License. # algorytm wymaga sporej ilości czasu dla większych obrazków # dlatego zwiekszamy nieco time-out sys.setExecutionLimit(20000) img = image.Image("luther.jpg") newimg = image.EmptyImage(img.getWidth(), img.getHeight()) win = image.ImageWin() for x in range(1, img.getWidth()-1): # ignorujemy piksele na krawędziach dla prostoty (od 1 do width-1) for y in range(1, img.getHeight()-1): # tutaj podobnie (od 1 do height-1) # inicjalizacja Gx = 0 and Gy = 0 dla kazdego piksela Gx = 0 Gy = 0 # lewy gorny piksel p = img.getPixel(x-1, y-1) r = p.getRed() g = p.getGreen() b = p.getBlue() # natezenie od 0 do 765 (255 * 3) intensity = r + g + b # kumulujemy natezenia Gx i Gy Gx += -intensity Gy += -intensity # pozostala lewa kolumna p = img.getPixel(x-1, y) r = p.getRed() g = p.getGreen() b = p.getBlue() Gx += -2 * (r + g + b) p = img.getPixel(x-1, y+1) r = p.getRed() g = p.getGreen() b = p.getBlue() Gx += -(r + g + b) Gy += (r + g + b) # srodkowe pixele p = img.getPixel(x, y-1) r = p.getRed() g = p.getGreen() b = p.getBlue() Gy += -2 * (r + g + b) p = img.getPixel(x, y+1) r = p.getRed() g = p.getGreen() b = p.getBlue() Gy += 2 * (r + g + b) # prawa kolumna p = img.getPixel(x+1, y-1) r = p.getRed() g = p.getGreen() b = p.getBlue() Gx += (r + g + b) Gy += -(r + g + b) p = img.getPixel(x+1, y) r = p.getRed() g = p.getGreen() b = p.getBlue() Gx += 2 * (r + g + b) p = img.getPixel(x+1, y+1) r = p.getRed() g = p.getGreen() b = p.getBlue() Gx += (r + g + b) Gy += (r + g + b) # obliczamy dlugosc i gradient (twierdzenie Pitagorasa) length = math.sqrt((Gx * Gx) + (Gy * Gy)) # normalizujemy dlugosc i gradient w granicach od 0 do 255 length = length / 4328 * 255 length = int(length) # rysujemy dlugosc w obrazie zawierajacym krawedzie newpixel = image.Pixel(length, length, length) newimg.setPixel(x, y, newpixel) newimg.draw(win) win.exitonclick()

(q15_answer)
Show Comments

Następna część - Strings Revisited

Ćwiczenia¶

Do tego i innych podobnych zadań użyj zdjęcie luther.jpg.