時光飛逝...期中已經過了....開始結算期中成績.....
期中成績結算出來實在是非常的低...
低到整個就是嚇到....竟然只有27.7分.....
之前由於忙於社團...
常常都沒有時間很認真的去讀原文書、打文章....
而且常常發文的時間都是趕在上課互評前....
也因此...很多票幾乎都是集在C....
現在社團的事告一段落了....
可以認真念點書了......
原文書之前幾乎很少翻過...
大概就是老師講多少就看多少....
我想接下來的半學期....
我會努力把之前的進度都補上....
希望期末可以平安的過~"~
2008年11月28日 星期五
期中回顧
時間真的過的很快
一下子就期中了
成績算一算 有進步的傾像
第一次差到一個不行
第二次成績讓我最失望
因為那次連結沒有很成功
所以那次的成績超級恐怖的讓我很失落
畢竟那次我真的非常的用心哀
不過有越來越好的現象
一開始的適應 越見佳績
對自己來說盡心盡力最重要
雖然期中分數總平均看起來真的給他非常的傻眼
不過希望我能繼續越來越進步
其實成績如何倒不是那麼重要 還是有些許重要啦!
但我覺得有沒有學到東西比較重要
回顧期中前的種種
讓我最不能完全適應的還是原文書
這真的是我的痛 不過通常我會先看看其他同學心得後
去了解每個章節的重點 在開始翻起原文書
遇到不懂的重要單字會查看是否有寫到這單字的解釋
再不然就會google搜尋此單字的相關文章
看看文章裡是否有用到此文字的相關事務
再從中理解或猜測這單字的意思
其實課本裡通常會解釋一下一些名詞
不過當他解釋的很籠統時 真的非常難理解意思
所以還滿感謝有些同學會將一些名詞解釋寫在心得裡
^^剛溫唷~
不過從一開始排斥看原文書
到現在感覺有種多看一點就學越多的感覺
不只在matlab上面學到許多
也在英文上面學到許多
這就是為什麼老師要我們廣泛的閱跟讀的原因
因為看越多 不知不覺就會越了解
也會不知不覺就記住一些單字
我希望往後的學習裡
能學到更多以往未學過的不一樣的東西
慢慢的也會跟其他同學一樣成績不錯
期許自己囉~加油~
一下子就期中了
成績算一算 有進步的傾像
第一次差到一個不行
第二次成績讓我最失望
因為那次連結沒有很成功
所以那次的成績超級恐怖的讓我很失落
畢竟那次我真的非常的用心哀
不過有越來越好的現象
一開始的適應 越見佳績
對自己來說盡心盡力最重要
雖然期中分數總平均看起來真的給他非常的傻眼
不過希望我能繼續越來越進步
其實成績如何倒不是那麼重要 還是有些許重要啦!
但我覺得有沒有學到東西比較重要
回顧期中前的種種
讓我最不能完全適應的還是原文書
這真的是我的痛 不過通常我會先看看其他同學心得後
去了解每個章節的重點 在開始翻起原文書
遇到不懂的重要單字會查看是否有寫到這單字的解釋
再不然就會google搜尋此單字的相關文章
看看文章裡是否有用到此文字的相關事務
再從中理解或猜測這單字的意思
其實課本裡通常會解釋一下一些名詞
不過當他解釋的很籠統時 真的非常難理解意思
所以還滿感謝有些同學會將一些名詞解釋寫在心得裡
^^剛溫唷~
不過從一開始排斥看原文書
到現在感覺有種多看一點就學越多的感覺
不只在matlab上面學到許多
也在英文上面學到許多
這就是為什麼老師要我們廣泛的閱跟讀的原因
因為看越多 不知不覺就會越了解
也會不知不覺就記住一些單字
我希望往後的學習裡
能學到更多以往未學過的不一樣的東西
慢慢的也會跟其他同學一樣成績不錯
期許自己囉~加油~
期中回顧
期中成績
71.82
30
30
84.29
____
平均 54.02
這是我第一次修李老師的課
在這之前我有修過多媒體的課
但是所學的東西完全不一樣
之前是用FALSH來完成一些動畫
這次則是用MATLAB來改變一張圖片
雖然一開始很不習慣
因為跟以前學的東西差異頗大的
但是也後來越學越有心得了
這門課的重點就是那本原文書
雖然很多老師都是用原文是
但是吼!這是第一次有老師要求要那麼詳細的去看原文書
所以在看原文書部分也有不少心得
從一開始的完全不懂
到後來的漸漸了解
直到現在有時候還會自己半主動的把他拿起來看
雖然它也是有越來越難的趨勢
拋開上課交作業的心態
你會覺得這是一本很有趣的書
而且老師上課也很有趣
在大家覺得無力想睡的時候
老師就會介紹比較生活上的東西
讓大家在無趣的上課時間增添幾分趣味
也讓同學們更有精神
時間如梭!一轉眼就是12週了
數數自己翹課的次數好像也頗多的
講到這裡有點慚愧
不過這門課越上越會想去
所以之後呢自己得努力點
早點起床!!還要努力脫離C的魔咒
71.82
30
30
84.29
____
平均 54.02
這是我第一次修李老師的課
在這之前我有修過多媒體的課
但是所學的東西完全不一樣
之前是用FALSH來完成一些動畫
這次則是用MATLAB來改變一張圖片
雖然一開始很不習慣
因為跟以前學的東西差異頗大的
但是也後來越學越有心得了
這門課的重點就是那本原文書
雖然很多老師都是用原文是
但是吼!這是第一次有老師要求要那麼詳細的去看原文書
所以在看原文書部分也有不少心得
從一開始的完全不懂
到後來的漸漸了解
直到現在有時候還會自己半主動的把他拿起來看
雖然它也是有越來越難的趨勢
拋開上課交作業的心態
你會覺得這是一本很有趣的書
而且老師上課也很有趣
在大家覺得無力想睡的時候
老師就會介紹比較生活上的東西
讓大家在無趣的上課時間增添幾分趣味
也讓同學們更有精神
時間如梭!一轉眼就是12週了
數數自己翹課的次數好像也頗多的
講到這裡有點慚愧
不過這門課越上越會想去
所以之後呢自己得努力點
早點起床!!還要努力脫離C的魔咒
期中回顧
A B C
0 0 11==>30
5 5 1 ==>83.33
11 5 0 ==>92.5
2 9 4 ==>63.8
平均=67.4
時間過得很快
一轉眼期中考已經考完
再過沒多久就要期末了
然而看看自己對這門課的學習成效
好像是每況愈下
當初的那份熱情到哪了呢？
說好的要努力
卻隨著時間慢慢忘記...
上課出席狀況也頗糟糕的
自從一次睡過頭後
缺席的次數就越來越頻繁
對於課程內容的吸收當然不好
功課也有幾次沒按時繳交
雖然每次的作業成績都差強人意
但至少自己有親自做
所以能持之以恆也是自己一直在意的...
認真的同學
從blog的發表情況就可以看出
到底有沒有下功夫
說到後來
最重要的還是"態度"
對任何事都一樣
再過沒幾週這學期就要結束了
好好努力想想自己要的是什麼吧！
0 0 11==>30
5 5 1 ==>83.33
11 5 0 ==>92.5
2 9 4 ==>63.8
平均=67.4
時間過得很快
一轉眼期中考已經考完
再過沒多久就要期末了
然而看看自己對這門課的學習成效
好像是每況愈下
當初的那份熱情到哪了呢？
說好的要努力
卻隨著時間慢慢忘記...
上課出席狀況也頗糟糕的
自從一次睡過頭後
缺席的次數就越來越頻繁
對於課程內容的吸收當然不好
功課也有幾次沒按時繳交
雖然每次的作業成績都差強人意
但至少自己有親自做
所以能持之以恆也是自己一直在意的...
認真的同學
從blog的發表情況就可以看出
到底有沒有下功夫
說到後來
最重要的還是"態度"
對任何事都一樣
再過沒幾週這學期就要結束了
好好努力想想自己要的是什麼吧！
期中回顧
很快期中就到了
回想自己半回學的經歷
似乎有點渾渾噩噩
可能不只這科 其他科也是
已經很久沒有像現在這樣 靜下來回想
仔細想想 自己的確沒以前那麼用功
不夠仔細的去研讀原文的課本
不夠認真的寫blog文章
有時候自己覺得很差的文章拿了B
也會感到慚愧
雖然文章有時候 實在很沒動力去寫
一方面是對互評系統有點無言
但是一方面在互評文章上
我也感到很高興
因為大家不再是存著鄉愿的心態去評
比如說這個人是某某某就給他A之類的
至少客觀的心態變多了
就覺得很好
反觀自己
想到要接受這樣同學間評分的挑戰
我就有動力寫出更仔細的心得跟想法
但是這不是理由
自己的態度才是最重要的
畢竟學習是自己的
不管有沒有受到互評
自己學了什麼才是重要吧
我要開始振作了
跟自己比才是比較重要的
MATLAB 我來接近妳了 嘿嘿O.0"
補上分數計算...
2. 8A 3B 11C = 91
3. 11C (這次沒交) = 20
4. 5A 10B 1C = 72
5. 4A 6B 5C = 57
平均61....
進步空間很大0.0
回想自己半回學的經歷
似乎有點渾渾噩噩
可能不只這科 其他科也是
已經很久沒有像現在這樣 靜下來回想
仔細想想 自己的確沒以前那麼用功
不夠仔細的去研讀原文的課本
不夠認真的寫blog文章
有時候自己覺得很差的文章拿了B
也會感到慚愧
雖然文章有時候 實在很沒動力去寫
一方面是對互評系統有點無言
但是一方面在互評文章上
我也感到很高興
因為大家不再是存著鄉愿的心態去評
比如說這個人是某某某就給他A之類的
至少客觀的心態變多了
就覺得很好
反觀自己
想到要接受這樣同學間評分的挑戰
我就有動力寫出更仔細的心得跟想法
但是這不是理由
自己的態度才是最重要的
畢竟學習是自己的
不管有沒有受到互評
自己學了什麼才是重要吧
我要開始振作了
跟自己比才是比較重要的
MATLAB 我來接近妳了 嘿嘿O.0"
補上分數計算...
2. 8A 3B 11C = 91
3. 11C (這次沒交) = 20
4. 5A 10B 1C = 72
5. 4A 6B 5C = 57
平均61....
進步空間很大0.0
期中回顧
眼看期中考已經過去一個多禮拜了
老師上禮拜在課堂上叫我們算一下自己的
學習互評成績 結果相當慘烈 是 47分
都是因為我一開始都沒有好好閱讀課本
所以我的第一互評成績得了13還是14個C
雖然之後也不是說有到非常好,但是真的有慢慢變好
A有越來越的多趨勢 可是當成績算出來的時候還是有
悲哀的一下 因為真的很低 不過這也小小激起我莫名的衝勁
拋開成績的部分,來說一下上課學習的內容
其實影像處理顧名思義就是用Matlab去改變
影像本生的原貌 只是每個人領略的程度不同
所以做出來的結果當然就各有千秋
這就要看自己上課吸收多少
再加上老師又是用原文書來教學
又在加深了另一方面的困難度
所以我常常聽一聽就會恍神 而且大家好像也不
知道自己的問題在哪 因為其實每次再問問題
和回答問題的同學也就那幾個 狀況外的依舊持續
不過我還蠻喜歡老師有時候會跟我們分享
自己日常生活看的書或買的椅子等一些有的沒的
至少可以稍稍緩和一下都是在原文書內容裡的困境
老師上禮拜在課堂上叫我們算一下自己的
學習互評成績 結果相當慘烈 是 47分
都是因為我一開始都沒有好好閱讀課本
所以我的第一互評成績得了13還是14個C
雖然之後也不是說有到非常好,但是真的有慢慢變好
A有越來越的多趨勢 可是當成績算出來的時候還是有
悲哀的一下 因為真的很低 不過這也小小激起我莫名的衝勁
拋開成績的部分,來說一下上課學習的內容
其實影像處理顧名思義就是用Matlab去改變
影像本生的原貌 只是每個人領略的程度不同
所以做出來的結果當然就各有千秋
這就要看自己上課吸收多少
再加上老師又是用原文書來教學
又在加深了另一方面的困難度
所以我常常聽一聽就會恍神 而且大家好像也不
知道自己的問題在哪 因為其實每次再問問題
和回答問題的同學也就那幾個 狀況外的依舊持續
不過我還蠻喜歡老師有時候會跟我們分享
自己日常生活看的書或買的椅子等一些有的沒的
至少可以稍稍緩和一下都是在原文書內容裡的困境
期中回顧
week4=76.43
week6=52
week7=30
week=38
---------------------
其中平均=49.1
這學期一眨眼就到了第十二週了 總覺得這學期時間
過得很快每個禮拜都有很多作業要交 真的可以說這
學期真的過的很充實 影像處理這門課也讓我非常充
實 這學期的原文書也讓我吃盡 苦頭 光是每次要看
的英文 每次都查的我一個頭兩個大 不過真 的有讓
我學到東西 但是現在課程已經到了後面了 已經不
是查 單字就可以搞懂的東西 也已經盡力的在去搞
懂 不過好難喔 然後是老師的教學 老師的本意是要
啟發我們的讀書態度 我們也都知道老師的意思 但
是人是懶惰的 還是會有人不 去準備 至於互評系統
如果這個系統可以不要顯示出人的 名字 應該會公
平很多 很多人根本不看內容的 只看名字就 給分數
哪來公平可言 還是別怪互評系統了 把自己做好來
才 是最重要的 MATLAB真的是一個蠻實用的軟體
我一定要在剩下的時間把他學好來~
week6=52
week7=30
week=38
---------------------
其中平均=49.1
這學期一眨眼就到了第十二週了 總覺得這學期時間
過得很快每個禮拜都有很多作業要交 真的可以說這
學期真的過的很充實 影像處理這門課也讓我非常充
實 這學期的原文書也讓我吃盡 苦頭 光是每次要看
的英文 每次都查的我一個頭兩個大 不過真 的有讓
我學到東西 但是現在課程已經到了後面了 已經不
是查 單字就可以搞懂的東西 也已經盡力的在去搞
懂 不過好難喔 然後是老師的教學 老師的本意是要
啟發我們的讀書態度 我們也都知道老師的意思 但
是人是懶惰的 還是會有人不 去準備 至於互評系統
如果這個系統可以不要顯示出人的 名字 應該會公
平很多 很多人根本不看內容的 只看名字就 給分數
哪來公平可言 還是別怪互評系統了 把自己做好來
才 是最重要的 MATLAB真的是一個蠻實用的軟體
我一定要在剩下的時間把他學好來~
期中回顧
A B C
10 4 0 =90
4 4 0 =80
3 9 2 =63
4 7 2 =67
平均 =75
期中回顧:
很快的已經12週了,是我的錯覺嗎,感覺這學期過很快,平均只有75,剛開始比較認真一點,後面就有點混,從分數上可以很明顯的看出來XD,後面有少少沒來幾堂課,嗯..少少而已,我記得不超過9堂吧,上禮拜還被老師打電話叫起床,當場就是嚇醒,精神都來了,不過似乎聽說只有打我一個人的電話….下次我可以提供黃名宏的電話給老師XD,他翹得比我還兇阿!!!
想一下這學期影像處理到底學到了啥,嗯..可能不只學到了書裡面的內容,還有學到自己去讀書,以前讀書都是看看老師的投影片,看看自己抄的重點,很快就可以看懂,不過影像處理並不是這樣上課,要自己去讀,自己去找重點看,也就幾乎要全看的意思,發現自己找重點看然後再用自己的話去說出來真的很難,再加上他又是原文的,看的會更累,雖然我有時候會直接去問人某個章節在做啥…這樣超快的哈哈.
還有Matlab這個軟體,雖然我大部分都只是來打課本上的程式,看了另一本介紹Matlab的書,發現他還可以用到很多東西上面 ,雖然我曾經有想過要玩玩看別的程式碼,但是似乎都沒有在執行阿..會的,總有一天會去試試看的..
10 4 0 =90
4 4 0 =80
3 9 2 =63
4 7 2 =67
平均 =75
期中回顧:
很快的已經12週了,是我的錯覺嗎,感覺這學期過很快,平均只有75,剛開始比較認真一點,後面就有點混,從分數上可以很明顯的看出來XD,後面有少少沒來幾堂課,嗯..少少而已,我記得不超過9堂吧,上禮拜還被老師打電話叫起床,當場就是嚇醒,精神都來了,不過似乎聽說只有打我一個人的電話….下次我可以提供黃名宏的電話給老師XD,他翹得比我還兇阿!!!
想一下這學期影像處理到底學到了啥,嗯..可能不只學到了書裡面的內容,還有學到自己去讀書,以前讀書都是看看老師的投影片,看看自己抄的重點,很快就可以看懂,不過影像處理並不是這樣上課,要自己去讀,自己去找重點看,也就幾乎要全看的意思,發現自己找重點看然後再用自己的話去說出來真的很難,再加上他又是原文的,看的會更累,雖然我有時候會直接去問人某個章節在做啥…這樣超快的哈哈.
還有Matlab這個軟體,雖然我大部分都只是來打課本上的程式,看了另一本介紹Matlab的書,發現他還可以用到很多東西上面 ,雖然我曾經有想過要玩玩看別的程式碼,但是似乎都沒有在執行阿..會的,總有一天會去試試看的..
期中回顧
總覺得這次寫了好多次回顧的事情@@
大體上來說...比起二上買的那本多媒體導論，這次的原文書雖然說大部分都看不懂。
但是知道自己真的有下工夫去看，那種成就感真的是用語言用文字也表達不出來的。
雖然說找出來不懂的問題可能只須要翻譯一下就可以了解，但是在透過詢問的方式來得到解答也是讓自己更印象深刻。
其實阿，有些話覺得老師說的蠻有道理的。
書買了就要去翻，不是因為它是本教科書，在上這門課的時候翻她就好。
而是無聊有事沒事就可以拿來當小說啃。
像之前買的課本我室友就覺得蠻有趣的，每次上廁所就把它拿去當雜誌看。
大家選了這門課，一定是對這門課有興趣才選的。
沒有人把刀架在你脖子上逼你選這門課吧~
那既然選了這門課，就應該要真正的花心思在這門課上，而不是敷衍交差拿分數罷了。
我承認有幾次因為天氣太冷所以賴床沒來上課@@
所以我的分數大概也不會打很高了@@
大體上來說...比起二上買的那本多媒體導論，這次的原文書雖然說大部分都看不懂。
但是知道自己真的有下工夫去看，那種成就感真的是用語言用文字也表達不出來的。
雖然說找出來不懂的問題可能只須要翻譯一下就可以了解，但是在透過詢問的方式來得到解答也是讓自己更印象深刻。
其實阿，有些話覺得老師說的蠻有道理的。
書買了就要去翻，不是因為它是本教科書，在上這門課的時候翻她就好。
而是無聊有事沒事就可以拿來當小說啃。
像之前買的課本我室友就覺得蠻有趣的，每次上廁所就把它拿去當雜誌看。
大家選了這門課，一定是對這門課有興趣才選的。
沒有人把刀架在你脖子上逼你選這門課吧~
那既然選了這門課，就應該要真正的花心思在這門課上，而不是敷衍交差拿分數罷了。
我承認有幾次因為天氣太冷所以賴床沒來上課@@
所以我的分數大概也不會打很高了@@
其中回顧嘛
a b c
ch1 7 4 1 ---> 84
ch2 11 4 0 ---> 90
ch3 10 6 0 ---> 85.7
ch4 3 14 0 ---> 65
_______________________
81
我覺得這學期...目前為止
最認真的部份就是看原文書的部份了吧
因為出席率...這學期非常的低
老師對不起囉～
不過出席率上課的氣氛就不好倒是真的＝ ＝
matlab目前為止課本上都有程式碼
就算真的不去實際操作
也都能了解在幹嘛
不過我還是有練習啦...
況且同學都很認真，要是真的看不懂
都可以參考一下（當然不會是全部參考啦！）
希望可以學一些坐實際作圖的程式
我看網路上都有在徵人作圖的＠＠
感覺學好這套軟體會很厲害的樣子...
起碼以後多會一項東西也不錯啦！
ch1 7 4 1 ---> 84
ch2 11 4 0 ---> 90
ch3 10 6 0 ---> 85.7
ch4 3 14 0 ---> 65
_______________________
81
我覺得這學期...目前為止
最認真的部份就是看原文書的部份了吧
因為出席率...這學期非常的低
老師對不起囉～
不過出席率上課的氣氛就不好倒是真的＝ ＝
matlab目前為止課本上都有程式碼
就算真的不去實際操作
也都能了解在幹嘛
不過我還是有練習啦...
況且同學都很認真，要是真的看不懂
都可以參考一下（當然不會是全部參考啦！）
希望可以學一些坐實際作圖的程式
我看網路上都有在徵人作圖的＠＠
感覺學好這套軟體會很厲害的樣子...
起碼以後多會一項東西也不錯啦！
2008年11月27日 星期四
期中回顧
5 7 1 → 75
3 8 3 → 60
4 10 1 → 69
6 6 2 → 73
平均：69
期中回顧：
想當初我也是第一次上老師的課
因為沒修過多媒體學程來修修看這領域的東西
老師是第一個堅持我們帶著我們一定要唸原文書的老師
我想每個老師都有他的作風
不管是閱讀能力英文能力還是程式能力
都達到一定的長進
邊看原文書邊操作程式
看到什麼就照著打
原來這樣打會有這種結果
其實大部分是要操作才會了解程式碼
光是看程式碼很難知道他在幹嘛
除此之外
唸過後還要互評
以另一個角度來看
撇開評分的公不公平
這樣的互評會刺激我們去唸是好的
否則很難有足夠動機去摸他
經由自讀po文上課提問分享的方式
這學期我們的影像處理是這樣學的
跟其他科的大同小異的上課方式比起來
算是不一樣的學習方式
3 8 3 → 60
4 10 1 → 69
6 6 2 → 73
平均：69
期中回顧：
想當初我也是第一次上老師的課
因為沒修過多媒體學程來修修看這領域的東西
老師是第一個堅持我們帶著我們一定要唸原文書的老師
我想每個老師都有他的作風
不管是閱讀能力英文能力還是程式能力
都達到一定的長進
邊看原文書邊操作程式
看到什麼就照著打
原來這樣打會有這種結果
其實大部分是要操作才會了解程式碼
光是看程式碼很難知道他在幹嘛
除此之外
唸過後還要互評
以另一個角度來看
撇開評分的公不公平
這樣的互評會刺激我們去唸是好的
否則很難有足夠動機去摸他
經由自讀po文上課提問分享的方式
這學期我們的影像處理是這樣學的
跟其他科的大同小異的上課方式比起來
算是不一樣的學習方式
期中回顧
期中分數
ch1 3A 6B ==> 71分
ch2 10A 2B ==> 96分
ch3 10A 7B ==> 84分
ch1-ch3 10A 6B ==> 86分
平均 84分
期中回顧
上影像處理，老師要我們試著讀原文書，
雖然一年級時老師也有希望大家能讀原文書，
但是都心有餘而力不足，這次有照著進度讀，
不過到後來就會變成大略讀而沒有很詳細的讀，
或者是先看指令打Matlab，再去理解，
覺得這樣起碼有達到一半的效果。
這門課老師的教學方式很不一樣，讓我可以輕鬆學習，
壓力相對的也不會很大，只是自己要逼自己緊一點，
有的時候會一直想偷懶，不過還是有學到東西的。
老師也很用心的教導。
而互評系統，每個人的看法都很不同，
我覺得真的有認真的同學就會得高分，
有努力就會有收穫。
ch1 3A 6B ==> 71分
ch2 10A 2B ==> 96分
ch3 10A 7B ==> 84分
ch1-ch3 10A 6B ==> 86分
平均 84分
期中回顧
上影像處理，老師要我們試著讀原文書，
雖然一年級時老師也有希望大家能讀原文書，
但是都心有餘而力不足，這次有照著進度讀，
不過到後來就會變成大略讀而沒有很詳細的讀，
或者是先看指令打Matlab，再去理解，
覺得這樣起碼有達到一半的效果。
這門課老師的教學方式很不一樣，讓我可以輕鬆學習，
壓力相對的也不會很大，只是自己要逼自己緊一點，
有的時候會一直想偷懶，不過還是有學到東西的。
老師也很用心的教導。
而互評系統，每個人的看法都很不同，
我覺得真的有認真的同學就會得高分，
有努力就會有收穫。
期中回顧
------ A -B -C
w04: 5 7 1 => 79
w06: 4 5 0 => 85
w07: 11 2 1 => 95
w08: 6 6 2 => 79
=================
平均========> 85
**************************************
其實我到最近幾週才驚覺我一開始對於這一科的唸法不太對，
課本標題說的是 《Introduction to Digital Imageprocessing with MATLAB》 ，
MATLAB只是讓我們當作認識影像處理的工具，
但我卻幾乎以MATLAB程式指令為主在唸這本書，
而沒有在輸入指令後更深入一層去思考他的原理。
在其他方面，
就像之前在CH1 to CH3回顧說的，
對於老師這樣的教學方式我很喜歡，
以及間接地，我原文閱讀的速度真的有提高(至少這課本啦XD)。
以上大致就是我的期中回顧心得。
w04: 5 7 1 => 79
w06: 4 5 0 => 85
w07: 11 2 1 => 95
w08: 6 6 2 => 79
=================
平均========> 85
**************************************
其實我到最近幾週才驚覺我一開始對於這一科的唸法不太對，
課本標題說的是 《Introduction to Digital Imageprocessing with MATLAB》 ，
MATLAB只是讓我們當作認識影像處理的工具，
但我卻幾乎以MATLAB程式指令為主在唸這本書，
而沒有在輸入指令後更深入一層去思考他的原理。
在其他方面，
就像之前在CH1 to CH3回顧說的，
對於老師這樣的教學方式我很喜歡，
以及間接地，我原文閱讀的速度真的有提高(至少這課本啦XD)。
以上大致就是我的期中回顧心得。
期中回顧
從學期初到現在過了一半的時間,
看原文書真的挺有趣的,又是多媒體,
比較不會令人覺得枯燥乏味,
靜下心來看其實滿有意思的,
而且又跟我要做的專研有關係,
所以其實有些觀念,已經在先前就建立了,
因此讀起來很有感覺.
學期初,還在狀況外,又缺席了,
感謝老師只問了我幾句而已,
so後來我還是跟上了!
之後的上課,我都滿認真的在聽,
因為我真的還滿喜歡這種上課方式,
除了聽上課的一些知識外,
更有一些學校不會教的人生觀念,一些想法等等!
我覺得那是很珍貴的.
這學期,從大家po的心得裡,
看到了一些人有很大的變化,
都認真了起來,
心裡很佩服,
自己也會被刺激到,
希望我也能跟上腳步.
前兩個禮拜因為一些原因,沒有來上課,
現在又有點狀況外了,唉~
so sad ...
最後,我在這門課學到了很多東西!
除了MATLAB,
讀原文書,
還有我壞習慣的改進,
過程中,很開心!
繼續邁向期末,加油!
看原文書真的挺有趣的,又是多媒體,
比較不會令人覺得枯燥乏味,
靜下心來看其實滿有意思的,
而且又跟我要做的專研有關係,
所以其實有些觀念,已經在先前就建立了,
因此讀起來很有感覺.
學期初,還在狀況外,又缺席了,
感謝老師只問了我幾句而已,
so後來我還是跟上了!
之後的上課,我都滿認真的在聽,
因為我真的還滿喜歡這種上課方式,
除了聽上課的一些知識外,
更有一些學校不會教的人生觀念,一些想法等等!
我覺得那是很珍貴的.
這學期,從大家po的心得裡,
看到了一些人有很大的變化,
都認真了起來,
心裡很佩服,
自己也會被刺激到,
希望我也能跟上腳步.
前兩個禮拜因為一些原因,沒有來上課,
現在又有點狀況外了,唉~
so sad ...
最後,我在這門課學到了很多東西!
除了MATLAB,
讀原文書,
還有我壞習慣的改進,
過程中,很開心!
繼續邁向期末,加油!
期中回顧
對於程式設計的東西，
我真的是很不擅長，
所以對於Matlab不是非常的會，
不過，
對於一些基本的指令，
還是會應用的，
每個禮拜的心得作業，
都會需要去實際try try
了解每個指令的意思與意義，
讀原文書也是一項挑戰，
要了解內容，
也需要費一大力氣，
不過，
這也許是我這三年來，
真正專心的去讀原文書吧！
因為之前其他的科目，
都是會有兩種給大家選，
而大家都會選擇較輕鬆的中文，
不會去選擇原文。
所以還是有學到很多單字，
或是專業用語！
對於對自己上課的專心到與參予度，
可能還需加強，
有時候會因為不太了解，
而分心，
一開始上課都會準時到，
不過後來怠惰漸漸的會遲到個一節課，
這些是需要被自己檢討的地方，
希望期末能更進步，
改掉一些不好的，
能更認真一點！
期末回顧就可以來驗收自己一下了！
我真的是很不擅長，
所以對於Matlab不是非常的會，
不過，
對於一些基本的指令，
還是會應用的，
每個禮拜的心得作業，
都會需要去實際try try
了解每個指令的意思與意義，
讀原文書也是一項挑戰，
要了解內容，
也需要費一大力氣，
不過，
這也許是我這三年來，
真正專心的去讀原文書吧！
因為之前其他的科目，
都是會有兩種給大家選，
而大家都會選擇較輕鬆的中文，
不會去選擇原文。
所以還是有學到很多單字，
或是專業用語！
對於對自己上課的專心到與參予度，
可能還需加強，
有時候會因為不太了解，
而分心，
一開始上課都會準時到，
不過後來怠惰漸漸的會遲到個一節課，
這些是需要被自己檢討的地方，
希望期末能更進步，
改掉一些不好的，
能更認真一點！
期末回顧就可以來驗收自己一下了！
期中回顧
期中回顧:
<成績>
77.7+13.3 = 100
20 = 20
35.7+38.5 = 74.2
46.1+32.3 = 78.4
<平均>
68.15
哭哭,寫最好的第二篇因為晚上寫太HIGH而睡過頭而沒有評分到
不過這是題外話了....Orz
有一本書做為依據果然效果好得多了,就跟以往老師的課來做比較的話,往往會因為沒有一個明確的目標而不知道該找什麼來看-_-
課程上到現在,對於我來說,書上的導讀目標其實跟導讀過程中找來的資料比是少的多的,當然個人並不怎排斥這種方式,自己找來的資料也會看的比較認真(因為畢竟是自己找的),學習到現在其實理論方面學習的比較多,認識了各種影像儲存方式與原理,反而是matlab程式本身實際操作反而不怎多
再解讀書的過程中其實,只看書的英文其實還蠻無聊的,配合關鍵字做查詢往往可以省下不少力氣與繞遠路的時間,同時有時候還能找到一些相關的有趣資料
當然...目前最遺憾的大概就是
前一陣子我的出席實在糟糕,期中考加上軟體競賽搞的昏天暗地,日月無光,眼睛睜開都已經10點多了....orz
<成績>
77.7+13.3 = 100
20 = 20
35.7+38.5 = 74.2
46.1+32.3 = 78.4
<平均>
68.15
哭哭,寫最好的第二篇因為晚上寫太HIGH而睡過頭而沒有評分到
不過這是題外話了....Orz
有一本書做為依據果然效果好得多了,就跟以往老師的課來做比較的話,往往會因為沒有一個明確的目標而不知道該找什麼來看-_-
課程上到現在,對於我來說,書上的導讀目標其實跟導讀過程中找來的資料比是少的多的,當然個人並不怎排斥這種方式,自己找來的資料也會看的比較認真(因為畢竟是自己找的),學習到現在其實理論方面學習的比較多,認識了各種影像儲存方式與原理,反而是matlab程式本身實際操作反而不怎多
再解讀書的過程中其實,只看書的英文其實還蠻無聊的,配合關鍵字做查詢往往可以省下不少力氣與繞遠路的時間,同時有時候還能找到一些相關的有趣資料
當然...目前最遺憾的大概就是
前一陣子我的出席實在糟糕,期中考加上軟體競賽搞的昏天暗地,日月無光,眼睛睜開都已經10點多了....orz
期中回顧
第四週 10A 1B =>100
第六週 11A 2B=>96.36
第七週 9A =>100
第八週 15A 1B=>100
平均:99.09
期中回顧:
這是我第一次到資工系修課，老師上課的方式跟以往其他老師教課不相同，是以自主性看書為主，一剛開始聽到要讀原文書，感覺上應該還可以應付，只是擔心有看太慢的問題(因為英文不好)，不過在這幾個禮拜看下來以後，看書的速度也較快了一些，雖然說不能完全看懂，不過也漸漸能看前後文大概看出要解釋的意思(不過有不少還是要查過單字才清楚)。
在上禮拜上課時，老師提到公平性的問題，我是選擇新的記分方式的(雖然因此有一週變成只有96分….)，主要是也考慮到隨易互評的情況，想說以新的方式比較好(只是有多個低分的情況下，也可能是吃虧啦=>ex: 10A 2C)
回想了一下老師上課的內容，除了講解我們看不懂的地方以外，最重要的部份就是講了很多關於現在的趨勢，這對於學生來說也是很重要的，像是我平常都沒什麼注意一些趨勢，很多東西都不清楚，像是RRS(以前看過，但是根本不知道做什麼用的)、podcast(以前根本不知道)，能知道很多新的資訊算是蠻不錯的，雖然我是外系學生，但是也讓我學習到要時常獲取新的趨勢的重要性= =+(也可以教教讀資工系的妹妹<=非本校)
第六週 11A 2B=>96.36
第七週 9A =>100
第八週 15A 1B=>100
平均:99.09
期中回顧:
這是我第一次到資工系修課，老師上課的方式跟以往其他老師教課不相同，是以自主性看書為主，一剛開始聽到要讀原文書，感覺上應該還可以應付，只是擔心有看太慢的問題(因為英文不好)，不過在這幾個禮拜看下來以後，看書的速度也較快了一些，雖然說不能完全看懂，不過也漸漸能看前後文大概看出要解釋的意思(不過有不少還是要查過單字才清楚)。
在上禮拜上課時，老師提到公平性的問題，我是選擇新的記分方式的(雖然因此有一週變成只有96分….)，主要是也考慮到隨易互評的情況，想說以新的方式比較好(只是有多個低分的情況下，也可能是吃虧啦=>ex: 10A 2C)
回想了一下老師上課的內容，除了講解我們看不懂的地方以外，最重要的部份就是講了很多關於現在的趨勢，這對於學生來說也是很重要的，像是我平常都沒什麼注意一些趨勢，很多東西都不清楚，像是RRS(以前看過，但是根本不知道做什麼用的)、podcast(以前根本不知道)，能知道很多新的資訊算是蠻不錯的，雖然我是外系學生，但是也讓我學習到要時常獲取新的趨勢的重要性= =+(也可以教教讀資工系的妹妹<=非本校)
期中回顧
week A B C
4 3 8 1 68
6 0 8 4 48
7 4 6 8 68
8 5 10 2 68
===============
avg:63
期中回顧:
這是第3次上老師的課,所以對老師的上課方式沒什麼特別的感想
畢竟也已經習慣了
所以沒有什麼特別覺的不習慣的地方
要說的話...
應該是實作的部分吧
以前上老師的課都是自己在摸程式,不懂的地方可以問同學 OR 上網查
看書相對的比較少(我的意思是看課本)
然後這堂課看書比摸程式還多
所以變的有點懶
因為只要跟著課本上的做法去做一遍就可以了,所以相對的要自己思考的地方就變得比較少
人也慢慢的變的無所謂,反正課本有範例,跟著範例去做就可以了
反正跟著範例做一定不會錯,會錯就是自己打錯
所以比較不會想去突破現有的想法
4 3 8 1 68
6 0 8 4 48
7 4 6 8 68
8 5 10 2 68
===============
avg:63
期中回顧:
這是第3次上老師的課,所以對老師的上課方式沒什麼特別的感想
畢竟也已經習慣了
所以沒有什麼特別覺的不習慣的地方
要說的話...
應該是實作的部分吧
以前上老師的課都是自己在摸程式,不懂的地方可以問同學 OR 上網查
看書相對的比較少(我的意思是看課本)
然後這堂課看書比摸程式還多
所以變的有點懶
因為只要跟著課本上的做法去做一遍就可以了,所以相對的要自己思考的地方就變得比較少
人也慢慢的變的無所謂,反正課本有範例,跟著範例去做就可以了
反正跟著範例做一定不會錯,會錯就是自己打錯
所以比較不會想去突破現有的想法
期中回顧
A B C
week4 9 1 0 =>100
week6 6 7 0 =>78
week7 10 2 0 =>91
week8 14 1 0 =>100
平均：92.25
期中回顧 :
這是我第一次修李遠坤老師的課，也是第一次用這樣的方式上課，一開始會慌張，要先看老師沒交過的章節，不過後來就很適應了。自己一開始看的時候會很不懂，想說這是什麼，沒交哪會阿，但後來慢慢的看，漸漸確實吸收看過的後，再把不懂的部分提出來，再聽老師的解答，這樣的學習方式是有用的。因為自己看，印象就會很深刻，會自己去找答案、跟著課本的程式練習。然後要交讀書報告，所以就也會強迫自己看，再把看過的內容打一遍在Blog上，印象會再加深。
一開始對自己讀原文的能力有點擔憂，自己閱讀能力不好，覺得很吃力，有時查完單字但拼不出整句完整的意思，讀一課下來會很慢，可是讀了幾課後，閱讀能力變快了。讀這章節時再藉由課本範例程式，輸入指令去練習。按照範例做練習，可以跟課本圖片有一樣的效果，也就覺得更快了解此課了。
week4 9 1 0 =>100
week6 6 7 0 =>78
week7 10 2 0 =>91
week8 14 1 0 =>100
平均：92.25
期中回顧 :
這是我第一次修李遠坤老師的課，也是第一次用這樣的方式上課，一開始會慌張，要先看老師沒交過的章節，不過後來就很適應了。自己一開始看的時候會很不懂，想說這是什麼，沒交哪會阿，但後來慢慢的看，漸漸確實吸收看過的後，再把不懂的部分提出來，再聽老師的解答，這樣的學習方式是有用的。因為自己看，印象就會很深刻，會自己去找答案、跟著課本的程式練習。然後要交讀書報告，所以就也會強迫自己看，再把看過的內容打一遍在Blog上，印象會再加深。
一開始對自己讀原文的能力有點擔憂，自己閱讀能力不好，覺得很吃力，有時查完單字但拼不出整句完整的意思，讀一課下來會很慢，可是讀了幾課後，閱讀能力變快了。讀這章節時再藉由課本範例程式，輸入指令去練習。按照範例做練習，可以跟課本圖片有一樣的效果，也就覺得更快了解此課了。
期中後
10A >>100
11A 6B >>87
8A 5B 1C >>83
10A 2B 3C >>82
平均下來是88
期中回顧阿.....認真要看懂英文的感覺果然不一樣
像是在學英文,而不是在看影像處理了,因為英文就倒了.有時候沒接下來的了
不過有些單字查中文意思,沒很大相關性,理解就有點困難了
老師有說希望能培養看英文的能力,我倒覺得只是一個開頭.機會(?)而已
如果只是這段時間過了,就停下來,那就只是如此了
學習東西或是做事情如果沒有愛起碼也找個目標才會有去做的動力
以前瘋狂看美劇是我覺得我自己英文最好的時候(有愛很重要)
雖然假象成分居多QQ
不然像是為了什麼而學英文也是可以...
自己有先看過,然後老師講不懂得 這樣上課效果是還不錯
但是有個問題,那就是有些過些時間就都還給老師了拉...
可能是因為我沒有完全理解或是之後沒有自己清楚看過吧@@
這個禮拜是11週了,進度有點慢
一方面是因為英文(可接受的),另一方面是老師很在意的出席率
可以說...願者上鉤嗎,會來的就會來(偶而遲到或想放假不算)
如果老師真的想看多一點人,下重手吧!!!A_A
11A 6B >>87
8A 5B 1C >>83
10A 2B 3C >>82
平均下來是88
期中回顧阿.....認真要看懂英文的感覺果然不一樣
像是在學英文,而不是在看影像處理了,因為英文就倒了.有時候沒接下來的了
不過有些單字查中文意思,沒很大相關性,理解就有點困難了
老師有說希望能培養看英文的能力,我倒覺得只是一個開頭.機會(?)而已
如果只是這段時間過了,就停下來,那就只是如此了
學習東西或是做事情如果沒有愛起碼也找個目標才會有去做的動力
以前瘋狂看美劇是我覺得我自己英文最好的時候(有愛很重要)
雖然假象成分居多QQ
不然像是為了什麼而學英文也是可以...
自己有先看過,然後老師講不懂得 這樣上課效果是還不錯
但是有個問題,那就是有些過些時間就都還給老師了拉...
可能是因為我沒有完全理解或是之後沒有自己清楚看過吧@@
這個禮拜是11週了,進度有點慢
一方面是因為英文(可接受的),另一方面是老師很在意的出席率
可以說...願者上鉤嗎,會來的就會來(偶而遲到或想放假不算)
如果老師真的想看多一點人,下重手吧!!!A_A
期中回顧
坐夜城雞：
平均 91.245
喀成迴梏：
拜這門課所賜，這學期至少有一科沒有期中考這種東西
在那煎熬的兩週內只有這點能令我小小的輕鬆一下
疫賤：
我是在想
大家在文章裡頭提出的問題
會有人很熱心的幫忙回答
也會有因為沒人懂所以要等教授在課堂上解答的情況
那是不是可以每次的作業都把這些問題蒐集起來
排版成一篇新的文章，以週為單位
並以標籤做出一個"疑問專區"
然後讓大家在下面以回應的方式幫忙回答解惑
若有人回答了，再把回答的部分貼到新文章問題底下附上學號or名字
如果是已經有人回應在原po的文章底下
那複製回答的部分，貼到新文章裡並附上是誰回答的即可
熱心幫忙回答的同學可以視情況斟酌加分
畢竟會回答就表示已經看過課文，這是很合情合理的對吧
此一提議&加分制度皆成立的話
也可以算是一個給前半個學期作業成績不理想的人拉高分數的機會
後半學期多努力還是有希望的 ...
之前有些課就只點名一次當全部出席成績~~~
他的確當了很多人!!
我真的沒有說出那門課是電腦圖學
平均 91.245
喀成迴梏：
拜這門課所賜，這學期至少有一科沒有期中考這種東西
在那煎熬的兩週內只有這點能令我小小的輕鬆一下
疫賤：
我是在想
大家在文章裡頭提出的問題
會有人很熱心的幫忙回答
也會有因為沒人懂所以要等教授在課堂上解答的情況
那是不是可以每次的作業都把這些問題蒐集起來
排版成一篇新的文章，以週為單位
並以標籤做出一個"疑問專區"
然後讓大家在下面以回應的方式幫忙回答解惑
若有人回答了，再把回答的部分貼到新文章問題底下附上學號or名字
如果是已經有人回應在原po的文章底下
那複製回答的部分，貼到新文章裡並附上是誰回答的即可
熱心幫忙回答的同學可以視情況斟酌加分
畢竟會回答就表示已經看過課文，這是很合情合理的對吧
此一提議&加分制度皆成立的話
也可以算是一個給前半個學期作業成績不理想的人拉高分數的機會
後半學期多努力還是有希望的 ...
之前有些課就只點名一次當全部出席成績~~~
他的確當了很多人!!
我真的沒有說出那門課是電腦圖學
期中回顧
首先是從開學到期中之前的作業成績 :
W04 : 2A 9B 1C => 64
W06 : 8A 4B 0C => 88
W07 : 8A 8B 1C => 79
W08 : 5A 5B 2C => 72
-----------------------------------------------------------
平均是 : 76
期中回顧 :
從開學的第一週開始上課時，老師就有先問我們暑假的時候有沒有閱讀Matlab的中文書，
接著要求我們這學期要讀一本影像處理的原文書，主要也是因為我們已經大三了！
是該脫離以及依賴看中文書，所以我們就開始得這本原文書！！
的確，一開始真的是好不適應要讀這麼多的英文，感覺好累！邊讀還要邊查字典或者是
猜他的中文意思到底是什麼？！不過跟著老師的步驟一個禮拜讀一章，慢慢的也有在適應
，在期中之前我每次寫作業時的確都有去看課本的內容，以及把課本中的範例程式實際的
打到Matlab軟體中去測試其結果是否與課本所述說的內容相符！
再把自己的問題提到課程部落格中繳交規定的作業！
每個禮拜的作業也都有繳交出去～到目前為止這門課也沒有缺過課！
雖然有時上課不是很專心，會分神或者是跟附近的同學講話＝＝
不過，還是有盡量去達到老師在課堂中的規定與要求～～
感覺比起之前前幾個學期有修過的老師的課還要更認真和專心＝＝
所以，我覺得這學期比前幾個學期老師開的課還要更用心～～
W04 : 2A 9B 1C => 64
W06 : 8A 4B 0C => 88
W07 : 8A 8B 1C => 79
W08 : 5A 5B 2C => 72
-----------------------------------------------------------
平均是 : 76
期中回顧 :
從開學的第一週開始上課時，老師就有先問我們暑假的時候有沒有閱讀Matlab的中文書，
接著要求我們這學期要讀一本影像處理的原文書，主要也是因為我們已經大三了！
是該脫離以及依賴看中文書，所以我們就開始得這本原文書！！
的確，一開始真的是好不適應要讀這麼多的英文，感覺好累！邊讀還要邊查字典或者是
猜他的中文意思到底是什麼？！不過跟著老師的步驟一個禮拜讀一章，慢慢的也有在適應
，在期中之前我每次寫作業時的確都有去看課本的內容，以及把課本中的範例程式實際的
打到Matlab軟體中去測試其結果是否與課本所述說的內容相符！
再把自己的問題提到課程部落格中繳交規定的作業！
每個禮拜的作業也都有繳交出去～到目前為止這門課也沒有缺過課！
雖然有時上課不是很專心，會分神或者是跟附近的同學講話＝＝
不過，還是有盡量去達到老師在課堂中的規定與要求～～
感覺比起之前前幾個學期有修過的老師的課還要更認真和專心＝＝
所以，我覺得這學期比前幾個學期老師開的課還要更用心～～
期中回顧
期中平時成績
A B C
CH1 8 7 1 80分
CH2 9 3 0 92分
CH3 5 8 1 73分
CH1-3 4 4 1 82分
平均: 81.75分
期中回顧:
這門課我認為是特別的。跟其它課不一樣，
不會一股腦的丟東西給你學，而是重視自我學習，
養成讀書的好習慣。
在部落格寫讀書心得，讓我有很多學習的機會。
學習別人如何讀書，檢視自己沒有注意到的問題。
閱讀原文書的能力也稍稍提升了一些呢:)
還有，我很喜歡老師在上課時，跟我們分享書籍或是課外的東西。
會讓上課變得更有趣!
題外話
其實我覺得互評系統並沒有部分人說的這麼不具公信力
認真準備的人還是會得到高分
不認真的也不會不勞而獲
簡單來說，只要你努力，大家都看的到:)
A B C
CH1 8 7 1 80分
CH2 9 3 0 92分
CH3 5 8 1 73分
CH1-3 4 4 1 82分
平均: 81.75分
期中回顧:
這門課我認為是特別的。跟其它課不一樣，
不會一股腦的丟東西給你學，而是重視自我學習，
養成讀書的好習慣。
在部落格寫讀書心得，讓我有很多學習的機會。
學習別人如何讀書，檢視自己沒有注意到的問題。
閱讀原文書的能力也稍稍提升了一些呢:)
還有，我很喜歡老師在上課時，跟我們分享書籍或是課外的東西。
會讓上課變得更有趣!
題外話
其實我覺得互評系統並沒有部分人說的這麼不具公信力
認真準備的人還是會得到高分
不認真的也不會不勞而獲
簡單來說，只要你努力，大家都看的到:)
2008年11月25日 星期二
期中回顧
先說一下...
上禮拜，我因為吃了感冒藥所以...
就這樣睡了兩節課@@" very sorry
可是我耳朵有在聽啦!!
互評系統、課程正義...etc
感冒才剛好兩天~~
不過我又感冒了@@"
●作業成績●
作業 Ａ Ｂ Ｃ
ch1 ８ ４ ０ ＝＞８８
ch2 １１ ３ １ ＝＞９０.７
ch3 １２ ３ ０ ＝＞９３.８
1~3 ９ ３ ０ ＝＞ ９２
＋－－－
３６４.５
平均：91.125
●期中回顧●
老師的課～～我可是一路修上來～～
對於回家閱讀然後寫部落格這檔事～我可是很熟悉的！！
也許很多同學都無法適應~~但是也有些人是越來越進步的
這學期最大的不同除了學的東西不一樣之外就是原文書啦！！
從大一到現在從來沒認真看過原文書的我
到現在大三了原文書依舊是看得很辛苦，是小時候不努力的結果嗎？！
我上課有越來越認真的趨勢啦至少我沒有從第一節課講到第三節課了!!
也沒有一直逛PTT!! 這算是種進步嗎?! 態度上的進步!!
至於認真度...我自己覺得...沒有班上姓賴的姓朱的那麼認真~~
但是也不是最不認真的!!
最不認真的應該就是陳先生了!!!!XD他自己說他很不認真@@"
上禮拜雖然在睡覺，不過老師所說的課程正義
我覺得很棒，也很意外班上同學所選的是符合課程正義的
我記得只有賴政宏同學選擇對成績有利的選項XD
我是覺得~只要你有認真寫功課~選擇符合課程正義的方式
應該是最公平不過的方式吧!!
這學期到現在，我不敢說我會MATLAB ，我只能說我認識了他
而且簡單的指令會使用一點點了，但是要用MATLAB來完成大作品
或是甚麼的我想還要再多多鑽研一番吧!!
●課程意見●
班上的出席率~~~ 第一節好像一直都不好~~~
不過上周三節都不好@@"
出席率也會影響上課學習吧!!
不如刺激一點~~~ 隨機點名兩次~~
被點到兩次的就~~~~~請他明年再來!!
而且是第一節點!! 這樣多直接~~~~~(雖然這樣很機車>"<) 之前有些課就只點名一次當全部出席成績~~~
他的確當了很多人!!
上禮拜，我因為吃了感冒藥所以...
就這樣睡了兩節課@@" very sorry
可是我耳朵有在聽啦!!
互評系統、課程正義...etc
感冒才剛好兩天~~
不過我又感冒了@@"
●作業成績●
作業 Ａ Ｂ Ｃ
ch1 ８ ４ ０ ＝＞８８
ch2 １１ ３ １ ＝＞９０.７
ch3 １２ ３ ０ ＝＞９３.８
1~3 ９ ３ ０ ＝＞ ９２
＋－－－
３６４.５
平均：91.125
●期中回顧●
老師的課～～我可是一路修上來～～
對於回家閱讀然後寫部落格這檔事～我可是很熟悉的！！
也許很多同學都無法適應~~但是也有些人是越來越進步的
這學期最大的不同除了學的東西不一樣之外就是原文書啦！！
從大一到現在從來沒認真看過原文書的我
到現在大三了原文書依舊是看得很辛苦，是小時候不努力的結果嗎？！
我上課有越來越認真的趨勢啦至少我沒有從第一節課講到第三節課了!!
也沒有一直逛PTT!! 這算是種進步嗎?! 態度上的進步!!
至於認真度...我自己覺得...沒有班上姓賴的姓朱的那麼認真~~
但是也不是最不認真的!!
最不認真的應該就是陳先生了!!!!XD他自己說他很不認真@@"
上禮拜雖然在睡覺，不過老師所說的課程正義
我覺得很棒，也很意外班上同學所選的是符合課程正義的
我記得只有賴政宏同學選擇對成績有利的選項XD
我是覺得~只要你有認真寫功課~選擇符合課程正義的方式
應該是最公平不過的方式吧!!
這學期到現在，我不敢說我會MATLAB ，我只能說我認識了他
而且簡單的指令會使用一點點了，但是要用MATLAB來完成大作品
或是甚麼的我想還要再多多鑽研一番吧!!
●課程意見●
班上的出席率~~~ 第一節好像一直都不好~~~
不過上周三節都不好@@"
出席率也會影響上課學習吧!!
不如刺激一點~~~ 隨機點名兩次~~
被點到兩次的就~~~~~請他明年再來!!
而且是第一節點!! 這樣多直接~~~~~(雖然這樣很機車>"<) 之前有些課就只點名一次當全部出席成績~~~
他的確當了很多人!!
2008年11月23日 星期日
2008年11月22日 星期六
期中大回顧
A B C
week4 11 1 → 100
week6 11 → 100
week7 10 1 1 → 96
week8 14 1 → 100
平均：99分
果然如同老賴同學所說的
星期四晚上吃飯時他跟我說，今天下午老師講了將近兩節課的互評系統
猜明天會不會也會如此。果然如此！
老師蠻強調課堂正義的，至於怎麼強調其他同學都有說明了。
我是覺得互評系統的功用，應該不止於老師方便改成績，而是還有包含
自己該如何正確地表達方式，能讓其他人所能理解，
而不是東扯一點西扯一點，就算你講的是對的說不定，也會有人看不太懂你所表達的意思。
假設有些人表達能力就真的比較差一點，也可以藉由這種方式，一點一點的去試著改變
只看個人願不願意去改而已。心態上的問題！
還有就是培養自己去觀看別人所寫的心得，看文章是怎麼看的呢?
看他寫的長度？還是看他排版好不好？還是看他內容的正確性以及是否表達的蠻清楚呢？
當別人以自己的想法不同時可以在意見那邊說明自己看法，又或者可以請教老師。
這樣應該可以幫助自己也可以幫助別人吧？
有些人或許會依照上敘的看法，也有些人或不不會。
至於該怎樣去看，就看個人怎麼看了。講再多不會改的還是不會改
對於bolg的撰寫，對我來說應該就是一種紀錄吧，一個下次我再重看書看不懂的時候，
可以幫助我快速回憶的東西
看別人寫的心得，自己再打上經由別人所寫的心得，自己有吸收了解到固然是好，
又或者都沒理解到。
但假如被看的人寫的是錯的呢？我該說沒理解的人幸運？還是該說有理解的人不幸呢？
在blog的草稿拿別人寫的當範本，自己再修改大家都看的到，
別忘了bolg有自動儲存的功能。這句的意思當然不是提醒下次別在草稿修改。
而是修這門課的動機是什麼？
增進自己知識，讓我學習到好多東西之類的 大眾化說法誰都會說吧。。。
還是是老師上課輕鬆、這門課好過。
不予置評。
week4 11 1 → 100
week6 11 → 100
week7 10 1 1 → 96
week8 14 1 → 100
平均：99分
果然如同老賴同學所說的
星期四晚上吃飯時他跟我說，今天下午老師講了將近兩節課的互評系統
猜明天會不會也會如此。果然如此！
老師蠻強調課堂正義的，至於怎麼強調其他同學都有說明了。
我是覺得互評系統的功用，應該不止於老師方便改成績，而是還有包含
自己該如何正確地表達方式，能讓其他人所能理解，
而不是東扯一點西扯一點，就算你講的是對的說不定，也會有人看不太懂你所表達的意思。
假設有些人表達能力就真的比較差一點，也可以藉由這種方式，一點一點的去試著改變
只看個人願不願意去改而已。心態上的問題！
還有就是培養自己去觀看別人所寫的心得，看文章是怎麼看的呢?
看他寫的長度？還是看他排版好不好？還是看他內容的正確性以及是否表達的蠻清楚呢？
當別人以自己的想法不同時可以在意見那邊說明自己看法，又或者可以請教老師。
這樣應該可以幫助自己也可以幫助別人吧？
有些人或許會依照上敘的看法，也有些人或不不會。
至於該怎樣去看，就看個人怎麼看了。講再多不會改的還是不會改
對於bolg的撰寫，對我來說應該就是一種紀錄吧，一個下次我再重看書看不懂的時候，
可以幫助我快速回憶的東西
看別人寫的心得，自己再打上經由別人所寫的心得，自己有吸收了解到固然是好，
又或者都沒理解到。
但假如被看的人寫的是錯的呢？我該說沒理解的人幸運？還是該說有理解的人不幸呢？
在blog的草稿拿別人寫的當範本，自己再修改大家都看的到，
別忘了bolg有自動儲存的功能。這句的意思當然不是提醒下次別在草稿修改。
而是修這門課的動機是什麼？
增進自己知識，讓我學習到好多東西之類的 大眾化說法誰都會說吧。。。
還是是老師上課輕鬆、這門課好過。
不予置評。
期中平時成績及回顧~
期中平時成績:
Ａ Ｂ Ｃ
week４:１４ ０ ２ → 95
week６:１１ ２ ０ → 97.27
week７: ７ ２ １ → 92.5
week８:１０ ３ ０ → 94.55
平均: 94.83分
--------------------------------------
期中回顧:
這學期,我看原文書的方式改變了一些.
之前看原文書,大部分都只挑關鍵字看而已,
很少去了解它文章裡在描述什麼.
(因為英文太爛,我下意識就會有點排斥去看...orz)
不過因為之前用的原文書,大多都是數學類的書.
看了關鍵字,看了式子,其實大概就可以猜到該怎麼算.
就算有點錯,可是也相去不遠了.
所以之前運算類的科目,我還算過的去.
不過這門課是影像處理,
已經沒辦法像之前一樣只看關鍵字而已,
也必須了解文章在說什麼.
要不然就沒意義.
現在比較大的問題就是,
專有名詞很多,常常就算是查完整句的意思,
也不知道它在說什麼.
如果沒有問人,我恐怕很多自己都解釋錯.
所以我也常常看一看就會找別人問問題.
因為自己一直卡在奇怪的問題也不是辦法.
----------
另外,
關於到課率低迷的問題.
雖然我不清楚沒到課同學的原因.
不過既然修課了,理當就應該要到課.
要不然當初就不應該選,
大可把機會讓給別的想修的同學.
相信想修的同學應該也不少.
我猜有部分的同學,
可能也沒什麼別的原因,
純粹就只是爬不起來或是不小心睡過頭.
不過也是有睡太沉的人,鬧鈴形同虛設.
有這種情況的同學,應該也得做些什麼吧!
總不能看看時間,然後又把鬧鐘按掉又繼續睡吧!
或者是多設幾個鬧鈴,
或者是請別人幫個忙叫一下之類的.
再不然請老師點個名.
雖然對固定班底(固定第一節不去或根本不去)可能沒啥用,
不過也是有一定程度上的約束力吧!
Ａ Ｂ Ｃ
week４:１４ ０ ２ → 95
week６:１１ ２ ０ → 97.27
week７: ７ ２ １ → 92.5
week８:１０ ３ ０ → 94.55
平均: 94.83分
--------------------------------------
期中回顧:
這學期,我看原文書的方式改變了一些.
之前看原文書,大部分都只挑關鍵字看而已,
很少去了解它文章裡在描述什麼.
(因為英文太爛,我下意識就會有點排斥去看...orz)
不過因為之前用的原文書,大多都是數學類的書.
看了關鍵字,看了式子,其實大概就可以猜到該怎麼算.
就算有點錯,可是也相去不遠了.
所以之前運算類的科目,我還算過的去.
不過這門課是影像處理,
已經沒辦法像之前一樣只看關鍵字而已,
也必須了解文章在說什麼.
要不然就沒意義.
現在比較大的問題就是,
專有名詞很多,常常就算是查完整句的意思,
也不知道它在說什麼.
如果沒有問人,我恐怕很多自己都解釋錯.
所以我也常常看一看就會找別人問問題.
因為自己一直卡在奇怪的問題也不是辦法.
----------
另外,
關於到課率低迷的問題.
雖然我不清楚沒到課同學的原因.
不過既然修課了,理當就應該要到課.
要不然當初就不應該選,
大可把機會讓給別的想修的同學.
相信想修的同學應該也不少.
我猜有部分的同學,
可能也沒什麼別的原因,
純粹就只是爬不起來或是不小心睡過頭.
不過也是有睡太沉的人,鬧鈴形同虛設.
有這種情況的同學,應該也得做些什麼吧!
總不能看看時間,然後又把鬧鐘按掉又繼續睡吧!
或者是多設幾個鬧鈴,
或者是請別人幫個忙叫一下之類的.
再不然請老師點個名.
雖然對固定班底(固定第一節不去或根本不去)可能沒啥用,
不過也是有一定程度上的約束力吧!
2008年11月21日 星期五
期中回顧&平時成績
首先是平常成績的部分:
A B C
Week4: 8 4 0 => 91分
Week6: 13 1 1 => 98分
Week7: 15 0 0 => 100分
Week8: 14 2 0 => 98分
平均是96.75分
期中回顧:
這一個選修課可以算是在大學中所有課裡面最特別的課吧!
老師並不像其他的老師那樣，有一定的進度、照著課本上課等等。
感覺起來老師要教我們的是自己主動學習的態度，而不是只為了考試才去讀書。
老師之前就有問過我們到底是為了什麼而讀大學的?
好像就是要我們自己去想，我們的目標到底是什麼?
還特別把大學的學費算給我們看，連我們如果翹一堂課，損失的是多少錢都算出來了。
還有老師說這堂選修課最主要的目標，就是讓我們有真正閱讀過原文課本的經驗。其實我的情況就跟老師說得差不多，在一、二年級的時候雖然也有一些課是用原文的課本，但是我都沒有真正的去讀它，頂多只是圖片和關鍵字看一下而已。考試只要有看例題或是上課聽老師講解，其實原文課本就算沒什麼看，那科也能考及格。
但是在上這堂課的時候，就不能用之前的方法那樣去"看"原文課本了。因為老師要我們真的慢慢去看，一章一章的讀，然後再將心得和遇到的問題寫在部落格上。剛開始真正讀原文課本時，還真的是很累，光是一面就可以看很久，尤其是很多單字都是專有名詞，查字典之後還是不知道它的意思。就是因為這樣，到現在已經過了半個學期了，我們的進度也只有讀到第四章而已。
不過因為沒有進度的壓力(其實還是有一點，因為每週的要交作業在部落格上)，所以原文課本看起來就會比較輕鬆一些，在不知不覺中，慢慢的已經看得越來越順了。大概知道要配合著一些圖片來讀文章，還有要實際的去操作程式，這樣就可以更容易了解課本上再說明的東西。
另外老師常常在上課時提到許多關於資訊業目前的趨勢，像是提到最新的業界新聞、或是讓我們看數位時代雜誌等等。身為一名就讀資訊工程系的大學生，不能只是像國中、高中那樣，只是把學校的課本應付一下，然後去考試。應該要開始多關心一些現在資訊產業發展趨勢，最新的動態等等。如果我們未來決定要走資訊業這一條路的話，勢必會接觸到這一些資訊的變革。
老師在11週的時候，也花了很多的時間再說明互評系統的一些問題，像是有人亂投票、給人情票或是評分人數不平均等等。但是我沒想到的是，最後老師在問要用哪一種評分方式的時候，大家在投票時居然選擇用老師導出來的新公式來算成績，也就是所謂合乎"課程正義"的算法。雖然說成績算出來並不會差很多，而且能夠解決投票人數不平均的問題，但是就是因為這個關係讓我少了2個100分......(上面我的成績中，有2個用原本的算法會是100的，現在卻變成了97= =)
最後，希望老師在之後上課時，能多講解一些同學在部落格提出來的問題。我發現自己看過一遍之後，再聽老師講解一次，這樣就比較容易理解課本上要表達的東西了。
突然想到，這週上課時早上的出席率很差，老師有問說要怎麼樣才能提高。我覺得最主要是因為老師平常都沒有點名，所以很多人就覺得有沒有去上課都沒什麼差。我認為點名還是有一定的影響力，如果改成隨機一次上課點名，然後沒到的同學要扣總成績X分(辛華昀老師之前好像就是這樣威脅我們的......)，這樣應該多少會提升一點出席率吧= =
A B C
Week4: 8 4 0 => 91分
Week6: 13 1 1 => 98分
Week7: 15 0 0 => 100分
Week8: 14 2 0 => 98分
平均是96.75分
期中回顧:
這一個選修課可以算是在大學中所有課裡面最特別的課吧!
老師並不像其他的老師那樣，有一定的進度、照著課本上課等等。
感覺起來老師要教我們的是自己主動學習的態度，而不是只為了考試才去讀書。
老師之前就有問過我們到底是為了什麼而讀大學的?
好像就是要我們自己去想，我們的目標到底是什麼?
還特別把大學的學費算給我們看，連我們如果翹一堂課，損失的是多少錢都算出來了。
還有老師說這堂選修課最主要的目標，就是讓我們有真正閱讀過原文課本的經驗。其實我的情況就跟老師說得差不多，在一、二年級的時候雖然也有一些課是用原文的課本，但是我都沒有真正的去讀它，頂多只是圖片和關鍵字看一下而已。考試只要有看例題或是上課聽老師講解，其實原文課本就算沒什麼看，那科也能考及格。
但是在上這堂課的時候，就不能用之前的方法那樣去"看"原文課本了。因為老師要我們真的慢慢去看，一章一章的讀，然後再將心得和遇到的問題寫在部落格上。剛開始真正讀原文課本時，還真的是很累，光是一面就可以看很久，尤其是很多單字都是專有名詞，查字典之後還是不知道它的意思。就是因為這樣，到現在已經過了半個學期了，我們的進度也只有讀到第四章而已。
不過因為沒有進度的壓力(其實還是有一點，因為每週的要交作業在部落格上)，所以原文課本看起來就會比較輕鬆一些，在不知不覺中，慢慢的已經看得越來越順了。大概知道要配合著一些圖片來讀文章，還有要實際的去操作程式，這樣就可以更容易了解課本上再說明的東西。
另外老師常常在上課時提到許多關於資訊業目前的趨勢，像是提到最新的業界新聞、或是讓我們看數位時代雜誌等等。身為一名就讀資訊工程系的大學生，不能只是像國中、高中那樣，只是把學校的課本應付一下，然後去考試。應該要開始多關心一些現在資訊產業發展趨勢，最新的動態等等。如果我們未來決定要走資訊業這一條路的話，勢必會接觸到這一些資訊的變革。
老師在11週的時候，也花了很多的時間再說明互評系統的一些問題，像是有人亂投票、給人情票或是評分人數不平均等等。但是我沒想到的是，最後老師在問要用哪一種評分方式的時候，大家在投票時居然選擇用老師導出來的新公式來算成績，也就是所謂合乎"課程正義"的算法。雖然說成績算出來並不會差很多，而且能夠解決投票人數不平均的問題，但是就是因為這個關係讓我少了2個100分......(上面我的成績中，有2個用原本的算法會是100的，現在卻變成了97= =)
最後，希望老師在之後上課時，能多講解一些同學在部落格提出來的問題。我發現自己看過一遍之後，再聽老師講解一次，這樣就比較容易理解課本上要表達的東西了。
突然想到，這週上課時早上的出席率很差，老師有問說要怎麼樣才能提高。我覺得最主要是因為老師平常都沒有點名，所以很多人就覺得有沒有去上課都沒什麼差。我認為點名還是有一定的影響力，如果改成隨機一次上課點名，然後沒到的同學要扣總成績X分(辛華昀老師之前好像就是這樣威脅我們的......)，這樣應該多少會提升一點出席率吧= =
CH4
第4章
Point Processing
§使用了三種方式來處理影像..
1.Transforms
把圖片轉成transformed image..
然後經過一些過程後轉成processed transformed image，
最後再轉回原本的圖片格式...
它准許使用強大的演算法...
將像素值改變為其他的資料型式..
主要的步驟是"轉換→處理→轉回"
2.Neighborhood
主要的原理就是改變pixel的灰階層值...
也就是說~只要知道附近的pixel就可以做改變了...
3.Point operations
與Neighborhood processing不同...
Point operations不用理會附近的pixel影像的灰階值..
可以直接對該像素的灰階值做改變...而且不會影響其他點..
在獨立的而影像處理時比較常用到Point operations..
§運算指令
1.imadd(A,B)
A加B
2.imsubtract(A,B)
A減B
3.immultiply(A,B)
A乘B
4.imdivide(A,B)
A除B
這些運算主要是在講pixel的運算...
原理是利用加減乘除四個運算..
再去繪製一個0~255範圍的圖...
§彩色轉灰階
一個彩色圖片..欲轉成灰階圖片...
有一可用的方式...
原理就是~將圖片的RGB值相加除以3...
即可轉成灰階...
for i=0~99
j=0~99
A[i][j]=1/3(R[i][j]+G[i][j]+B[i][j])
Point Processing
§使用了三種方式來處理影像..
1.Transforms
把圖片轉成transformed image..
然後經過一些過程後轉成processed transformed image，
最後再轉回原本的圖片格式...
它准許使用強大的演算法...
將像素值改變為其他的資料型式..
主要的步驟是"轉換→處理→轉回"
2.Neighborhood
主要的原理就是改變pixel的灰階層值...
也就是說~只要知道附近的pixel就可以做改變了...
3.Point operations
與Neighborhood processing不同...
Point operations不用理會附近的pixel影像的灰階值..
可以直接對該像素的灰階值做改變...而且不會影響其他點..
在獨立的而影像處理時比較常用到Point operations..
§運算指令
1.imadd(A,B)
A加B
2.imsubtract(A,B)
A減B
3.immultiply(A,B)
A乘B
4.imdivide(A,B)
A除B
這些運算主要是在講pixel的運算...
原理是利用加減乘除四個運算..
再去繪製一個0~255範圍的圖...
§彩色轉灰階
一個彩色圖片..欲轉成灰階圖片...
有一可用的方式...
原理就是~將圖片的RGB值相加除以3...
即可轉成灰階...
for i=0~99
j=0~99
A[i][j]=1/3(R[i][j]+G[i][j]+B[i][j])
ch4
4.1
這節是在說image-operation大概可以分成這三種,下列是從複雜到簡單的
1. Transforms
最複雜的一種方法,看圖就知道,不過說實在的那張圖也沒說得很清楚步驟裡面到底要怎弄,只知道先把圖轉換,然後變成轉換的圖,然後做影像處哩,再來就變成處理過的轉換圖,再來反轉,叮咚叮咚!!完成了,中間步驟會不會省略太多..該不會是中間過程就是要給電腦做的,我們瞭解不能!?
2. Neighborhood processing.
3. Point operations
4.2
影像的數學運算
通常做這些運算是為了改善影像的品質或者是偵測影像的內容
Imcomplement(x)計算影像X的補數,以X的互補色來顯示圖形,效果就會跟照片裡的負片一樣
Imadd(x,y),加法
Imsubtract(x,y),減法在原文書裡面好像只是讓圖片顏色變深而已,可是在另一本裡似乎有說如果拿兩張圖片相減,可以看出兩張圖片的不同,
Immultiply(x,y),乘法,如果將兩張影像相乘,可以讓影像表現較銳利!?
Imdivide(x,y),除法
4.3
影像直方圖可用來表示在每一個色階裡存在有多少個像素,如果像素值大部分集中在黑色階,那圖形就會變暗,反之亦然,如果沒有用到全部的色階,就會產生對比不足,如果有這情況,必須用imhist(x)叫出直方圖,然後再使用histeq(x)來做等化,這樣那張圖如果偏暗,做等化之後直方圖分布就會比較平均,圖就會比較清楚
4.4
LUT
似乎是一個可以讓執行速度加快,也就是先把所有的東西算好之後存起來,然後下次如果要用到這些資料,就可以直接從表裡面找到,不用每次都計算,這個可以運用到很多東西上
這節是在說image-operation大概可以分成這三種,下列是從複雜到簡單的
1. Transforms
最複雜的一種方法,看圖就知道,不過說實在的那張圖也沒說得很清楚步驟裡面到底要怎弄,只知道先把圖轉換,然後變成轉換的圖,然後做影像處哩,再來就變成處理過的轉換圖,再來反轉,叮咚叮咚!!完成了,中間步驟會不會省略太多..該不會是中間過程就是要給電腦做的,我們瞭解不能!?
2. Neighborhood processing.
3. Point operations
4.2
影像的數學運算
通常做這些運算是為了改善影像的品質或者是偵測影像的內容
Imcomplement(x)計算影像X的補數,以X的互補色來顯示圖形,效果就會跟照片裡的負片一樣
Imadd(x,y),加法
Imsubtract(x,y),減法在原文書裡面好像只是讓圖片顏色變深而已,可是在另一本裡似乎有說如果拿兩張圖片相減,可以看出兩張圖片的不同,
Immultiply(x,y),乘法,如果將兩張影像相乘,可以讓影像表現較銳利!?
Imdivide(x,y),除法
4.3
影像直方圖可用來表示在每一個色階裡存在有多少個像素,如果像素值大部分集中在黑色階,那圖形就會變暗,反之亦然,如果沒有用到全部的色階,就會產生對比不足,如果有這情況,必須用imhist(x)叫出直方圖,然後再使用histeq(x)來做等化,這樣那張圖如果偏暗,做等化之後直方圖分布就會比較平均,圖就會比較清楚
4.4
LUT
似乎是一個可以讓執行速度加快,也就是先把所有的東西算好之後存起來,然後下次如果要用到這些資料,就可以直接從表裡面找到,不用每次都計算,這個可以運用到很多東西上
CH4
4.1
介紹影像分三種處理方式:
1. Transforms : 是允許一些有效率而且強大的演算法處理影像時，似乎經過了一連串的轉換之
後變成原始的圖片
2. Neighborhood processing(鄰域處理) : 改變像素的灰階程度與周圍的像素值利用其灰階pixel
進行改變
3. Point operations : 與Neighborhood processing不同不用理會周圍的pixel影像的灰階值運算
是獨立的而影像處理時比較常用到Point operations
4.2 Arithmetic Operations
imadd(x,y)對圖像做加法運算-影像變亮
imsubtract(x,y)為減法運算-影像變暗
imdivide(x,y)對圖做除法運算-變亮
immultiply(x,y)對圖做乘法運算-變暗
4.3 Histograms(長條圖)
能夠用直方圖的方式顯示圖片色彩所占的比例
指令方面看不太懂，跟灰階值有關吧...?
介紹影像分三種處理方式:
1. Transforms : 是允許一些有效率而且強大的演算法處理影像時，似乎經過了一連串的轉換之
後變成原始的圖片
2. Neighborhood processing(鄰域處理) : 改變像素的灰階程度與周圍的像素值利用其灰階pixel
進行改變
3. Point operations : 與Neighborhood processing不同不用理會周圍的pixel影像的灰階值運算
是獨立的而影像處理時比較常用到Point operations
4.2 Arithmetic Operations
imadd(x,y)對圖像做加法運算-影像變亮
imsubtract(x,y)為減法運算-影像變暗
imdivide(x,y)對圖做除法運算-變亮
immultiply(x,y)對圖做乘法運算-變暗
4.3 Histograms(長條圖)
能夠用直方圖的方式顯示圖片色彩所占的比例
指令方面看不太懂，跟灰階值有關吧...?
CH4
4-1 Introduction
1.transform
image經transform成Transformed image
再經Image-processing operation成processed Transformed image
最後經Inverse transform成Processed transformed image。(圖TO文字)
2.Neighborhood processing
再說只要知道附近的pixel，就可以知道改變給予的pixel的灰階層的值。
3.Point operations 就是說不欲知道其他的灰階值!!你可以直接去改變你要的地方的灰階值!!
4-2 Arithmetic Operations
指令:1.imadd(圖檔,數值) //加
2.imsubtract(圖檔,數值) //減
3.immultiply(圖檔,數值) //乘
4.imdivide(圖檔,數值) // 除
效果:使圖片變亮變暗!!
4.3 Histograms
主要再接設用長條突來統計灰階值!!
指令:1.imadjust. 功能：調整圖像灰度值或顏色映像表。
2.plot.
功能：假如你有一堆實驗數據要化成專業的二維圖. 並且算出平均值,並畫出來 。
3.histeq. 功能：設輸入圖像為input，輸出圖像為output直方圖規定化的函數 。
4.histpwl. 功能：(巡查中!!)
4.4 Lookup Tables(簡稱LUT)
看不懂!上網查了一下!!原來是說查表這一個動作!!
如果說一個複雜的運算!!如果有一個表可以去代代數字!!那處理起來的速度就會快很多!!
EX:三角函數中!!COS123度!!如果有一表可以查!!那就可以不用花其中那複雜運算時間囉!!
資料來源:1. http://zh.wikipedia.org/wiki/%E6%9F%A5%E6%89%BE%E8%A1%A8 (中文)
2. http://en.wikipedia.org/wiki/Lookup_table (英文)
1.transform
image經transform成Transformed image
再經Image-processing operation成processed Transformed image
最後經Inverse transform成Processed transformed image。(圖TO文字)
2.Neighborhood processing
再說只要知道附近的pixel，就可以知道改變給予的pixel的灰階層的值。
3.Point operations 就是說不欲知道其他的灰階值!!你可以直接去改變你要的地方的灰階值!!
4-2 Arithmetic Operations
指令:1.imadd(圖檔,數值) //加
2.imsubtract(圖檔,數值) //減
3.immultiply(圖檔,數值) //乘
4.imdivide(圖檔,數值) // 除
效果:使圖片變亮變暗!!
4.3 Histograms
主要再接設用長條突來統計灰階值!!
指令:1.imadjust. 功能：調整圖像灰度值或顏色映像表。
2.plot.
功能：假如你有一堆實驗數據要化成專業的二維圖. 並且算出平均值,並畫出來 。
3.histeq. 功能：設輸入圖像為input，輸出圖像為output直方圖規定化的函數 。
4.histpwl. 功能：(巡查中!!)
4.4 Lookup Tables(簡稱LUT)
看不懂!上網查了一下!!原來是說查表這一個動作!!
如果說一個複雜的運算!!如果有一個表可以去代代數字!!那處理起來的速度就會快很多!!
EX:三角函數中!!COS123度!!如果有一表可以查!!那就可以不用花其中那複雜運算時間囉!!
資料來源:1. http://zh.wikipedia.org/wiki/%E6%9F%A5%E6%89%BE%E8%A1%A8 (中文)
2. http://en.wikipedia.org/wiki/Lookup_table (英文)
ch4
4.1 introduction
1.transforms 把圖片轉換成Transformed image, 之後經由一些製作過程轉成
Processed transformed image, 之後再反轉成原本圖片格式
2.Neighborhood processing
改變圖片的灰階程度與周圍的像素值, 利用pixel來改變
3.Point operations
獨立的灰階值, 沒有影響他的其他點
4.2 Arithmetic Operations
像素的運算, y=f(x), 範圍為0-255,
有加-imadd(x,y)、減-imsubtract(x,y)、 乘-immultiply(x,y), 除-imdivide(x,y)
4.3 Histograms
統計色階以觀察顏色分佈
Histogram Stretching是長條圖
1.transforms 把圖片轉換成Transformed image, 之後經由一些製作過程轉成
Processed transformed image, 之後再反轉成原本圖片格式
2.Neighborhood processing
改變圖片的灰階程度與周圍的像素值, 利用pixel來改變
3.Point operations
獨立的灰階值, 沒有影響他的其他點
4.2 Arithmetic Operations
像素的運算, y=f(x), 範圍為0-255,
有加-imadd(x,y)、減-imsubtract(x,y)、 乘-immultiply(x,y), 除-imdivide(x,y)
4.3 Histograms
統計色階以觀察顏色分佈
Histogram Stretching是長條圖
CH4
原本看完4.2的Arithmetic Operation(算術運算)的反應只有：
嗯嗯，原來如此，這樣減來減去加來加去就可以得到這些阿撒不魯的圖片
等看到了某位同學的文章後
真是驚為天人啊!!
她把imadd用來相加兩張圖片的pixel值
(當然是在兩張圖片size相同的情況下)
然後得到的結果
怎麼似曾相識 ...
哦~ 原來是跟多媒體概論某次實做的結果類似
把兩張圖的RGB值相加或做其他運算輸出
只是不同於imadd的簡易功能，
自己實做的函數還可以調整兩張圖片各自的濃度
4.3.1這邊有點怪異
看得出來 i j 的轉換式只是要把灰階值從5-9拓展至2-14
只是從figure4.19這看圖對照的時候，感覺不太對
右圖並不是我想像中從左圖轉換過去的樣子
差異頗大
...
...
4.4 LUT這邊我在coding時有出現過 error message：
Subscript indices must either be real positive integers or logicals.
讓我丈二金剛摸不著頭腦
LUT可以在大量的複雜運算中簡化、縮短程式的運行
不知道LUT實際上都是用在什麼地方?
嗯嗯，原來如此，這樣減來減去加來加去就可以得到這些阿撒不魯的圖片
等看到了某位同學的文章後
真是驚為天人啊!!
她把imadd用來相加兩張圖片的pixel值
(當然是在兩張圖片size相同的情況下)
然後得到的結果
怎麼似曾相識 ...
哦~ 原來是跟多媒體概論某次實做的結果類似
把兩張圖的RGB值相加或做其他運算輸出
只是不同於imadd的簡易功能，
自己實做的函數還可以調整兩張圖片各自的濃度
4.3.1這邊有點怪異
看得出來 i j 的轉換式只是要把灰階值從5-9拓展至2-14
只是從figure4.19這看圖對照的時候，感覺不太對
右圖並不是我想像中從左圖轉換過去的樣子
差異頗大
...
...
4.4 LUT這邊我在coding時有出現過 error message：
Subscript indices must either be real positive integers or logicals.
讓我丈二金剛摸不著頭腦
LUT可以在大量的複雜運算中簡化、縮短程式的運行
不知道LUT實際上都是用在什麼地方?
第4章
課本簡單的描敘了3種模式
包含Transforms,Neighborhood,Point operations
Transforms:
准許使用強大的演算法,或者該說是轉換,將像素值改變為其他的資料型式
Neighborhood:
改變給予的pixel的灰階層的值，知道附近的pixel就可以改變
Point Operations:
只對該像素的灰階值做改變
以上大概是這個意思吧...
然後還有些運算的指令,像是
imadd(A,B)A加B
imsubtract(A,B)A減B
immultiply(A,B)A乘B
imdivide(A,B)A除B
簡單來說,這些運算是講pixel的運算
並且利用加減乘除四個運算之後利用最簡單的運算是y=f(x)
f去繪製一個0~255範圍的圖,這些運算可以改變一個圖的亮度等等的
在來是4-3
對於整體明暗度(亮度)相當接近的圖像作處理
至於長條圖....
好像是在說與圖案的關係
我也不是很清楚....
關於指令方面,
histogram:
將每個灰階值所出現的次數做統計。
imadjust(a,b,c,d):
將a的灰階值分布拉寬
c是整體分布範圍的變化對其作的是將全部的灰階值擠到給定[x,y]區間
d是對分布區間寬度作變化，把灰階值拉寬的樣子。
至於4-4.....
恩.....
我可以說英文真的是外星人的語言嗎....
包含Transforms,Neighborhood,Point operations
Transforms:
准許使用強大的演算法,或者該說是轉換,將像素值改變為其他的資料型式
Neighborhood:
改變給予的pixel的灰階層的值，知道附近的pixel就可以改變
Point Operations:
只對該像素的灰階值做改變
以上大概是這個意思吧...
然後還有些運算的指令,像是
imadd(A,B)A加B
imsubtract(A,B)A減B
immultiply(A,B)A乘B
imdivide(A,B)A除B
簡單來說,這些運算是講pixel的運算
並且利用加減乘除四個運算之後利用最簡單的運算是y=f(x)
f去繪製一個0~255範圍的圖,這些運算可以改變一個圖的亮度等等的
在來是4-3
對於整體明暗度(亮度)相當接近的圖像作處理
至於長條圖....
好像是在說與圖案的關係
我也不是很清楚....
關於指令方面,
histogram:
將每個灰階值所出現的次數做統計。
imadjust(a,b,c,d):
將a的灰階值分布拉寬
c是整體分布範圍的變化對其作的是將全部的灰階值擠到給定[x,y]區間
d是對分布區間寬度作變化，把灰階值拉寬的樣子。
至於4-4.....
恩.....
我可以說英文真的是外星人的語言嗎....
2008年11月20日 星期四
第四章
4.1
課本簡單的描敘了3種模式
包含Transforms,Neighborhood,Point operations
可是只有短短的幾行
還是不大明白這3樣的用處所在
4.2
利用許多Function對圖像作變化
有基本的加減乘除四種運算
b1=imadd(圖像名稱,所要加上的數值)
b2=imsubtract(圖像名稱,要減去的數值)
b3=immultiply(圖像名稱,乘上的倍數)
b4=imdivide(圖像名稱,除掉的倍數)
complement(補數)
只要用"1-image matrix" 就可以獲得
如果是二進位時則要用 " ~ "
4.3
Histogram(以長方條表示的統計圖)
似乎可以將一張影像利用直方圖的形式
表現出圖片色彩所占的比例
還可以利用涵式改變一張圖的內容
只是不大懂他涵式是怎麼寫出來的
imadjust(im,[ ],[ ]) 裡面的[ ]是要填入什麼樣的東西?
是界定0~1的範圍嗎?
後面好像都在說明這些東西
可是不太明白[ ]內填入的數值代表著怎樣的意義
後面的部分還是要有人來帶領會比較清楚的多
用到了很多的函數但是這些函數都是哪來的呢?
課本簡單的描敘了3種模式
包含Transforms,Neighborhood,Point operations
可是只有短短的幾行
還是不大明白這3樣的用處所在
4.2
利用許多Function對圖像作變化
有基本的加減乘除四種運算
b1=imadd(圖像名稱,所要加上的數值)
b2=imsubtract(圖像名稱,要減去的數值)
b3=immultiply(圖像名稱,乘上的倍數)
b4=imdivide(圖像名稱,除掉的倍數)
complement(補數)
只要用"1-image matrix" 就可以獲得
如果是二進位時則要用 " ~ "
4.3
Histogram(以長方條表示的統計圖)
似乎可以將一張影像利用直方圖的形式
表現出圖片色彩所占的比例
還可以利用涵式改變一張圖的內容
只是不大懂他涵式是怎麼寫出來的
imadjust(im,[ ],[ ]) 裡面的[ ]是要填入什麼樣的東西?
是界定0~1的範圍嗎?
後面好像都在說明這些東西
可是不太明白[ ]內填入的數值代表著怎樣的意義
後面的部分還是要有人來帶領會比較清楚的多
用到了很多的函數但是這些函數都是哪來的呢?
CH4
第4章point processing
4.1 有三種方式來處理影像
1.Transforms
准許使用強大的演算法，而他的執行步驟就是
轉換 -> 處理 -> 轉回來。
2.Neighborhood processing
改變給予的pixel的灰階層的值，知道附近的pixel就可以改變
3.Point operations
可以不用管附近的pixel，直接做改變
4.2 主要是在說pixel的運算
imadd(x,y)_加 法
imsubtract(x,y)_減 法
immultiply(x,y)_乘 法
imdivide(x,y)_除 法
而在做加法和乘法時，影像會變亮
反之減法和除法影像會變暗。
4.3 Histograms
主要在介紹長方條表示的統計圖
使用imhist指令可以統計出灰階影像的pixel值
後面的就看不懂了。
4.1 有三種方式來處理影像
1.Transforms
准許使用強大的演算法，而他的執行步驟就是
轉換 -> 處理 -> 轉回來。
2.Neighborhood processing
改變給予的pixel的灰階層的值，知道附近的pixel就可以改變
3.Point operations
可以不用管附近的pixel，直接做改變
4.2 主要是在說pixel的運算
imadd(x,y)_加 法
imsubtract(x,y)_減 法
immultiply(x,y)_乘 法
imdivide(x,y)_除 法
而在做加法和乘法時，影像會變亮
反之減法和除法影像會變暗。
4.3 Histograms
主要在介紹長方條表示的統計圖
使用imhist指令可以統計出灰階影像的pixel值
後面的就看不懂了。
第4章
Transform-轉換
將像素值改變為其他的資料型式.
Neighborhood Processing-鄰域處理
從周圍像素灰階值得到指定像素的灰階值.
Point Operations-點運算
只對該像素的灰階值做改變.
數學運算
imadd(A,B)-A加B
imsubtract(A,B)A減B
immultiply(A,B)A乘B
imdivide(A,B)A除B
imcomplement-取補色
y=255-x
直方圖 (灰階值分佈圖)
統計顏色的分佈
等化處理
將顏色差距拉大，使圖對比更清楚
Imadjust(im,[a,b],[c,d],gamma value)
此函數處理的方式為 小於 a 的像素值會自動轉成 c ,大於 b 的像素值會自動轉成 d.
Gamma值(Gamma曲線)
人類視覺研究發現了兩個特性：
1.人眼對灰度變化的感覺比對色調變化的感覺來得敏銳
2.人眼對低亮度變化的感覺比對高亮度變化的感覺來得敏銳
人眼所能分辨的亮差層次是以對數方式分佈，而非以線性方式分佈
在較暗的畫面時選擇較高的Gamma值，以犧牲亮部層次來換取更多的暗部表現，相對地，明亮的畫面中選擇較低的Gamma值以犧牲部分的暗部層次，來使得亮部層次更為明顯，這便是伽瑪校正
目的是為了讓色彩更接近人眼所看到的實物
將像素值改變為其他的資料型式.
Neighborhood Processing-鄰域處理
從周圍像素灰階值得到指定像素的灰階值.
Point Operations-點運算
只對該像素的灰階值做改變.
數學運算
imadd(A,B)-A加B
imsubtract(A,B)A減B
immultiply(A,B)A乘B
imdivide(A,B)A除B
imcomplement-取補色
y=255-x
直方圖 (灰階值分佈圖)
統計顏色的分佈
等化處理
將顏色差距拉大，使圖對比更清楚
Imadjust(im,[a,b],[c,d],gamma value)
此函數處理的方式為 小於 a 的像素值會自動轉成 c ,大於 b 的像素值會自動轉成 d.
Gamma值(Gamma曲線)
人類視覺研究發現了兩個特性：
1.人眼對灰度變化的感覺比對色調變化的感覺來得敏銳
2.人眼對低亮度變化的感覺比對高亮度變化的感覺來得敏銳
人眼所能分辨的亮差層次是以對數方式分佈，而非以線性方式分佈
在較暗的畫面時選擇較高的Gamma值，以犧牲亮部層次來換取更多的暗部表現，相對地，明亮的畫面中選擇較低的Gamma值以犧牲部分的暗部層次，來使得亮部層次更為明顯，這便是伽瑪校正
目的是為了讓色彩更接近人眼所看到的實物
Ch4
影像處理分成三類：
imadd(x,y)加法
imsubtract(x,y)減法
imdivide(x,y)除法
immultiply(x,y)乘法
只知道會有直方圖出現，但不清楚它和image之間的關係......
還有後面的LUT......
Transforms：轉換整張圖的pixel灰階值以另一種相等的形式表示。
Neighborhood processing：將遮罩(Mask)覆蓋到指定影像上面該影像的灰階值則是根據遮罩下的灰階值運算。
Point operations：與鄰域處理類似，但影像的灰階值運算是獨立的運算結果不會根據遮罩下的灰階值而有所影響。
imadd(x,y)加法
imsubtract(x,y)減法
imdivide(x,y)除法
immultiply(x,y)乘法
例子課本上都有，就不多說了。出來的值一定在0~255之間，若大於255就視為255；小於0則視為0，但是數值越高圖會越明亮。
4-3
只知道會有直方圖出現，但不清楚它和image之間的關係......
還有後面的LUT......
week 10
話說上星期我不知道要po文...
因為 我前一次沒有來上課
問有去的同學 他也說沒有要PO文
結果 上課的時候才知道...
我被喇叭了= =
言歸正傳!!!
chapter 4
4.1 Introduction
Transforms-- 把圖片轉換像素,先把圖片改成圖片碼,
再利用圖片碼修改,修改之後轉回原本圖片格式
Neighborhood processing-- 只需要知道pixel的部分相鄰塊的gray level 數值
,而去改變這些已知 pixel的gray level
Point operations-- 課本字面上意思好像是說,pixel的gray value的改變
,不需要知道周圍的gray level
4.2 Arithmetic Operations
y=f(x),f(x)=0~255,大概在講4則運算,作運算之後 若大於255 就會變成255
然後b1=b+128 課本說要用uint去定義加數值的方法: b1=uint(double(b)+128) 又是uint8...不大清楚為什麼...
或是b1=imadd(b,128)的內建函數
後面是修改參數去show出4則運算後的圖片差異,這就不多說了
4.3 Histograms
Histogram-大概就在講圖片色階的統計,可以瞭解這張圖片的色階分佈
Histogram Stretching- 就是把Histogram的長條圖轉換成為曲線圖的方式來呈現
Histogram equalization- "感覺" 像是 Histogram Stretching 的延伸,不太清楚
4.4 Lookup Tables
雖然不是很懂不過應該是讓影像處理時執行的速度變快。
應該是先算比較麻煩的運算，
之後再把輸入的資料+運算過後的資料儲存在表格,
最後再查表就可以找到輸出的值了
因為 我前一次沒有來上課
問有去的同學 他也說沒有要PO文
結果 上課的時候才知道...
我被喇叭了= =
言歸正傳!!!
chapter 4
4.1 Introduction
Transforms-- 把圖片轉換像素,先把圖片改成圖片碼,
再利用圖片碼修改,修改之後轉回原本圖片格式
Neighborhood processing-- 只需要知道pixel的部分相鄰塊的gray level 數值
,而去改變這些已知 pixel的gray level
Point operations-- 課本字面上意思好像是說,pixel的gray value的改變
,不需要知道周圍的gray level
4.2 Arithmetic Operations
y=f(x),f(x)=0~255,大概在講4則運算,作運算之後 若大於255 就會變成255
然後b1=b+128 課本說要用uint去定義加數值的方法: b1=uint(double(b)+128) 又是uint8...不大清楚為什麼...
或是b1=imadd(b,128)的內建函數
後面是修改參數去show出4則運算後的圖片差異,這就不多說了
4.3 Histograms
Histogram-大概就在講圖片色階的統計,可以瞭解這張圖片的色階分佈
Histogram Stretching- 就是把Histogram的長條圖轉換成為曲線圖的方式來呈現
Histogram equalization- "感覺" 像是 Histogram Stretching 的延伸,不太清楚
4.4 Lookup Tables
雖然不是很懂不過應該是讓影像處理時執行的速度變快。
應該是先算比較麻煩的運算，
之後再把輸入的資料+運算過後的資料儲存在表格,
最後再查表就可以找到輸出的值了
Chapter4:
Chapter 4: POINT PROCESSING
4.1
這節影像分三種功能:
1. Transforms
Transforms是允許一些有效率而且強大的演算法
處理影像時，似乎經過了一連串的轉換之後變成原始的圖片
P.65課本有示範
2. Neighborhood processing
(鄰域處理)
改變像素的灰階程度與周圍的像素值
利用其灰階值pixel進行改變
3. Point operations
與Neighborhood processing不同
不用理會周圍的pixel
影像的灰階值運算是獨立的
而影像處理時比較常用到Point operations
4.2 Arithmetic Operations
這節是講到像素的運算
先用算式y=f(x)
而f(x)運算的範圍為0-255
有加法、減法、除法和乘法
imadd(x,y)-加法運算、imsubtract(x,y)-減法運算、
imdivide(x,y)-除法運算、immultiply(x,y)-乘法運算
4.3 Histograms(長條圖)
利用imhist來開啟Histogram功能
統計一張灰階影像圖的灰階像素數量
但看了一看...就不太曉得接下來在講什麼
而且英文太多...本能有點抗拒所以有看沒有懂
這邊希望老師可以上課講解一下
4.4
待續...因為卡在4.3..
4.1
這節影像分三種功能:
1. Transforms
Transforms是允許一些有效率而且強大的演算法
處理影像時，似乎經過了一連串的轉換之後變成原始的圖片
P.65課本有示範
2. Neighborhood processing
(鄰域處理)
改變像素的灰階程度與周圍的像素值
利用其灰階值pixel進行改變
3. Point operations
與Neighborhood processing不同
不用理會周圍的pixel
影像的灰階值運算是獨立的
而影像處理時比較常用到Point operations
4.2 Arithmetic Operations
這節是講到像素的運算
先用算式y=f(x)
而f(x)運算的範圍為0-255
有加法、減法、除法和乘法
imadd(x,y)-加法運算、imsubtract(x,y)-減法運算、
imdivide(x,y)-除法運算、immultiply(x,y)-乘法運算
4.3 Histograms(長條圖)
利用imhist來開啟Histogram功能
統計一張灰階影像圖的灰階像素數量
但看了一看...就不太曉得接下來在講什麼
而且英文太多...本能有點抗拒所以有看沒有懂
這邊希望老師可以上課講解一下
4.4
待續...因為卡在4.3..
第四章
4-1
Transforms 轉換一張圖的pixel灰階值，但圖的型式還是一樣。
Neighborhood processing 改變灰階值，我們需要知道小周圍的pixel的灰階值。
Point operations 和Neighborhood processing有點不同，改變灰階值，但我們不需要知道小周圍的pixel的灰階值。
4-2
主要在講圖像的四則運算完的呈現，add很明顯是作加法，他可以讓圖像更明亮；subtract是作減法，讓圖變暗；另外multiplication乘法和division除法也是變亮和變暗。而complement好像是做補數，Matlab程式好像只能做處理正整數部分，所以做補數的方法就是0-255之間取255-X或1-X，這樣就不會有負數。
4-3
Histogram按照數學翻譯應該是直方圖。是讓圖表的每個灰階圖像呈現在直方圖。
Dark image 灰階值集中在低值
Uniformly bright image灰階值集中在高值
Well-contrasted image 灰階值分散在各值
4.3-1
J=14-2/9-5*(i-5)+2
14-2/9-5的部分好像是說將灰階值5-9分散在2-14之間，而後面的(i-5)+2就不知道什麼意思。
Histogram stretching 的指令
Imsdjust(im,[a,b],[c,d])
Pixel values less than a則converted to c
Pixel values greater than b則converted to d
P74在講gamma方程式，gamma>1 上拋圖。
求gamma值的公式，不知道怎樣證明and運用。
剩下後面4.3-2和4.4公式一堆，完全看不懂再說些什麼。
只知道lookup tables裡的LUT都是以0開始。
Transforms 轉換一張圖的pixel灰階值，但圖的型式還是一樣。
Neighborhood processing 改變灰階值，我們需要知道小周圍的pixel的灰階值。
Point operations 和Neighborhood processing有點不同，改變灰階值，但我們不需要知道小周圍的pixel的灰階值。
4-2
主要在講圖像的四則運算完的呈現，add很明顯是作加法，他可以讓圖像更明亮；subtract是作減法，讓圖變暗；另外multiplication乘法和division除法也是變亮和變暗。而complement好像是做補數，Matlab程式好像只能做處理正整數部分，所以做補數的方法就是0-255之間取255-X或1-X，這樣就不會有負數。
4-3
Histogram按照數學翻譯應該是直方圖。是讓圖表的每個灰階圖像呈現在直方圖。
Dark image 灰階值集中在低值
Uniformly bright image灰階值集中在高值
Well-contrasted image 灰階值分散在各值
4.3-1
J=14-2/9-5*(i-5)+2
14-2/9-5的部分好像是說將灰階值5-9分散在2-14之間，而後面的(i-5)+2就不知道什麼意思。
Histogram stretching 的指令
Imsdjust(im,[a,b],[c,d])
Pixel values less than a則converted to c
Pixel values greater than b則converted to d
P74在講gamma方程式，gamma>1 上拋圖。
求gamma值的公式，不知道怎樣證明and運用。
剩下後面4.3-2和4.4公式一堆，完全看不懂再說些什麼。
只知道lookup tables裡的LUT都是以0開始。
2008年11月14日 星期五
HW4 POINT PROCESSING
4.1 INTRODUCTION
任何影像圖都是由灰階值轉換出來的
然而，影像處理分成3種基本的資訊顯示
它由簡單到複雜為：
Transforms>>Neighborhood processing>>
Point operations Transforms
就像4.1的圖 影像 透過轉換-> 改變影像 透過影像作用過成->
影像被改變過程 逆轉變-> 原本的影像
Neighborhood processing
想改變我們在一個映像點灰階
需要知道灰階在特定映像點附近一個特定
映像點的灰階
Point operations
映像點灰階值被改變，
不用它的周圍任何知識
雖然點操作是最簡單的，他們包含某些最強有力，並且用途廣泛
所有圖像處理過程他們是特别有用的在圖像預處理，要求圖像修改，
在主要工作試圖之前
4.2 ARITHMETIC OPERATIONS
這是adding and subtracting or multiplication
and division的4則運算
重圖4.3 and 圖4.5 可看出，加法是圖像變亮過量可能會看不清楚，
減法是圖像變暗過量可能變得一片黑，乘法是變亮越亮感覺線條
分得越清楚越容易變認，除髮則變暗
4.3 HISTOGRAMS
给出灰色極譜圖像，它的直方圖包括它的灰级;
那是，它是表明的圖表次数每灰级在圖像發生
dark image->the gray levels would be clustered
at the lower end
uniformly bright image->the gray levels would be
clustered at the upper end
well-contrasted image->the gray levels would be well
spread out over much of the range
imhist這個功能是來統計灰階影像中，
各種灰階值有幾個pixel，
直方圖是以組別為橫軸，
次數或者密度縱軸所繪出來的統計圖。
他類似長條圖，但可一組借來計算落於該區間之內的資料數，
且直方圖裡長方形的高度雨落於該組界內的資料數成正比。
CH4
3個影像處理的方式
1.Transforms
2.Neighborhood processing
3.Point operations
對pixel做加減乘除運算
imadd(x,y)---加法運算-影像變亮
imsubtract(x,y)---減法運算-影像變暗
imdivide(x,y)---除法運算-變暗
immultiply(x,y)---乘法運算-變亮
Complement(補數):(簡單講就是負片)=>A grayscale image is its photographic negative.MATLAB語法:(設圖片陣列為m)當圖片格式為double時(圖片數值範圍為0.0~1.0)>>1-m;圖片格式為binary時可使用>>~m;圖片格式為uint8可使用>>bb=imcomplement(b);Histograms(直方圖;析示圖<=析示圖的說法很少看到)
1.Transforms
2.Neighborhood processing
3.Point operations
對pixel做加減乘除運算
imadd(x,y)---加法運算-影像變亮
imsubtract(x,y)---減法運算-影像變暗
imdivide(x,y)---除法運算-變暗
immultiply(x,y)---乘法運算-變亮
Complement(補數):(簡單講就是負片)=>A grayscale image is its photographic negative.MATLAB語法:(設圖片陣列為m)當圖片格式為double時(圖片數值範圍為0.0~1.0)>>1-m;圖片格式為binary時可使用>>~m;圖片格式為uint8可使用>>bb=imcomplement(b);Histograms(直方圖;析示圖<=析示圖的說法很少看到)
CH4
期中考結束，感覺自己都鬆懈了起來
所以有點混!現在才把作業上傳
===================================================
Chapter 4: POINT PROCESSING
4.1 Introduction
應該是在說影像處理的方式,
利用各種演算法去把影像改變他的表示方式
大致上可以分成三類
1. Transforms:
Transforms是允許一些非常有效率而且強大的演算法，
將圖片轉換整張圖的pixel灰階值以另一種相等的形式表示。
在p.65有圖示，會讓人更了解他在幹嘛
2. Neighborhood processing:
中文叫做鄰域處理，主要的概念便是將遮罩(Mask)覆蓋到指定影像上面，改變一個給定pixel的灰階值，但必需要知道pixel周圍一小塊的pixel灰階值。其衍生出一種利用其灰階值進行線性函數運算
3.Point operations:
類似鄰域處理，但影像的灰階值運算似乎是獨立的,他去改變一個給定pixel的灰階值，但不需要知道pixel周圍的資訊。 運算結果不會根據遮罩下的灰階值而有所影響
4.2 Arithmetic Operations
這一節就是在講pixel的運算，並且利用加減乘除四個運算之後利用最簡單的運算是y=f(x)，f去繪製一個0~255範圍的圖,這些運算可以改變一個圖的亮度等等的，簡單的運算可以改變整張圖，真是神奇
4.3 Histograms
這節是對於整體明暗度(亮度)相當接近的圖像作處理，人類對於明暗度接近的圖像，可能會看不清楚，所以長方條表示的統計圖，使用imhist指令去統計一張灰階影像的圖他的灰階像素出現的次數也可以用長條圖視窗顯示影像目前的灰階影像資訊，大致上應該是這樣，因為本節看的不是很懂。
4.4Lookup Tables
point operation使用lookup table來表示。
應該是在做查詢表格的動作吧!
至於是怎麼查呢?不懂~~~
這次的作業很明顯的偏難，不知道以後是不是會一直更難
如果是這樣的話，就要更花時間在這上面囉!!加油...
所以有點混!現在才把作業上傳
===================================================
Chapter 4: POINT PROCESSING
4.1 Introduction
應該是在說影像處理的方式,
利用各種演算法去把影像改變他的表示方式
大致上可以分成三類
1. Transforms:
Transforms是允許一些非常有效率而且強大的演算法，
將圖片轉換整張圖的pixel灰階值以另一種相等的形式表示。
在p.65有圖示，會讓人更了解他在幹嘛
2. Neighborhood processing:
中文叫做鄰域處理，主要的概念便是將遮罩(Mask)覆蓋到指定影像上面，改變一個給定pixel的灰階值，但必需要知道pixel周圍一小塊的pixel灰階值。其衍生出一種利用其灰階值進行線性函數運算
3.Point operations:
類似鄰域處理，但影像的灰階值運算似乎是獨立的,他去改變一個給定pixel的灰階值，但不需要知道pixel周圍的資訊。 運算結果不會根據遮罩下的灰階值而有所影響
4.2 Arithmetic Operations
這一節就是在講pixel的運算，並且利用加減乘除四個運算之後利用最簡單的運算是y=f(x)，f去繪製一個0~255範圍的圖,這些運算可以改變一個圖的亮度等等的，簡單的運算可以改變整張圖，真是神奇
4.3 Histograms
這節是對於整體明暗度(亮度)相當接近的圖像作處理，人類對於明暗度接近的圖像，可能會看不清楚，所以長方條表示的統計圖，使用imhist指令去統計一張灰階影像的圖他的灰階像素出現的次數也可以用長條圖視窗顯示影像目前的灰階影像資訊，大致上應該是這樣，因為本節看的不是很懂。
4.4Lookup Tables
point operation使用lookup table來表示。
應該是在做查詢表格的動作吧!
至於是怎麼查呢?不懂~~~
這次的作業很明顯的偏難，不知道以後是不是會一直更難
如果是這樣的話，就要更花時間在這上面囉!!加油...
CH4
4-1 Introduction
1. Transform
對一張圖片做Transform再做圖片處理,處理完
再將圖片反轉回去就對原來的圖片做影像處理了
2. Neighborhood processing
用gray leve 改變已知 pixel 的gray level
3.Point operations
類似Neighborhood processing
4-2 Arithmetic Operation
在0~255範圍的影像
imadd(x,y)加法
imsubtract(x,y)減法
imdivide(x,y)除法
immultiply(x,y)乘法
4-3Histograms
看不懂這一節再說蝦咪=_=”
一堆公式和圖
公式怎麼來的@”@
1. Transform
對一張圖片做Transform再做圖片處理,處理完
再將圖片反轉回去就對原來的圖片做影像處理了
2. Neighborhood processing
用gray leve 改變已知 pixel 的gray level
3.Point operations
類似Neighborhood processing
4-2 Arithmetic Operation
在0~255範圍的影像
imadd(x,y)加法
imsubtract(x,y)減法
imdivide(x,y)除法
immultiply(x,y)乘法
4-3Histograms
看不懂這一節再說蝦咪=_=”
一堆公式和圖
公式怎麼來的@”@
CH4
4.1
影像處理最基本的就是點的處理，分成三種：
1.Transforms.
大概用一個 transform，把整個 image當成單一大的區塊來做處理。
2. Neighborhood processing.
對被給予的pixel改變其灰階層的值，大概意思是我們只需要知道和pixel鄰近的一小塊，gray leve 的數值然後去改變這些已知的 pixel 的gray level。
3. Point operations.
與Neighborhood不同，不用去瞭解周圍的pixel，直接對pixel作改變
4-2
這章節主是講解 pixel 的運算
最簡單的運算就是將圖像 作 加減乘除
imadd(x,y) ==== 加
imsubtract(x,y)=== 減
immultiply(x,y)== 乘
imdivide(x,y) === 除
最後還有所謂的互補色
圖像是用 0~ 255 儲存
所以只要用 255 - 目前的灰階值 就可以得到互補色
4-3
長條圖
此章節就介紹了長條圖,把圖像作一些統計的運用
histogram:將每個灰階值所出現的次數做統計。使用語法:imhist(x)
imadjust(a,b,c,d):將a的灰階值分布拉寬，c是整體分布範圍的變化，對其作的是將全部的灰階值擠到給定[x,y]區間，d是對分布區間寬度作變化，把灰階值拉寬的樣子。b的部份我就理解不能了。
當長條圖的顏色都很靠近時 , 就代表兩張圖片很相像
此小節 大概目前只看到這樣...還漏掉蠻多地方的
影像處理最基本的就是點的處理，分成三種：
1.Transforms.
大概用一個 transform，把整個 image當成單一大的區塊來做處理。
2. Neighborhood processing.
對被給予的pixel改變其灰階層的值，大概意思是我們只需要知道和pixel鄰近的一小塊，gray leve 的數值然後去改變這些已知的 pixel 的gray level。
3. Point operations.
與Neighborhood不同，不用去瞭解周圍的pixel，直接對pixel作改變
4-2
這章節主是講解 pixel 的運算
最簡單的運算就是將圖像 作 加減乘除
imadd(x,y) ==== 加
imsubtract(x,y)=== 減
immultiply(x,y)== 乘
imdivide(x,y) === 除
最後還有所謂的互補色
圖像是用 0~ 255 儲存
所以只要用 255 - 目前的灰階值 就可以得到互補色
4-3
長條圖
此章節就介紹了長條圖,把圖像作一些統計的運用
histogram:將每個灰階值所出現的次數做統計。使用語法:imhist(x)
imadjust(a,b,c,d):將a的灰階值分布拉寬，c是整體分布範圍的變化，對其作的是將全部的灰階值擠到給定[x,y]區間，d是對分布區間寬度作變化，把灰階值拉寬的樣子。b的部份我就理解不能了。
當長條圖的顏色都很靠近時 , 就代表兩張圖片很相像
此小節 大概目前只看到這樣...還漏掉蠻多地方的
CH4
4.1 Introduction
大概是概略的介紹了
3個影像處理的方式
1.Transforms
2.Neighborhood processing
3.Point operations
然後圖示看了 不懂為什麼要轉Transform
不太了解
4.2 Arithemtic Operations
花了一點時間了解
原來是做四則運算
讓影像維持在255的範圍內
加法 - 影像變亮
減法 - 影像變暗
乘法 - 變亮
除法 - 變暗
不過為了讓pixel盡量不要損失
運算時使用乘法或除法比較好
那y=x/2+128的意義又是什麼?
只知道會大量損失pixel
4.3 Histograms
知道是在講解影像與長條圖的關係
是說明暗相近的影像不易辨識
把明暗程度加深
就能較清晰的樣子
不過P73頁 Use of Imajust開始
就不太了解了 問號很多
像是那個gamma的方程式
無解ing
大概是概略的介紹了
3個影像處理的方式
1.Transforms
2.Neighborhood processing
3.Point operations
然後圖示看了 不懂為什麼要轉Transform
不太了解
4.2 Arithemtic Operations
花了一點時間了解
原來是做四則運算
讓影像維持在255的範圍內
加法 - 影像變亮
減法 - 影像變暗
乘法 - 變亮
除法 - 變暗
不過為了讓pixel盡量不要損失
運算時使用乘法或除法比較好
那y=x/2+128的意義又是什麼?
只知道會大量損失pixel
4.3 Histograms
知道是在講解影像與長條圖的關係
是說明暗相近的影像不易辨識
把明暗程度加深
就能較清晰的樣子
不過P73頁 Use of Imajust開始
就不太了解了 問號很多
像是那個gamma的方程式
無解ing
Chapter4
Well...這次就不一一貼圖了...
4.1
影像處理最基本的就是點的處理，主要分成三種：
p.69底下使用陣列為double的格式大致說明了影像的補集：double分部範圍為0.0~1.0，圖像補集即是用double最大值1.0去減每個pixel。
4.3
4.1
影像處理最基本的就是點的處理，主要分成三種：
- Transforms:將像素值改變，但是與原本的形式相同。轉換的方式：先將圖片轉換格式(嗎)，然後對轉換過的圖片作處理，再轉回原來圖片的格式(嗎)。它可以作一些運算。
- Neighborhood processing:對被給予的pixel改變其灰階層的值，而我們只需要知道其附近的pixel灰階層的值就可以對該pixel作改變。
- Point operations:與Neighborhood不同，不用去瞭解周圍的pixel，直接對pixel作改變。
4.2
在講解的即是如何利用operations對灰階層作運算，改變其值。p.69底下使用陣列為double的格式大致說明了影像的補集：double分部範圍為0.0~1.0，圖像補集即是用double最大值1.0去減每個pixel。
4.3
- 4.3.1
histogram:將每個灰階值所出現的次數做統計。使用語法:imhist(x)
imadjust(a,b,c,d):將a的灰階值分布拉寬，c是整體分布範圍的變化，對其作的是將全部的灰階值擠到給定[x,y]區間，d是對分布區間寬度作變化，把灰階值拉寬的樣子。b的部份我就理解不能了。
後面4.4的部分依舊不太瞭解...
Point Processing
◈ 主題 :
INTRODUCTION TO DIGITAL IMAGEPROCESSING
Chapter 4: POINT PROCESSING
◈ 問題 :
①page 73 / Note that imadjust doesn't work quite in the some way as shown in Figure 4.9 . why?
②page 74 / imadjust 這個指令我看不太懂他是如何運作，以及gamma這個參數意義
③page 75 / What can I get information form plot function?
④page 75 / A PICEWISE LINEAR-STRETCHING FUNCTION 看不太懂這段
⑤page 76 / 這頁實作的部分histpwl這指令在執行Matlab說這是未定義function
⑥page 81 / WHY IT WORKS 這段看不太懂
⑦page 82 / LOOKUP TABLES 這段看不太懂，且實作部分 b2 = T(b) ; 不能執行，結果為??? Subscript indices must either be real positive integers or logicals.
⑧ 在文章的4.3.1和4.3.2 分別提到了Histogram Streching and Histogram Equalization 這兩種方法來處理 spreading out histogram ， 我想問的是這兩種方法最大的差異，還有我們到底為什麼要做這種處理，就只是為了與原圖比較嗎 ? 還是可以從這些圖型得到些特別的資訊 ?
week
期中考結束了,影像處理也好快(?)就到了第4章
4.1
Transforms那邊是指把影像轉換成別的影像格式?
還是作一下處理後還原成原圖?
雖然方塊圖最近常見到,英文也都是知道得,但是卻不知道他到底想轉什麼
Neighborhood processing,這個之前老師好像有回過同學了,
但是那時候只是Neighborhood,和現在這個是同一個東西嗎?
當處理一個pixel得gray level的時候也要知道他鄰近的gray level是什麼
然後再去改變,這樣是怕忽然出現一個突兀的點嗎?
4.2
講pixel可以作一些運算
而p.67左上圖就是原本的加減128後
以原本的值當x,新的當y…..呈現的
而如果運算後的值大於255 視為255 ,小於0 視為0
這樣的話顯示出來的就只有0~255了
那超出範圍的有種被忽視捨棄的感覺?
課本說圖的加法不能直接運算,不過實際打上去沒錯誤
課本也講了另外2個不會有錯誤的方法,
double型態作完運算在轉回unit以及使用imadd這函數
而在後面的取補數,有種黑白顛倒的感覺….越大(亮)的數處理過變越小
4.3
如果相同的顏色較多及顏色相近
那呈現在histogram上的圖就會越高及密集(70頁下面有提到類似的)
然後對照figure4.8,就可以明顯看出了
而在72頁的4.3.1後…
有講讓顏色分得更開更明顯,但是之後的部分還是不懂
4.4 頁數少,但是理解度也是…….
還好上禮拜(11.14)上課,老師有講解了
就是如果值要經過複雜得運算才能得到處理過後的
那假如很多點就需要處理很多次,而4-4就可提供了一個方法
先把可能出現的運算過,然後存入表裡
當新得一個值,就用index對應,就可以得到處理過得值了
這裡老師沒講真的看不太懂,雖然佔的篇幅很少
4.1
Transforms那邊是指把影像轉換成別的影像格式?
還是作一下處理後還原成原圖?
雖然方塊圖最近常見到,英文也都是知道得,但是卻不知道他到底想轉什麼
Neighborhood processing,這個之前老師好像有回過同學了,
但是那時候只是Neighborhood,和現在這個是同一個東西嗎?
當處理一個pixel得gray level的時候也要知道他鄰近的gray level是什麼
然後再去改變,這樣是怕忽然出現一個突兀的點嗎?
4.2
講pixel可以作一些運算
而p.67左上圖就是原本的加減128後
以原本的值當x,新的當y…..呈現的
而如果運算後的值大於255 視為255 ,小於0 視為0
這樣的話顯示出來的就只有0~255了
那超出範圍的有種被忽視捨棄的感覺?
課本說圖的加法不能直接運算,不過實際打上去沒錯誤
課本也講了另外2個不會有錯誤的方法,
double型態作完運算在轉回unit以及使用imadd這函數
而在後面的取補數,有種黑白顛倒的感覺….越大(亮)的數處理過變越小
4.3
如果相同的顏色較多及顏色相近
那呈現在histogram上的圖就會越高及密集(70頁下面有提到類似的)
然後對照figure4.8,就可以明顯看出了
而在72頁的4.3.1後…
有講讓顏色分得更開更明顯,但是之後的部分還是不懂
4.4 頁數少,但是理解度也是…….
還好上禮拜(11.14)上課,老師有講解了
就是如果值要經過複雜得運算才能得到處理過後的
那假如很多點就需要處理很多次,而4-4就可提供了一個方法
先把可能出現的運算過,然後存入表裡
當新得一個值,就用index對應,就可以得到處理過得值了
這裡老師沒講真的看不太懂,雖然佔的篇幅很少
ch4
剛考完期中考
人又身體不舒服 流鼻水打噴嚏重感冒
整個人呈現虛弱狀態
=====================================
4.1主要介紹
1.Transforms
Transforms是允許一些有效率而且強大的演算法
2.Neighborhood processing
知道pixel鄰近的gray level
就可以改變pixel的gray level
3.Point operations
不須知道鄰近的gray level
就可改變
4.2算數運算
大致上是在講pixel的運算,我們可以直接更動影像的灰階值來變更影像效果
4.3長條統計圖
使用imhist指令啟Histogram功能
使用長條圖顯現影像的灰階資訊
4.4表格查詢
????
人又身體不舒服 流鼻水打噴嚏重感冒
整個人呈現虛弱狀態
=====================================
4.1主要介紹
1.Transforms
Transforms是允許一些有效率而且強大的演算法
2.Neighborhood processing
知道pixel鄰近的gray level
就可以改變pixel的gray level
3.Point operations
不須知道鄰近的gray level
就可改變
4.2算數運算
大致上是在講pixel的運算,我們可以直接更動影像的灰階值來變更影像效果
4.3長條統計圖
使用imhist指令啟Histogram功能
使用長條圖顯現影像的灰階資訊
4.4表格查詢
????
CH4
Ch4
Point Processing
Image-processing divided into three classes:
1.Transforms:
=>A transform represents the pixel values in some other, but equivalent form.
(將像素值轉換為其他數值但是等效的格式)
=>allow for some very efficient and powerful algorithms
(允許一些功能強大又有效的電腦程式或數學的處理流程)
2.Neighborhood processing:
=>改變像素的灰階程度與周圍的像素值有關
3.Point operations:
=>A pixel’s gray value is changed without any knowledge of it’s surroundings.
=> Point operations are the simplest
=>contain some of the most powerful and widely used of all image-processing operations.
(在所有影像處理運作運算上Point operations含有一些強大且廣泛的使用)
Arithmetic Operation
=>確定數值範圍為0~255時可改變輸出的影像亮度
=>(1)利用一簡單公式y=f(x) (其中f(x)含有數值範圍為0~255)
=>(2)將其公式進行相加或相減一固定數值y=x+(或-)C
=>(3)或是乘一固定數值y=Cx
=>(4)”clipping”~修剪數值為
=>取得結果數值將會被調高
(當加128則127以上或等於127的數字均變為255 ,減128則小於128或等於128的數值變為0) =>課本P67頁Fig.4.2
使用語法
b=imread('blocks.tif');
b1=b+128;
(左圖為原圖影像，右圖為使用imadjust增加對比程度的圖)
(後面解釋的還不太清楚，後來看懂以後補上)
對比相關介紹網址:
http://zh.wikipedia.org/w/index.php?title=%E5%B0%8D%E6%AF%94%E5%BA%A6&variant=zh-tw
直方圖均衡化相關網址:
http://zh.wikipedia.org/w/index.php?title=%E7%9B%B4%E6%96%B9%E5%9B%BE%E5%9D%87%E8%A1%A1%E5%8C%96&variant=zh-tw
目前看到課本P74，剩下後來補上!!
11/14
這禮拜老師講解了一些關於第四課的內容，因此不懂的地方也得以解決，像是Histogram Stretching是將對比變明顯，使用方法即是自行設計一個新的拉寬之範圍(如圖fig 4.9<=此為自訂)，並計算出新的各數值分布 imadjust指令使用方法 =>imadjust(im,[a,b],[c,d]); %參照fig 4.10改成對比較高的影像
不過此語法不能變成像fig 4.9那樣(小於a的數值以及大於b的數值線性增加)，只能像fig. 4.10那樣低於a變成c或是大於b的數值變成d(平行)
當使用的起始點a,b或是c,d為[0,1]=>則縮寫為[](課本中使用imadjust(im,[],[])基本上沒任何效果=>等於沒變)
使用imadjust(im,[],[1,0])時，出現的結果則是原來圖的相反結果
x=imread('emu.tif');
x3=imadjust(x,[],[1,0]);
imshow(x),figure,imshow(x3)
figure,imshow(x1)
圖左為c,d使用[1,0]所產生的結果,圖右為原圖
gamma:
=>describes the shape of the function between the coordinates (a,c) and (b,d)
(描述座標(a,c)到(b,d)的形狀)
=> a linear mapping is used( gamma=1)
=>concave downward (gamma<1)>concave upward(gamma>1)
公式為:
公式中的1/r即為gamma (這邊還不是很懂,只是跑一跑以後看到是這樣的結果)
Ex:
x=imread('emu.tif');
x4=imadjust(x,[],[],0.5);
imshow(x),figure,imshow(x4)
figure,plot(x,x4,'.'),axis tight
(x軸只到63=>x的最大值為63)
當r>1時
x5=imadjust(x,[],[],2);
figure,imshow(x5)
figure,plot(x,x5,'.'),axis tight
(x5明顯變黑)
A PIECEWISE LINEAR-STRETCHING FUNCTION
(分段線性拉伸函數?)
=>建置histpwl
=>利用find找出符合所設置各區段a、b的數值位置並利用下方公式來進行轉換，求出新的分布
Histogram Equation(直方圖等化)
=>Sometimes a better approach is provided by histogram equalization
=>entirely automatic procedure
=>The idea is to change the histogram to one that is uniform. (change=>every bar is same height)
=>
histeq語法
利用總灰階值與各灰階值出現總次數相除((L-1)/n)，取得每一區塊占的數量
(ex 課本p78 =>15/360=24 =>每個區域24個數量並以此區分(參考P78表格))
imdivide 語法
=>imdivide(im,n)
=>將im中的數值除以n值
(課本P80那邊用imdivide好像沒甚麼作用(跑出來圖片是一樣的)<=直接用histeq就好了吧@@) Lookup Tables(LUF, 查找表): =>point operations can be performed very effectively
=>利用LUT將索引號跟輸出值做比對，不需計算直接取得計算過的值
=>在較複雜計算過程上比較有用，如果使用的算式太過簡單，則會占過多空間。
LUT相關介紹:
http://zh.wikipedia.org/w/index.php?title=%E6%9F%A5%E6%89%BE%E8%A1%A8&variant=zh-tw
心得與討論
(1)期中考結束以後開始進入報告地獄，事情會越來越多，有點擔心看不看的完(要開始要進行短時間看完一課的情況了)
(2)大致算是看完了，這次後面有一些看不太懂了，但是經過老師的導讀後，目前是沒問題
Point Processing
Image-processing divided into three classes:
1.Transforms:
=>A transform represents the pixel values in some other, but equivalent form.
(將像素值轉換為其他數值但是等效的格式)
=>allow for some very efficient and powerful algorithms
(允許一些功能強大又有效的電腦程式或數學的處理流程)
2.Neighborhood processing:
=>改變像素的灰階程度與周圍的像素值有關
3.Point operations:
=>A pixel’s gray value is changed without any knowledge of it’s surroundings.
=> Point operations are the simplest
=>contain some of the most powerful and widely used of all image-processing operations.
(在所有影像處理運作運算上Point operations含有一些強大且廣泛的使用)
Arithmetic Operation
=>確定數值範圍為0~255時可改變輸出的影像亮度
=>(1)利用一簡單公式y=f(x) (其中f(x)含有數值範圍為0~255)
=>(2)將其公式進行相加或相減一固定數值y=x+(或-)C
=>(3)或是乘一固定數值y=Cx
=>(4)”clipping”~修剪數值為
=>取得結果數值將會被調高
(當加128則127以上或等於127的數字均變為255 ,減128則小於128或等於128的數值變為0) =>課本P67頁Fig.4.2
使用語法
b=imread('blocks.tif');
b1=b+128;
(沒有錯誤!!@@,版本又不同了嗎?是因為比課本新版嗎??)
當使用b1=uint8(double(b)+128)
結果相同沒錯誤
相加想減數值可使用下列語法
b1=imadd(b,128); %相加語法
b1=imsubtract(b,128) %相減語法
上面兩個也可以使用於兩張圖的相加以及相減
x=imread('rice.tif');
y=imread('engineer.tif');
xy=imadd(x,y); %兩張圖相加
figure,imshow(x),figure,imshow(y)
imshow(xy) 
(以上為使用的圖X(左),Y(右)) 
(相加後的圖XY，很明顯看出結果)
這時候查看圖的數值(好像也是直接超過255就等於255 ,跟我以前在圖書館借的一本講影像的書說的不同=>那邊是說相加以後由0~255轉為0~510,因此需將0~255跟0~510兩個對照取新的數值出來)
在Arithmetic Operation上有講到相乘相除的方法
在MATLAB則可直接使用相乘相除，或使用語法
相乘: (亮度變亮)
bb=immultiiply(b,2);
或
bb=b*2;
相除: (亮度變暗)
bb=immultiiply(b,0.5);
或
bb=b/2;
(均使用immultiiply語法)
Complement(補數):(簡單講就是負片)
=>A grayscale image is its photographic negative.
MATLAB語法:(設圖片陣列為m)
當圖片格式為double時(圖片數值範圍為0.0~1.0)
>>1-m;
圖片格式為binary時可使用
>>~m;
圖片格式為uint8可使用
>>bb=imcomplement(b);
Histograms(直方圖;析示圖<=析示圖的說法很少看到)
=>A graph indicating the number of times each gray level occurs in the image(顯示在圖片裡面各灰階值出現的次數)
=>We can deduce a great deal about the appearance of an image from its histogram.
(我們從直方圖可以推導出圖像顯示的灰階度分配狀況)
=>(1)dark image:
主要分布在直方圖的低數值區
=>(2)bright image:
主要分布在高數值區
=>(3)well-contrasted image:
各灰階度數值均勻分布
可利用語法
>>imhist(b) %此為使用圖的語法，當不是使用圖形陣列時(其他數直處理時使用hist)
(課本中加上的axis tight為將圖X軸Y軸弄得較密一點,可使數值較確實呈現，不易有因為超過座標軸範圍而遺漏的部分)
Histogram Stretching(Contrast Stretching)
=>看不太懂i如何轉換為j的(應該說是看不懂公式如何來的)
=>indicates an image with greater contrast than the original
(轉換後的圖像會比原圖有更高的對比)
語法imagjust
=>可增加圖像之對比，使圖像變得更為清楚
>>x1=imadjust(x),imshow(x1),figure,imshow(x)
(左圖為原圖影像，右圖為使用imadjust增加對比程度的圖)
(後面解釋的還不太清楚，後來看懂以後補上)
對比相關介紹網址:
http://zh.wikipedia.org/w/index.php?title=%E5%B0%8D%E6%AF%94%E5%BA%A6&variant=zh-tw
直方圖均衡化相關網址:
http://zh.wikipedia.org/w/index.php?title=%E7%9B%B4%E6%96%B9%E5%9B%BE%E5%9D%87%E8%A1%A1%E5%8C%96&variant=zh-tw
目前看到課本P74，剩下後來補上!!
11/14
這禮拜老師講解了一些關於第四課的內容，因此不懂的地方也得以解決，像是Histogram Stretching是將對比變明顯，使用方法即是自行設計一個新的拉寬之範圍(如圖fig 4.9<=此為自訂)，並計算出新的各數值分布 imadjust指令使用方法 =>imadjust(im,[a,b],[c,d]); %參照fig 4.10改成對比較高的影像
不過此語法不能變成像fig 4.9那樣(小於a的數值以及大於b的數值線性增加)，只能像fig. 4.10那樣低於a變成c或是大於b的數值變成d(平行)
當使用的起始點a,b或是c,d為[0,1]=>則縮寫為[](課本中使用imadjust(im,[],[])基本上沒任何效果=>等於沒變)
使用imadjust(im,[],[1,0])時，出現的結果則是原來圖的相反結果
x=imread('emu.tif');
x3=imadjust(x,[],[1,0]);
imshow(x),figure,imshow(x3)
figure,imshow(x1)
圖左為c,d使用[1,0]所產生的結果,圖右為原圖
gamma:
=>describes the shape of the function between the coordinates (a,c) and (b,d)
(描述座標(a,c)到(b,d)的形狀)
=> a linear mapping is used( gamma=1)
=>concave downward (gamma<1)>concave upward(gamma>1)
公式為:
公式中的1/r即為gamma (這邊還不是很懂,只是跑一跑以後看到是這樣的結果)
Ex:
x=imread('emu.tif');
x4=imadjust(x,[],[],0.5);
imshow(x),figure,imshow(x4)
figure,plot(x,x4,'.'),axis tight
(x軸只到63=>x的最大值為63)
當r>1時
x5=imadjust(x,[],[],2);
figure,imshow(x5)
figure,plot(x,x5,'.'),axis tight
(x5明顯變黑)
A PIECEWISE LINEAR-STRETCHING FUNCTION
(分段線性拉伸函數?)
=>建置histpwl
=>利用find找出符合所設置各區段a、b的數值位置並利用下方公式來進行轉換，求出新的分布
Histogram Equation(直方圖等化)
=>Sometimes a better approach is provided by histogram equalization
=>entirely automatic procedure
=>The idea is to change the histogram to one that is uniform. (change=>every bar is same height)
=>
histeq語法
利用總灰階值與各灰階值出現總次數相除((L-1)/n)，取得每一區塊占的數量
(ex 課本p78 =>15/360=24 =>每個區域24個數量並以此區分(參考P78表格))
imdivide 語法
=>imdivide(im,n)
=>將im中的數值除以n值
(課本P80那邊用imdivide好像沒甚麼作用(跑出來圖片是一樣的)<=直接用histeq就好了吧@@) Lookup Tables(LUF, 查找表): =>point operations can be performed very effectively
=>利用LUT將索引號跟輸出值做比對，不需計算直接取得計算過的值
=>在較複雜計算過程上比較有用，如果使用的算式太過簡單，則會占過多空間。
LUT相關介紹:
http://zh.wikipedia.org/w/index.php?title=%E6%9F%A5%E6%89%BE%E8%A1%A8&variant=zh-tw
心得與討論
(1)期中考結束以後開始進入報告地獄，事情會越來越多，有點擔心看不看的完(要開始要進行短時間看完一課的情況了)
(2)大致算是看完了，這次後面有一些看不太懂了，但是經過老師的導讀後，目前是沒問題
ch4
這兩週因為期中考，很努力的抱了自己不熟悉的科目佛腳，導致接下來的感想有些散亂，還請評分的同學手下留情@@因為我不想只寫寫程式在貼圖或著翻譯文章來證明自己真的有看，我想這些很多同學都會做了，我只會針對我不懂的地方發問~(但是不代表我沒問的就是沒問題，可能是我沒有仔細看到@@)
第4章大致上分成了4個小節，前兩節大致上是在說明image-processing operations三種方法的特徵，而本章則是取point processing，因為powerful and widely。然後提到直接用加減乘除的運算來讓image做出亮度的對比，甚至是反白的效果，這在前幾章也玩過了。
而第三張正因為太長，太多的程式碼，太多的圖表文字，讓剛抱完佛腳的我無法精讀，所以只能請老師在上課時幫忙導讀這一個部份。
而最後一個部份，我除了看懂他把原本的0~255簡化成0~127，還有利用線性來繪製圖表以為，我還真的不知道它是要用來做甚麼的@@
第4章大致上分成了4個小節，前兩節大致上是在說明image-processing operations三種方法的特徵，而本章則是取point processing，因為powerful and widely。然後提到直接用加減乘除的運算來讓image做出亮度的對比，甚至是反白的效果，這在前幾章也玩過了。
而第三張正因為太長，太多的程式碼，太多的圖表文字，讓剛抱完佛腳的我無法精讀，所以只能請老師在上課時幫忙導讀這一個部份。
而最後一個部份，我除了看懂他把原本的0~255簡化成0~127，還有利用線性來繪製圖表以為，我還真的不知道它是要用來做甚麼的@@
Chapter4
第四章一開始先做名詞的介紹
4.1
1.
Transform:
好像是利用transform處理影像
圖4.1是畫出transform的步驟一開始的image經過transform後
變成transformed image再做image-processing operation
變成processed transformed image再做inverse transform
最後變成processed original image
似乎經過了一連串的轉換之後，變成原始的image。
不過不是很清楚這圖真正的意思。
2.
Neighborhood processing:
改變灰階的pixel
接下來這句the value of the gray levels in a small neighborhood
of pixels around the given pixel不懂他的意思。
3.
Point operations:
當pixel的灰階數值改變時，不用用到pixel附近的knowledge。
4.2
這節是講到像素的運算
一開始是最簡單的算式y=f(x)
f(x)運算的範圍為0-255，
包括加法、減法和乘法。
但是不懂if y>255 y->255
if y<0>0為什麼他要這樣規定?
4.3
Histograms Stretching
這節主要在介紹利用長條圖統計灰階的值。
其指令為:
imadjust(im,[a,b],[c,d])
在P.74有一個公式
y=[(x-a)/(b-a)]^r*(d-c)+c
function的範圍在(a,c)到(b,d)
不懂公式的意思。
第四章大概只讀了這些，
不知道是因為前面的基礎不夠紮實還是內容變難了，
覺得疑問變的更多了呢。下周再繼續努力:)
4.1
1.
Transform:
好像是利用transform處理影像
圖4.1是畫出transform的步驟一開始的image經過transform後
變成transformed image再做image-processing operation
變成processed transformed image再做inverse transform
最後變成processed original image
似乎經過了一連串的轉換之後，變成原始的image。
不過不是很清楚這圖真正的意思。
2.
Neighborhood processing:
改變灰階的pixel
接下來這句the value of the gray levels in a small neighborhood
of pixels around the given pixel不懂他的意思。
3.
Point operations:
當pixel的灰階數值改變時，不用用到pixel附近的knowledge。
4.2
這節是講到像素的運算
一開始是最簡單的算式y=f(x)
f(x)運算的範圍為0-255，
包括加法、減法和乘法。
但是不懂if y>255 y->255
if y<0>0為什麼他要這樣規定?
4.3
Histograms Stretching
這節主要在介紹利用長條圖統計灰階的值。
其指令為:
imadjust(im,[a,b],[c,d])
在P.74有一個公式
y=[(x-a)/(b-a)]^r*(d-c)+c
function的範圍在(a,c)到(b,d)
不懂公式的意思。
第四章大概只讀了這些，
不知道是因為前面的基礎不夠紮實還是內容變難了，
覺得疑問變的更多了呢。下周再繼續努力:)
ch4
ch4
4-1 Introduction
image-processing 有分三類:
1.Transform 轉換像素值，但還是相同的形式。
2.Neighborhood processing 在我們想要的像素去改變
gray level在它鄰近的像素， 而我們只需要知道gray level。
3.Point operations 考慮本身色彩 4-2 Arithmetic Operation
>> b=imread('lion.bmp');
>> whos b
Name Size Bytes Class Attributes
b 500x375x3 562500 uint8
這部分如指令秀出lion.bmp的 name size byte class Attributes
>> b1=b+128
會出現error，是因為uint8 的資料型態只適用於data storage。
解決方法有兩種:
1.>> b1=uint8(double(b)+128);
2.>> b1=imadd(b,128);
有加法，而減法的使用也一樣。
>> b2=imsubtract(b,128);
之後則顯示b1 and b2的圖，可以很明顯看到兩張圖的不同。
>> imshow(b1),figure,imshow(b2)
還有乘法、除法
>> b3=imdivide(b,2) y=x/2>> b4=immultiply(b,2) y=2x
取補數>> bc=imcomplement(b);
4-1、4-2在做image-processing介紹，
其實從課本上的圖也可以清楚了解內容。
4-2則是運用了四則運算。大致都可以懂得。
4-3 Histogram
是在說把影像用統計圖來顯示，是以長方條表示的統計圖，
這樣就可以很清楚的知道對比顏色。
指令為 imhist()就會出現直方圖了。
imadjust() 為對比調整函數，用來調整灰階值或顏色，
不過裡面的數值不知要如何填。還有4-4的LUT部分還是不太懂。
CH4
第四章point processing
4-1
Transforms是允許一些非常有效率而且強大的演算法,
將整張圖的灰階值以一種相等的形式表示
Neighborhood processing
用已知pixel鄰近地區的gray level ,可以對pixel的gray level做改變
Point operations
改變一個給定pixel的灰階值,不需要知道pixel周圍的資訊
4-2
對pixel做加減乘除運算所產生的結果
加imadd 減imsubtract乘 immultiply除imdivide
4-3Histograms
利用imhist統計一張灰階影像圖的灰階像素數量
4-4 Lookup Table
4-1
Transforms是允許一些非常有效率而且強大的演算法,
將整張圖的灰階值以一種相等的形式表示
Neighborhood processing
用已知pixel鄰近地區的gray level ,可以對pixel的gray level做改變
Point operations
改變一個給定pixel的灰階值,不需要知道pixel周圍的資訊
4-2
對pixel做加減乘除運算所產生的結果
加imadd 減imsubtract乘 immultiply除imdivide
4-3Histograms
利用imhist統計一張灰階影像圖的灰階像素數量
4-4 Lookup Table
第四章心得
第四張是在說關於"點的處理"
一開始4.1先描述了影像處理的三大形式
會化成這些形式處理 , 是為了把複雜的化成簡單的 !!
1.Transforms
對一張圖片做Transform轉換
再對轉換後的圖片做處理
最後將處理好的圖片反轉回去
就對原來的圖片做影像處理了
2.Neighborhood processing
只要知道pixel鄰近地區的gray level
就可以對pixel的gray level做改變
3.Point operations
和Neighborhood processing不一樣的地方在於
不需要知道鄰近地區的gray level
邁入4.2 主要在對pixel做運算
y=f(x)
y可以是對x做加減的函數
也可以對x做乘除的運算
但都必需介於0-255之間
imadd() --> 做加法
imsubtract() --> 做乘法
接著4.3開始在說Histograms
imhist() --> 是用來統計灰階影像中 , 各種灰階值有幾個pixel
imadjust() --> 用來將Histograms拉大
plot() --> Histograms拉大
histeq() --> Histograms均化
最後4.4是Lookup Tables , 簡稱 LUT
例如Type uint8 的值是從0-255
除以2經過LUT的對應處理之後
就會變的比之前簡單了
一開始4.1先描述了影像處理的三大形式
會化成這些形式處理 , 是為了把複雜的化成簡單的 !!
1.Transforms
對一張圖片做Transform轉換
再對轉換後的圖片做處理
最後將處理好的圖片反轉回去
就對原來的圖片做影像處理了
2.Neighborhood processing
只要知道pixel鄰近地區的gray level
就可以對pixel的gray level做改變
3.Point operations
和Neighborhood processing不一樣的地方在於
不需要知道鄰近地區的gray level
邁入4.2 主要在對pixel做運算
y=f(x)
y可以是對x做加減的函數
也可以對x做乘除的運算
但都必需介於0-255之間
imadd() --> 做加法
imsubtract() --> 做乘法
接著4.3開始在說Histograms
imhist() --> 是用來統計灰階影像中 , 各種灰階值有幾個pixel
imadjust() --> 用來將Histograms拉大
plot() --> Histograms拉大
histeq() --> Histograms均化
最後4.4是Lookup Tables , 簡稱 LUT
例如Type uint8 的值是從0-255
除以2經過LUT的對應處理之後
就會變的比之前簡單了
ch4心得
第四章的主題是point processing
我直接翻譯的話是"點的處理"，
然後我就直接的看他的介紹，
大概了解本章的主題，
而較多較複雜的Neighborhood processing
到下一章有做詳細介紹，
4.2
就是要應用一些基本簡單的函數運算，
範圍是在0到255，
還有4個基本運算元，
就是大於小於，
大於255都是255，
小於0就都是0，
就算是一個調整！
p68有兩個(a)(b)做比較，
(a)是加上128
(b)是減掉128
而圖4.4就是使用乘法和除法
圖4.5就是在示範4個運算員都使用到的！
4.3
先理解長條圖的意義，
在灰階中，
比較暗的長條圖會比較低，
相反的較亮長條圖會比較長，
可以看看圖4.8的長條圖理解一下。
接下來就比較多的計算，
那邊不是很了解！
4.4
也不是非常了解，
是用表格來做整理嗎？
還是....
不是很懂！
我直接翻譯的話是"點的處理"，
然後我就直接的看他的介紹，
大概了解本章的主題，
而較多較複雜的Neighborhood processing
到下一章有做詳細介紹，
4.2
就是要應用一些基本簡單的函數運算，
範圍是在0到255，
還有4個基本運算元，
就是大於小於，
大於255都是255，
小於0就都是0，
就算是一個調整！
p68有兩個(a)(b)做比較，
(a)是加上128
(b)是減掉128
而圖4.4就是使用乘法和除法
圖4.5就是在示範4個運算員都使用到的！
4.3
先理解長條圖的意義，
在灰階中，
比較暗的長條圖會比較低，
相反的較亮長條圖會比較長，
可以看看圖4.8的長條圖理解一下。
接下來就比較多的計算，
那邊不是很了解！
4.4
也不是非常了解，
是用表格來做整理嗎？
還是....
不是很懂！
2008年11月13日 星期四
ch4
期中考終於考完了
雖然大三的期中考沒有像大一大二那麼辛苦
不過剛考完就要寫心得真得是給他有點懶...
總而言之 還是給他用力的看下去就是了...
4.1
第一節講了三種轉灰階的方法
複雜度以下遞減
1.transforms
允許用較有效率跟有力的演算法
雖然下面有用圖解釋
乍看還不懂圖是要解釋甚麼
看過幾次之後才知道是在說
就是image經過transforms後 再經過image processing operation轉換回原本的image
原來是很直覺的東西...
倒是schema這個字讓我不禁聯想到期中考的資料庫管理...
腦袋蹦出一大堆東西...
2.neighborhood processing
僅需要知道給予pixel鄰近的值?
3.point operations
不需要知道附近的value?
也是看了幾次才懂
就是越下面的轉換方法 只需要越少的資料就可以決定一個pixel
果然 看原文書還是有點吃力...
4.2
第一個是教應該算是point opoerations 的東西吧
就是對pixel直接加上數值128或是減掉128
然後介紹了imadd (), imsubtract()跟immultiply()函數
雖然我覺得應該可以不用減法函數啦...
complement補數 在這裡應該是反白的意思
程式碼還蠻簡單的 1-m 就解決了
4.3
接著介紹part complement
例如對亮的部份128以上反白 或是對暗的部份128以下反白
然後是 histogram stretching(contrast stretching) 應該是延伸反白的意思
先將grayscale image 切成15個level
然後對指定level的部分做數值adjust 學到了adjust( im,[] ,[])函數
看他的數學式完全看不懂 看圖才知道是對ab區間做adjust
問題1:
為什麼圖上會是曲線勒...反正這應該是我的數學問題...
解決...
原來課本有說一個optional parameter非必須的parameter
如果沒設這個parameter 那麼a~b的區間是線性的關係
如果有設這個parameter 那麼設大於一會是凸面 設小於一會是凹面
接著介紹如何繪出gray value改變之後相對應的值
plot(t , th , ' . ')
就會出現點狀的曲線囉
問題二:
piecewise奇摩字典查不到 不知道是甚麼意思
因為課本有提到piecewise liner-stretching
問題三:
接下來的程式碼就看無了
pix=find(im>=a(i) & im <=a(i+1))
out(pix)=(im(pix)-a(i)*b(i+1)-b(i)/a(i+1)-a(i))+b(i);
還有
th=histpwl(t,[0 .25 .5.75 1],[0 .75 .25. 5 1])
histpwl()函數有教麻= =??
雖然看得出來大概是兩個區間 不過不知道在幹嘛@@?
之後介紹histogram equalization
他嫌棄之前的方法必須使用者輸入值
所以可以用histeq()函式automatic的轉變數值
他大概式計算各個level的次數然後逐次加總 得到新的rounded value
問題四:
恩...真的很難想像做這樣的運算 得到的圖是怎樣的效果
為啥一個小孩的dark圖 經過hisequ就感覺還原了??
真是...神奇...不懂為啥
ㄟˊ接著就教imdivide了耶 真是加減乘除都齊全了@@a
最後 介紹 lookup tables
大概是把原本的index依據需求可以畫成與原本不同的區間
例如原本是255的區間 部分:0 1 2 3 4 5
如果執行 t=uint8(floor(0:255)/2)
那麼 0跟1 歸一類 2跟3歸一類
這樣大概圖會變得比較模糊吧= = ?
問題五:
最後課本用了一堆數學算式結尾
然後我都看不懂...於是放棄
總結這一章講了好多不同種的grayscale vaule的變化
可以產生很多種不同的效果 可以滿足不同的需求
從開學到現在原文書看到第四章了
這大概是我原文書看最勤的一本吧...
雖然對一句話的理解度還是不太夠
有時候還是要看兩三次才看得懂裡面單字都懂的句子
不過 每次看完都有一些些成就感
然後明明就是很眼熟的字 卻想不起來他是什麼意思...
真是...
恩~反正就是這樣...
the end
雖然大三的期中考沒有像大一大二那麼辛苦
不過剛考完就要寫心得真得是給他有點懶...
總而言之 還是給他用力的看下去就是了...
4.1
第一節講了三種轉灰階的方法
複雜度以下遞減
1.transforms
允許用較有效率跟有力的演算法
雖然下面有用圖解釋
乍看還不懂圖是要解釋甚麼
看過幾次之後才知道是在說
就是image經過transforms後 再經過image processing operation轉換回原本的image
原來是很直覺的東西...
倒是schema這個字讓我不禁聯想到期中考的資料庫管理...
腦袋蹦出一大堆東西...
2.neighborhood processing
僅需要知道給予pixel鄰近的值?
3.point operations
不需要知道附近的value?
也是看了幾次才懂
就是越下面的轉換方法 只需要越少的資料就可以決定一個pixel
果然 看原文書還是有點吃力...
4.2
第一個是教應該算是point opoerations 的東西吧
就是對pixel直接加上數值128或是減掉128
然後介紹了imadd (), imsubtract()跟immultiply()函數
雖然我覺得應該可以不用減法函數啦...
complement補數 在這裡應該是反白的意思
程式碼還蠻簡單的 1-m 就解決了
4.3
接著介紹part complement
例如對亮的部份128以上反白 或是對暗的部份128以下反白
然後是 histogram stretching(contrast stretching) 應該是延伸反白的意思
先將grayscale image 切成15個level
然後對指定level的部分做數值adjust 學到了adjust( im,[] ,[])函數
看他的數學式完全看不懂 看圖才知道是對ab區間做adjust
問題1:
為什麼圖上會是曲線勒...反正這應該是我的數學問題...
解決...
原來課本有說一個optional parameter非必須的parameter
如果沒設這個parameter 那麼a~b的區間是線性的關係
如果有設這個parameter 那麼設大於一會是凸面 設小於一會是凹面
接著介紹如何繪出gray value改變之後相對應的值
plot(t , th , ' . ')
就會出現點狀的曲線囉
問題二:
piecewise奇摩字典查不到 不知道是甚麼意思
因為課本有提到piecewise liner-stretching
問題三:
接下來的程式碼就看無了
pix=find(im>=a(i) & im <=a(i+1))
out(pix)=(im(pix)-a(i)*b(i+1)-b(i)/a(i+1)-a(i))+b(i);
還有
th=histpwl(t,[0 .25 .5.75 1],[0 .75 .25. 5 1])
histpwl()函數有教麻= =??
雖然看得出來大概是兩個區間 不過不知道在幹嘛@@?
之後介紹histogram equalization
他嫌棄之前的方法必須使用者輸入值
所以可以用histeq()函式automatic的轉變數值
他大概式計算各個level的次數然後逐次加總 得到新的rounded value
問題四:
恩...真的很難想像做這樣的運算 得到的圖是怎樣的效果
為啥一個小孩的dark圖 經過hisequ就感覺還原了??
真是...神奇...不懂為啥
ㄟˊ接著就教imdivide了耶 真是加減乘除都齊全了@@a
最後 介紹 lookup tables
大概是把原本的index依據需求可以畫成與原本不同的區間
例如原本是255的區間 部分:0 1 2 3 4 5
如果執行 t=uint8(floor(0:255)/2)
那麼 0跟1 歸一類 2跟3歸一類
這樣大概圖會變得比較模糊吧= = ?
問題五:
最後課本用了一堆數學算式結尾
然後我都看不懂...於是放棄
總結這一章講了好多不同種的grayscale vaule的變化
可以產生很多種不同的效果 可以滿足不同的需求
從開學到現在原文書看到第四章了
這大概是我原文書看最勤的一本吧...
雖然對一句話的理解度還是不太夠
有時候還是要看兩三次才看得懂裡面單字都懂的句子
不過 每次看完都有一些些成就感
然後明明就是很眼熟的字 卻想不起來他是什麼意思...
真是...
恩~反正就是這樣...
the end
HW4
考完期中考有點放鬆
大致看了一下CH4
4.1
1.Transforms:允許一些非常有效率而且強大的演算法,大概是利用Transforms可把全部的影像一次處理一大塊八有點不懂他的意思P.65課本下面也有圖解釋
2.Neighborhood processing(鄰域處理):大概是將影像的灰階值利用線性還數轉換成另一種八還有一個什麼線性濾波器 (linear filter)的東西
3.Point operations:和2類似 但似乎是獨立部會影響其他什麼東西的
4.2 算數運算
大概是利用一個函數可以去改變一個影像的像素質
新的語法是imadd(x,y)
顧名思義應該就是利用+去更改
指令還蠻淺顯易懂的很貼近其意思
4.3 長方條表示的統計圖
利用imhist這個指令去統計一張灰階影像的圖他的灰階像素出現的次數
大概是對影像做像素的統計之類的
此節非常的冗長我的英文非常的破所以看不太懂!!
4.4 Histograms
大概是利用什麼統計在去做什麼查詢
都是英文沒有圖
使我完全無法了解他再說些什麼...
課本最好還是英文少一點圖多一點
降至少看圖說故事
還可以有個似懂非懂!!
大致看了一下CH4
沒來得及把全部看完
後半段都是英文就有點真的完全沒有概念了4.1
1.Transforms:允許一些非常有效率而且強大的演算法,大概是利用Transforms可把全部的影像一次處理一大塊八有點不懂他的意思P.65課本下面也有圖解釋
2.Neighborhood processing(鄰域處理):大概是將影像的灰階值利用線性還數轉換成另一種八還有一個什麼線性濾波器 (linear filter)的東西
3.Point operations:和2類似 但似乎是獨立部會影響其他什麼東西的
4.2 算數運算
大概是利用一個函數可以去改變一個影像的像素質
新的語法是imadd(x,y)
顧名思義應該就是利用+去更改
指令還蠻淺顯易懂的很貼近其意思
4.3 長方條表示的統計圖
利用imhist這個指令去統計一張灰階影像的圖他的灰階像素出現的次數
大概是對影像做像素的統計之類的
此節非常的冗長我的英文非常的破所以看不太懂!!
4.4 Histograms
大概是利用什麼統計在去做什麼查詢
都是英文沒有圖
使我完全無法了解他再說些什麼...
課本最好還是英文少一點圖多一點
降至少看圖說故事
還可以有個似懂非懂!!
ch4
4.1影像處理分成三類
Transforms、Neighborhood processing、Point operations
這節大約在說先轉換影像再做影像處理，
處理完畢後再轉換回原本的影像格式。
1.Transforms
P.65的圖片就是在介紹圖片轉換後再處理轉換後的影像，
最後再將處理完的影像轉換回來。
2.Neighborhood processing
知道gray leve 數值去改變已知 pixel 的gray level
3.Point operations
改變pixel的gray value，不必讓pixel鄰近的資訊感覺到。
Neighborhood processing、Point operations差別
在於前需要pixel鄰近的資訊，後則不需。
4.2利用函數繪出0~255範圍的影像
這部份就是得實作囉!
imadd(x,y)對圖像進行加法運算
imsubtract(x,y)對圖進行減法運算
imdivide(x,y)對圖進行除法運算
immultiply(x,y)對圖進行乘法運算
4.3介紹統計圖
利用imhist指令統計灰階影像的灰階像素出現的次數
後面我就沒有讀了 偷懶一下!
Transforms、Neighborhood processing、Point operations
這節大約在說先轉換影像再做影像處理，
處理完畢後再轉換回原本的影像格式。
1.Transforms
P.65的圖片就是在介紹圖片轉換後再處理轉換後的影像，
最後再將處理完的影像轉換回來。
2.Neighborhood processing
知道gray leve 數值去改變已知 pixel 的gray level
3.Point operations
改變pixel的gray value，不必讓pixel鄰近的資訊感覺到。
Neighborhood processing、Point operations差別
在於前需要pixel鄰近的資訊，後則不需。
4.2利用函數繪出0~255範圍的影像
這部份就是得實作囉!
imadd(x,y)對圖像進行加法運算
imsubtract(x,y)對圖進行減法運算
imdivide(x,y)對圖進行除法運算
immultiply(x,y)對圖進行乘法運算
4.3介紹統計圖
利用imhist指令統計灰階影像的灰階像素出現的次數
後面我就沒有讀了 偷懶一下!
chapter4
4.1
1.Transforms:課文中主要說到Transforms是允許一些非常有效率而且強大的演算法
2.Neighborhood processing:中文叫做鄰域處理，主要的概念便是將遮罩(Mask)覆蓋到指定影像上面，該影像的灰階值則是根據遮罩下的灰階值運算,其衍生出一種利用其灰階值進行線性函數運算，稱之為線性濾波器 (linear filter)
3.Point operations:類似鄰域處理，但影像的灰階值運算似乎是獨立的,運算結果不會根據遮罩下的灰階值而有所影響
4.2 算數運算
這節大致上是在講pixel的運算,最簡單的運算是y=f(x);f(x)的範圍是0~255,並且包含加減乘除四個運算!這裡將透過實作讓我們了解，我們可以透過直接更動影像的灰諧值，來達到變更影像"亮度"的效果,當然灰諧值在0-255之間,超過的數值都將以0和255表示,這裡提到的新語法為imadd(x,y)
4.3 以長方條表示的統計圖
使用imhist指令啟Histogram功能,這玩意兒可以用長條圖視窗顯示影像目前的灰階影像資訊(目前各灰階程度的像素數量)
4.4查詢表格
還沒看完,先上傳在說!
1.Transforms:課文中主要說到Transforms是允許一些非常有效率而且強大的演算法
2.Neighborhood processing:中文叫做鄰域處理，主要的概念便是將遮罩(Mask)覆蓋到指定影像上面，該影像的灰階值則是根據遮罩下的灰階值運算,其衍生出一種利用其灰階值進行線性函數運算，稱之為線性濾波器 (linear filter)
3.Point operations:類似鄰域處理，但影像的灰階值運算似乎是獨立的,運算結果不會根據遮罩下的灰階值而有所影響
4.2 算數運算
這節大致上是在講pixel的運算,最簡單的運算是y=f(x);f(x)的範圍是0~255,並且包含加減乘除四個運算!這裡將透過實作讓我們了解，我們可以透過直接更動影像的灰諧值，來達到變更影像"亮度"的效果,當然灰諧值在0-255之間,超過的數值都將以0和255表示,這裡提到的新語法為imadd(x,y)
4.3 以長方條表示的統計圖
使用imhist指令啟Histogram功能,這玩意兒可以用長條圖視窗顯示影像目前的灰階影像資訊(目前各灰階程度的像素數量)
4.4查詢表格
還沒看完,先上傳在說!
Chapter 4_point processing~
4.1 ====================
大概是說影像處理的手段,
是把影像的資訊從原本較複雜的轉成較簡單的.
我想這樣的簡化,
應該也能使影像處理演算法的可執行性及可處理範圍也能提高或加大吧!
不過令我感到疑惑的是,
影像處理是只處理灰階的嗎?
因為4.1第一行就有提到.
"Any image-processing operation transforms the gray values of the pixels."
在我看來是說,轉成灰階的pixel吧!
所以是說只對轉成灰階的pixel,再作處理嗎?(RGB不行嗎??)
課文有提到image-processing operation分成三類.
至於是哪三類我就不多說了,
大家都看過課文,
應該有一定程度上的瞭解.
(其實是你自己也擔心解釋不清楚吧!!)
4.2 ====================
這裡提了些簡易的數學方程式.
除了讓圖像變亮變暗(作調整),
還有變換為互補色的. (好像也稱為"負片")
(型態不同,範圍也不一樣.)
例如:
double[0.0,1.0]
uint8[0,255]
看是要1-x還是255-x來取補數.
(我覺得補色的部分,比較有趣些.)
4.3 ====================
這節是對於整體明暗度(亮度)相當接近的圖像作處理.
(因為是使用灰階的pixel,所以我將圖像顏色的值,直接稱為明暗度或亮度.)
人類對於明暗度接近的圖像,
可能會看不清楚(或無法辨識).
而且通常這種時候,輪廓線應該也看不清楚.
這裡主要的處理就是將明暗度間距拉大.(histogram的圖可見)
(指暗的更暗,亮的更亮.)
如此一來可以提高鑑別度.(可以看得比較清楚.)
由課本上的例圖,可以略知一二.[ex:FIGURE 4.12]
不過這節還有很多地方我看不懂,
好比說:
[p.75]
A piecewise liner-stretching function ,
(對於突然生成figure 1.14 ,我實在不太能接受.)
而且,
我也覺得[p.74]突然冒出線性方程式很奇怪.
我較想知道這麼使用的原因.
[p.81]
why to works
(礙於在下的愚鈍,該內容還沒有完全參悟.)
可以的話,希望老師可以在課堂上講解4.3一下.
--------------------------------
[p.72]
piecewise
硬要翻的話,
應該是以片段的資料運算.
piecewise linear funtion
在[知識+]上,也有這樣的解釋.
[p.72]
我一直誤會課本上的描述.
一直以為是由figure 4.9的左圖用下方的線性方程式,
來繪成figure 4.9的右圖.
範圍[5,9]可由figure 4.9的左圖,
雖然可看出是較集中資料片段的範圍.
可是2和14我就無法由figure 4.9的histogram(左圖)來推敲出.(我想超久的...)
跑去問老師後,
才知道[2,14]是作者希望延展的範圍.
其實就算換成[1,14]也無所謂.
(原來是我完全想反了...orz)
不過它展開的間距(聽老師說),
好像跟它原本的資料量有關.
ex:[p.73]的下圖,
延展到index:4 的資料量相較其他資料量長很多,
所以4後面的間距也較其他的寬.
不過index:8和index:11
雖然11的資料量較長,
不過礙於格線已經限制住,
所以間距已無法和8的有差別.
因此這種作法,還是會產生誤差吧!!
大概是說影像處理的手段,
是把影像的資訊從原本較複雜的轉成較簡單的.
我想這樣的簡化,
應該也能使影像處理演算法的可執行性及可處理範圍也能提高或加大吧!
不過令我感到疑惑的是,
影像處理是只處理灰階的嗎?
因為4.1第一行就有提到.
"Any image-processing operation transforms the gray values of the pixels."
在我看來是說,轉成灰階的pixel吧!
所以是說只對轉成灰階的pixel,再作處理嗎?(RGB不行嗎??)
課文有提到image-processing operation分成三類.
至於是哪三類我就不多說了,
大家都看過課文,
應該有一定程度上的瞭解.
(其實是你自己也擔心解釋不清楚吧!!)
4.2 ====================
這裡提了些簡易的數學方程式.
除了讓圖像變亮變暗(作調整),
還有變換為互補色的. (好像也稱為"負片")
(型態不同,範圍也不一樣.)
例如:
double[0.0,1.0]
uint8[0,255]
看是要1-x還是255-x來取補數.
(我覺得補色的部分,比較有趣些.)
4.3 ====================
這節是對於整體明暗度(亮度)相當接近的圖像作處理.
(因為是使用灰階的pixel,所以我將圖像顏色的值,直接稱為明暗度或亮度.)
人類對於明暗度接近的圖像,
可能會看不清楚(或無法辨識).
而且通常這種時候,輪廓線應該也看不清楚.
這裡主要的處理就是將明暗度間距拉大.(histogram的圖可見)
(指暗的更暗,亮的更亮.)
如此一來可以提高鑑別度.(可以看得比較清楚.)
由課本上的例圖,可以略知一二.[ex:FIGURE 4.12]
不過這節還有很多地方我看不懂,
好比說:
[p.75]
A piecewise liner-stretching function ,
(對於突然生成figure 1.14 ,我實在不太能接受.)
而且,
我也覺得[p.74]突然冒出線性方程式很奇怪.
我較想知道這麼使用的原因.
[p.81]
why to works
(礙於在下的愚鈍,該內容還沒有完全參悟.)
可以的話,希望老師可以在課堂上講解4.3一下.
--------------------------------
[p.72]
piecewise
硬要翻的話,
應該是以片段的資料運算.
piecewise linear funtion
在[知識+]上,也有這樣的解釋.
[p.72]
我一直誤會課本上的描述.
一直以為是由figure 4.9的左圖用下方的線性方程式,
來繪成figure 4.9的右圖.
範圍[5,9]可由figure 4.9的左圖,
雖然可看出是較集中資料片段的範圍.
可是2和14我就無法由figure 4.9的histogram(左圖)來推敲出.(我想超久的...)
跑去問老師後,
才知道[2,14]是作者希望延展的範圍.
其實就算換成[1,14]也無所謂.
(原來是我完全想反了...orz)
不過它展開的間距(聽老師說),
好像跟它原本的資料量有關.
ex:[p.73]的下圖,
延展到index:4 的資料量相較其他資料量長很多,
所以4後面的間距也較其他的寬.
不過index:8和index:11
雖然11的資料量較長,
不過礙於格線已經限制住,
所以間距已無法和8的有差別.
因此這種作法,還是會產生誤差吧!!
關於[p.74]的gamma
(聽老師說)
一開始似乎是
因為之前的螢幕是使用CRT(Cathode Ray Tube 陰極射線管,電子射線管,示波管)來顯示的.
所以在視覺上整體會變得較暗.
因此,利用gamma來校正這個誤差. (如下圖,如看不清楚請點圖看大圖)
其它關於gamma的資料
上方4張圖片來源為:
(是老師過去製作的教學投影片)
4.4 ====================
lookup table(LUT)??
看似也是轉換成較簡單資料的工具.
--------------------------------
課本上是把index[0,255]除以2
又用一個table來存.
範圍就變成[0,127]
以索引的方式來取回原值.
這是上次上課老師講解時,
我所接收到的資訊.
(P.S. "-------"以下的文字敘述為本週附加的補充)
CH4
4.1節
1.Transforms:
主要是在允許一些強大的演算法
課本上也畫了一個圖說明transforms的處理過程
2.Neighborhood processing(鄰域處理):
好像是將遮罩(Mask)覆蓋到指定影像上面
該影像的灰階值則是根據遮罩下的灰階值運算
3.Point operations:
跟鄰域處理類似 但灰階直運算好像是獨立的
就不會被遮罩(Mask)下的灰階值所影響
4.2節
這一節就是在講pixel的運算 並且利用加減乘除四個運算
之後利用此函數自己去繪製一個0~255範圍的圖
但是課本有說改變過的函數結果要在0~255之間
如果沒有的話
有可能會造成錯誤 我有去實際操作過
課本上也有說不能打b1=b+128 所以
我就沒有去試試看了
4.3節
以長方條表示的統計圖
使用imhist指令去統計一張灰階影像的圖
他的灰階像素出現的次數
也可以用長條圖視窗顯示影像目前的灰階影像資訊
plot()是一種繪圖指令
可以將一組(x, y) 之對應座標繪畫於圖上
就可以利用座標來作圖
很多4.3的東西其實都看不太懂意思
我只能看得懂以上東西的意思
後面的東西可能就要麻煩老師講解了
1.Transforms:
主要是在允許一些強大的演算法
課本上也畫了一個圖說明transforms的處理過程
2.Neighborhood processing(鄰域處理):
好像是將遮罩(Mask)覆蓋到指定影像上面
該影像的灰階值則是根據遮罩下的灰階值運算
3.Point operations:
跟鄰域處理類似 但灰階直運算好像是獨立的
就不會被遮罩(Mask)下的灰階值所影響
4.2節
這一節就是在講pixel的運算 並且利用加減乘除四個運算
之後利用此函數自己去繪製一個0~255範圍的圖
但是課本有說改變過的函數結果要在0~255之間
如果沒有的話
有可能會造成錯誤 我有去實際操作過
課本上也有說不能打b1=b+128 所以
我就沒有去試試看了
4.3節
以長方條表示的統計圖
使用imhist指令去統計一張灰階影像的圖
他的灰階像素出現的次數
也可以用長條圖視窗顯示影像目前的灰階影像資訊
plot()是一種繪圖指令
可以將一組(x, y) 之對應座標繪畫於圖上
就可以利用座標來作圖
很多4.3的東西其實都看不太懂意思
我只能看得懂以上東西的意思
後面的東西可能就要麻煩老師講解了
Chapter 4心得
Chapter 4: POINT PROCESSING
4.1 Introduction
影像處理的運作可被分為三類，從最複雜至最簡單：
1. Transforms:
轉換整張圖的pixel灰階值以另一種相等的形式表示。
2. Neighborhood processing:
改變一個給定pixel的灰階值，需要知道pixel周圍一小塊的pixel灰階值。
3. Point operations:
改變一個給定pixel的灰階值，但不需要知道pixel周圍的資訊。
4.2 Arithmetic Operations
最簡單的運算是y=f(x)，f(x)範圍是0~255，做加、減、乘、除四種的運算。
‧ y = x+C
灰階值x加一個常數C調整為y時，整張圖偏亮。
‧y = x-C
灰階值x減一個常數C調整為y時，整張圖偏暗。
‧y = x/2
灰階值x除以一個常數2調整為y時，整張圖偏暗。
‧y = 2x
灰階值x乘以一個常數2調整為y時，整張圖偏亮。
‧y = x/2+128
y=x/2的偏暗效果比y=x-128好，減法會導致原本小於等於128的值變成0，損失大量pixel。
y=2x的偏亮效果比y=x+128好。加法會導致原本大於等於128的值變成255，損失大量pixel。
4.3 Histograms
一個灰階的圖片，統計gray level後可以將每個level所擁有的值繪致成一張長條圖(Histogram)。而關於這個長條圖(Histogram)擁有以下幾點特點：
1.dark image的灰階值histogram集中在低的值。
2.uniformly bright image的灰階值histogram集中在高的值。
3. well-contrast image的灰階值histogram分散在各值。
4.3.1 Histogram Stretching(Contrast Stretching)
ex： histogram灰階值5~9的部分擴散至2~14。j= [(14-2)/(9-5)]*(i-5)+2
imadjust(im,[a,b],[c,d]);函數pixel值小於a的都會轉換成c，大於b的都會轉換成d。
關於plot(t,th,'.'),axis tight
我打出plot(t,t,'.'), plot(th,th,'.'), plot(th,t,'.')，當變數相等時，由點構成 y=x 的線
→plot(x,y) 由x值範圍當x軸，y值範圍當y軸
4.3.2 Histogram Equalization
Histogram的均化，讓每個gray level出現的頻率相同，使Histogram平均分布在255個level中。
Page.78
定義一個n=360,把它分成15層→15/360= 1/24，Figure 4.17原本的level在均化後以Figure4.18呈現。
4.4 Lookup Tables
point operation可有效地使用lookup table來表示。
T=uint8(floor(0:255)/2);
b2=T(b);
－ 將陣列b的值對照lookup table T裡的值做更改。
t1=0.6667*[0:64];
t2=2*[65:160]-128;
t3=0..6632*[161:255]+85.8947;
T=uint8(floor([t1 t2 t3]));
－ 分段式擴散。 T是user所建立的一個table，當gray image的pixel value是，從0~64時，對照t1的算式，65~160，對照t2的算式，161~255，對照t3的算式。
4.1 Introduction
影像處理的運作可被分為三類，從最複雜至最簡單：
1. Transforms:
轉換整張圖的pixel灰階值以另一種相等的形式表示。
2. Neighborhood processing:
改變一個給定pixel的灰階值，需要知道pixel周圍一小塊的pixel灰階值。
3. Point operations:
改變一個給定pixel的灰階值，但不需要知道pixel周圍的資訊。
4.2 Arithmetic Operations
最簡單的運算是y=f(x)，f(x)範圍是0~255，做加、減、乘、除四種的運算。
‧ y = x+C
灰階值x加一個常數C調整為y時，整張圖偏亮。
‧y = x-C
灰階值x減一個常數C調整為y時，整張圖偏暗。
‧y = x/2
灰階值x除以一個常數2調整為y時，整張圖偏暗。
‧y = 2x
灰階值x乘以一個常數2調整為y時，整張圖偏亮。
‧y = x/2+128
y=x/2的偏暗效果比y=x-128好，減法會導致原本小於等於128的值變成0，損失大量pixel。
y=2x的偏亮效果比y=x+128好。加法會導致原本大於等於128的值變成255，損失大量pixel。
4.3 Histograms
一個灰階的圖片，統計gray level後可以將每個level所擁有的值繪致成一張長條圖(Histogram)。而關於這個長條圖(Histogram)擁有以下幾點特點：
1.dark image的灰階值histogram集中在低的值。
2.uniformly bright image的灰階值histogram集中在高的值。
3. well-contrast image的灰階值histogram分散在各值。
4.3.1 Histogram Stretching(Contrast Stretching)
ex： histogram灰階值5~9的部分擴散至2~14。j= [(14-2)/(9-5)]*(i-5)+2
imadjust(im,[a,b],[c,d]);函數pixel值小於a的都會轉換成c，大於b的都會轉換成d。
關於plot(t,th,'.'),axis tight
我打出plot(t,t,'.'), plot(th,th,'.'), plot(th,t,'.')，當變數相等時，由點構成 y=x 的線
→plot(x,y) 由x值範圍當x軸，y值範圍當y軸
4.3.2 Histogram Equalization
Histogram的均化，讓每個gray level出現的頻率相同，使Histogram平均分布在255個level中。
Page.78
定義一個n=360,把它分成15層→15/360= 1/24，Figure 4.17原本的level在均化後以Figure4.18呈現。
4.4 Lookup Tables
point operation可有效地使用lookup table來表示。
T=uint8(floor(0:255)/2);
b2=T(b);
－ 將陣列b的值對照lookup table T裡的值做更改。
t1=0.6667*[0:64];
t2=2*[65:160]-128;
t3=0..6632*[161:255]+85.8947;
T=uint8(floor([t1 t2 t3]));
－ 分段式擴散。 T是user所建立的一個table，當gray image的pixel value是，從0~64時，對照t1的算式，65~160，對照t2的算式，161~255，對照t3的算式。
ch4
一進入4-1小節
就先介紹3個重點方法
課本以粗體字來表示,分別是:
1.Transforms 在課本第65頁下面
也畫了一個圖說明transforms的處理過程
2.Neighborhood processing
必須要知道pixel鄰近地區的灰階值
才可以對pixel的gray level做改變
改變一個給定pixel的灰階值,不需要知道pixel周圍的資訊
3.Point operations
他跟Neighborhood processing一樣,
是要改變一個給定pixel的灰階值
但不同處是
他不需要知道知道pixel鄰近地區的灰階值
4.2小節:算數運算
加: y1=imadd(b,常數)
減: y2=imsubtract(b,常數)
乘: y3=immultiply(b,常數)
除: y4=imdivide(b,常數)
本章節一開始就強調
y的範圍必須在0~255之間
如果y>255 視為 y=255 而y<0 => y=0
圖4.2和4.4分別在說明對pixel做加減乘除
運算所產生的結果,
而圖4.3和4.5則是對影像做運算,
結果影像會有明or暗的差別變化
但如果影像的型態是uint8,則用
imcomplement()這個指令最好
4-3 Histograms長方圖
imhist這個功能是來統計灰階影像中，
各種灰階值有幾個pixel，
然後再統計出來的pixel次數
做成像圖4.8右邊的長方圖
就先介紹3個重點方法
課本以粗體字來表示,分別是:
1.Transforms 在課本第65頁下面
也畫了一個圖說明transforms的處理過程
2.Neighborhood processing
必須要知道pixel鄰近地區的灰階值
才可以對pixel的gray level做改變
改變一個給定pixel的灰階值,不需要知道pixel周圍的資訊
3.Point operations
他跟Neighborhood processing一樣,
是要改變一個給定pixel的灰階值
但不同處是
他不需要知道知道pixel鄰近地區的灰階值
4.2小節:算數運算
加: y1=imadd(b,常數)
減: y2=imsubtract(b,常數)
乘: y3=immultiply(b,常數)
除: y4=imdivide(b,常數)
本章節一開始就強調
y的範圍必須在0~255之間
如果y>255 視為 y=255 而y<0 => y=0
圖4.2和4.4分別在說明對pixel做加減乘除
運算所產生的結果,
而圖4.3和4.5則是對影像做運算,
結果影像會有明or暗的差別變化
但如果影像的型態是uint8,則用
imcomplement()這個指令最好
4-3 Histograms長方圖
imhist這個功能是來統計灰階影像中，
各種灰階值有幾個pixel，
然後再統計出來的pixel次數
做成像圖4.8右邊的長方圖
ahhhhh
複習了第三章:
目前看不懂的是PG.59~61的那些方格裡面的東西
Error Diffusion(誤差擴散) 誤差擴散法在數據處理中常常會碰到 尤其是用於影像處理中 降低色彩的深度 通常我們在遊戲中會用在 把彩色轉成單色 因為方法蠻多的 也可以找到不少演算法 不過誤差擴散算是一種不錯的方法 甚至有些印表機也會用:P 值得學習
網路上找到的解釋
可是還是不懂
把彩色轉成單色<-什麼意思? 轉換成灰階嗎? WIKI說法好像和他說的有所出入
還是我誤解了他的意思?
CH.4 quick through
pg67- 為什麼書上說 ??? error using ==> +
Function '+' ...
的
可是自己測試好像沒問題!?
對曲線圖還是不太了解怎麼看
希望老師可以在解釋一次
目前看不懂的是PG.59~61的那些方格裡面的東西
Error Diffusion(誤差擴散) 誤差擴散法在數據處理中常常會碰到 尤其是用於影像處理中 降低色彩的深度 通常我們在遊戲中會用在 把彩色轉成單色 因為方法蠻多的 也可以找到不少演算法 不過誤差擴散算是一種不錯的方法 甚至有些印表機也會用:P 值得學習
網路上找到的解釋
可是還是不懂
把彩色轉成單色<-什麼意思? 轉換成灰階嗎? WIKI說法好像和他說的有所出入
還是我誤解了他的意思?
CH.4 quick through
pg67- 為什麼書上說 ??? error using ==> +
Function '+' ...
的
可是自己測試好像沒問題!?
對曲線圖還是不太了解怎麼看
希望老師可以在解釋一次
這是第10週
這章節的例子，應該也只能用黑白照片來試了吧！哈
不然像之前那樣，用彩圖都試不出個什麼東西
第四這個章節
感覺上好像都是數值比例的變換
似乎沒有說超級難＠＠
matlab的程式感覺很人性化
例如說：
b1=imadd(b,0~255);
一看就知道大概要做啥(add很明顯就是要做加法)
他這個應該是把所有數值都加上我們設定的值
雖然人性化歸人性化
但是還是不能直打上
b1=b+0~255
這樣matlab不會鳥你＠＠...
還有加減乘法的運算
y=x/2(這可以乘immultiply以0.5或是除imdivide以2)
y=2x(這是直接乘以2倍就行了)
y=x/2+128(這是運算完之後還要imadd)
還有一個很特別的就是讓數據相反
1-m或者是~m
他的效果像底片一樣，造成相反的作用
所以有imcomplement(b)這個指令
我只能說這真的太人性化了＝ ＝
我覺得第四章最特別的部份就是4.3
他把數據套在一個公式裡面，這是一個既定的函數
他跑出來的結果可以讓色調幾乎都黑黑的照片
更加的明顯，因為照片裡有些數據很接近的話
人的肉眼是看不出來的，但是透過這個公式的轉換
將數據變得更分明，這對於一些很不清楚的照片很有用
也可以運用在現實生活中
或者就是第一章街景的照片讓他更尖銳化
原圖輪廓變得更清晰，線條更加凸顯出來
第一章果然就是前言，後面教的會越來越帶到＠＠...
課本都有圖＆數據圖可以看
我就不多加贅述啦～
不然像之前那樣，用彩圖都試不出個什麼東西
第四這個章節
感覺上好像都是數值比例的變換
似乎沒有說超級難＠＠
matlab的程式感覺很人性化
例如說：
b1=imadd(b,0~255);
一看就知道大概要做啥(add很明顯就是要做加法)
他這個應該是把所有數值都加上我們設定的值
雖然人性化歸人性化
但是還是不能直打上
b1=b+0~255
這樣matlab不會鳥你＠＠...
還有加減乘法的運算
y=x/2(這可以乘immultiply以0.5或是除imdivide以2)
y=2x(這是直接乘以2倍就行了)
y=x/2+128(這是運算完之後還要imadd)
還有一個很特別的就是讓數據相反
1-m或者是~m
他的效果像底片一樣，造成相反的作用
所以有imcomplement(b)這個指令
我只能說這真的太人性化了＝ ＝
我覺得第四章最特別的部份就是4.3
他把數據套在一個公式裡面，這是一個既定的函數
他跑出來的結果可以讓色調幾乎都黑黑的照片
更加的明顯，因為照片裡有些數據很接近的話
人的肉眼是看不出來的，但是透過這個公式的轉換
將數據變得更分明，這對於一些很不清楚的照片很有用
也可以運用在現實生活中
或者就是第一章街景的照片讓他更尖銳化
原圖輪廓變得更清晰，線條更加凸顯出來
第一章果然就是前言，後面教的會越來越帶到＠＠...
課本都有圖＆數據圖可以看
我就不多加贅述啦～
Chapter 4問題
第4章是講關於點的處理~
4.1節主要是做介紹
1.Transforms
課文中主要說到Transforms是允許一些非常有效率而且強大的演算法,
它說如果利用Transforms全部的影像被處理包含一個單一的大區塊,
這句話不知是什麼意思??看不大懂~~在P.65的下方課本也有畫一個圖來闡釋
課文中所述說的內容~~
圖中有一個步驟是Inverse transform已經經過一系列的轉換後,為啥還要Inverse到
原來的圖像??
2.Neighborhood processing
很像是說去改變一個已知的灰階圖的像素,課本中有一句話說we need only know the value
of the gray levels in a "small neighborhood",這個 small neighborhood是什麼意思哩??
3.Point operations
一個像素的灰階值被改變不需要週遭環境的知識??看不大懂==
課文中也述說到第3種方法是最簡單的,希望可大概講解這3種方法~~
4.2是說算數運算
這節主要再說利用此函數自己去繪製一個0~255範圍的圖可以利用+或-去一個常數控制函
數,也可以利用函數去乘以一個常數C,但課本有強調說妳改變過後的函數是否其結果要在0~255
之間,如果沒有可能會造成錯誤之類的吧~~課本中的範例我也有實際的去打在Matlab的軟體中
去試試看,不過有一個問題就是課本好像說不能打b1=b+128否則會造成錯誤訊息!!
但是我打在Matlab中卻沒有錯誤,反倒是show出一個很大的array,感覺好像是將block.tif這
張圖的灰階像素值個加128後,呈現出加128後的像素值array??為啥呢??接著課本也有說
改進剛剛那個錯誤的方法,就是改成
>>b1=uint8(double(b)+128);
結果我確出現錯誤的訊息??? Undefined function or method 'uint8' for input arguments of type 'double'.不知是為什麼??不知錯在哪??
接著就是有一大堆的指令去做相加、相減或相乘可以show出不同亮度或圖片在暗時是否
還是清晰的!!
4.3以長方條表示的統計圖
一開始好像是說可以利用imhist這個指令去統計一張灰階影像的圖他的灰階像素出現的次數,
後面很多的課文內容都看不是很懂~~希望可以講解這節的內容,帶我們導讀一下,或者是講解
給我們聽!!
4.4查詢表格
也不大懂意思,感覺好像是將灰階圖像的像素值除以2放在lookup table中可以非常的有效率,
可是我想像P.82中的那個例子,將Index的值除以2再給LUT可是這樣感覺會不一樣,因為像是
Index若為1的話LUT就變成0,而若為奇數的Index話除以2又變成和前面偶數的Index除以2
的LUT相同?!這是表示什麼意思??
4.1節主要是做介紹
1.Transforms
課文中主要說到Transforms是允許一些非常有效率而且強大的演算法,
它說如果利用Transforms全部的影像被處理包含一個單一的大區塊,
這句話不知是什麼意思??看不大懂~~在P.65的下方課本也有畫一個圖來闡釋
課文中所述說的內容~~
圖中有一個步驟是Inverse transform已經經過一系列的轉換後,為啥還要Inverse到
原來的圖像??
2.Neighborhood processing
很像是說去改變一個已知的灰階圖的像素,課本中有一句話說we need only know the value
of the gray levels in a "small neighborhood",這個 small neighborhood是什麼意思哩??
3.Point operations
一個像素的灰階值被改變不需要週遭環境的知識??看不大懂==
課文中也述說到第3種方法是最簡單的,希望可大概講解這3種方法~~
4.2是說算數運算
這節主要再說利用此函數自己去繪製一個0~255範圍的圖可以利用+或-去一個常數控制函
數,也可以利用函數去乘以一個常數C,但課本有強調說妳改變過後的函數是否其結果要在0~255
之間,如果沒有可能會造成錯誤之類的吧~~課本中的範例我也有實際的去打在Matlab的軟體中
去試試看,不過有一個問題就是課本好像說不能打b1=b+128否則會造成錯誤訊息!!
但是我打在Matlab中卻沒有錯誤,反倒是show出一個很大的array,感覺好像是將block.tif這
張圖的灰階像素值個加128後,呈現出加128後的像素值array??為啥呢??接著課本也有說
改進剛剛那個錯誤的方法,就是改成
>>b1=uint8(double(b)+128);
結果我確出現錯誤的訊息??? Undefined function or method 'uint8' for input arguments of type 'double'.不知是為什麼??不知錯在哪??
接著就是有一大堆的指令去做相加、相減或相乘可以show出不同亮度或圖片在暗時是否
還是清晰的!!
4.3以長方條表示的統計圖
一開始好像是說可以利用imhist這個指令去統計一張灰階影像的圖他的灰階像素出現的次數,
後面很多的課文內容都看不是很懂~~希望可以講解這節的內容,帶我們導讀一下,或者是講解
給我們聽!!
4.4查詢表格
也不大懂意思,感覺好像是將灰階圖像的像素值除以2放在lookup table中可以非常的有效率,
可是我想像P.82中的那個例子,將Index的值除以2再給LUT可是這樣感覺會不一樣,因為像是
Index若為1的話LUT就變成0,而若為奇數的Index話除以2又變成和前面偶數的Index除以2
的LUT相同?!這是表示什麼意思??
Point Processing
4.1 Introduction
這裡提到影像處理的處理基本可以概略分為三種,根據網路上的相關資訊,三者都是可以作為獨立作業的影像處理（ps: 這幾個很冷門不怎好找相關資料,我也不很確定其正確性..看看就好）
A.Transforms.
圖像變換
將整張圖的灰階值以一種相等的形式表示。
B. Neighborhood processing.
中文叫做鄰域處理，主要的概念便是將遮罩(Mask)覆蓋到指定影像上面，該影像的灰階值則是根據遮罩下的灰階值運算
其衍生出一種利用其灰階值進行線性函數運算，稱之為線性濾波器 (linear filter)
其實我也看不是很懂.....
C. Point operations.
類似鄰域處理，但影像的灰階值運算似乎是獨立的
運算結果不會根據遮罩下的灰階值而有所影響
4.2
這裡將透過實作讓我們了解，我們可以透過直接更動影像的灰諧值，來達到變更影像"亮度"的效果
當然，灰諧值在0-255之間，超過的數值都將以0 & 255表示
這裡提到的新語法為:
imadd(x,y)
這個函數指令可以直接對圖像進行加法運算，X為圖像代碼，Y則為圖像代碼或者常數
imsubtract(x,y)
imsubtract則是剛好與imadd相反，進行減法運算，X為圖像代碼，Y則為圖像代碼或者常數
imdivide進行的是除法運算
immultiply則是乘法運算
後面則是提到不同的運算將會導致不同的顯示效果
如 y=x/2與y=x-128將可以達到相同的灰階值變
但是y=x/2的整體效果卻會比y=x-128來的好
因為直接使用減法將會導致影像中數值低於128的影像直接歸0，導致影像整體偏暗而失真
而使用除法則不會有這種困擾
提升灰諧值則中使用乘法與加法則同理（高過255都視為255）
此外就是透過255減去目前影像灰階值，可以造成灰階效果反轉的效果
imcomplement
4.3 Histograms
使用imhist指令啟動Histogram功能
這玩意兒可以用直方圖視窗顯示影像目前的灰階影像資訊(目前各灰階程度的像素數量)
imhist(x),x為圖像代號
imadjust()亮度調整函數指令
當然這裡單存作為灰諧指數
j = imadjust(I,[LOW_IN HIGH_IN],[LOW_OUT HIGH_OUT],GAMMA) 將圖像I的亮度資訊映射到新的圖像j中，使得在 LOW_IN 和 HIGH_IN 之間的值映射到 LOW_OUT 和 HIGH_OUT之間。小于 LOW_IN 以及大于 HIGH_IN 的值被裁剪掉。
GAMMA為亮度GAMMA曲線值設定
這個函數則會直接敘述I和J之間的關係。
如果省略GAMMA設定，預設值為1。
gamma值小於1時，圖形是向下凹的形狀。
gamma值大於1時，圖形是向上凹的形狀。
plot()
plot()是基本的繪圖指令，可以將一組(x, y) 之對應座標繪於圖上，x與 y可分別為行矩陣或列矩陣，由此進行描點作圖
前者可以同時繪製多重曲線面上的點進行描點作圖
這用於亮度曲線繪製
histeq()則是運用於對直方圖做均化功能，對灰階區段進行調整與修改，以達到影像處理的目的
基本語法為histeq(I,n)
User可以更改n值，控制影像的灰階程度
不做設定則預設為，將影像拓展為0-255的灰階影像
4.4
略，有空再補，我要回家睡覺了...
珍愛生命 專研遠離蘇民陽
靠腰，12:20，我怎還在S402阿，淦
這裡提到影像處理的處理基本可以概略分為三種,根據網路上的相關資訊,三者都是可以作為獨立作業的影像處理（ps: 這幾個很冷門不怎好找相關資料,我也不很確定其正確性..看看就好）
A.Transforms.
圖像變換
將整張圖的灰階值以一種相等的形式表示。
B. Neighborhood processing.
中文叫做鄰域處理，主要的概念便是將遮罩(Mask)覆蓋到指定影像上面，該影像的灰階值則是根據遮罩下的灰階值運算
其衍生出一種利用其灰階值進行線性函數運算，稱之為線性濾波器 (linear filter)
其實我也看不是很懂.....
C. Point operations.
類似鄰域處理，但影像的灰階值運算似乎是獨立的
運算結果不會根據遮罩下的灰階值而有所影響
4.2
這裡將透過實作讓我們了解，我們可以透過直接更動影像的灰諧值，來達到變更影像"亮度"的效果
當然，灰諧值在0-255之間，超過的數值都將以0 & 255表示
這裡提到的新語法為:
imadd(x,y)
這個函數指令可以直接對圖像進行加法運算，X為圖像代碼，Y則為圖像代碼或者常數
imsubtract(x,y)
imsubtract則是剛好與imadd相反，進行減法運算，X為圖像代碼，Y則為圖像代碼或者常數
imdivide進行的是除法運算
immultiply則是乘法運算
後面則是提到不同的運算將會導致不同的顯示效果
如 y=x/2與y=x-128將可以達到相同的灰階值變
但是y=x/2的整體效果卻會比y=x-128來的好
因為直接使用減法將會導致影像中數值低於128的影像直接歸0，導致影像整體偏暗而失真
而使用除法則不會有這種困擾
提升灰諧值則中使用乘法與加法則同理（高過255都視為255）
此外就是透過255減去目前影像灰階值，可以造成灰階效果反轉的效果
imcomplement
4.3 Histograms
使用imhist指令啟動Histogram功能
這玩意兒可以用直方圖視窗顯示影像目前的灰階影像資訊(目前各灰階程度的像素數量)
imhist(x),x為圖像代號
imadjust()亮度調整函數指令
當然這裡單存作為灰諧指數
j = imadjust(I,[LOW_IN HIGH_IN],[LOW_OUT HIGH_OUT],GAMMA) 將圖像I的亮度資訊映射到新的圖像j中，使得在 LOW_IN 和 HIGH_IN 之間的值映射到 LOW_OUT 和 HIGH_OUT之間。小于 LOW_IN 以及大于 HIGH_IN 的值被裁剪掉。
GAMMA為亮度GAMMA曲線值設定
這個函數則會直接敘述I和J之間的關係。
如果省略GAMMA設定，預設值為1。
gamma值小於1時，圖形是向下凹的形狀。
gamma值大於1時，圖形是向上凹的形狀。
plot()
plot()是基本的繪圖指令，可以將一組(x, y) 之對應座標繪於圖上，x與 y可分別為行矩陣或列矩陣，由此進行描點作圖
前者可以同時繪製多重曲線面上的點進行描點作圖
這用於亮度曲線繪製
histeq()則是運用於對直方圖做均化功能，對灰階區段進行調整與修改，以達到影像處理的目的
基本語法為histeq(I,n)
User可以更改n值，控制影像的灰階程度
不做設定則預設為，將影像拓展為0-255的灰階影像
4.4
略，有空再補，我要回家睡覺了...
珍愛生命 專研遠離蘇民陽
靠腰，12:20，我怎還在S402阿，淦
Chapter 4
影像處理的進度也慢慢地進入到了第四章
4.1
大概講出影像處理可以分成三類基本的資訊顯示
從最複雜的轉換成簡單的。
1.Transforms(轉換)
大概意思是 transform 允許一些有效和強大的演算法
我們可能考慮用一個 transform，把整個 image當成單一大的區塊來做處理。
p.65有圖示
一開始 image 經過 transform後變成 轉換後的 image，
然後再對 image做處理，之後再把處理過的 image反轉換去，
最後就是一張經過影像處理的 image了
那張圖應該是這樣意思吧?
問題：transform到底是在轉換什麼?又該怎麼轉換?
看了一下同學 問的transform只能用在gray 嗎?
我想了又想，才發現 我自己也不是很了解，
所以也想提問說 ＂transform到底是在轉換什麼?又該怎麼轉換?＂
2.Neighborhood processing(鄰近地區的處理)
大概意思是我們只需要知道和pixel鄰近的一小塊，gray leve 的數值
然後去改變這些已知的 pixel(像素值) 的gray level。
老師已解答。
3.Point operations(一點的運算)
意思好像是一個pixel(像素值)的gray value(灰階數值)的改變，
不需要該pixel周圍的資訊
感覺２和３的差別是２要改變gray leve 需要pixel鄰近的資訊
而３則是不用，自己就可以做處理
３也是最簡單的，也被廣泛的運用在影像處理上。
4.2
這節大致上是在講pixel的運算
最簡單的運算是
y=f(x);
f(x)的範圍是0~255，並且包含加減乘除 等四個運算。
然後為了保證他的範圍是在0~255
所以做了一些調整
若y＞255 則 y=255
若y＜0 則 y=0
p.67的兩張圖就是在舉例說明這個調整
左邊是對所有pixel 加上128
然而當所有的gray value加上128後，原本的pixel大於127都會變成255。
而右邊圖則是用減法，把全部pixel減去128之後，原本的pixel小於128都會變成0。
p.67下面有用MATLAB輸入指令做示範
令我不解的是
b1=b+128; 這個指令
當我輸入之後沒有錯誤，
還有兩個方法可以加128
一個是讓b矩陣轉成double型態在加上128後再轉成uint8型態(範圍0~255)
另一個是利用MATLAB的函數式 imadd
然而書上說會錯誤的那樣寫法
和上述兩個方法，我在workspace那邊看那三個的矩陣內部的數值皆相同。。
看書上錯誤的原因似乎是+這個function在uint8沒有定義??
p.68 (a) b1 是對image 加128 (b) b2 是對image 減128
之後是在對乘和除用image來舉例看之間的差異
p.69 b3 是對其除以2 跟b2 的差異是b2減128後 原本小於128的都=0
而b3是126/2=63 並不會變成0
b4是乘以2倍，５先除以2再加128
以上都是會遵循
若y＞255 則 y=255；若y＜0 則 y=0
作調整。
書上也有對double型態的image做曲補數的運算
是直接整數１減去該矩陣＂１－矩陣＂。
對binary 則是用反(～)＂～那個矩陣＂如書上所示。
假如是uint8型態則直接用imcomplement()這個指令。
4.3
這節主要是在介紹統計圖
axis tight
的意思是會讓長條圖適當的顯示在figure上
如果超出範圍的話他會縮短比例。
依稀記得第一次上課，老師就好像講過image的統計圖
4.3.1contrast stretching(對比延展)
為什麼要延展，老師上課也說過，也拿老師的相機呈現給我們看過了。
按慣例的，小紅帽同學找我一起研究4.3節，我們目前共同的疑問是
p.72頁的上面那張圖的右邊那張，根據書上的說法
右邊的圖是根據左邊的圖，應用＂Piecewise linear function(片段線性的函數)＂畫出來的
我們不了解那到底是怎麼畫的？
還有p.73的中間那張圖，不是說對比延展嗎？為什麼延展後的比例會有所不同?WHY?
另外想問一下
問題： gray level 的意思是?
MATLAB的函數式 imadjust(im,[a,b],[c,d])的功能
依照所輸入的a、b、c、d，能讓 image 如上述的延展開來 figure4.10就是延展的函數圖
至於4.4的 LUT，依照他書上所說的意思
我想應該是pixel value 除以２然後顯示商
value 2 和 3
2除以2後，則顯示商(1)；3除以2無法整除有餘數，故仍顯示商(1)。
我想應該是比較節省空間。
4.1
大概講出影像處理可以分成三類基本的資訊顯示
從最複雜的轉換成簡單的。
1.Transforms(轉換)
大概意思是 transform 允許一些有效和強大的演算法
我們可能考慮用一個 transform，把整個 image當成單一大的區塊來做處理。
p.65有圖示
一開始 image 經過 transform後變成 轉換後的 image，
然後再對 image做處理，之後再把處理過的 image反轉換去，
最後就是一張經過影像處理的 image了
那張圖應該是這樣意思吧?
問題：transform到底是在轉換什麼?又該怎麼轉換?
看了一下同學 問的transform只能用在gray 嗎?
我想了又想，才發現 我自己也不是很了解，
所以也想提問說 ＂transform到底是在轉換什麼?又該怎麼轉換?＂
2.Neighborhood processing(鄰近地區的處理)
大概意思是我們只需要知道和pixel鄰近的一小塊，gray leve 的數值
然後去改變這些已知的 pixel(像素值) 的gray level。
老師已解答。
3.Point operations(一點的運算)
意思好像是一個pixel(像素值)的gray value(灰階數值)的改變，
不需要該pixel周圍的資訊
感覺２和３的差別是２要改變gray leve 需要pixel鄰近的資訊
而３則是不用，自己就可以做處理
３也是最簡單的，也被廣泛的運用在影像處理上。
4.2
這節大致上是在講pixel的運算
最簡單的運算是
y=f(x);
f(x)的範圍是0~255，並且包含加減乘除 等四個運算。
然後為了保證他的範圍是在0~255
所以做了一些調整
若y＞255 則 y=255
若y＜0 則 y=0
p.67的兩張圖就是在舉例說明這個調整
左邊是對所有pixel 加上128
然而當所有的gray value加上128後，原本的pixel大於127都會變成255。
而右邊圖則是用減法，把全部pixel減去128之後，原本的pixel小於128都會變成0。
p.67下面有用MATLAB輸入指令做示範
令我不解的是
b1=b+128; 這個指令
當我輸入之後沒有錯誤，
還有兩個方法可以加128
一個是讓b矩陣轉成double型態在加上128後再轉成uint8型態(範圍0~255)
另一個是利用MATLAB的函數式 imadd
然而書上說會錯誤的那樣寫法
和上述兩個方法，我在workspace那邊看那三個的矩陣內部的數值皆相同。。
看書上錯誤的原因似乎是+這個function在uint8沒有定義??
p.68 (a) b1 是對image 加128 (b) b2 是對image 減128
之後是在對乘和除用image來舉例看之間的差異
p.69 b3 是對其除以2 跟b2 的差異是b2減128後 原本小於128的都=0
而b3是126/2=63 並不會變成0
b4是乘以2倍，５先除以2再加128
以上都是會遵循
若y＞255 則 y=255；若y＜0 則 y=0
作調整。
書上也有對double型態的image做曲補數的運算
是直接整數１減去該矩陣＂１－矩陣＂。
對binary 則是用反(～)＂～那個矩陣＂如書上所示。
假如是uint8型態則直接用imcomplement()這個指令。
4.3
這節主要是在介紹統計圖
axis tight
的意思是會讓長條圖適當的顯示在figure上
如果超出範圍的話他會縮短比例。
依稀記得第一次上課，老師就好像講過image的統計圖
4.3.1contrast stretching(對比延展)
為什麼要延展，老師上課也說過，也拿老師的相機呈現給我們看過了。
按慣例的，小紅帽同學找我一起研究4.3節，我們目前共同的疑問是
p.72頁的上面那張圖的右邊那張，根據書上的說法
右邊的圖是根據左邊的圖，應用＂Piecewise linear function(片段線性的函數)＂畫出來的
我們不了解那到底是怎麼畫的？
還有p.73的中間那張圖，不是說對比延展嗎？為什麼延展後的比例會有所不同?WHY?
另外想問一下
問題： gray level 的意思是?
MATLAB的函數式 imadjust(im,[a,b],[c,d])的功能
依照所輸入的a、b、c、d，能讓 image 如上述的延展開來 figure4.10就是延展的函數圖
至於4.4的 LUT，依照他書上所說的意思
我想應該是pixel value 除以２然後顯示商
value 2 和 3
2除以2後，則顯示商(1)；3除以2無法整除有餘數，故仍顯示商(1)。
我想應該是比較節省空間。
ｗｅｅｋ１０
期中考剛結束@@"
汪胖找我打麻將@@"
所以寫這心得寫很久@@"
(但是文章時間明明就很早XD因為我出門前就按新增文章了==)
－－－－－－－－－－－－－－－－－－－－－－－－－－－－
第４章的一開始課本是介紹三種基本影像處理的運作
轉換圖片的pixel灰階值用另一種型式表示
還有改變pixel值知道範圍與不需要知道範圍等三種基本的模式
就是...
1.Transform
2.Neighborhood processing
3.Point operations
第2小節是做算術運算
y=f(x) f(x)範圍是0~255
雖然說運算有
→加 y=x+c
→減 y=x-c
→乘 y=2x
→除 y=x/2
四項 不過y的值一定在0~255之間
若大於255則等於255小於0則等於0
但是數值越高圖面顯示會越明亮數值越低會越暗
所以說加法和乘法的效果都是變明亮
而減法和除法都是變暗的效果
第3小節是把圖片轉換成直方圖
利用 imhist 這個指令
統計灰階影像pixel值
然後利用直方圖顯示灰階影像的資訊
這邊只讓我想到了
有些音響播放音樂的時候會有這個圖
大聲的時候直方圖會偏高
小聲的時候直方圖會偏低
這裡則是分成明暗
較暗的圖會偏低
較量的圖會偏高
【不過我不太懂把圖片變成統計圖 有什麼好處？
而且功用到底為何？ 】
我是上禮拜PO文的~~
這部分老師~有拿相機給我們看~~
原來平常我們在相機裡看到的東西~~就是這個呀!!
有沒有這麼親切@@"
也大概明白會什麼要把它變成統計圖了
可以明白一張圖片的資訊
就可以輕易改變它
不知不覺到了第4小節了
LUT
我不知道是在做什麼@@"
期中考殺死我不少腦細胞
第四章目前只能說是略讀一遍
所以內容有點不豐富@@"
有空還得再精讀一次
不然悄悄的第五章就來了...
那問題就越多嚕~~麻煩也越大哩!!
雖然這禮拜時間很多~~
可是我清醒的時間卻不多@@"
一直吃藥一直昏睡...
所以還好上禮拜有PO文!!
時間過的可真快速>"<
寒冬也悄悄滴來～～
真的真的非常的冷@@"
汪胖找我打麻將@@"
所以寫這心得寫很久@@"
(但是文章時間明明就很早XD因為我出門前就按新增文章了==)
－－－－－－－－－－－－－－－－－－－－－－－－－－－－
第４章的一開始課本是介紹三種基本影像處理的運作
轉換圖片的pixel灰階值用另一種型式表示
還有改變pixel值知道範圍與不需要知道範圍等三種基本的模式
就是...
1.Transform
2.Neighborhood processing
3.Point operations
第2小節是做算術運算
y=f(x) f(x)範圍是0~255
雖然說運算有
→加 y=x+c
→減 y=x-c
→乘 y=2x
→除 y=x/2
四項 不過y的值一定在0~255之間
若大於255則等於255小於0則等於0
但是數值越高圖面顯示會越明亮數值越低會越暗
所以說加法和乘法的效果都是變明亮
而減法和除法都是變暗的效果
第3小節是把圖片轉換成直方圖
利用 imhist 這個指令
統計灰階影像pixel值
然後利用直方圖顯示灰階影像的資訊
這邊只讓我想到了
有些音響播放音樂的時候會有這個圖
大聲的時候直方圖會偏高
小聲的時候直方圖會偏低
這裡則是分成明暗
較暗的圖會偏低
較量的圖會偏高
【不過我不太懂把圖片變成統計圖 有什麼好處？
而且功用到底為何？ 】
我是上禮拜PO文的~~
這部分老師~有拿相機給我們看~~
原來平常我們在相機裡看到的東西~~就是這個呀!!
有沒有這麼親切@@"
也大概明白會什麼要把它變成統計圖了
可以明白一張圖片的資訊
就可以輕易改變它
不知不覺到了第4小節了
LUT
我不知道是在做什麼@@"
期中考殺死我不少腦細胞
第四章目前只能說是略讀一遍
所以內容有點不豐富@@"
有空還得再精讀一次
不然悄悄的第五章就來了...
那問題就越多嚕~~麻煩也越大哩!!
雖然這禮拜時間很多~~
可是我清醒的時間卻不多@@"
一直吃藥一直昏睡...
所以還好上禮拜有PO文!!
時間過的可真快速>"<
寒冬也悄悄滴來～～
真的真的非常的冷@@"
2008年11月7日 星期五
Chapter 4
非常緊急的在第10週時，把第4章的心得給打了出來，沒想到老師居然說延後一個星期再交，所以在這邊我需要把開頭的部分再修改一下。感覺上課文的內容真的是越來越難了。在第一次大概的略讀過後，可以看到這章裡面有很多的圖表、長條圖和數學算式等等。可想而知，在這一章節裡又有許多要用到數學運算來做影像處理的方法了。
4.1其實就已經看不太懂了......我看起來課文像是在說，影像處理時可能會分成3種類別，要先將複雜的不知道什麼東西轉換成簡單的，然後再進行影像處理。那個4.1的流程圖我覺得大概看的懂一些，就是要先將影像轉換過後，再做影像處理。處理完之後的影像，再轉換為原來的影像格式。
----------------------------------------------------------------------------------
老師好像還沒有提到Transforms的部分，希望在第11週時也能大概的說明一下。
然後有2個粗體字Neighborhood processing和Point operations，這2個我只能看懂表面的意思，但是不確定那是不是書本上實際想表達的意思。Neighborhood processing好像是說需要一個小範圍的像素值來做影像處理，Point operations則是只要處理一個點(像素)就好了，不用管它附近其它點的值。不知道課本真正想解釋的是不是這個?或者是英文的問題讓我又誤解了......
----------------------------------------------------------------------------------
這個問題再第10週上課時，老師有大概的講解過了，沒想到居然跟我猜到的意思差不多。主要就是差在影像處理一個點時，需不需要其他鄰近點的資料。
接下來4.2的圖表，那個New values和Old values的圖表看不懂。一個是加上128，另一個減128，加上128會使得原本灰階值大於126的點全部都變成白色(因為127就大於126，127+128=255)，而減128則是讓元素灰階值小於129的點全部變成黑色，但是圖表的那條線到底想表達什麼東西，還是完全看不懂。
----------------------------------------------------------------------------------
這個問題再經過老師的說明之後，我終於知道這個圖要怎麼看了，原來是要將初始值對應到處理過後的值，由這個圖就可以大概的看出影像是在做什麼樣的處理了。
後面的b3~b5那些圖，大概知道書本想做什麼實驗給我們看。一個是將所有的灰階值除以2，所以整個圖片會變暗，另一個是全部乘上2，所以圖片會變亮，第3個比較特別，先除以2之後再加上128。這種做法使得顏色之間的差距縮小，處理後的圖片看起來對比會變得比較不明顯(也就是顏色都差不多的意思)。
我自己隨便代了2個數字來實驗，假設有2個點， 1個灰階值是200，另一個是100，這樣他們顏色差距還有200-100=100。然後同時除以2就會變成100和50，在加上128，這時候就變成228和178，2個點的顏色差距變成了228-178=50。 當2個顏色值的差距縮小了之後，在圖片上看起來顏色就會比較接近，也就是對比變弱了。
4.2最後的那個圖則是互補色(complement)，互補色就是用255減去目前的的灰階值，算出來得到的值就是目前顏色的互補色了。在灰階圖片中，用互補色輸出的圖片，就是原本顏色較深的部分會變得較淺，而原本較淺的地方則會變得較深。在這個地方，因為剛好我有選修2年級的數位媒體概論，而那節課有練習用BCB做RGB(彩色影像)的互補色，所以在課本的這一部分就比較能了解。
再來是4.3的Histograms(長條圖)， 我記得這邊老師在剛開學的時候，好像有提到一些這章節的一些內容。那個時候好像是在說明MATLAB的指令，有一個指令是在畫長條圖的，老師剛好就用灰階影像的顏色值來當作例子。
當長條圖顯示顏色都很靠近時(課本上圖4.8的長條圖，灰階值大部分都在70~150之間)，那圖片看起來顏色就會都很接近，細微的地方感覺會不太清楚。在4.3.1的地方在說明Histogram stretch，在4.3.2則是在說Histogram equalization。這2個我查完字典還是想不出來到底要怎麼翻譯，Histogram stretch是長條圖延伸、展開、拉直??Histogram equalization則是長條圖平等化、均等化??
我只依稀的記得，老師在剛開學的時候有提到，如過因為所有顏色太接近，而造成影像看起來不太清楚的時候，只要將長條圖的顏色讓他平均一點的分配，從0~255都有用到一些的話，圖片的一些細微輪廓部分就會可以看得出來了，也就是會變得比較清晰一些。
最後的4.4看不太懂，因為課本上也沒有什麼範例圖片，只有一些圖表和數學算式。加上期中考的關係，所以那部份我就還沒有去讀了。最後希望老師也能像講解第3章一樣，來說明一下第4章的一些內容，有些東西上課聽老師說果然比自己一直看書還要容易了解。
----------------------------------------------------------------------------------
老師在第10週時一上課就說，其實最後這部分是最簡單的。它只是用了一個方法，讓影像處理時執行的速度加快。就是先將較麻煩的運算先算過，然後把輸入的資料和運算過後的資料儲存在一個表格裡面。接下來當影像處理的時候，只要查表就可以得到輸出的值，不需要在每個點都運算一次。
4.1其實就已經看不太懂了......我看起來課文像是在說，影像處理時可能會分成3種類別，要先將複雜的不知道什麼東西轉換成簡單的，然後再進行影像處理。那個4.1的流程圖我覺得大概看的懂一些，就是要先將影像轉換過後，再做影像處理。處理完之後的影像，再轉換為原來的影像格式。
----------------------------------------------------------------------------------
老師好像還沒有提到Transforms的部分，希望在第11週時也能大概的說明一下。
然後有2個粗體字Neighborhood processing和Point operations，這2個我只能看懂表面的意思，但是不確定那是不是書本上實際想表達的意思。Neighborhood processing好像是說需要一個小範圍的像素值來做影像處理，Point operations則是只要處理一個點(像素)就好了，不用管它附近其它點的值。不知道課本真正想解釋的是不是這個?或者是英文的問題讓我又誤解了......
----------------------------------------------------------------------------------
這個問題再第10週上課時，老師有大概的講解過了，沒想到居然跟我猜到的意思差不多。主要就是差在影像處理一個點時，需不需要其他鄰近點的資料。
接下來4.2的圖表，那個New values和Old values的圖表看不懂。一個是加上128，另一個減128，加上128會使得原本灰階值大於126的點全部都變成白色(因為127就大於126，127+128=255)，而減128則是讓元素灰階值小於129的點全部變成黑色，但是圖表的那條線到底想表達什麼東西，還是完全看不懂。
----------------------------------------------------------------------------------
這個問題再經過老師的說明之後，我終於知道這個圖要怎麼看了，原來是要將初始值對應到處理過後的值，由這個圖就可以大概的看出影像是在做什麼樣的處理了。
後面的b3~b5那些圖，大概知道書本想做什麼實驗給我們看。一個是將所有的灰階值除以2，所以整個圖片會變暗，另一個是全部乘上2，所以圖片會變亮，第3個比較特別，先除以2之後再加上128。這種做法使得顏色之間的差距縮小，處理後的圖片看起來對比會變得比較不明顯(也就是顏色都差不多的意思)。
我自己隨便代了2個數字來實驗，假設有2個點， 1個灰階值是200，另一個是100，這樣他們顏色差距還有200-100=100。然後同時除以2就會變成100和50，在加上128，這時候就變成228和178，2個點的顏色差距變成了228-178=50。 當2個顏色值的差距縮小了之後，在圖片上看起來顏色就會比較接近，也就是對比變弱了。
4.2最後的那個圖則是互補色(complement)，互補色就是用255減去目前的的灰階值，算出來得到的值就是目前顏色的互補色了。在灰階圖片中，用互補色輸出的圖片，就是原本顏色較深的部分會變得較淺，而原本較淺的地方則會變得較深。在這個地方，因為剛好我有選修2年級的數位媒體概論，而那節課有練習用BCB做RGB(彩色影像)的互補色，所以在課本的這一部分就比較能了解。
再來是4.3的Histograms(長條圖)， 我記得這邊老師在剛開學的時候，好像有提到一些這章節的一些內容。那個時候好像是在說明MATLAB的指令，有一個指令是在畫長條圖的，老師剛好就用灰階影像的顏色值來當作例子。
當長條圖顯示顏色都很靠近時(課本上圖4.8的長條圖，灰階值大部分都在70~150之間)，那圖片看起來顏色就會都很接近，細微的地方感覺會不太清楚。在4.3.1的地方在說明Histogram stretch，在4.3.2則是在說Histogram equalization。這2個我查完字典還是想不出來到底要怎麼翻譯，Histogram stretch是長條圖延伸、展開、拉直??Histogram equalization則是長條圖平等化、均等化??
我只依稀的記得，老師在剛開學的時候有提到，如過因為所有顏色太接近，而造成影像看起來不太清楚的時候，只要將長條圖的顏色讓他平均一點的分配，從0~255都有用到一些的話，圖片的一些細微輪廓部分就會可以看得出來了，也就是會變得比較清晰一些。
最後的4.4看不太懂，因為課本上也沒有什麼範例圖片，只有一些圖表和數學算式。加上期中考的關係，所以那部份我就還沒有去讀了。最後希望老師也能像講解第3章一樣，來說明一下第4章的一些內容，有些東西上課聽老師說果然比自己一直看書還要容易了解。
----------------------------------------------------------------------------------
老師在第10週時一上課就說，其實最後這部分是最簡單的。它只是用了一個方法，讓影像處理時執行的速度加快。就是先將較麻煩的運算先算過，然後把輸入的資料和運算過後的資料儲存在一個表格裡面。接下來當影像處理的時候，只要查表就可以得到輸出的值，不需要在每個點都運算一次。
訂閱：
文章 (Atom)