期中: (53.85+52.5+30+76.67)/4=53.26 *40%=21.3
期末:(67.27+70+69.23)/3=68.83 *40%=27.53
給自己:6分
加總:21.3+27.53+6=54.83 ≒ 55
在這學期回想起來，雖然有學到東西，
但對自己的出缺席很不滿意。
因為有很多東西並非閱讀的那些意思，
可能有其他意義或是一些重要概念老師會講解，
這也是給自己6分的原因跟懲罰！
雖然要打工，但畢竟這是自己的選擇...
在這堂課還有一項額外的收穫...
就是在閱讀英文文章的速度有明顯的變快！
還真有點無心插柳柳成蔭的感覺。
2008年12月27日 星期六
2008年12月26日 星期五
期末回顧
最後一堂課囉~~天阿!
時間過得真的很快 感覺期中還在昨天
今天卻已經是最後一堂課了
我發現李遠坤老師的多媒體課程會比較偏向數學類
圖解、數線等等...和那些動像類多媒體很不一樣
不過這堂課也讓我了解了許多東西
我還記得以前很排斥老師的上課方式
因為老師是採自動自發行的方式
讓大家自發性的去研讀課程的內容書本
大四了 突然想修修看老師的課程
看看自己的興趣是否在這領域裡
我發現這樣的上課方式讓我吸收了滿多東西的
比老師在黑板不停的寫字我不停的接收方式
來的讓我更可以吸收
因為我課前先研讀課本
這樣才會知道我不了解的內容在哪
哪裡不懂哪裡不熟 一週一週的進度步調不快
更讓大家可以在一週時間裡去理解一章節的課程
不過大概是因為大四的原因吧?
由於要忙於專研的東西 所以常常會遲到呵呵
睡到非常忘我 不過還是會準時的寫文章
至少我的進度可以與大家一致 不至於會落後太多
說到寫網誌文章 我很喜歡這樣的方式
一方面我可以事先大約了解每章節的內容外
另一方面可以寫下一章一章的大約內容
這樣的方式不僅可在日後
再度讀這本書時可以更容易上手
另外也可以寫下我們不懂的內容而老師在課堂上講解
讓這個不喜歡舉手發問的我可以問問題
真的是一舉兩得阿~
給自我評分 我給自己在這學期9
扣的1分為我常常上課遲到
時間過得真的很快 感覺期中還在昨天
今天卻已經是最後一堂課了
我發現李遠坤老師的多媒體課程會比較偏向數學類
圖解、數線等等...和那些動像類多媒體很不一樣
不過這堂課也讓我了解了許多東西
我還記得以前很排斥老師的上課方式
因為老師是採自動自發行的方式
讓大家自發性的去研讀課程的內容書本
大四了 突然想修修看老師的課程
看看自己的興趣是否在這領域裡
我發現這樣的上課方式讓我吸收了滿多東西的
比老師在黑板不停的寫字我不停的接收方式
來的讓我更可以吸收
因為我課前先研讀課本
這樣才會知道我不了解的內容在哪
哪裡不懂哪裡不熟 一週一週的進度步調不快
更讓大家可以在一週時間裡去理解一章節的課程
不過大概是因為大四的原因吧?
由於要忙於專研的東西 所以常常會遲到呵呵
睡到非常忘我 不過還是會準時的寫文章
至少我的進度可以與大家一致 不至於會落後太多
說到寫網誌文章 我很喜歡這樣的方式
一方面我可以事先大約了解每章節的內容外
另一方面可以寫下一章一章的大約內容
這樣的方式不僅可在日後
再度讀這本書時可以更容易上手
另外也可以寫下我們不懂的內容而老師在課堂上講解
讓這個不喜歡舉手發問的我可以問問題
真的是一舉兩得阿~
給自我評分 我給自己在這學期9
扣的1分為我常常上課遲到
期末回顧
期中平均:54.4175
有一次沒交 其他C的也拿了許多....
Week 8 : 分數 52.67
Week 11: 分數 30 (有交 不過也是拿了一堆C)
Week 13: 分數 42.31
Week 15: 分數 ??
這學期也要結束了
這堂課的學習也要告一段落了
雖然有一段時間很少出席
不過書還是多多少少有在翻
MATLAB這本書到學期結束只看到第六章
不過書總共有16章
後面的部分好像還蠻有趣的
往後應該會利用閒暇時間
再把書拿出來翻一翻
這堂課的優點不外乎是
可以持續的接觸英文
提醒自己有空就翻翻書
還有上課輕鬆討論的方式
我覺得可以讓我學到很多對自己很有幫助
基於看書方面我還有在看
所以我給自己的評分是10分
如果沒有給自己高一點我很有可能會不及格....
期末平均:51
有一次沒交 其他C的也拿了許多....
Week 8 : 分數 52.67
Week 11: 分數 30 (有交 不過也是拿了一堆C)
Week 13: 分數 42.31
Week 15: 分數 ??
這學期也要結束了
這堂課的學習也要告一段落了
雖然有一段時間很少出席
不過書還是多多少少有在翻
MATLAB這本書到學期結束只看到第六章
不過書總共有16章
後面的部分好像還蠻有趣的
往後應該會利用閒暇時間
再把書拿出來翻一翻
這堂課的優點不外乎是
可以持續的接觸英文
提醒自己有空就翻翻書
還有上課輕鬆討論的方式
我覺得可以讓我學到很多對自己很有幫助
基於看書方面我還有在看
所以我給自己的評分是10分
如果沒有給自己高一點我很有可能會不及格....
期末平均:51
期末了耶.....
期中分數: 71.14
期末分數: 88.36
總成績: 28.45+35.34+7=70.79
期末我給自己7分,因為大家好像都這個分數.
當然個人出席...似乎不太好,但基本早上一有意識就會來上課
除了期中一段時搞間軟體競賽,那時候早上都是沒意識的
嘖...拿了個佳作,看蘇民陽高興的人都在後空翻了
<以上都不是啥重點>
這門課對於我來說,還蠻合適的
每週閱讀進度並不會多,只要手邊有字典有網路,使用閒暇時間加加減減就能看完
碰到無法解釋的內容或者看不懂得公式,沒關係,MATLAB這玩意很大眾化,上網查一下基本沒有找不到的,不管是函數原理,指令使用法,或者是其他USER用後心得
真正找不到,也沒有關係! 上課叫老師講就好了
期末分數: 88.36
總成績: 28.45+35.34+7=70.79
期末我給自己7分,因為大家好像都這個分數.
當然個人出席...似乎不太好,但基本早上一有意識就會來上課
除了期中一段時搞間軟體競賽,那時候早上都是沒意識的
嘖...拿了個佳作,看蘇民陽高興的人都在後空翻了
<以上都不是啥重點>
這門課對於我來說,還蠻合適的
每週閱讀進度並不會多,只要手邊有字典有網路,使用閒暇時間加加減減就能看完
碰到無法解釋的內容或者看不懂得公式,沒關係,MATLAB這玩意很大眾化,上網查一下基本沒有找不到的,不管是函數原理,指令使用法,或者是其他USER用後心得
真正找不到,也沒有關係! 上課叫老師講就好了
期末回顧
這學期我想給自己八分
扣的第一分是因為有時候天氣很冷
第二節課上課都很想賴床
所以就翹課了...
而扣的第二分是因為汪胖都找我講話
害我上課都沒聽到課...
哈~
．Week 15: Chapter 6
A 11 B 4 C 0分數 93.08
．Week 13: Chapter 5
A 7 B 2 C 0分數 95.71
．Week 11: Chapter 4
A 11 B 0 C 0分數 100
．W08: Chapter 1-3
A 0 B 0 C 14分數 30
．W07: Chapter 3 閱\讀筆記
A 12 B 1 C 0分數 100
．W06: Chapter 2 閱讀筆記
A 15 B 2 C 0分數 98
．W04: Chapter 1
A 9 B 2 C 1分數 94
．W02: Matlab 初體驗
A 7 B 5 C 2分數 81.67
作業成績:87.256 * 0.8= 70
自評:8
總而言之
這學期學到了許多影像處理的概念
雖然教到第六章
不過整本課本好像只讀了一點
曾經有興起一點點想繼續看下去的衝動
不過...
就再看看吧
這學期一直想去考學校的英文檢定
因為英文課真的是太無聊了
所以我想要去申請免修
然後在家裡一直想看英文練習本
結果每次都偷懶
還好影像處理有看一點英文
應該有變強一點吧
我覺得我每次作業都花很多時間在寫
有時候看書加寫報告就要三個小時
然後又要花時間try程式 po圖
可是到互評的時候就會不太高興
因為自認為自己有花時間下去做
所以我很認同老師說可能沒看書的人不能評之類的
老師這時候應該會說有學到東西才是最重要的吧
真的是這樣沒錯 學到的東西是自己的
不過有時候只是想要一種認同感而已
學期末了
時間還真快...冏RZ
耶~寒假快樂
扣的第一分是因為有時候天氣很冷
第二節課上課都很想賴床
所以就翹課了...
而扣的第二分是因為汪胖都找我講話
害我上課都沒聽到課...
哈~
．Week 15: Chapter 6
A 11 B 4 C 0分數 93.08
．Week 13: Chapter 5
A 7 B 2 C 0分數 95.71
．Week 11: Chapter 4
A 11 B 0 C 0分數 100
．W08: Chapter 1-3
A 0 B 0 C 14分數 30
．W07: Chapter 3 閱\讀筆記
A 12 B 1 C 0分數 100
．W06: Chapter 2 閱讀筆記
A 15 B 2 C 0分數 98
．W04: Chapter 1
A 9 B 2 C 1分數 94
．W02: Matlab 初體驗
A 7 B 5 C 2分數 81.67
作業成績:87.256 * 0.8= 70
自評:8
總而言之
這學期學到了許多影像處理的概念
雖然教到第六章
不過整本課本好像只讀了一點
曾經有興起一點點想繼續看下去的衝動
不過...
就再看看吧
這學期一直想去考學校的英文檢定
因為英文課真的是太無聊了
所以我想要去申請免修
然後在家裡一直想看英文練習本
結果每次都偷懶
還好影像處理有看一點英文
應該有變強一點吧
我覺得我每次作業都花很多時間在寫
有時候看書加寫報告就要三個小時
然後又要花時間try程式 po圖
可是到互評的時候就會不太高興
因為自認為自己有花時間下去做
所以我很認同老師說可能沒看書的人不能評之類的
老師這時候應該會說有學到東西才是最重要的吧
真的是這樣沒錯 學到的東西是自己的
不過有時候只是想要一種認同感而已
學期末了
時間還真快...冏RZ
耶~寒假快樂
期末回顧
期中平均 54
CH 4 : 79.17
CH 5 : 54
CH 6: 70.77
期末平均 : 68
算到總成績後: 期中*0.4+期末*0.4 =48.8
自己給自己 6.5分
目前總成績 48.8+6.5 = 55.3
之前都沒有選過李老師的課，其實我覺得主要還是培養自學的能力上課也給人比較輕鬆的感覺，上課期間也學習到很多廣度的知識，這門課主要的目的是希望我們在學期初培養閱讀外文書能力。
老實說，我覺得我對這門課不認真，不過每次上課都幾乎準時來上課，剛開始的一兩周還有翻閱外文書看，可是越到最後自己就比較懶惰，可能是外務比較多或者是學習的態度不是很好所以花的心思不多，其實剛開始好好學是由淺入深，對影像的也有了一些概念。
CH 4 : 79.17
CH 5 : 54
CH 6: 70.77
期末平均 : 68
算到總成績後: 期中*0.4+期末*0.4 =48.8
自己給自己 6.5分
目前總成績 48.8+6.5 = 55.3
之前都沒有選過李老師的課，其實我覺得主要還是培養自學的能力上課也給人比較輕鬆的感覺，上課期間也學習到很多廣度的知識，這門課主要的目的是希望我們在學期初培養閱讀外文書能力。
老實說，我覺得我對這門課不認真，不過每次上課都幾乎準時來上課，剛開始的一兩周還有翻閱外文書看，可是越到最後自己就比較懶惰，可能是外務比較多或者是學習的態度不是很好所以花的心思不多，其實剛開始好好學是由淺入深，對影像的也有了一些概念。
期末回顧
時間，真的過的很快！
還記得剛開學的時候，
總是因為社團的事而缺席...
也因為晚睡而遲到...
對於互評的文章...也沒有很盡心的去完成....一直到期中
期中結算的時候....才發現
為什麼我讓自己的成績變成這樣?
接下來，開始努力的把之前的進度追上....
從一開始聽不太懂老師在講什麼...
一直到後來，可以聽懂...也了解老師在講什麼.....
而我的互評成績也慢慢往上爬....
無奈的是.....期中的成績真的是太差了.....
就算老師因為聖誕節而幫大家更改了分數權重...
算出來的成績還是只有很差......
期中：38分*40%＝15.2
期末：81*40%＝32.4
所以....自評的部份......我給自己10分...
原因很單純，只是因為：
1.也許之前很不認真，但後來除了把進度追上，還變的很認真。
2.期中成績太低...用這10分來幫自己加分....
3.上這門課...是我唯一次門買了原本書有認真讀的課.....也學習到如何讀原文書！
----------------------------------------------------------------------------------------
最後最後，期末成績結算：
期中：38分*40%＝15.2
期末：81*40%＝32.4
自評：10分
總和：57.6分
還記得剛開學的時候，
總是因為社團的事而缺席...
也因為晚睡而遲到...
對於互評的文章...也沒有很盡心的去完成....一直到期中
期中結算的時候....才發現
為什麼我讓自己的成績變成這樣?
接下來，開始努力的把之前的進度追上....
從一開始聽不太懂老師在講什麼...
一直到後來，可以聽懂...也了解老師在講什麼.....
而我的互評成績也慢慢往上爬....
無奈的是.....期中的成績真的是太差了.....
就算老師因為聖誕節而幫大家更改了分數權重...
算出來的成績還是只有很差......
期中：38分*40%＝15.2
期末：81*40%＝32.4
所以....自評的部份......我給自己10分...
原因很單純，只是因為：
1.也許之前很不認真，但後來除了把進度追上，還變的很認真。
2.期中成績太低...用這10分來幫自己加分....
3.上這門課...是我唯一次門買了原本書有認真讀的課.....也學習到如何讀原文書！
----------------------------------------------------------------------------------------
最後最後，期末成績結算：
期中：38分*40%＝15.2
期末：81*40%＝32.4
自評：10分
總和：57.6分
期末回顧
期初平均：62.755
期末平均：41.726
期中+期末的40%=41.792
恩...自己給自己的分數...
滿分10分的話，我給自己6.5吧...
不過算了一下，我至少要給我自己9分以上才有可能過耶(冷笑....
所以為了我要過的私心我要給自己10分
可能是我真的讀的不夠融會貫通吧，
也有可能我的表達不太好，
所以大家在評我的作業的時候都是b和c居多。
真希望評分系統多個評論，讓給a和給c的人評論一下為何這樣給。
這樣我才比較服氣些。
在出席率方面，捫心自問的話，我是翹的有點誇張了...
甚麼天氣太冷扒不起來，睡過頭，都是自己給自己的濫藉口。
講實在一點，我如果沒有人在前面催，後面趕的話，
我實在很難會進步。
而且這學期太少摸程式了，我都有點懷疑我到底是不是讀資工的@@
不過說真的，我有讀才會去po作業，沒讀的東西打出來都會絕得羞恥。
所以我的作業成績在怎麼濫，我還是希望把我的成績打在及格之上。
期末平均：41.726
期中+期末的40%=41.792
恩...自己給自己的分數...
滿分10分的話，我給自己6.5吧...
不過算了一下，我至少要給我自己9分以上才有可能過耶(冷笑....
所以為了我要過的私心我要給自己10分
可能是我真的讀的不夠融會貫通吧，
也有可能我的表達不太好，
所以大家在評我的作業的時候都是b和c居多。
真希望評分系統多個評論，讓給a和給c的人評論一下為何這樣給。
這樣我才比較服氣些。
在出席率方面，捫心自問的話，我是翹的有點誇張了...
甚麼天氣太冷扒不起來，睡過頭，都是自己給自己的濫藉口。
講實在一點，我如果沒有人在前面催，後面趕的話，
我實在很難會進步。
而且這學期太少摸程式了，我都有點懷疑我到底是不是讀資工的@@
不過說真的，我有讀才會去po作業，沒讀的東西打出來都會絕得羞恥。
所以我的作業成績在怎麼濫，我還是希望把我的成績打在及格之上。
期末回顧
期中成績=49.1
--------------------
week11=63.85
week13=40
week15=57.27
------------------
期末成績=53.7
很快的又到學期末了
這堂課我給自己打10分 因為分數很低不然我認為自
己應該只有7分 但我真的很認真的去讀這本書了
雖然這堂課會缺席..但是在老師的教學方式下..我覺
得老師的教學方是很成功 因為我真的有認真的去了
解影像處理這本原文書到底在說些甚麼 雖然越到
後面真的越來越難了 但我覺得我已經把我所看到
的所學到的打在我的預習上面 有可能是這門課因
為互評系統 所以大家都顯得非常非常認真而拼了
命的要去擠出一下東西來 但是其實並不覺得分數
低就是不認真 看看那些低分數的寫的也不是說真
的很不好 只是相對不夠好 但是說真的分數高的那
一些人就是真的非常認真 所以我覺得這門課老師
真的很厲害 大家 其實都非常認真了 但是在競爭的
環境裡 有好有壞也是正常的 只能盡力的去做好自
己 這門課真的讓我學到很多東西 看原文書也不是
這麼的難了 也是我花最多時間讀的一科了 因為每
個禮拜都要去碰一點碰一點 真的很管用 但是互評
成績真的蠻低的= = 真的也很希望這堂課可以安然
過關!!!希望老師給我一個機會囉 因為真的很害怕
最後也謝謝老師的教導囉~
--------------------
week11=63.85
week13=40
week15=57.27
------------------
期末成績=53.7
很快的又到學期末了
這堂課我給自己打10分 因為分數很低不然我認為自
己應該只有7分 但我真的很認真的去讀這本書了
雖然這堂課會缺席..但是在老師的教學方式下..我覺
得老師的教學方是很成功 因為我真的有認真的去了
解影像處理這本原文書到底在說些甚麼 雖然越到
後面真的越來越難了 但我覺得我已經把我所看到
的所學到的打在我的預習上面 有可能是這門課因
為互評系統 所以大家都顯得非常非常認真而拼了
命的要去擠出一下東西來 但是其實並不覺得分數
低就是不認真 看看那些低分數的寫的也不是說真
的很不好 只是相對不夠好 但是說真的分數高的那
一些人就是真的非常認真 所以我覺得這門課老師
真的很厲害 大家 其實都非常認真了 但是在競爭的
環境裡 有好有壞也是正常的 只能盡力的去做好自
己 這門課真的讓我學到很多東西 看原文書也不是
這麼的難了 也是我花最多時間讀的一科了 因為每
個禮拜都要去碰一點碰一點 真的很管用 但是互評
成績真的蠻低的= = 真的也很希望這堂課可以安然
過關!!!希望老師給我一個機會囉 因為真的很害怕
最後也謝謝老師的教導囉~
期末心得
其中平均42
Chapter 4 A 1 B 0 C 13分數 30
Chapter 5 A 1 B 3 C 8分數 42
Chapter 6 61
期末平均 45
給自己的分數 10分 不好意思我分數太低了@@ 其實我只該有7分
我知道我在班上的成績並不理想
也沒有什麼理由可以反駁一些糟糕的成績
給7這個成績是因為
跟去年我修多媒體概論時比較
我覺得我是真的有比較花心思在這門課上面
雖然互評成績常常不理想
但是在前2.3週我是真的不認真在作業上面
但是第3張的作業開始我都有自即實作
跟有去看課本希望可以讀懂一點
我在第3章以後的作業
是有在用心看跟打的
一直到現在的第6章我相信是可以看的出來的!!
相較於以前我都4.5句話就混過去
我覺得應該是有進步的!!
雖然還有很大的空間 但我會持續努力的
在來 上課方面
有時候真的是太愛講話了很不應該
不過有時候我是真的有再聽老師講課阿!!
在這門課上面我最大的收穫是讀原文書
因為要互評 為了成績只好看課本 課本又是原文 只好硬著頭皮看
一開始真的很痛苦 不過現在很感謝老師這麼做
因為真的對我在看專研老師的paper上有很大的助益
很高興在這學期中還有收穫
所以我給自己7分 至於0.3分 就是自己愛加!!哈哈
也謝謝老師辛苦這一學期了~
期末回顧
期中成績：66.855 =>四捨五入後為 67
W11:51.43
W13:71.82
W11:51.43
W13:71.82
期末成績：59.97 =>四捨五入後為60
67*0.4+60*0.4=50.8
平均50.8 => 四捨五入為51
滿分10分，我給自己9分。
這門課我從來沒遲到過，
對上課內容也盡力去吸收加上之前的分數偏低，
所以給自己打八分這樣偏高的分數補救一下。
雖然在程式部份我沒有很厲害，
但每次讀原文我是非常用力的在看、努力的去了解書本中的內容，
我想我學到的不光是影像處理方面的學問，
也學到了自己找出問題的答案以及較能連貫原文書前後文的內容，
以前讀原文書的時候往往懂了這部份卻沒辦法搞懂和前一部份的相關性，
造成從書中了解的知識是鎖碎的，
一知半解的學習是危險的，容易陷入無法解決問題的窘境。
在這門課的學習我慢慢找到方向去完整的了解原文了。
期末回顧
期中修改後統計平均:80.24
期末統計
W11 6A3B2C =82.22
W13 7A4B =90
w15 5A5B4C =70
期末統計平均 =80.74
如果 總分10分的話
我自評 得7.5分
期中80.24*0.4=32.096
期末80.74*0.4=32.296
目前還沒加老師給的:71.9
這學期有比較認真
雖然有時候會遲到
可是
自己的出席率，我有在注意，
自己統計是２次沒有到
作業心得的部分
因為 可能這次是原文書
所以會比較會想辦法 去了解
雖然還是有不懂 ~ ~
至於上課表現部分
有時候可能不專心
可是還是學到東西呢~
老師 上次有問我
為什麼會修這們課
當初 我可能說的不是很清楚
會修這們課
主要的原因有２個
就是我是走這個學程的
還有是上學期答應老師
一定還要修這門課
然後去買MATLAB來看~
這學期讓我感覺
有學到一點東西
也感覺比較踏實
跟之前的感覺不太一樣
還真是有點開心
期末心得
又到了學期末了~
期中成績:(66.36+60+43.64+69.23)/4= 59.8075=60
期末成績:(50+46+68.57)/3=54.8566=55
(60+55)*0.4=46
這學期修這門課~我想給自己打7分...
總成績:46+7=53+??
雖然會缺席...但我很認真的在上課,
對於內容的吸收效果達到百分之百...一 一"
這學期上這門課真的是非常得開心~
真的就是快樂的學習=..="
這一學期下來,讓我學會了讀原文書~
雖說還是滿辛苦的,但至少不會像以前很頭痛~
接著是課程內容,我覺得滿有趣的,
每次上課的討論,可以互動的學習,讓我們去思考,
我覺得很好玩,其實我覺得被問到問題時,真的很有趣,
如果答得出來,那更有意思了~
ㄚ~還有要說的,上次老師要我們推演公式...
我想說的是...我沒有用筆,是因為我覺得那是個簡單的東西,
這樣都要用筆的話...,總之算是心裡想對自己的證明吧~
不過我有想出來~也清楚的了解了為什麼,
如果真的毫無頭緒~我一定會拿筆出來推的!!
絕對不是懶得拿筆出來!
總之~這學期謝謝老師的指導~
我上了一門很開心也很有用的課程!
期中成績:(66.36+60+43.64+69.23)/4= 59.8075=60
期末成績:(50+46+68.57)/3=54.8566=55
(60+55)*0.4=46
這學期修這門課~我想給自己打7分...
總成績:46+7=53+??
雖然會缺席...但我很認真的在上課,
對於內容的吸收效果達到百分之百...一 一"
這學期上這門課真的是非常得開心~
真的就是快樂的學習=..="
這一學期下來,讓我學會了讀原文書~
雖說還是滿辛苦的,但至少不會像以前很頭痛~
接著是課程內容,我覺得滿有趣的,
每次上課的討論,可以互動的學習,讓我們去思考,
我覺得很好玩,其實我覺得被問到問題時,真的很有趣,
如果答得出來,那更有意思了~
ㄚ~還有要說的,上次老師要我們推演公式...
我想說的是...我沒有用筆,是因為我覺得那是個簡單的東西,
這樣都要用筆的話...,總之算是心裡想對自己的證明吧~
不過我有想出來~也清楚的了解了為什麼,
如果真的毫無頭緒~我一定會拿筆出來推的!!
絕對不是懶得拿筆出來!
總之~這學期謝謝老師的指導~
我上了一門很開心也很有用的課程!
期末回顧
期中：
Week 4: 30
Week 6: 30
Week 7: 45.38
Week 8: 35.83
期末：
Week 11: 80
Week 13: 65
Week 15: 80
------------------------------------------
Avg 52
自評：
總分10分，
給自己打9分。
總成績：52*0.8+9=51
因為期中前太墮落，
不是很認真寫心得，
互評成績都比較低，
所以給自己成績高一點加一點分。
希望之後再有修老師的課，
會更認真的。
還記得自己期中回顧的時候，
說到：希望自己能改掉一些不好的，
能更認真，
再寫心得方面，
我有變得更認真，
更用心去看書裡的內容！
打出來的心得，
互評出來的分數真的有比較改善了！
還記得老師暑假有叫我們買Matlab的書，
暑假期間大致看過，
之後期中之前就沒再去翻了！
不過期中後真的稍微用心的會去把它拿出來，
對照老師上課說的再看一次。
因為，
之前沒修過老師的課，
一開始可能還不是很習慣這種寫心得跟互評的方式，
不過這樣一學期下來，
算是蠻適應的了！
互評可以看到每個人看出的重點，
也許你的不懂同學裡的心得就可以解答，
這是我覺得很棒的地方。
也是個預習的好方法。
學到很多東西，
看原文書認識的英文單字也變的不少，
影像處理方面也學到不少。
希望以後需要應用的時候，
可以派得上用場！
Week 4: 30
Week 6: 30
Week 7: 45.38
Week 8: 35.83
期末：
Week 11: 80
Week 13: 65
Week 15: 80
------------------------------------------
Avg 52
自評：
總分10分，
給自己打9分。
總成績：52*0.8+9=51
因為期中前太墮落，
不是很認真寫心得，
互評成績都比較低，
所以給自己成績高一點加一點分。
希望之後再有修老師的課，
會更認真的。
還記得自己期中回顧的時候，
說到：希望自己能改掉一些不好的，
能更認真，
再寫心得方面，
我有變得更認真，
更用心去看書裡的內容！
打出來的心得，
互評出來的分數真的有比較改善了！
還記得老師暑假有叫我們買Matlab的書，
暑假期間大致看過，
之後期中之前就沒再去翻了！
不過期中後真的稍微用心的會去把它拿出來，
對照老師上課說的再看一次。
因為，
之前沒修過老師的課，
一開始可能還不是很習慣這種寫心得跟互評的方式，
不過這樣一學期下來，
算是蠻適應的了！
互評可以看到每個人看出的重點，
也許你的不懂同學裡的心得就可以解答，
這是我覺得很棒的地方。
也是個預習的好方法。
學到很多東西，
看原文書認識的英文單字也變的不少，
影像處理方面也學到不少。
希望以後需要應用的時候，
可以派得上用場！
期末回顧
期中平均:54.79
期末回顧
week 11 :30
week 13 : 83.33
week 15 :47.78
期末平均:53.70
自評:
給自己6+2分...
因為睡過頭太多次,還蠻多次沒去上課...不過該讀的書我還是有看...
所以給了自己6分 至於+2分是因為整體成績太低幫自己加的
期末回顧
這學期比上課的情況比以前混了許多,大部分情況都是睡過頭沒去上課
說實話天氣冷還要早起真難受....
不過這學期寫作業的情況,就有比之前二年級修多媒體概論的時候好了很多
但是對原文書還是有點障礙,作業也缺了一、兩次.....真的少了一、兩次分數很難拉回來!!
至於matlab的使用上,就大約懂了一些基本的指令和操作,不過用matlab來作影像處理
後,有比用bcb來得簡單方便的感覺。
期末回顧
week 11 :30
week 13 : 83.33
week 15 :47.78
期末平均:53.70
自評:
給自己6+2分...
因為睡過頭太多次,還蠻多次沒去上課...不過該讀的書我還是有看...
所以給了自己6分 至於+2分是因為整體成績太低幫自己加的
期末回顧
這學期比上課的情況比以前混了許多,大部分情況都是睡過頭沒去上課
說實話天氣冷還要早起真難受....
不過這學期寫作業的情況,就有比之前二年級修多媒體概論的時候好了很多
但是對原文書還是有點障礙,作業也缺了一、兩次.....真的少了一、兩次分數很難拉回來!!
至於matlab的使用上,就大約懂了一些基本的指令和操作,不過用matlab來作影像處理
後,有比用bcb來得簡單方便的感覺。
期末回顧
期中重算的成績81.075
期末成績平均
W11:75.45
W13:72.5
W15:70
期末平均:72.65
80%62分+10%8分=90%70分
自評:
10分是滿分嘛，那我給自己8分吧，雖然有時我會沒來上課，其實不過也才3.4堂吧，有時候是因為黃名宏星期四找我打麻將，害我起不來，但是他卻有去上課不叫我，上課可能也會不太認真上課，但是其實我都有在聽，只是老師問我問題的時候我暫時還沒消化完。
接下來就是寫作業了，寫這作業真的可以花很多時間，因為他是原文書的關係，每次看都可以看很久，雖然現在有雅虎字典，但是查單字之後把他帶入原來的課文中，解釋起來真的是很怪，有時還可以達到完全狗屁不通的境界，達到這境界之後該怎辦呢，接下來就是要靠孤狗了吧，如果還是找不到，那就是靠同學了，所以每次寫下來4.5小時跑不掉阿，有時還可以順便看看日出XD。
期末回顧:
莫名其妙一下就到了期末，時間過得真的是非常非常的快，都不知道在快什麼，說道影像處理這堂課，就讓我想到老師的上課方法，這方法是我上大學來第二次遇到，第一次是遇到黃世育老師，第一次遇到這方法一開始我還不太能適應，不過還好那次是下午的課，都還來的急，這次是上午的課，偶爾會熬個夜，兩個老師的方法差別並不太大，都是先叫你回家讀，然後上課再來問問題，效果當然是因人而異，對我來說，我覺得還有吸收到東西，畢竟這方法已經不是第一次接觸了。
很快的學期又要結束了，祝大家期末考順利外加新年快樂。
期末成績平均
W11:75.45
W13:72.5
W15:70
期末平均:72.65
80%62分+10%8分=90%70分
自評:
10分是滿分嘛，那我給自己8分吧，雖然有時我會沒來上課，其實不過也才3.4堂吧，
接下來就是寫作業了，寫這作業真的可以花很多時間，因為他是原文書的關係，每次看都可以看很久，雖然現在有雅虎字典，但是查單字之後把他帶入原來的課文中，解釋起來真的是很怪，有時還可以達到完全狗屁不通的境界，達到這境界之後該怎辦呢，接下來就是要靠孤狗了吧，如果還是找不到，那就是靠同學了，所以每次寫下來4.5小時跑不掉阿，有時還可以順便看看日出XD。
期末回顧:
莫名其妙一下就到了期末，時間過得真的是非常非常的快，都不知道在快什麼，說道影像處理這堂課，就讓我想到老師的上課方法，這方法是我上大學來第二次遇到，第一次是遇到黃世育老師，第一次遇到這方法一開始我還不太能適應，不過還好那次是下午的課，都還來的急，這次是上午的課，偶爾會熬個夜，兩個老師的方法差別並不太大，都是先叫你回家讀，然後上課再來問問題，效果當然是因人而異，對我來說，我覺得還有吸收到東西，畢竟這方法已經不是第一次接觸了。
很快的學期又要結束了，祝大家期末考順利外加新年快樂。
第6章
第六章主要是在講影像幾何學
包括一些濾波,旋轉....等
Interpolation(內插法 )
用等距對應資料作比對，求對應之值
Nearest-neighbor Interpolation(鄰近內插法)
由附近的點來推測出值
Linear Interpolation(線性內插法)
一條線性圖型，經運算求值
6-2則是講雙線性內插法(Bilinear Interpolation)
雖然看了一大堆數學式子看不太懂= =
但是大概知道可以放大以及柔和圖片
主要是以以一維線性內插法求得點的位置
再以同樣的一維線性內插法求得點位置
再來是6-3
Interpolation(立方內插法)
在三維的矩陣內用線性內插法來計算值線性,和內插法是一樣的原理
Bicubic interpolation(雙立方體插值法)
雙線性內插的延伸,從二維進階到三維來做
6-4 Enlargement by Spatial Filtering(擴大空間濾波器)
每兩個點中間要補零,讓影像看起來就會有一格一格黑黑的格子
6-5
大部分是在如何讓影像變小
還有刪除間隔的像素點
但在high-frequency components 的呈現的效果不好
6-6
Rotation旋轉
在兩軸做影像的旋轉用的數學方法是三角函數矩陣
imrotate(image,angle,'method')
6-7
可以讓圖片變型
拉長壓縮等等
包括一些濾波,旋轉....等
Interpolation(內插法 )
用等距對應資料作比對，求對應之值
Nearest-neighbor Interpolation(鄰近內插法)
由附近的點來推測出值
Linear Interpolation(線性內插法)
一條線性圖型，經運算求值
6-2則是講雙線性內插法(Bilinear Interpolation)
雖然看了一大堆數學式子看不太懂= =
但是大概知道可以放大以及柔和圖片
主要是以以一維線性內插法求得點的位置
再以同樣的一維線性內插法求得點位置
再來是6-3
Interpolation(立方內插法)
在三維的矩陣內用線性內插法來計算值線性,和內插法是一樣的原理
Bicubic interpolation(雙立方體插值法)
雙線性內插的延伸,從二維進階到三維來做
6-4 Enlargement by Spatial Filtering(擴大空間濾波器)
每兩個點中間要補零,讓影像看起來就會有一格一格黑黑的格子
6-5
大部分是在如何讓影像變小
還有刪除間隔的像素點
但在high-frequency components 的呈現的效果不好
6-6
Rotation旋轉
在兩軸做影像的旋轉用的數學方法是三角函數矩陣
imrotate(image,angle,'method')
6-7
可以讓圖片變型
拉長壓縮等等
期末回顧
期中平均: 28
期末平均: 24
自己給自己的分數: 8
60
=====================================================
每次看完一個章節以後 腦袋雖然是大概了解該章節要說什麼
但是就是沒法把想要表達的東西打出來
久而久之就變的無所謂了
反正我自己了解的地方我自己最清楚
不清楚的地方就去看其他人的心得、聽老師講解或上網慢慢找解答
但是有時候關鍵字使用不當 所以很多時候都是在浪費時間尋找
除了忽然的靈光一現 或剛好找到以外.
雖然上課聽老師說的大概就可以了解了
但是有時候還是沒辦法融會貫通
可能是真的沒有真的了解到
必須花更多時間
哈
然後這學期感覺過超快的
時間一下就過去了
感覺上MATLAB的程式應用沒什麼碰到
大部分都是在依樣畫葫蘆,偶爾突發奇想的點子以外會亂摸 就沒在使用了
有點糟糕 <囧>
反正
謝謝老師這學期以來的指導
辛苦了
期末平均: 24
自己給自己的分數: 8
60
=====================================================
每次看完一個章節以後 腦袋雖然是大概了解該章節要說什麼
但是就是沒法把想要表達的東西打出來
久而久之就變的無所謂了
反正我自己了解的地方我自己最清楚
不清楚的地方就去看其他人的心得、聽老師講解或上網慢慢找解答
但是有時候關鍵字使用不當 所以很多時候都是在浪費時間尋找
除了忽然的靈光一現 或剛好找到以外.
雖然上課聽老師說的大概就可以了解了
但是有時候還是沒辦法融會貫通
可能是真的沒有真的了解到
必須花更多時間
哈
然後這學期感覺過超快的
時間一下就過去了
感覺上MATLAB的程式應用沒什麼碰到
大部分都是在依樣畫葫蘆,偶爾突發奇想的點子以外會亂摸 就沒在使用了
有點糟糕 <囧>
反正
謝謝老師這學期以來的指導
辛苦了
2008年12月25日 星期四
期末回顧
week11 : 66.36
week13: 75
week15: 85
期末平均:75 x 0.4 = 30
期中平均修改過後:66 x 0.4 = 26
目前總成績64吧
我給自己8分 0.0
我覺得我這學期
期初的時候比較打混
有幾次課也沒去
然後課本內容
有的也是讀了一知半解
沒有具體的去探討問題
我後來覺得這樣的學習太打混了
實在對不起自己良心
也對不起老師在台上口沫橫飛的講解
哈有點嘴砲了
沒有啦 就後來覺得
那樣的學習成效很差
就算過了這科 我也沒學到東西
所以後來的內容就還滿認真在看的
雖然很多地方自己在閱讀時 可能曲解意思
可是看了同學的文章
再聽老師講解
就比較能銜接起來
經過這學期的訓練
我覺得我對原文書抓重點閱讀
這個能力似乎進步不少
以前看原文都要看半天
然後進度很慢
這學期的互評分數
老實說 寫的不是很好
起初可能怨嘆互評系統不好
可是仔細想想 自己進步的空間還能有多大
也就漸漸釋懷了
如果能做到近乎完美
自然分數也就會跟著提高
學習表達想法 也是必要的
最後謝謝老師一學期的辛苦
聖誕節過完了
那就祝大家與老師 新年快樂!
week13: 75
week15: 85
期末平均:75 x 0.4 = 30
期中平均修改過後:66 x 0.4 = 26
目前總成績64吧
我給自己8分 0.0
我覺得我這學期
期初的時候比較打混
有幾次課也沒去
然後課本內容
有的也是讀了一知半解
沒有具體的去探討問題
我後來覺得這樣的學習太打混了
實在對不起自己良心
也對不起老師在台上口沫橫飛的講解
哈有點嘴砲了
沒有啦 就後來覺得
那樣的學習成效很差
就算過了這科 我也沒學到東西
所以後來的內容就還滿認真在看的
雖然很多地方自己在閱讀時 可能曲解意思
可是看了同學的文章
再聽老師講解
就比較能銜接起來
經過這學期的訓練
我覺得我對原文書抓重點閱讀
這個能力似乎進步不少
以前看原文都要看半天
然後進度很慢
這學期的互評分數
老實說 寫的不是很好
起初可能怨嘆互評系統不好
可是仔細想想 自己進步的空間還能有多大
也就漸漸釋懷了
如果能做到近乎完美
自然分數也就會跟著提高
學習表達想法 也是必要的
最後謝謝老師一學期的辛苦
聖誕節過完了
那就祝大家與老師 新年快樂!
期末回顧
期中平均成績：85
w11 - A3 B8 C1 → 76
w13 - A5 B3 C3 → 74
w15 - A11 B2 C1 → 95
期末平均成績：82
學期成績：(期中)85*0.4+(期末)82*0.4+(自評)7+(老師)? = 73.8 + ?
自評：
自評的部份，我給自己打7分。
對於期中之前的我有好好在學習影像處理，
雖是規規矩矩的執行課本上教導的指令，
不過此時的我並沒有瞭解到上這門課讀這本書不僅僅是輸入指令測試結果而已，
在此時就態度而言我認為自己還算認真。
而我不得不坦承，自己在期中過後顯得過於怠惰，
雖然作業都有在寫，
且已掌握到唸這本書的方法與原則，
卻未能比之前更為好好的加以探究。
根據以上幾點我給自己評為7分，
給予了期中以前自己的努力以及期中過後掌握到要領的自己一個肯定，
並對後期怠惰的自己扣除了部份的分數。
期末回顧：
這個...，總覺得我有點點點把回顧跟自評都混在一塊了囧"
講講上課方式好了。
上課是輕鬆的，
老師以輕鬆的方式帶領我們上這門課，
還會不時的提供各式各樣的new informations，
並傳導自學>老師傳授知識。
還有作業的上傳方式，(抱歉我總是老話重提)
這種分享給大家自己從課本中摘取到的成果並提問，
不僅自己可以學到東西，
課本上未能理解的，
也可以經由其他同學的學習成果得到幫助。
提問的部份也有老師或同學會幫忙解答，
給了提問的同學答案，
也讓回答的同學對自己習得的知識更為有印象(應該是這麼說沒錯..)。
總之對於這部份我蠻喜歡的。
實為感謝老師這學期以來的教導，讓我學到不一樣的東西！
w11 - A3 B8 C1 → 76
w13 - A5 B3 C3 → 74
w15 - A11 B2 C1 → 95
期末平均成績：82
學期成績：(期中)85*0.4+(期末)82*0.4+(自評)7+(老師)? = 73.8 + ?
自評：
自評的部份，我給自己打7分。
對於期中之前的我有好好在學習影像處理，
雖是規規矩矩的執行課本上教導的指令，
不過此時的我並沒有瞭解到上這門課讀這本書不僅僅是輸入指令測試結果而已，
在此時就態度而言我認為自己還算認真。
而我不得不坦承，自己在期中過後顯得過於怠惰，
雖然作業都有在寫，
且已掌握到唸這本書的方法與原則，
卻未能比之前更為好好的加以探究。
根據以上幾點我給自己評為7分，
給予了期中以前自己的努力以及期中過後掌握到要領的自己一個肯定，
並對後期怠惰的自己扣除了部份的分數。
期末回顧：
這個...，總覺得我有點點點把回顧跟自評都混在一塊了囧"
講講上課方式好了。
上課是輕鬆的，
老師以輕鬆的方式帶領我們上這門課，
還會不時的提供各式各樣的new informations，
並傳導自學>老師傳授知識。
還有作業的上傳方式，(抱歉我總是老話重提)
這種分享給大家自己從課本中摘取到的成果並提問，
不僅自己可以學到東西，
課本上未能理解的，
也可以經由其他同學的學習成果得到幫助。
提問的部份也有老師或同學會幫忙解答，
給了提問的同學答案，
也讓回答的同學對自己習得的知識更為有印象(應該是這麼說沒錯..)。
總之對於這部份我蠻喜歡的。
實為感謝老師這學期以來的教導，讓我學到不一樣的東西！
期末回顧
期中平均:88分
week11,ch4 8A 7B 86分
week13,ch5 12A 4B 94分
week16,ch6 76分
期末平均: 85分
自己給自己9分
最後 還沒加上老師給的10分
88*40%+85*40%+9=78分
每一篇都有自己看過或查資料，
雖然都不是很仔細看過，
不過基本的指令都有了解。
時間真的過得好快，已經到了期末了，
得到了好多收穫，也慢慢習慣讀原文書。
三年級的課相對於很重，每天都有很多事
要做，但這門課上課的方式，是三年級課
當中上課輕鬆學，而且也可以得到很多
資訊和學到很多。
而MATLAB對於以後的學習會有幫助，
也有了解到MATLAB的強大功能，希望自己
以後會使用和運用，最後也謝謝老師的教導。
week11,ch4 8A 7B 86分
week13,ch5 12A 4B 94分
week16,ch6 76分
期末平均: 85分
自己給自己9分
最後 還沒加上老師給的10分
88*40%+85*40%+9=78分
每一篇都有自己看過或查資料，
雖然都不是很仔細看過，
不過基本的指令都有了解。
時間真的過得好快，已經到了期末了，
得到了好多收穫，也慢慢習慣讀原文書。
三年級的課相對於很重，每天都有很多事
要做，但這門課上課的方式，是三年級課
當中上課輕鬆學，而且也可以得到很多
資訊和學到很多。
而MATLAB對於以後的學習會有幫助，
也有了解到MATLAB的強大功能，希望自己
以後會使用和運用，最後也謝謝老師的教導。
期末回顧～
這學期總平均是：78.5
期中：87(4次)
期末：70(3次)
Chapter 6 A=4，B=5，C=3 分數70.9
Chapter 5 A=2，B=6，C=5 分數58
Chapter 4 A=5，B=8，C=1 分數80
---------------------------------這裡是自評---------------------------------
嗯...這個嘛，我給我這學期8分！
雖然說沒有很高，就是普普通通的分數
分數不高的點，就是我這學期的出席率...很低
上課認真度不高～抱歉了，老師
---------------------------------這裡是期末回顧---------------------------------
感覺之前才期中回顧沒多久而已，現在一下就要期末了
我的作業都沒有像賴定宏一樣那麼厲害，寫的那麼仔細
但是，我幾乎都有看完課本才寫作業
英文也盡力看一下，還有一些公式也盡量去解讀
不想一看到原文書就真的輸了～哈哈
同學們寫的作業一個比一個誇張，稍稍沒有寫很多，整個就是分數很低
但是有看過、自己寫過，這學期，就算不會寫很厲害的程式
起碼多多少少懂一些學術上得東西，不會修完不知道在幹嘛^ ^
之後要變得很厲害matlab高手的話，就要靠自己哩
雖然現在失業率那麼高，但是看到徵專業技能的也不少
正所謂修行看個人，就這樣！掰掰～
期中：87(4次)
期末：70(3次)
Chapter 6 A=4，B=5，C=3 分數70.9
Chapter 5 A=2，B=6，C=5 分數58
Chapter 4 A=5，B=8，C=1 分數80
---------------------------------這裡是自評---------------------------------
嗯...這個嘛，我給我這學期8分！
雖然說沒有很高，就是普普通通的分數
分數不高的點，就是我這學期的出席率...很低
上課認真度不高～抱歉了，老師
---------------------------------這裡是期末回顧---------------------------------
感覺之前才期中回顧沒多久而已，現在一下就要期末了
我的作業都沒有像賴定宏一樣那麼厲害，寫的那麼仔細
但是，我幾乎都有看完課本才寫作業
英文也盡力看一下，還有一些公式也盡量去解讀
不想一看到原文書就真的輸了～哈哈
同學們寫的作業一個比一個誇張，稍稍沒有寫很多，整個就是分數很低
但是有看過、自己寫過，這學期，就算不會寫很厲害的程式
起碼多多少少懂一些學術上得東西，不會修完不知道在幹嘛^ ^
之後要變得很厲害matlab高手的話，就要靠自己哩
雖然現在失業率那麼高，但是看到徵專業技能的也不少
正所謂修行看個人，就這樣！掰掰～
期末回顧
w08 =>100
w07=>100
w06=>95.71
w04=>100
更新的期中成績:99(四捨五入結果)
第十一週成績: A(10) B(2) C(0) =>97
第十三週成績: A(13) B(0) C(0) =>100
第十五週成績:A (11) B (0) C(1) =>100(震驚!!C!!)
期末成績: 99
自評:
9分(給自己這個分數好像有點貪心=x=)
是很想給自己在高分一點，但是我知道我表現還不夠好，尤其是在期中以後(報告那時候有點多，一天睡四小時……..所以上課有點=”=……..)，在每禮拜回去看的課本內容上，比較沒有照老師說每天看的方式去看，不過一口氣看下來大概都會看到七小時左右(第六課除外…….ㄜ,…我不小心睡著了) ，雖然覺得自己還有進步的空間，但是在這門課上也下了一定程度的努力，所以才給自己這個分數
期末回顧:
這次是由於專題的關係才跑到資工系來選修影像處理這門課，在暑假的時候，我就已經有稍微學過MATLAB的使用方式，不過對影像處理上還不懂，所以看到有開課正好就跑過來選了(事實上之前看到滿班，可是在選課那天意外的發現有辦法選，所以跑過來選了= =+)，不過因為這樣，開學第一個禮拜沒來上課，不過學習好險還跟得上，在這門課裡面老師是用跟以往見過的老師不同的方式來教課，這個方式讓我們會認真的看課本內容，不過對於比較被動的同學效果則沒那麼好(說真的，有時候也會很想偷懶= =)，但就結果來說，大家吸收的量也逐漸增加了(尤其在期中以後大家看第六課所寫出來的內容就知道有差別)，我在這門影像處理課程中收穫蠻大的，只可惜不能把整本讀過，只能有空再進行讀課本後面的內容。
回去想一想，我是屬於比較不太會實作方面的人，理論上目前是還可以，在寫程式上會比其他同學來的慢(我們系上的話就還可以)，在醫工系裡面是屬於較廣的學習領域，所以會造成學習上比較沒辦法深度很夠，但是在後來出去以後一些特定方面較熟的人來說還是比較好(就是某領域瞭解的深度夠，但是又有一些不同領域範圍的知識)，在這門課裡面算是學到了主動學習，對於後來進行較深入的學習上是很重要的(畢竟老師帶入門，修行在個人= =)。
w07=>100
w06=>95.71
w04=>100
更新的期中成績:99(四捨五入結果)
第十一週成績: A(10) B(2) C(0) =>97
第十三週成績: A(13) B(0) C(0) =>100
第十五週成績:A (11) B (0) C(1) =>100(震驚!!C!!)
期末成績: 99
自評:
9分(給自己這個分數好像有點貪心=x=)
是很想給自己在高分一點，但是我知道我表現還不夠好，尤其是在期中以後(報告那時候有點多，一天睡四小時……..所以上課有點=”=……..)，在每禮拜回去看的課本內容上，比較沒有照老師說每天看的方式去看，不過一口氣看下來大概都會看到七小時左右(第六課除外…….ㄜ,…我不小心睡著了) ，雖然覺得自己還有進步的空間，但是在這門課上也下了一定程度的努力，所以才給自己這個分數
期末回顧:
這次是由於專題的關係才跑到資工系來選修影像處理這門課，在暑假的時候，我就已經有稍微學過MATLAB的使用方式，不過對影像處理上還不懂，所以看到有開課正好就跑過來選了(事實上之前看到滿班，可是在選課那天意外的發現有辦法選，所以跑過來選了= =+)，不過因為這樣，開學第一個禮拜沒來上課，不過學習好險還跟得上，在這門課裡面老師是用跟以往見過的老師不同的方式來教課，這個方式讓我們會認真的看課本內容，不過對於比較被動的同學效果則沒那麼好(說真的，有時候也會很想偷懶= =)，但就結果來說，大家吸收的量也逐漸增加了(尤其在期中以後大家看第六課所寫出來的內容就知道有差別)，我在這門影像處理課程中收穫蠻大的，只可惜不能把整本讀過，只能有空再進行讀課本後面的內容。
回去想一想，我是屬於比較不太會實作方面的人，理論上目前是還可以，在寫程式上會比其他同學來的慢(我們系上的話就還可以)，在醫工系裡面是屬於較廣的學習領域，所以會造成學習上比較沒辦法深度很夠，但是在後來出去以後一些特定方面較熟的人來說還是比較好(就是某領域瞭解的深度夠，但是又有一些不同領域範圍的知識)，在這門課裡面算是學到了主動學習，對於後來進行較深入的學習上是很重要的(畢竟老師帶入門，修行在個人= =)。
期末回顧
期中平均:81分
----------------------------------------------------------------------------------
期末:
Week 11 : 8A 4B --> 91
Week 13 : 6A 1B --> 100
Week 15 : 6A 9B 1C --> 80.71
期末平均:91分
----------------------------------------------------------------------------------
自評部分:
我給自己 9 分，
這學期我自己感覺是修老師的課以來最認真的一次！！
老師規定的每週作業，或者是讀課本的原文書，我都有盡量的去完成，雖然上課有時會分心＝＝
不過還是有學到一些東西，在每週規定要ＰＯ的課程問題，我在讀原文書時， 都有先讀過，甚至會把課本中的範例程式打到Matlab軟體中，去執行結果， 再把自己有的問題，或者是不了解的地方打到課程部落格中繳交！！
----------------------------------------------------------------------------------
期末回顧:
這學期感覺過得好快，一轉眼就接近尾聲了！在這學期，雖然感覺不是進步很多！
但是令我學習到最大的優點是讀原文書，第一次比較仔細的去研讀原文書， 之前太依賴中文書了！不過這學大家都是讀原文書，於是也要跟進大家的腳步， 試著嘗試看看讀原文書，發現其實原文書重複的單字還滿多的，雖然一開始很痛苦， 要一直查字典是什麼意思，但到最後查的單字愈來愈少，也慢慢的適應，不會像以前 一樣那麼排斥原文書，這是我這學期最大的收穫，不過還是要感謝一些同學會幫忙回答我不會的問題，有時再看看別人ＰＯ的問題，也可以學習到很多，因為別人的問題 可能也是自己的問題，總之這學期感覺收穫到還是滿多的～～
----------------------------------------------------------------------------------
期末:
Week 11 : 8A 4B --> 91
Week 13 : 6A 1B --> 100
Week 15 : 6A 9B 1C --> 80.71
期末平均:91分
----------------------------------------------------------------------------------
自評部分:
我給自己 9 分，
這學期我自己感覺是修老師的課以來最認真的一次！！
老師規定的每週作業，或者是讀課本的原文書，我都有盡量的去完成，雖然上課有時會分心＝＝
不過還是有學到一些東西，在每週規定要ＰＯ的課程問題，我在讀原文書時， 都有先讀過，甚至會把課本中的範例程式打到Matlab軟體中，去執行結果， 再把自己有的問題，或者是不了解的地方打到課程部落格中繳交！！
----------------------------------------------------------------------------------
期末回顧:
這學期感覺過得好快，一轉眼就接近尾聲了！在這學期，雖然感覺不是進步很多！
但是令我學習到最大的優點是讀原文書，第一次比較仔細的去研讀原文書， 之前太依賴中文書了！不過這學大家都是讀原文書，於是也要跟進大家的腳步， 試著嘗試看看讀原文書，發現其實原文書重複的單字還滿多的，雖然一開始很痛苦， 要一直查字典是什麼意思，但到最後查的單字愈來愈少，也慢慢的適應，不會像以前 一樣那麼排斥原文書，這是我這學期最大的收穫，不過還是要感謝一些同學會幫忙回答我不會的問題，有時再看看別人ＰＯ的問題，也可以學習到很多，因為別人的問題 可能也是自己的問題，總之這學期感覺收穫到還是滿多的～～
Note: 成績計算公式更改
由於這學期大家的表現超乎我原先的預期, 因此原先的成績計算公式:
A = 100, B = 60, C = 20
初步決定調整為:
A = 100, B = 70, C = 30
換句話說, 就是 B, C 各加 10 分, A 已經到頂了, 沒法再加了!
請通知許達易同學盡快將這一部分修正一下, 明天大家就可以計算正確的平時成績!
A = 100, B = 60, C = 20
初步決定調整為:
A = 100, B = 70, C = 30
換句話說, 就是 B, C 各加 10 分, A 已經到頂了, 沒法再加了!
請通知許達易同學盡快將這一部分修正一下, 明天大家就可以計算正確的平時成績!
期末回顧
期中成績
平均：94
期末成績
week11: 9 4 0 -> 91.82
week13:13 1 0 ->100
week15: 8 6 1 ->86.15
平均：93
自我評量
分數:8
平均：94
期末成績
week11: 9 4 0 -> 91.82
week13:13 1 0 ->100
week15: 8 6 1 ->86.15
平均：93
自我評量
分數:8
還沒加老師給的分數:94*0.4+93*0.4+8=83
我覺得每次要寫作業我都有花時間去看書。第一次要這樣認真讀原文書，對自己讀原文的能力有點擔憂，自己閱讀能力不好，讀一課下來會很慢，但還是努力去了解。讀了幾課後，閱讀能力變快了。也覺得不可以思議自己讀了一本原文書的1/3。
期末回顧:
又到了期末....好快!第一次修老師的課，跟其他課不一樣的，要自己讀然後寫在Blog上，看似簡單，但難在他是一本原文書。所以就慢慢看，查不會的單字或者google一些名詞，然後按照課本本上的指令寫程式。然後再經由老師上課講，在部會的部分上獲得解答，就這樣過了一學期，也看了原文書1/3，這種不一樣的上課方式也有學到很多的東西。老師在課堂中，不只講課本的東西，也會分享一些課外的事物。跟我們分享他對某本書的心得，講了關於現在的趨勢，一些不知道的新資訊，獲得不一樣的訊息。
期末回顧
期中平均:34.475
ch4 30 ---沒交
ch5 68 ---終於破60了
ch6 54.29
期末平均:50.76
加權總分:期中*0.4+期末*0.4+自評+老師
→34.475*0.4+50.76*0.4+10+老師=44.094+老師
*********************************
給自己的分數:8分
8分的原因是因為有作業沒交的紀錄，而寫
作業也照實際狀況回答，但同學互評給的分
數都這麼低了，不加點是要怎麼過，說實在
的成績還真不是普通的差，老師也說要拿互
評系統來當分數，那我只好自救啦...
ch6評完之後...我決定我要給自己10分了
*********************************
期末回顧:
這學期到期末總共上了六個章節，每個章節
所提到的知識，讓我覺得來上影像處理有學
習到良好的相關知識，且在自己讀過之後老
師又繼續補充相關的專業知識，等於是自己
先預習了一次，老師上課教一次，上課聽老
師講解又回想一次，而這三次學習的感觸都
不同，就算在一開始自己讀的時候不懂，通
常在老師講解完之後馬上就能了解。而且在
使用原文書下還能夠有研讀的動力，這讓我
覺得是最難的地方，通常我都只會去找中文
的相關解析，但這次卻是每段每段慢慢讀，
雖然花費時間很多，但收穫也不少，也才瞭
解其實英文的介紹辭都並不大難，要讀書就
真的不能排斥原文書阿!
ch4 30 ---沒交
ch5 68 ---終於破60了
ch6 54.29
期末平均:50.76
加權總分:期中*0.4+期末*0.4+自評+老師
→34.475*0.4+50.76*0.4+10+老師=44.094+老師
*********************************
給自己的分數:8分
8分的原因是因為有作業沒交的紀錄，而寫
作業也照實際狀況回答，但同學互評給的分
數都這麼低了，不加點是要怎麼過，說實在
的成績還真不是普通的差，老師也說要拿互
評系統來當分數，那我只好自救啦...
ch6評完之後...我決定我要給自己10分了
*********************************
期末回顧:
這學期到期末總共上了六個章節，每個章節
所提到的知識，讓我覺得來上影像處理有學
習到良好的相關知識，且在自己讀過之後老
師又繼續補充相關的專業知識，等於是自己
先預習了一次，老師上課教一次，上課聽老
師講解又回想一次，而這三次學習的感觸都
不同，就算在一開始自己讀的時候不懂，通
常在老師講解完之後馬上就能了解。而且在
使用原文書下還能夠有研讀的動力，這讓我
覺得是最難的地方，通常我都只會去找中文
的相關解析，但這次卻是每段每段慢慢讀，
雖然花費時間很多，但收穫也不少，也才瞭
解其實英文的介紹辭都並不大難，要讀書就
真的不能排斥原文書阿!
期末回顧
期中平均:54分
==============================================
期末成績:
Week 11: A 6 B 5 C 0分數 86.67
Week 13: A 7 B 4 C 1分數 88
Week 15: A 6 B 4 C 4分數 72.5
期末平均:82.3
==============================================
自評:
如果可以的話，我想給自己打8分
雖然看看期中的成績不盡理想
但是再看看期末的成績，表示我有在努力了
雖然在期中後有一次翹課
很不巧老師又剛好點名
但所謂知錯能改，善莫大焉
往後的每堂課我都很準時
希望那次的點名不會被扣太多分
==============================================
期末回顧:
很快的期中結束沒多久又馬上到了期末了
說這學期就這麼渾渾噩噩的過了嗎?
其實並不是如此
今年大四的我，以前從來沒選過李老師的課
這學期不知道什麼原因，我的腦袋叫我選這堂課
於是我就把它加選了下去
一開始原本只是想說來混個學分
所以對老師上課的內容也不以為意
回家作業原文書也是隨便讀讀就草草了事
但是後來自己的互評成績好像不太理想
於是在期中漸漸的用功了起來
慢慢的我發現這門課是很有趣的一門課
以前總是接觸網路通訊或嵌入式系統方面的東西
以為多媒體的東西就是在搞電玩之類的
所以認為資工系不是低著頭在電腦前面埋頭苦幹
就是蹲在電腦前宅味沖天
但後來發現影像處理這門課並非如此
雖然也是有接觸到少許程式
但是他的過程以及結果是生動的
使用MATLAB將圖片作一些變化
這是我以前從未接觸的東西
能在大學生活結束前選到影像處理這門課
讓我對資工的認識有點改觀
如果以後有機會的話我也希望能走多媒體這方面的東西
真的很有趣很好玩!
謝謝老師讓我有那麼多體會!!!
==============================================
期末成績:
Week 11: A 6 B 5 C 0分數 86.67
Week 13: A 7 B 4 C 1分數 88
Week 15: A 6 B 4 C 4分數 72.5
期末平均:82.3
==============================================
自評:
如果可以的話，我想給自己打8分
雖然看看期中的成績不盡理想
但是再看看期末的成績，表示我有在努力了
雖然在期中後有一次翹課
很不巧老師又剛好點名
但所謂知錯能改，善莫大焉
往後的每堂課我都很準時
希望那次的點名不會被扣太多分
==============================================
期末回顧:
很快的期中結束沒多久又馬上到了期末了
說這學期就這麼渾渾噩噩的過了嗎?
其實並不是如此
今年大四的我，以前從來沒選過李老師的課
這學期不知道什麼原因，我的腦袋叫我選這堂課
於是我就把它加選了下去
一開始原本只是想說來混個學分
所以對老師上課的內容也不以為意
回家作業原文書也是隨便讀讀就草草了事
但是後來自己的互評成績好像不太理想
於是在期中漸漸的用功了起來
慢慢的我發現這門課是很有趣的一門課
以前總是接觸網路通訊或嵌入式系統方面的東西
以為多媒體的東西就是在搞電玩之類的
所以認為資工系不是低著頭在電腦前面埋頭苦幹
就是蹲在電腦前宅味沖天
但後來發現影像處理這門課並非如此
雖然也是有接觸到少許程式
但是他的過程以及結果是生動的
使用MATLAB將圖片作一些變化
這是我以前從未接觸的東西
能在大學生活結束前選到影像處理這門課
讓我對資工的認識有點改觀
如果以後有機會的話我也希望能走多媒體這方面的東西
真的很有趣很好玩!
謝謝老師讓我有那麼多體會!!!
期末回顧
期中平均:47
w16 A0 B6 C8 分數 48.46
w15 A3 B7 C1 分數 76.67
w13 A4 B6 C4 分數 67.5
期末平均:64
目前總成績(不包括老師的10%)=47*0.4+64*0.4+8*0.1=52.4
===================================
自評:
我會給自己8分!
因為我上課時都有在聽老師在說什麼,
也有邊看課本邊操作MATLAB!
我都有來上課!
但有1次沒來,1次早退!
沒來和早退的那幾次感覺就少聽到很多東西!
但沒辦法,要去比賽!
所以我有一次作業沒交到...恨啊!
至少我覺得我有實際的去翻那本又臭又長的原文書!
雖然不是很完完整整的讀過,
但我有把重點記下來!
然後打成文章放在BLOG上面!
我有進步了!謝謝老師!
===================================
期末回顧:
剛剛看了其中之前的分數,
真的是其低無比阿!
但是也因為這樣,我有更用心在看書了!
也做了更多的筆記.
遇到不會的就是上網找或問同學,
然後自己實際去操作程式!
上課也比以前更專心聽了!
所以這幾次的作業分數都有進步一些了!
老師之前上課說其實這門課是要讓我們練習看原文書的,
所以分數不是太重要!
因此我也漸漸習慣原文書要怎麼閱讀,怎麼看了!
現在是期末了,
這學期我也學了很多影像處理的知識.
讓我覺得資工系不再是只有寫那密密麻麻的程式,
其實還有像這門課那麼有趣的程式!
感謝老師啊!
w16 A0 B6 C8 分數 48.46
w15 A3 B7 C1 分數 76.67
w13 A4 B6 C4 分數 67.5
期末平均:64
目前總成績(不包括老師的10%)=47*0.4+64*0.4+8*0.1=52.4
===================================
自評:
我會給自己8分!
因為我上課時都有在聽老師在說什麼,
也有邊看課本邊操作MATLAB!
我都有來上課!
但有1次沒來,1次早退!
沒來和早退的那幾次感覺就少聽到很多東西!
但沒辦法,要去比賽!
所以我有一次作業沒交到...恨啊!
至少我覺得我有實際的去翻那本又臭又長的原文書!
雖然不是很完完整整的讀過,
但我有把重點記下來!
然後打成文章放在BLOG上面!
我有進步了!謝謝老師!
===================================
期末回顧:
剛剛看了其中之前的分數,
真的是其低無比阿!
但是也因為這樣,我有更用心在看書了!
也做了更多的筆記.
遇到不會的就是上網找或問同學,
然後自己實際去操作程式!
上課也比以前更專心聽了!
所以這幾次的作業分數都有進步一些了!
老師之前上課說其實這門課是要讓我們練習看原文書的,
所以分數不是太重要!
因此我也漸漸習慣原文書要怎麼閱讀,怎麼看了!
現在是期末了,
這學期我也學了很多影像處理的知識.
讓我覺得資工系不再是只有寫那密密麻麻的程式,
其實還有像這門課那麼有趣的程式!
感謝老師啊!
第6章
第6章是 image geometry(影像幾何學)，包括一些interpolation(差補)的種類、 spatial filtering(影像濾波)、scaling smaller(比率縮小)、rotation(旋轉)、 anamorphosis(失真=歪像)等等......
一.interpolation就是當你要把影像放大時，像素和鄰近的像素的顏色色差因為放大，會變得很奇
怪，這時候.....就是要靠interpolation來幫忙做修補了.....所以才叫做差補嘛~~
而interpolation的種類有:
1.bilinear interpolation(雙線性轉換差補):用來對矩形做變形， 還有另一種是affine
interpolation
2.cubic interpolation(立方差補)
3.bicubic interpolation(雙線性差補):先做直行的cubic interpolation再做橫列的
cubic interpolation
4.nearest neighbor(鄰近點指定法)
二.spatial filtering(影像濾波)
這有分成2個步驟:
1.zero-interleaved(白話點就是插入0):
數學式子是:
m((i+1)/2,(j+1)/2) if i and j are both odd
m(i,j)={
0 other
2.filtering(濾波):
filter([_ _ _;_ _ _;_ _ _],m)....filter裡面的數依照輸入的值得不同可以分別顯示出
nearest neighbor 、 bicubic interpolation 、 cubic interpolation的效果....
三.scaling smaller(比率縮小)
這個........實在不是很知道它的用意到底是做什麼的.......... , 像課本P133的圖， 真的不知道在幹什麼東東????
四.rotation(旋轉)
顧名思義就是把影像旋轉......打上imrotate()指令，立即可以旋轉影像..(呵呵)，當然旋轉也是
有分角度的:
1.flipud():90度
2.fliplr(flipud()):180度
3.fliplr():270度
雖然課本說這3種可以讓圖片旋轉，但是....在matlab上我不知道怎麼打耶.....這些指令我怎麼打
都錯耶....不知道要怎麼打才可以顯示出來????
五.anamorphosis(歪像)
就是利用skull=a( _ : _ 、 _ : _ )指令把圖片變的很扭曲讓人不舒服.......不過
可以加上skull2=imresize(......................................)指令把這種噁心的圖變回原樣~~~~
一.interpolation就是當你要把影像放大時，像素和鄰近的像素的顏色色差因為放大，會變得很奇
怪，這時候.....就是要靠interpolation來幫忙做修補了.....所以才叫做差補嘛~~
而interpolation的種類有:
1.bilinear interpolation(雙線性轉換差補):用來對矩形做變形， 還有另一種是affine
interpolation
2.cubic interpolation(立方差補)
3.bicubic interpolation(雙線性差補):先做直行的cubic interpolation再做橫列的
cubic interpolation
4.nearest neighbor(鄰近點指定法)
二.spatial filtering(影像濾波)
這有分成2個步驟:
1.zero-interleaved(白話點就是插入0):
數學式子是:
m((i+1)/2,(j+1)/2) if i and j are both odd
m(i,j)={
0 other
2.filtering(濾波):
filter([_ _ _;_ _ _;_ _ _],m)....filter裡面的數依照輸入的值得不同可以分別顯示出
nearest neighbor 、 bicubic interpolation 、 cubic interpolation的效果....
三.scaling smaller(比率縮小)
這個........實在不是很知道它的用意到底是做什麼的.......... , 像課本P133的圖， 真的不知道在幹什麼東東????
四.rotation(旋轉)
顧名思義就是把影像旋轉......打上imrotate()指令，立即可以旋轉影像..(呵呵)，當然旋轉也是
有分角度的:
1.flipud():90度
2.fliplr(flipud()):180度
3.fliplr():270度
雖然課本說這3種可以讓圖片旋轉，但是....在matlab上我不知道怎麼打耶.....這些指令我怎麼打
都錯耶....不知道要怎麼打才可以顯示出來????
五.anamorphosis(歪像)
就是利用skull=a( _ : _ 、 _ : _ )指令把圖片變的很扭曲讓人不舒服.......不過
可以加上skull2=imresize(......................................)指令把這種噁心的圖變回原樣~~~~
期末回顧
修改後期中平均成績：78
期末平均成績：
A B C
week11 6 6 3 = 75
week13 1 2 8 = 39
week15 3 4 6 = 58
(75+39+58)/3 = 57
所以平時總成績為 = 54 + 10(自己給的分數) = 64
-----------------------------------------------
自評部分；
我給自己打10分。原因是，從大一到現在，我想我從來都沒如此認真看過一本原文書，而且在這過程中都沒有停滯過。雖然不知道大家是怎麼想的，但我覺得我在這門課盡了滿大的努力！
-------------------------------------------------------
期末回顧：
又到了期末回顧的時間.......，回想期初到期末這個過程，讓我學習到兩件滿重要的事情，第一，讀原文書真的是要循序漸進，不可能每個禮拜就只花那幾小時在看原文書就馬上對英文有靈敏度，這需要花大量的時間下去，必須從量變開始進而才能做到質變。第二，預習功課原來對上課是這麼的重要，以前都只是聽聽，也沒有實際去執行過，所以體會不了預習的重要性。這學期因為老師的push下，也開始嘗試了這種方式在看書，發現，如果上課之前有做預習，在上課時不但能加深印象還能跟老師做討論，對老師所提出的問題也有一定的了解，在如此的互動下，上課不再是這麼的枯燥乏味，甚至有時還感覺到認真的思考一件事情是很有趣的！以上便是我的期末分享。
期末平均成績：
A B C
week11 6 6 3 = 75
week13 1 2 8 = 39
week15 3 4 6 = 58
(75+39+58)/3 = 57
所以平時總成績為 = 54 + 10(自己給的分數) = 64
-----------------------------------------------
自評部分；
我給自己打10分。原因是，從大一到現在，我想我從來都沒如此認真看過一本原文書，而且在這過程中都沒有停滯過。雖然不知道大家是怎麼想的，但我覺得我在這門課盡了滿大的努力！
-------------------------------------------------------
期末回顧：
又到了期末回顧的時間.......，回想期初到期末這個過程，讓我學習到兩件滿重要的事情，第一，讀原文書真的是要循序漸進，不可能每個禮拜就只花那幾小時在看原文書就馬上對英文有靈敏度，這需要花大量的時間下去，必須從量變開始進而才能做到質變。第二，預習功課原來對上課是這麼的重要，以前都只是聽聽，也沒有實際去執行過，所以體會不了預習的重要性。這學期因為老師的push下，也開始嘗試了這種方式在看書，發現，如果上課之前有做預習，在上課時不但能加深印象還能跟老師做討論，對老師所提出的問題也有一定的了解，在如此的互動下，上課不再是這麼的枯燥乏味，甚至有時還感覺到認真的思考一件事情是很有趣的！以上便是我的期末分享。
期末回顧
期中平均=(86.36+100+86.67+82.86)/4=88.9725*0.4=36
期末平均=(90.77+73.85+83.08)/3=82.6*0.4=33
我給自己打 7 分
總成績=36+33+7=76+老師分數
開學到期中我認為我還蠻認真去讀MATLAB的書，知道老師要用原文書來上課，起初我聽到是原文書有打算不買書，因為原文書根本就看不怎麼懂，但最後還是買了。
到期中前我都靜下心好好看原文，不會的單字查資料，或者到google打matlab+"關鍵字"，這樣就會有專有名詞的解釋，如果還遇到不會，就瞎讀亂讀。
期中之後，我開始散漫了，因為後面章節英文部分太多和公式太多，雖然還是有去看，但沒有比之前還要認真看。所以希望老師可以提供中文的power point ，然後我們對照原文書來讀。
互評還不錯，藉著改其他同學的作業，可以知道他是用什麼思想在讀這一章，自己有不懂或沒讀到的部分，在改的時候，說不定還可以學習到呢。
還有也可以當作點名，雖然在家也可以互評@@"
期末平均=(90.77+73.85+83.08)/3=82.6*0.4=33
我給自己打 7 分
總成績=36+33+7=76+老師分數
開學到期中我認為我還蠻認真去讀MATLAB的書，知道老師要用原文書來上課，起初我聽到是原文書有打算不買書，因為原文書根本就看不怎麼懂，但最後還是買了。
到期中前我都靜下心好好看原文，不會的單字查資料，或者到google打matlab+"關鍵字"，這樣就會有專有名詞的解釋，如果還遇到不會，就瞎讀亂讀。
期中之後，我開始散漫了，因為後面章節英文部分太多和公式太多，雖然還是有去看，但沒有比之前還要認真看。所以希望老師可以提供中文的power point ，然後我們對照原文書來讀。
互評還不錯，藉著改其他同學的作業，可以知道他是用什麼思想在讀這一章，自己有不懂或沒讀到的部分，在改的時候，說不定還可以學習到呢。
還有也可以當作點名，雖然在家也可以互評@@"
第六章
6.1
nearest-neighbor interpolation
在線段內插入的點，其值會比照較靠近的點
例如在1與2之前插入X
則會依照與哪端距離較短去判斷它的值
linear interpolation
會依照此插入的點作線性的計算
也就是對於所占的比例去計算值
6.2
bilinear interpolation
可針對影像中的某點(X',Y')利用bilinear interpolation
計算出次點所在位子
A B
.(X',Y')
C D
對AB之間算出(X,Y')，對AC之間算出(X',Y)
最後再算出(X',Y')
課本圖6.9有舉出
nearest-neighbor interpolation與bilinear interpolation
所產生的圖有所不同
nearest-neighbor interpolation因計算比較不為精細所以會產生鉅齒狀
bilinear interpolation會經過精密的計算產生的圖較為準確
6.3
有點搞不懂這一小節做了些什麼
cubic interpolation
bicubic interpolation
立方線性內插
bicubic interpolation的圖看起來跟bilinear interpolation 的圖好像也沒有什麼差別
不過算式倒是有一大堆
6.4
nearest-neighbor interpolation
在線段內插入的點，其值會比照較靠近的點
例如在1與2之前插入X
則會依照與哪端距離較短去判斷它的值
linear interpolation
會依照此插入的點作線性的計算
也就是對於所占的比例去計算值
6.2
bilinear interpolation
可針對影像中的某點(X',Y')利用bilinear interpolation
計算出次點所在位子
課本上的算式寫得有點複雜看不大懂
可是大概知道做法
A B
.(X',Y')
C D
對AB之間算出(X,Y')，對AC之間算出(X',Y)
最後再算出(X',Y')
課本圖6.9有舉出
nearest-neighbor interpolation與bilinear interpolation
所產生的圖有所不同
nearest-neighbor interpolation因計算比較不為精細所以會產生鉅齒狀
bilinear interpolation會經過精密的計算產生的圖較為準確
6.3
有點搞不懂這一小節做了些什麼
cubic interpolation
bicubic interpolation
立方線性內插
bicubic interpolation的圖看起來跟bilinear interpolation 的圖好像也沒有什麼差別
不過算式倒是有一大堆
6.4
ch6 讀書心得
6-1 插值（Interpolation）
是一種圖像處理方法，它可以為數碼圖像增加或減少像素的數目。 某些數碼相機運用插值的方法創造出象素比傳感器實際能產生象素多的圖像，或創造數碼變焦產生的圖像。某些數碼相機運用插值的方法創造出像素比傳感器實際能產生像素多的圖像，或創造數碼變焦產生的圖像。實際上，幾乎所有的圖像處理軟件支持一種或以上插值方法。實際上，幾乎所有的圖像處理軟件支持一種或以上插值方法。圖像放大後鋸齒現象的強弱直接反映了圖像處理器插值運算的成熟程度。圖像放大後鋸齒現象的強弱直接反映了圖像處理器插值運算的成熟程度。
最接近原則差值 (nearest-neighbor Interpolation)
最接近原則插值是最簡單的插值方法，它的本值就是放大象素。最接近原則插值是最簡單的插值方法，它的本質就是放大像素。 新圖像的象素顏色是原圖像中與創造的象素位置最接近象素的顏色。新圖像的像素顏色是原圖像中與創造的像素位置最接近像素的顏色。如果把原圖像放大200%，1個象素就會被放大成（2*2）4個與原象素顏色相同的象素。如果把原圖像放大200%，1個像素就會被放大成（2*2）4個與原像素顏色相同的像素。多數的圖像瀏覽和編輯軟件都會使用這種插值方法放大數碼圖像，因為這不會改變原圖像的顏色信息，并且不會產生防鋸齒效果。多數的圖像瀏覽和編輯軟件都會使用這種插值方法放大數碼圖像，因為這不會改變原圖像的顏色信息，並且不會產生防鋸齒效果。同理，在實際放大照片中這種方法並不合適，因為這種插值會增加圖像的可見鋸齒。同理，在實際放大照片中這種方法並不合適，因為這種插值會增加圖像的可見鋸齒。
6-2 雙線性插值（Bilinear Interpolation）
在雙線性插值中，新創造的像素值，是由原圖像位置在它附近的（2 x 2）4個鄰近像素的值通過加權平均計算得出的。這種平均算法具有放鋸齒效果，創造出來的圖像擁有平滑的邊緣，鋸齒雖以察覺。這種平均算法具有放鋸齒效果，創造出來的圖像擁有平滑的邊緣，鋸齒難以察覺。
6-3 雙三次插值（Bicubic interpolation）
雙三次插值是一種更加複雜的插值方式，它能創造出比雙線性插值更平滑的圖像邊緣。在這個地方，軟件通過雙三次插值創造了一個象素，而這個象素的象素值是由它附近的（4 x 4）個鄰近象素值推算出來的，因此精确度較高。在這個地方，軟件通過雙三次插值創造了一個像素，而這個像素的像素值是由它附近的（4 x 4）個鄰近像素值推算出來的，因此精確度較高。 雙三次插值方法通常運用在一部分圖像處理軟件、打印機驅動程序和數碼相機中，對原圖像或原圖像的某些區域進行放大。雙三次插值方法通常運用在一部分圖像處理軟件、打印機驅動程序和數碼相機中，對原圖像或原圖像的某些區域進行放大。
6-5 Scaling Smaller
影像處理工具提供了一些好用的函數，以便可以用來進行縮放，而這小節在講如何把圖像縮小，把圖像縮小的專有名詞是 image minimization，而把圖像縮小的方法是壓縮( subsampling)。
6-6 rotation 圖像旋轉
將一張圖作順或逆時鐘旋轉，在P133頁有提到，如果要做逆或順只要將-sin和sin互換，至於要轉幾度，在角度部分輸入即可。
Imrotate(image,angle,’method’)
Angle是輸入你所要轉的角度大小
Method 指的是前面幾種差值法
6-7 anamorphosis(歪圖)
從某一程度的角度看影像,他的指令是rgb2gray。
skull=a(566:743,157:586); 這是指定歪斜範圍的指令
消除這種歪斜效果的指令:
skull2=imresize(imrotate(skull,-22,'bicubic'),[500,150],'bicubic');
是一種圖像處理方法，它可以為數碼圖像增加或減少像素的數目。 某些數碼相機運用插值的方法創造出象素比傳感器實際能產生象素多的圖像，或創造數碼變焦產生的圖像。某些數碼相機運用插值的方法創造出像素比傳感器實際能產生像素多的圖像，或創造數碼變焦產生的圖像。實際上，幾乎所有的圖像處理軟件支持一種或以上插值方法。實際上，幾乎所有的圖像處理軟件支持一種或以上插值方法。圖像放大後鋸齒現象的強弱直接反映了圖像處理器插值運算的成熟程度。圖像放大後鋸齒現象的強弱直接反映了圖像處理器插值運算的成熟程度。
最接近原則差值 (nearest-neighbor Interpolation)
最接近原則插值是最簡單的插值方法，它的本值就是放大象素。最接近原則插值是最簡單的插值方法，它的本質就是放大像素。 新圖像的象素顏色是原圖像中與創造的象素位置最接近象素的顏色。新圖像的像素顏色是原圖像中與創造的像素位置最接近像素的顏色。如果把原圖像放大200%，1個象素就會被放大成（2*2）4個與原象素顏色相同的象素。如果把原圖像放大200%，1個像素就會被放大成（2*2）4個與原像素顏色相同的像素。多數的圖像瀏覽和編輯軟件都會使用這種插值方法放大數碼圖像，因為這不會改變原圖像的顏色信息，并且不會產生防鋸齒效果。多數的圖像瀏覽和編輯軟件都會使用這種插值方法放大數碼圖像，因為這不會改變原圖像的顏色信息，並且不會產生防鋸齒效果。同理，在實際放大照片中這種方法並不合適，因為這種插值會增加圖像的可見鋸齒。同理，在實際放大照片中這種方法並不合適，因為這種插值會增加圖像的可見鋸齒。
6-2 雙線性插值（Bilinear Interpolation）
在雙線性插值中，新創造的像素值，是由原圖像位置在它附近的（2 x 2）4個鄰近像素的值通過加權平均計算得出的。這種平均算法具有放鋸齒效果，創造出來的圖像擁有平滑的邊緣，鋸齒雖以察覺。這種平均算法具有放鋸齒效果，創造出來的圖像擁有平滑的邊緣，鋸齒難以察覺。
6-3 雙三次插值（Bicubic interpolation）
雙三次插值是一種更加複雜的插值方式，它能創造出比雙線性插值更平滑的圖像邊緣。在這個地方，軟件通過雙三次插值創造了一個象素，而這個象素的象素值是由它附近的（4 x 4）個鄰近象素值推算出來的，因此精确度較高。在這個地方，軟件通過雙三次插值創造了一個像素，而這個像素的像素值是由它附近的（4 x 4）個鄰近像素值推算出來的，因此精確度較高。 雙三次插值方法通常運用在一部分圖像處理軟件、打印機驅動程序和數碼相機中，對原圖像或原圖像的某些區域進行放大。雙三次插值方法通常運用在一部分圖像處理軟件、打印機驅動程序和數碼相機中，對原圖像或原圖像的某些區域進行放大。
6-5 Scaling Smaller
影像處理工具提供了一些好用的函數，以便可以用來進行縮放，而這小節在講如何把圖像縮小，把圖像縮小的專有名詞是 image minimization，而把圖像縮小的方法是壓縮( subsampling)。
6-6 rotation 圖像旋轉
將一張圖作順或逆時鐘旋轉，在P133頁有提到，如果要做逆或順只要將-sin和sin互換，至於要轉幾度，在角度部分輸入即可。
Imrotate(image,angle,’method’)
Angle是輸入你所要轉的角度大小
Method 指的是前面幾種差值法
6-7 anamorphosis(歪圖)
從某一程度的角度看影像,他的指令是rgb2gray。
skull=a(566:743,157:586); 這是指定歪斜範圍的指令
消除這種歪斜效果的指令:
skull2=imresize(imrotate(skull,-22,'bicubic'),[500,150],'bicubic');
期末回顧
期中:49分
W11--- 30
W12--- 85
W13--- 73.33
期末平均:63分
總分10分~
我給自己10分~
或許大家都覺得這樣臉皮好厚~
(會不會有人在心裡大罵不要臉押=口=)
可是~
我覺得這一整個學期下來收穫很多~
尤其是跟大二的互動媒體概論一起修~
感覺更明顯~
因為這IPC在講的是概念~
而DMC卻是很基礎很基礎的實作~
由這兩堂課~
更是讓我深深的體會~
BCB跟MATLAB的差異~
明明就只是簡單的偵測滑鼠面前所在的座標位子....
MATLAB 只要加一句 pixval on就好了~
可是BCB卻是複雜的手續~
從image的屬性裡做調整~
還要作屬性的更改~
才能顯示滑鼠的座標位子~
但是兩門課一起修....
真的是有重疊的部分~!!
當BCB期末專案小卡的時候~
就剛好可以參考IPC現在在做的東西~
試著用BCB寫出來~
寫出來的感覺很棒~^^
不過如果...
互動的分數可以借一點到影像處理來...
會更好~囧興
W11--- 30
W12--- 85
W13--- 73.33
期末平均:63分
總分10分~
我給自己10分~
或許大家都覺得這樣臉皮好厚~
(會不會有人在心裡大罵不要臉押=口=)
可是~
我覺得這一整個學期下來收穫很多~
尤其是跟大二的互動媒體概論一起修~
感覺更明顯~
因為這IPC在講的是概念~
而DMC卻是很基礎很基礎的實作~
由這兩堂課~
更是讓我深深的體會~
BCB跟MATLAB的差異~
明明就只是簡單的偵測滑鼠面前所在的座標位子....
MATLAB 只要加一句 pixval on就好了~
可是BCB卻是複雜的手續~
從image的屬性裡做調整~
還要作屬性的更改~
才能顯示滑鼠的座標位子~
但是兩門課一起修....
真的是有重疊的部分~!!
當BCB期末專案小卡的時候~
就剛好可以參考IPC現在在做的東西~
試著用BCB寫出來~
寫出來的感覺很棒~^^
不過如果...
互動的分數可以借一點到影像處理來...
會更好~囧興
end
not end is and
A 11 B 1 C 0分數 100
A 12 B 6 C 0分數 90.63
A 8 B 5 C 1分數 87.5
A 10 B 2 C 3分數 84.62
90.68>>91
期中考前
A 5 B 6 C 1分數 82
A 3 B 6 C 1分數 77.5
A 5 B 7 C 4分數 70
76.5>>77
以上是這學期的分數
不過有幾篇我覺得還可以,但是分數有點低,有些則是反之QQ
或許是描述與運氣問題吧= =+
個人自評
我給自己9分(雖然是想給8.5分.但基於私心.還是自己四捨五入成9分啦啦啦
所以目前91*40%+77*40%+9*10%=36.4+30.8+9=76.2=76
這門課除了課程上的東西外,老師還希望我們能夠慢慢看會原文書
對於這個期望我認為自己在看英文上是有點進步,但很明顯是不夠的
或許也是我太貪心了點,這是慢慢培養來的事情
我認為看英文跟一般的差異之一就是因為語言看不懂 ,1.2頁就闔起來
有時候看懂英文意思還不了解,雖然老師提過比起文學之類的原文書是直接多了...
但是有時候還是有專業名詞查不到或是意思詭異....
但要是能夠理解他的意思,單獨名詞的翻譯應該就不重要了(有些強翻超怪
英文能力要好 持續也是重要的,而這我有點缺乏,以後能不能做到也是個人的問題
不過另外一個問題在這裡似乎又有點展現出來了
就是看了沒有很懂,或是該說是抓到重點?
英文本身就有些問題了,而在理解上似乎也有誤
如果以後自己看書,又出現這種認為自己懂,可是並沒有真的懂得情況
而這門科目似乎也只是基礎概論之類的科目,但是就差不多搞掛我了
不過有事先看過,老師在上是真的比較容易理解
就算想的不一定完全對,但有一定概念老師再講,真的有差
假如想學就要真的學的很會,有興趣就會自己看到會= =a
為自己負責吧!!!
發覺最近東西打不太出來,是因為字數都跑去聊天了嗎?哈哈
要能言之有物,而且要讓人看懂也是門功夫(莫名其妙的心得
A 11 B 1 C 0分數 100
A 12 B 6 C 0分數 90.63
A 8 B 5 C 1分數 87.5
A 10 B 2 C 3分數 84.62
90.68>>91
期中考前
A 5 B 6 C 1分數 82
A 3 B 6 C 1分數 77.5
A 5 B 7 C 4分數 70
76.5>>77
以上是這學期的分數
不過有幾篇我覺得還可以,但是分數有點低,有些則是反之QQ
或許是描述與運氣問題吧= =+
個人自評
我給自己9分(雖然是想給8.5分.但基於私心.還是自己四捨五入成9分啦啦啦
所以目前91*40%+77*40%+9*10%=36.4+30.8+9=76.2=76
這門課除了課程上的東西外,老師還希望我們能夠慢慢看會原文書
對於這個期望我認為自己在看英文上是有點進步,但很明顯是不夠的
或許也是我太貪心了點,這是慢慢培養來的事情
我認為看英文跟一般的差異之一就是因為語言看不懂 ,1.2頁就闔起來
有時候看懂英文意思還不了解,雖然老師提過比起文學之類的原文書是直接多了...
但是有時候還是有專業名詞查不到或是意思詭異....
但要是能夠理解他的意思,單獨名詞的翻譯應該就不重要了(有些強翻超怪
英文能力要好 持續也是重要的,而這我有點缺乏,以後能不能做到也是個人的問題
不過另外一個問題在這裡似乎又有點展現出來了
就是看了沒有很懂,或是該說是抓到重點?
英文本身就有些問題了,而在理解上似乎也有誤
如果以後自己看書,又出現這種認為自己懂,可是並沒有真的懂得情況
而這門科目似乎也只是基礎概論之類的科目,但是就差不多搞掛我了
不過有事先看過,老師在上是真的比較容易理解
就算想的不一定完全對,但有一定概念老師再講,真的有差
假如想學就要真的學的很會,有興趣就會自己看到會= =a
為自己負責吧!!!
發覺最近東西打不太出來,是因為字數都跑去聊天了嗎?哈哈
要能言之有物,而且要讓人看懂也是門功夫(莫名其妙的心得
成績回顧
期中成績
平均：98
期末成績
week11：97.69
week13：100
week15：97.27
平均： 98
平均：98
期末成績
week11：97.69
week13：100
week15：97.27
平均： 98
期中期末平均：98+98= 98
98*0.8 = 78
再加上自評 78 + 9 = 87 (不包含老師10%)
自評：9
有一次早上睡死了，沒來上到課。
真是罪過呀。
==========================
期末回顧
遙想公瑾當年，小喬初嫁了，雄姿英發………
離題了冏。
我是到大三以來第一次上老師所教授的課，
早在前一年就耳聞老師的上課style，這一次果然感受到了。
或許之前有修過黃世育老師的課，就有過類似的經驗了
就是自己先閱讀，然後有問題再問老師，
這有其成效，只是大或小的問題。
這門課老師似乎一直強調我們要有閱讀英文的能力，
而有些同學也說了因為這關係，讓自己閱讀書時越來越快，
老實說要我們一個禮拜看完一章是沒問題，一個禮拜看完六章也沒問題，
主要是自己有吸收到多少的問題而已。
有時候我就會想到我姨丈曾跟我說過
你要有＂廣度＂還是要有＂深度＂？
這問題我當時聽了 有點愣住，
我姨丈就跟我說，他是先有一定的深度之後才去有廣度
又跟我說一個故事
有兩個人在聊天，一個是數學家一個是科學家
他們是好碰友，那小科就問了小數一個物理方面的問題
可是小數卻是知道那個問題的答案
而小科以為小數不知道，
於是小數就跟小科說出答案，小科就大驚了，說沒想到你居然會知道。
我承認我有點忘了故事內容，大概應該是上述那樣
好了就不談這個了。
修這門課讓我了解了Matlab的好用之處，至於強不強大，
卻只限於我所知的太少，不知是不是很強大。
祝大家新年都快樂呀～
期末回顧
首先~~~~~
Merry X'mas
作業成績：(更新)
【期中】
week04-->87.5
week06-->93.08
week07-->95.71
week08-->94
【期末】
week11--->95.71
week13--->82
week15--->70.77
●作業成績平均：88
●作業成績占80%：70.4
●自評成績：7
所以目前不加老師的成績=77.4
自我評量：
如果說6分是及格的話~~
那麼我給自己平7分吧!!
我不是最認真的但也不是最不認真的...
然後缺席兩次吧!!!@"@
所以7分應該~~~~OK的!
期末回顧：
期中考過後~~
要閱讀的東西變得比較多了~~
也比較難一點...
再來就是~討論了一些非課本上的東西~~
例如...互評系統、上課情況...etc
感覺下半學期過得比較快速!!
總會回頭想想這學期做了甚麼事學了些甚麼?!
我想最值得的是...我認認真真的去讀了原文書!!!
從大一到現在的原文書...基本上他都是乾淨的!!!
連翻都懶得翻@"@
甚至開始只要是原文書就不買了!!!
.......................
我發現我詞窮了...
平安夜....好像都沒有睡到叫就聖誕節了齁@"@
那就.....先這樣!!!
.......................
成績換算方式更新
我們是比老師預期的差很多吧@@"
應該會有很多人自評分數打到滿分自救吧!!
.......................
晚安
Merry X'mas
作業成績：(更新)
【期中】
week04-->87.5
week06-->93.08
week07-->95.71
week08-->94
【期末】
week11--->95.71
week13--->82
week15--->70.77
●作業成績平均：88
●作業成績占80%：70.4
●自評成績：7
所以目前不加老師的成績=77.4
自我評量：
如果說6分是及格的話~~
那麼我給自己平7分吧!!
我不是最認真的但也不是最不認真的...
然後缺席兩次吧!!!@"@
所以7分應該~~~~OK的!
期末回顧：
期中考過後~~
要閱讀的東西變得比較多了~~
也比較難一點...
再來就是~討論了一些非課本上的東西~~
例如...互評系統、上課情況...etc
感覺下半學期過得比較快速!!
總會回頭想想這學期做了甚麼事學了些甚麼?!
我想最值得的是...我認認真真的去讀了原文書!!!
從大一到現在的原文書...基本上他都是乾淨的!!!
連翻都懶得翻@"@
甚至開始只要是原文書就不買了!!!
.......................
我發現我詞窮了...
平安夜....好像都沒有睡到叫就聖誕節了齁@"@
那就.....先這樣!!!
.......................
成績換算方式更新
我們是比老師預期的差很多吧@@"
應該會有很多人自評分數打到滿分自救吧!!
.......................
晚安
2008年12月22日 星期一
平時成績及回顧~
平時成績部分:
期中平時成績:95
期末平時成績:
A B C
Week11: 14 1 2 → 93.33
Week13: 6 5 1 → 85
Week15: 12 5 0 → 92
期末平時成績:90
90%加總(未加老師10%):
38+36+10=84
自評:
我想給自己10分.(會太超過嗎
我寫這份作業的時候,每次我都花很多時間.(大部分是英文看很久)
雖然不能保證正確性,但我也盡我最大的努力了～
每次平均可能會花6~8個小時吧(包含po文可能都是4個小時左右)
為什麼會寫那麼久呢?~
因為我看一看,看到不瞭解的,可能就會開始上網找資料.
(不過網路上的可能也看不太懂.)
要不然如果線上有人在的話,我可能也會問問別人.
或是平時帶課本去學校看的話,我可能也會下課的時候問別人.
再不行的話,就上課時提出來吧!
不過沒問的,不代表我都會.
搞不好好是英文沒看懂,或誤解句意,而不自知啊~
所以常常發現上課老師說的,跟我解釋的不一樣啊~orz
另外,
我平常都是第一個到的.
通常在我到學校之後,一個小時又十五分鐘,大概也不會有同學到教室.
所以也沒什麼遲到不遲到的問題.
(所謂睡意是要靠意志力去消滅的啊~)
不過我前一天通常也沒辦法早點睡.
大概都會寫作業寫到凌晨三點左右吧!
(就算不是前一天才寫,也差不多是這時間.)
意思是說,我得在前三天就開始寫嗎!!?(花三天晚上!!...orz)
不過再怎麼想睡,我也會強迫自己六點左右,一定要出門搭車.
要不然倒回去睡,下次醒來的時候,可能也要很趕吧!(而且搭車也很麻煩)
期末回顧:
這學期沒兩三下又要過完了~
希望這學期也能all pass.(努力中~)
希望下學期大家都在~(謎:這是許願大會!?)
這半學期,大概是我最努力看英文的時期吧~(謎:這種事你好意思說啊~
以前微積分和工數的時候,也沒那麼認真看原文書.
不過對於英文的排斥感,應該降低了些.(對我而言,這也算一大突破吧!)
但是英文能力一時之間想提升,似乎是不太可能.
畢竟學習語文是要持續性的.
對於上課不急著趕進度.
對我而言,實在是在好不過了~
每章份量其實也不少,如果再趕進度的話,也無法吸收吧!
再說~我這個人,學習吸收速度其實還蠻遲緩的.
最後,我想要感謝羊同學.
平常看一看書,最先遇到困難的時候,
我通常會詢問他的看法.
或是跟他討論我的看法.
(雖然我似乎常常會誤解課文的意思.)
儘管我的問題點,有時候會有點奇怪.
不過他還是耐心聽我說完~
並且回應我的問題.
讓我在這堂課的學習,
比單純自己看書,還收穫更多.
真的很謝謝他的幫忙.
一直以來,
我受到不少朋友的幫助,
對於這些朋友,我想我除了感謝還是感謝.
謝謝你們~
期中平時成績:95
期末平時成績:
A B C
Week11: 14 1 2 → 93.33
Week13: 6 5 1 → 85
Week15: 12 5 0 → 92
期末平時成績:90
90%加總(未加老師10%):
38+36+10=84
自評:
我想給自己10分.(會太超過嗎
我寫這份作業的時候,每次我都花很多時間.(大部分是英文看很久)
雖然不能保證正確性,但我也盡我最大的努力了～
每次平均可能會花6~8個小時吧(包含po文可能都是4個小時左右)
為什麼會寫那麼久呢?~
因為我看一看,看到不瞭解的,可能就會開始上網找資料.
(不過網路上的可能也看不太懂.)
要不然如果線上有人在的話,我可能也會問問別人.
或是平時帶課本去學校看的話,我可能也會下課的時候問別人.
再不行的話,就上課時提出來吧!
不過沒問的,不代表我都會.
搞不好好是英文沒看懂,或誤解句意,而不自知啊~
所以常常發現上課老師說的,跟我解釋的不一樣啊~orz
另外,
我平常都是第一個到的.
通常在我到學校之後,一個小時又十五分鐘,大概也不會有同學到教室.
所以也沒什麼遲到不遲到的問題.
(所謂睡意是要靠意志力去消滅的啊~)
不過我前一天通常也沒辦法早點睡.
大概都會寫作業寫到凌晨三點左右吧!
(就算不是前一天才寫,也差不多是這時間.)
意思是說,我得在前三天就開始寫嗎!!?(花三天晚上!!...orz)
不過再怎麼想睡,我也會強迫自己六點左右,一定要出門搭車.
要不然倒回去睡,下次醒來的時候,可能也要很趕吧!(而且搭車也很麻煩)
期末回顧:
這學期沒兩三下又要過完了~
希望這學期也能all pass.(努力中~)
希望下學期大家都在~(謎:這是許願大會!?)
這半學期,大概是我最努力看英文的時期吧~(謎:這種事你好意思說啊~
以前微積分和工數的時候,也沒那麼認真看原文書.
不過對於英文的排斥感,應該降低了些.(對我而言,這也算一大突破吧!)
但是英文能力一時之間想提升,似乎是不太可能.
畢竟學習語文是要持續性的.
對於上課不急著趕進度.
對我而言,實在是在好不過了~
每章份量其實也不少,如果再趕進度的話,也無法吸收吧!
再說~我這個人,學習吸收速度其實還蠻遲緩的.
最後,我想要感謝羊同學.
平常看一看書,最先遇到困難的時候,
我通常會詢問他的看法.
或是跟他討論我的看法.
(雖然我似乎常常會誤解課文的意思.)
儘管我的問題點,有時候會有點奇怪.
不過他還是耐心聽我說完~
並且回應我的問題.
讓我在這堂課的學習,
比單純自己看書,還收穫更多.
真的很謝謝他的幫忙.
一直以來,
我受到不少朋友的幫助,
對於這些朋友,我想我除了感謝還是感謝.
謝謝你們~
2008年12月19日 星期五
Week 16
首先是成績計算的部分:
期中的成績在這一篇文章
http://hwshow-ipc.blogspot.com/2008/11/blog-post_21.html
期中平均成績:97
期末成績:
A B C
Week11: 10 0 1 => 100
Week13: 12 1 0 => 100
Week15: 12 2 1 => 95
期末平均成績: 98
現在才發現從期中考之後到學期末，只有3次作業而已......
---------------------------------------------------------------------
再來是自己評分的部分:
我想給自己9分
我覺得每次的作業，我真的都花了不少的時間在做。
我每次上課也都有去，不過有時候會晚一點到教室，大約9點15~30分左右。
上課的時候，我覺得我也有在聽老師上課。
所以我給自己9分，我覺得我沒有達到10分的境界，應該還是有進步的空間。
---------------------------------------------------------------------
期末回顧:
不知不覺的這學期就突然接近尾聲了，感覺好像上星期才開學的不是嗎......?
這堂課跟其它課上起來的感覺真的很不一樣，因為這是在所有的科目裡面，我唯一會在上課前先預習的一科。其它科目的課，都是老師在上課時先教，然後我回去再複習。而這堂課則是剛剛好相反，都是我先回去預習之後，老師上課的時候再來教比較關鍵和比較難的部分。
我發現當我有先看過課本的內容後，在老師上課講解時，就能比較容易理解上課的內容，而且還可以發現自己原先在看原文書時，有誤解的一些地方。這種感覺和老師先在學校教完之後，再回去預習是完全不一樣的。
這門課還有另一個重點，就是老師一直提到的原文書閱讀。就這樣自己慢慢的看原文書，過了一個學期之後，雖然沒有誇張到能力大增，但是至少真的能發覺，自己在原文的閱讀能力上是有增加的。
舉例來說，像在上其它門課時，很多老師用的都是原文的投影片。之前真的是連投影片上的英文都不想看，只是把圖片看看後，勉強了解課本的內容而已。而現在就比較能有耐心慢慢的去看，在能看懂投影片上的英文之後，就能更清楚的了解那門課所上的內容了，不會像之前一樣感覺很抽像。
不過由於是原文書+我們要先自己看，所以上課的進度就會比較慢。還好老師也不會趕進度什麼的，就順著大家的速度慢慢教。比起教的"量"來說，"質"可能才是更重要的，我真的能深深的體會到這個道理，因為那種跟不上進度時，老師卻繼續往下教的經驗我是有的，最後整個成績當然就不是很好看。
我得承認自己不是那種天才型的學生，沒辦法在上課時，就把老師所教的內容通通都消化、理解，所以通常回家還要花一些時間自己去看書。只要有一次沒有跟上進度的話，後面整個都完蛋了，尤其是數學類型的科目。
最後希望老師能在我們四年級的時候，開這一屆四年級有開的"數位內容趨勢"這門課。不知道為什麼，看到名字就想去選...... 在經過老師大概的介紹之後，又更想去選了。
祝大家聖誕節和新年都快樂呀～
期中的成績在這一篇文章
http://hwshow-ipc.blogspot.com/2008/11/blog-post_21.html
期中平均成績:97
期末成績:
A B C
Week11: 10 0 1 => 100
Week13: 12 1 0 => 100
Week15: 12 2 1 => 95
期末平均成績: 98
現在才發現從期中考之後到學期末，只有3次作業而已......
---------------------------------------------------------------------
再來是自己評分的部分:
我想給自己9分
我覺得每次的作業，我真的都花了不少的時間在做。
我每次上課也都有去，不過有時候會晚一點到教室，大約9點15~30分左右。
上課的時候，我覺得我也有在聽老師上課。
所以我給自己9分，我覺得我沒有達到10分的境界，應該還是有進步的空間。
---------------------------------------------------------------------
期末回顧:
不知不覺的這學期就突然接近尾聲了，感覺好像上星期才開學的不是嗎......?
這堂課跟其它課上起來的感覺真的很不一樣，因為這是在所有的科目裡面，我唯一會在上課前先預習的一科。其它科目的課，都是老師在上課時先教，然後我回去再複習。而這堂課則是剛剛好相反，都是我先回去預習之後，老師上課的時候再來教比較關鍵和比較難的部分。
我發現當我有先看過課本的內容後，在老師上課講解時，就能比較容易理解上課的內容，而且還可以發現自己原先在看原文書時，有誤解的一些地方。這種感覺和老師先在學校教完之後，再回去預習是完全不一樣的。
這門課還有另一個重點，就是老師一直提到的原文書閱讀。就這樣自己慢慢的看原文書，過了一個學期之後，雖然沒有誇張到能力大增，但是至少真的能發覺，自己在原文的閱讀能力上是有增加的。
舉例來說，像在上其它門課時，很多老師用的都是原文的投影片。之前真的是連投影片上的英文都不想看，只是把圖片看看後，勉強了解課本的內容而已。而現在就比較能有耐心慢慢的去看，在能看懂投影片上的英文之後，就能更清楚的了解那門課所上的內容了，不會像之前一樣感覺很抽像。
不過由於是原文書+我們要先自己看，所以上課的進度就會比較慢。還好老師也不會趕進度什麼的，就順著大家的速度慢慢教。比起教的"量"來說，"質"可能才是更重要的，我真的能深深的體會到這個道理，因為那種跟不上進度時，老師卻繼續往下教的經驗我是有的，最後整個成績當然就不是很好看。
我得承認自己不是那種天才型的學生，沒辦法在上課時，就把老師所教的內容通通都消化、理解，所以通常回家還要花一些時間自己去看書。只要有一次沒有跟上進度的話，後面整個都完蛋了，尤其是數學類型的科目。
最後希望老師能在我們四年級的時候，開這一屆四年級有開的"數位內容趨勢"這門課。不知道為什麼，看到名字就想去選...... 在經過老師大概的介紹之後，又更想去選了。
祝大家聖誕節和新年都快樂呀～
第6章
對於第六章是還沒讀完的
6.1 的Interpolation DataInterpolation(內插法 )：
用等距對應資料作比對，求對應之值。觀念就像之前的所學的數學方法
Nearest-neighbor Interpolation(鄰近內插法)：由附近的點來推測出值.
這個方法就必須抓取附近的數值
Linear Interpolation(線性內插法)：一條線性圖型，經運算求值
這個方法應該是比較快的我想
6.2 Image interpolation內插法應用於圖像中
先設定y軸的內插情況，然後再利用新結果計算出
x軸要放的值是第一種內插法
Linear Interpolation直接將兩條線段的公式直接計
算取出新的點是較快的吧
6.3 General Interpolationcubic interpolation：運用在立體空間矩陣內
使用Linear Interpolation線性內插法來計算值。這樣就可計算立體的空間圖
bicubic interpolation：能改善邊緣鉅齒化的問題。
6.4提到Enlargement by Spatial Filtering利用空間濾波器將圖間補值
達到影像放大 使用線性濾波器將影像執行
zero-interleavedinterleaved:在矩陣裏面平均
插入0，以製造出平均黑點的效果 圖似乎會較模糊
6.5目的是要把影像縮小
Scaling Smaller圖片抽樣：圖就是一個圓的抽樣點。
Image minimization：影像最小化。
Subsampling是把兩個點中間畫素移除的一種方法；但對高頻的部分
效果不佳。取走每個pixel隔一個的pexel這樣應該
會造成影像不連續吧
6.6 Rotation 旋轉利用
使用imrotate(image,angle,'method')這個指令來讓影像旋轉
6.7討論倒影的的失真
Anamorphosis 失真圖像(歪像)
將影像扭曲需要改變數值的位置吧
怎麼去扭或改又是個頭痛的問題瞜
大概就先這樣吧就看到這理的心得:)
6.1 的Interpolation DataInterpolation(內插法 )：
用等距對應資料作比對，求對應之值。觀念就像之前的所學的數學方法
Nearest-neighbor Interpolation(鄰近內插法)：由附近的點來推測出值.
這個方法就必須抓取附近的數值
Linear Interpolation(線性內插法)：一條線性圖型，經運算求值
這個方法應該是比較快的我想
6.2 Image interpolation內插法應用於圖像中
先設定y軸的內插情況，然後再利用新結果計算出
x軸要放的值是第一種內插法
Linear Interpolation直接將兩條線段的公式直接計
算取出新的點是較快的吧
6.3 General Interpolationcubic interpolation：運用在立體空間矩陣內
使用Linear Interpolation線性內插法來計算值。這樣就可計算立體的空間圖
bicubic interpolation：能改善邊緣鉅齒化的問題。
6.4提到Enlargement by Spatial Filtering利用空間濾波器將圖間補值
達到影像放大 使用線性濾波器將影像執行
zero-interleavedinterleaved:在矩陣裏面平均
插入0，以製造出平均黑點的效果 圖似乎會較模糊
6.5目的是要把影像縮小
Scaling Smaller圖片抽樣：圖就是一個圓的抽樣點。
Image minimization：影像最小化。
Subsampling是把兩個點中間畫素移除的一種方法；但對高頻的部分
效果不佳。取走每個pixel隔一個的pexel這樣應該
會造成影像不連續吧
6.6 Rotation 旋轉利用
使用imrotate(image,angle,'method')這個指令來讓影像旋轉
6.7討論倒影的的失真
Anamorphosis 失真圖像(歪像)
將影像扭曲需要改變數值的位置吧
怎麼去扭或改又是個頭痛的問題瞜
大概就先這樣吧就看到這理的心得:)
第六章～
Interpolation of Data
數據內插法這節是講解內插法，課本說必需以
已知的鄰近f(Xj)值來估算函數值f(X'i)這種以周圍
數值估算函數值的方法稱為內插法 ，若f(X'i)=f(Xj)
,Xj為原來的點裡面最接近X'i的稱為近鄰內插法，
而已直線連結原始函數值，然後取落在線上的值為
內插值稱為 線性內插法，這是不是以前我們在算數學
用到的內插法阿ＸＤ。
Image Interpolation
影像內插法課本一開始就先推導雙線性內插法的公式，
係數小於1會得到比原來的圖片還要更小，
係數越大，圖片越會呈現馬賽克的效果。
Enlargement by Spatial Filtering
這節和上節正好相反,這結是說明把圖片縮小，
課本說了2種方法，但第1種的方法不好就會造成
圖的邊緣線斷斷續續，不是很完整，原理是取走間隔的像素
，用imresize指令可以做到。
Rotation
旋轉內容說要將影像旋轉的話,必須保證旋轉後像素值要落在網格
上, 使用flipud指令可進行90度倍數旋轉
，而使用fliplr則可以進行左右倒轉。
Anamorphosis
歪像使用rgb2gray指令好像可以扭曲圖片。
這有一點像資訊隱藏的感覺，不過他是用畫來
隱藏資訊在網路上找了一些這類的圖，真的很特別，
直接看圖會讓人摸不著頭緒， 但是加了鏡面的圓柱之後
，居然是一張完整的圖！畫畫的人太厲害了 ，
他應該試看著圓柱鏡面畫畫吧，不然怎做到的呢？哈～
第一張圖比較明顯知道是什麼
第二張嘛，我不得不說這張圖實在太小了...
數據內插法這節是講解內插法，課本說必需以
已知的鄰近f(Xj)值來估算函數值f(X'i)這種以周圍
數值估算函數值的方法稱為內插法 ，若f(X'i)=f(Xj)
,Xj為原來的點裡面最接近X'i的稱為近鄰內插法，
而已直線連結原始函數值，然後取落在線上的值為
內插值稱為 線性內插法，這是不是以前我們在算數學
用到的內插法阿ＸＤ。
Image Interpolation
影像內插法課本一開始就先推導雙線性內插法的公式，
係數小於1會得到比原來的圖片還要更小，
係數越大，圖片越會呈現馬賽克的效果。
Enlargement by Spatial Filtering
這節和上節正好相反,這結是說明把圖片縮小，
課本說了2種方法，但第1種的方法不好就會造成
圖的邊緣線斷斷續續，不是很完整，原理是取走間隔的像素
，用imresize指令可以做到。
Rotation
旋轉內容說要將影像旋轉的話,必須保證旋轉後像素值要落在網格
上, 使用flipud指令可進行90度倍數旋轉
，而使用fliplr則可以進行左右倒轉。
Anamorphosis
歪像使用rgb2gray指令好像可以扭曲圖片。
這有一點像資訊隱藏的感覺，不過他是用畫來
隱藏資訊在網路上找了一些這類的圖，真的很特別，
直接看圖會讓人摸不著頭緒， 但是加了鏡面的圓柱之後
，居然是一張完整的圖！畫畫的人太厲害了 ，
他應該試看著圓柱鏡面畫畫吧，不然怎做到的呢？哈～
第一張圖比較明顯知道是什麼
第二張嘛，我不得不說這張圖實在太小了...
ch6
6.1
Interpolation(內插法 ):
用等距對應資料作比對，求對應之值。
Nearest-neighbor Interpolation(鄰近內插法):
由附近的點來推測出值。
Linear Interpolation(線性內插法):
一條線性圖型，經運算求值。
6.2
Image interpolation:將內插法應用在圖像中
Bilinear Interpolation:將圖片放大，且有圖片柔和效果
resize(A,k,'method'):
將圖片陣列A使用鄰近內插法的方法resize
6.3
General Interpolationcubic interpolation:在立體空間矩陣內使用
Linear Interpolation:線性內插法來計算值
Cubic interpolation:
在三維的空間矩陣內使用線性內插法來計算值
bicubic interpolation:
利用類似模糊失焦的方式改善邊緣的鉅齒化
6.4
Enlargement by Spatial Filtering:
利用空間濾波器將影像放大使用線性濾波器將影像執行
zero-interleavedinterleaved:
在矩陣裏面平均插入0，以製造出平均黑點的效果
6.5
image minimization:利用subsampling將原有圖片縮小
subsampling:將某間段的值刪除，再將矩陣縮小排列而變化圖形
6.6
imrotate(image,angle,'method')讓影像旋轉
而image影像矩陣，angle角度，method使用內插法，
輸入這些值就可以直接可將影像旋轉
使用flipud指令可進行90度倍數旋轉，fliplr則可以進行左右倒轉
6.7Anamorphosis 失真圖像(歪像)
把物體畫成變形的圖案，
透過特殊鏡片或角度才能看到原貌的繪圖技術。
將圖片做扭曲，將圖片拉長，
長寬比例會變的不同利用折射原理來看原始圖片，
可以製作藝術效果。
CH6 - IMAGE GEOMETRY
6.1 Interpolation Data
Interpolation(內插法 )：
用等距對應資料作比對，求對應之值。
Nearest-neighbor Interpolation(鄰近內插法)：
由附近的點來推測出值。
Linear Interpolation(線性內插法)：
一條線性圖型，經運算求值。
================================================
6.2 Image Interpolation
Bilinear Interpolation(雙線性內插法)：
放大圖片，並有柔和圖片效果。
================================================
6.3 General Interpolation
cubic interpolation：
在立體空間矩陣內使用Linear Interpolation線性內插法來計算值。
bicubic interpolation：
能改善邊緣鉅齒化的問題。
================================================
6.4 Enlargement by Spatial Filtering
Zero-interleaving：
將原矩陣的每個值填零，已達辨識放大的效果了。
================================================
6.5 Scaling Smaller
image minimization(影像縮小)：
就影像縮小。
subsampling：
刪除某區間值，再縮小排列，達變化圖形。
================================================
6.6 Rotation
rotation=>選轉。
MATLAB 指令：
imrotate(image,角度,'method')：
使Imagh此圖旋轉角度值。
================================================
6.7 Anamorphosis
(作者頭痛不舒服!!休息一個禮拜!!)
Interpolation(內插法 )：
用等距對應資料作比對，求對應之值。
Nearest-neighbor Interpolation(鄰近內插法)：
由附近的點來推測出值。
Linear Interpolation(線性內插法)：
一條線性圖型，經運算求值。
================================================
6.2 Image Interpolation
Bilinear Interpolation(雙線性內插法)：
放大圖片，並有柔和圖片效果。
================================================
6.3 General Interpolation
cubic interpolation：
在立體空間矩陣內使用Linear Interpolation線性內插法來計算值。
bicubic interpolation：
能改善邊緣鉅齒化的問題。
================================================
6.4 Enlargement by Spatial Filtering
Zero-interleaving：
將原矩陣的每個值填零，已達辨識放大的效果了。
================================================
6.5 Scaling Smaller
image minimization(影像縮小)：
就影像縮小。
subsampling：
刪除某區間值，再縮小排列，達變化圖形。
================================================
6.6 Rotation
rotation=>選轉。
MATLAB 指令：
imrotate(image,角度,'method')：
使Imagh此圖旋轉角度值。
================================================
6.7 Anamorphosis
(作者頭痛不舒服!!休息一個禮拜!!)
CH6
CH6
Image geometry圖像幾何學
主要用途: 圖像的縮放
6.1 Interpolation of Data
當在一線段中，含有四點，並將這四點變成8點時
內插(插值)法interpolation :
=>將兩點中間放入新的數值
修改: nearest-neighbor interpolation為新的值xi'數值的取法是取周圍離自己最近的xi
(就是離數值x1較近=>xi'=x1)
Linear interpolation 線性內插法
http://zh.wikipedia.org/w/index.php?title=%E7%BA%BF%E6%80%A7%E6%8F%92%E5%80%BC&variant=zh-tw
=>Another way is to join the original function values by straight lines and take our interpolation values at this lines.
(簡單說這次就是加入原點與點之間的變化內=>跟著線條高度放)
公式為:
Image geometry圖像幾何學
主要用途: 圖像的縮放
6.1 Interpolation of Data
當在一線段中，含有四點，並將這四點變成8點時
內插(插值)法interpolation :
=>將兩點中間放入新的數值
修改: nearest-neighbor interpolation為新的值xi'數值的取法是取周圍離自己最近的xi
(就是離數值x1較近=>xi'=x1)
Linear interpolation 線性內插法
http://zh.wikipedia.org/w/index.php?title=%E7%BA%BF%E6%80%A7%E6%8F%92%E5%80%BC&variant=zh-tw
=>Another way is to join the original function values by straight lines and take our interpolation values at this lines.
(簡單說這次就是加入原點與點之間的變化內=>跟著線條高度放)
公式為:
最後F為:
6.2 Image interpolation
內插法應用於圖像中
假設將4x4大小的圖像，變成8x8的圖像
=>使用interpolation
=>將新點設定好
=>先設定y軸的內插情況，然後再利用新結果計算出x軸要放的值
公式為: 
(最後的工是有點麻煩= =…..要把f(x,y’)的公式也放出來)
Bilinear interpolation
=>用法較簡單
=>直接將兩條線段的公式直接計算取出新的點(不像前面很複雜)
參考網站:
http://zh.wikipedia.org/w/index.php?title=%E5%8F%8C%E7%BA%BF%E6%80%A7%E6%8F%92%E5%80%BC&variant=zh-tw
使用MATLAB語法觀察nearest 跟bilinear的差別
c=imread('cameraman.tif');
head=c(33:96,90:153);//取特定一區域
//大小縮放加上使用interpolation
head4n=imresize(head,4,'nearest'),imshow(head4n); figure;
head4b=imresize(head,4,'bilinear'),imshow(head4b);
結果可看出bilinear較平滑一點
(左為使用nearest,右圖為使用bilinear)
從這邊可以看出bilinear 跟nearest的不同
Nearest=>先將一軸中要被變換的公式易起放入在計算一次(等於一個軸就要進行兩個軸的變換)
Bilinear=>兩軸各算各的，在合併，所以較簡單
=>圖形縮放上，如果出現的格子狀越明顯，代表效果較差
6.3 General Interpolation
經由老師上課解釋以後可以知道，之前的Interpolation 都是以線性的方式去取新的值，
而新的方式則是利用非線性的去取縮放的值
假如要計算x1、x2之間的X’
我們不適用之前的線性的方式取的新的座標位置
而是稍微有點變化的方式去算(參考P127 fig.6.12)
=>Bicubic interpolation(非線性的方法)
利用MATLAB分析
head4c=imresize(head,4,'bicubic'),imshow(head4c);
不過我看到圖的時候納悶了一下= =?
然後跟放大的原圖相減èhead4c-head4x= 全部為0= =?
6.4 Enlargement by Spatial Filtering
利用空間濾波放大影像
=>first step is to create a zero-interleaved version of this matrix
(第一個步驟即是在矩陣中插入零)
MATLAB語法Zeroint()
(這個語法要自己設定= =)
產生結果
m2=zeroint(m)
ans =
16 0 5 0 9 0 4 0
0 0 0 0 0 0 0 0
2 0 11 0 7 0 14 0
0 0 0 0 0 0 0 0
3 0 10 0 6 0 15 0
0 0 0 0 0 0 0 0
13 0 8 0 12 0 1 0
0 0 0 0 0 0 0 0
function out=zeroint(a)
[m,n]=size(a);
a2=reshape([a;zeros(m,n)],m,2*n);
out=reshape([a2';zeros(2*n,m)],2*n,2*m);
(以上為打錯的function)
imshow(zeroint(head))
(突然覺得很有趣= =)
out=reshape([a2';zeros(2*n,m)],2*n,2*m)’;(忘了轉置)
由圖就可以知道，使用zeroint以後會產生亮暗變化的形式
6.5 Scaling Smaller比例縮小
Making an image smaller is also called image minimization
(影像最小化?)
1.其中一種方法=>刪除間隔的像素(subsampling縮減取樣)
6.6 Rotation旋轉
使用
相同的方法，如果要轉回原來的值
使用語法:
Imrotate()
imrotate(c,60);
figure,crc=imrotate(c,60,'bicubic');
imshow(crc)
>> figure,imshow(c)
左圖為imrotate(c,60)，右圖為crc=imrotate(c,60,'bicubic') 
6.7 Anamorphosis
(歪像)
=>主要是經過熟慮後將圖像形狀扭曲
=>看起來早在16th就有了
=>課本中有關於還原扭曲的影像的語法(不過我沒有這類的圖= =,所以沒跑)
心得:
1.昨天做完臨床報告以後，不小心睡著了= =,……..到早上4點半才醒過來，所以寫的作業非常隨便= =(天阿,我怎麼睡著了)
2.醫工年會結束，在這次醫工年會上，我有報告應用影像處理的膚質檢測結果，之前只想過有弄出來就好了，後來沒再改多少(也因為開學了)，說實在，我們報告的東西還不是很足夠(很多方面都沒有克服，也沒有做太多實驗去分析結果，幾乎是趕著弄出來的東西)，甚至只能說只有剛開始，後來要繼續改良才可以 = =
醫工相關儀器的重點!!可以廣泛用於各類型的人，而且準確度要夠高(這些的確還要再努力改進)
VH6
6.1 Interpolation of Data 資料添補
內插法：等距資料比對,尋求實際對應值。
鄰近內插法：附近已知的點推測出值。線性內插法：線性的圖型運算求出期值。
6.2Image Interpolation 添補影像
雙線性內插法：利用內插法計算影像放大之後的image然後將每一個像素所對應到的新的位置,6.3General Interpolation 一般插補
立方內插法：在三維的矩陣內用線性內插法計算值線性
雙立方體插值法：雙線性內插的延伸
6.4Enlargement by Spatial Filtering
零交錯：使用空間濾波器放大影像,把圖放大兩倍,在矩陣的行與列間補0擴大影像。
6.5Scaling Smaller
圖片抽樣：圖就是一個圓的抽樣點。縮小影像最小化：就是將影像變小
6.6Rotation
將影像旋轉：把圖片視為很多個點,將角度套用進指令計算出新的每個點的位置,形成一張新的圖片,也就是旋轉過後的圖。
用imrotate(image,angle,'method')這個指令,image擺的是影像名稱,angle擺的是旋轉的角度,而'method'擺的是要用哪一種添補的運算法!
6.7Anamorphosis
失真圖像：把物體畫成變形的圖案,透過特殊鏡片或角度才能看到原貌的繪圖技術。將圖片做扭曲，把圖片拉長，長寬比例會變的不同利用折射原理來看原始圖片。
ch 6
今天打到第三章的時候
不知道按到啥鍵
結果居然把我剛剛打的全部清空
最冏的是下面的自動儲存 就這麼剛好自動儲存到...
剛打的全沒了...都快寫完第三節了
超級無言的 我臉都綠了
早知道就打在word上了...
有時候我們會需要改變圖片的shap size或者是旋轉
rotation and scaling就是affine trandformations的例子
線依然是線 平行的線依然平行
這句話的意思大概是說不改變原圖而是對圖片做調整的意思吧
翻了一下這章 發現了好多數學式
以前都沒有仔細的想過縮放的這個問題
很直覺的就想說是等比例縮放而已
沒想過實作的方法 而這章好像就在教這個
不過看到一堆數學式 我頭都暈了...
6.1 interpolation of data（竄改資料）
課本一開始就問說如何把一個四個點的值double成八個點
而課本的方法就是
四個點之間有三個空格而八個點之間有七個
我們計算他的比例可得到3/7=0.4286
也就是說一個x'的間隔中有0.4286個x
所以x'就可以寫出一個跟x的關係式
依靠周遭的值去預測一個數就叫做interpolation
用旁邊的值去預測就叫做nearest-neighbor interpolation
6.3的圖看了一會才看懂
就是利用距離來預測x'值的意思吧
然後接下來的數學式 大概就是在解釋這個
反正這章大概都是在講如何縮放的實作方法吧
6.2 image interpolation
上一節教了一個關係一維的方法這節教了二維的
bilinear interpolation （雙線性竄改）
雖然看到一堆數學式 不過完全無法理解
接著教了imresize（）函數 有三個參數
第一個參數是放image 第二個應該是縮放的比例吧 第三個是使用的方法
方法我們可以選擇上一節的nearest或者是這一節的bilinear
實作後的結果可以發現nearest的方法結果很模糊
而雖然bilinear的方法好一點可是還是有點模糊
課本後面有提到 我們不能無中生有的預測出值
我們只能從附近的點去勾勒
也就是用些數學的方法讓圖片經過改變後不失真的意思吧
使用bilinear的方法
使用nearest的方法
nearest的方法比較模糊
6.3 gereral interpolation
而這節用的方法好像是說
設定一個區間 區間內的值就指定一個值給他
於是又出現了一堆數學式 然後完全都看不懂
cubic interpolation（三次方竄改）
而這個方法好像是先對row interpolation再對olumn?
olumn？查不到這個單字
然後我們就可以使用這個方法讓圖片縮放之後不失真一點
實作bicubic的方法如下
6.4 Enlargement by Spatial filtering
看到filter 該不會這章要跟上一章的方法結合吧
課本提到 如果我們只想對對圖片做兩倍放大
那麼我們可以用linear filtering的方法
first step =>zero-interleaved
研究了一下聯立方程式覺得還蠻怪的...
只留下i跟j都是奇數的值
然後對圖片做spatial filter
結果還蠻令人噴飯的 出來的結果是一堆點...
嗯...真的很怪...
6.5 scling smaller
介紹縮小的篇幅還真少
對圖片縮小就叫做image minimization
喔～縮小有一個方法就是消除間隔中的值
呵～還真簡單...
不過他後來的說明我不懂
如果要縮小六倍 i跟j要乘上4？
後面也提到這個方法不適合用在high-frequency compoments的圖上
6.6 rotation
很明顯這章就是要教你如何實作旋轉圖片
然後又很明顯的數學式我又看不懂
大概就是向量在轉來轉去吧
不過介紹了imrotate()的function 有三個參數
第一個參數是放image 第二個參數是旋轉角度 第三個參數是使用旋轉的方法
方法可以選擇之前教的nearest or bilinear又或者bicubic
6.7 anamorphosis(失真）
anamorphosis指的就是故意改變或者扭曲圖片的形狀
介紹了一個function skull（）
然後從課本看來是把區域中的圖便換掉的意思麻
最後我終於知道清除我的作業的兇手了...
就是上傳圖片的時候
網頁不知道是那裡出錯 把我的文字都清掉了...
真是ooxx!@$!%@%
這章都是數學關係式
雖然都看不太懂
不過沒辦法 影像處理就是在玩數學式的東西
真不是我的菜
不知道按到啥鍵
結果居然把我剛剛打的全部清空
最冏的是下面的自動儲存 就這麼剛好自動儲存到...
剛打的全沒了...都快寫完第三節了
超級無言的 我臉都綠了
早知道就打在word上了...
有時候我們會需要改變圖片的shap size或者是旋轉
rotation and scaling就是affine trandformations的例子
線依然是線 平行的線依然平行
這句話的意思大概是說不改變原圖而是對圖片做調整的意思吧
翻了一下這章 發現了好多數學式
以前都沒有仔細的想過縮放的這個問題
很直覺的就想說是等比例縮放而已
沒想過實作的方法 而這章好像就在教這個
不過看到一堆數學式 我頭都暈了...
6.1 interpolation of data（竄改資料）
課本一開始就問說如何把一個四個點的值double成八個點
而課本的方法就是
四個點之間有三個空格而八個點之間有七個
我們計算他的比例可得到3/7=0.4286
也就是說一個x'的間隔中有0.4286個x
所以x'就可以寫出一個跟x的關係式
依靠周遭的值去預測一個數就叫做interpolation
用旁邊的值去預測就叫做nearest-neighbor interpolation
6.3的圖看了一會才看懂
就是利用距離來預測x'值的意思吧
然後接下來的數學式 大概就是在解釋這個
反正這章大概都是在講如何縮放的實作方法吧
6.2 image interpolation
上一節教了一個關係一維的方法這節教了二維的
bilinear interpolation （雙線性竄改）
雖然看到一堆數學式 不過完全無法理解
接著教了imresize（）函數 有三個參數
第一個參數是放image 第二個應該是縮放的比例吧 第三個是使用的方法
方法我們可以選擇上一節的nearest或者是這一節的bilinear
實作後的結果可以發現nearest的方法結果很模糊
而雖然bilinear的方法好一點可是還是有點模糊
課本後面有提到 我們不能無中生有的預測出值
我們只能從附近的點去勾勒
也就是用些數學的方法讓圖片經過改變後不失真的意思吧
使用bilinear的方法
使用nearest的方法
nearest的方法比較模糊
6.3 gereral interpolation
而這節用的方法好像是說
設定一個區間 區間內的值就指定一個值給他
於是又出現了一堆數學式 然後完全都看不懂
cubic interpolation（三次方竄改）
而這個方法好像是先對row interpolation再對olumn?
olumn？查不到這個單字
然後我們就可以使用這個方法讓圖片縮放之後不失真一點
實作bicubic的方法如下
6.4 Enlargement by Spatial filtering
看到filter 該不會這章要跟上一章的方法結合吧
課本提到 如果我們只想對對圖片做兩倍放大
那麼我們可以用linear filtering的方法
first step =>zero-interleaved
研究了一下聯立方程式覺得還蠻怪的...
只留下i跟j都是奇數的值
然後對圖片做spatial filter
結果還蠻令人噴飯的 出來的結果是一堆點...
嗯...真的很怪...
6.5 scling smaller
介紹縮小的篇幅還真少
對圖片縮小就叫做image minimization
喔～縮小有一個方法就是消除間隔中的值
呵～還真簡單...
不過他後來的說明我不懂
如果要縮小六倍 i跟j要乘上4？
後面也提到這個方法不適合用在high-frequency compoments的圖上
6.6 rotation
很明顯這章就是要教你如何實作旋轉圖片
然後又很明顯的數學式我又看不懂
大概就是向量在轉來轉去吧
不過介紹了imrotate()的function 有三個參數
第一個參數是放image 第二個參數是旋轉角度 第三個參數是使用旋轉的方法
方法可以選擇之前教的nearest or bilinear又或者bicubic
6.7 anamorphosis(失真）
anamorphosis指的就是故意改變或者扭曲圖片的形狀
介紹了一個function skull（）
然後從課本看來是把區域中的圖便換掉的意思麻
最後我終於知道清除我的作業的兇手了...
就是上傳圖片的時候
網頁不知道是那裡出錯 把我的文字都清掉了...
真是ooxx!@$!%@%
這章都是數學關係式
雖然都看不太懂
不過沒辦法 影像處理就是在玩數學式的東西
真不是我的菜
IMAGE GEOMETRY
◈ 主題 :
INTRODUCTION TO DIGITAL IMAGEPROCESSING
Chapter 6: IMAGE GEOMETRY
◈ 問題 :
①page 120~121 / 對公式並不是很了解，以及為什麼在121底下有一句話the corresponding value for x is 2/7 如何得知是2/7??
②page 124 / 同樣的6.2節裡公式也太清楚，另外在此頁裡有實作部分，我想請問reszie(A,k,'method') 裡面的k是幹嘛用的，在課本上是解釋k is a scaling factor .. 不是很清楚這意思
③page 124 / 同一頁實作部分，在取cameraman的haed部分，指令為 head = c(33:96,90:153)這個範圍是如何得知，或許應該是說如果是我們自己去取一個範圍要如何得知??以及前後兩個參數個代表什麼意思?
④page 126~127 / 看過之後，只看得懂"英文"，但不懂它的意思整頁來說就是再解釋那些圖型，但是真的不太清楚他在說什麼......
⑤page 129 / 經過bicubic interpolation 和經過 bilinear interpolation 的差別在哪，我看不太出經過這兩個不同的method處理後的差異
⑥page 134~135 / 這兩頁在講旋轉圖片的原理，我只看得懂一些而已，他說在旋轉圖片要固定在一個框架裡也就是圖6.21，其他的只看得懂表面字意思
看完這章後，發現這章就"英文"上感覺比上一張容易看，可是要想了解這章所談的東西，我想跟上一章難度不會差多少，而且這章公式也特多..... 要花不少時間去了解，目前也只是整個看過一遍而已...。另外就是已經看了六章原文書，雖然單字已經不像之前要查這麼多，但是也發現每次看都像在"看"英文，很多地方都不能了解課本真正想要說明的東西，都必須要等老師解釋過才會比較有sense，甚至有的時候老師解釋過，回去看英文解釋但還不了解他在說什麼.... 有點挫折...
INTRODUCTION TO DIGITAL IMAGEPROCESSING
Chapter 6: IMAGE GEOMETRY
◈ 問題 :
①page 120~121 / 對公式並不是很了解，以及為什麼在121底下有一句話the corresponding value for x is 2/7 如何得知是2/7??
②page 124 / 同樣的6.2節裡公式也太清楚，另外在此頁裡有實作部分，我想請問reszie(A,k,'method') 裡面的k是幹嘛用的，在課本上是解釋k is a scaling factor .. 不是很清楚這意思
③page 124 / 同一頁實作部分，在取cameraman的haed部分，指令為 head = c(33:96,90:153)這個範圍是如何得知，或許應該是說如果是我們自己去取一個範圍要如何得知??以及前後兩個參數個代表什麼意思?
④page 126~127 / 看過之後，只看得懂"英文"，但不懂它的意思整頁來說就是再解釋那些圖型，但是真的不太清楚他在說什麼......
⑤page 129 / 經過bicubic interpolation 和經過 bilinear interpolation 的差別在哪，我看不太出經過這兩個不同的method處理後的差異
⑥page 134~135 / 這兩頁在講旋轉圖片的原理，我只看得懂一些而已，他說在旋轉圖片要固定在一個框架裡也就是圖6.21，其他的只看得懂表面字意思
看完這章後，發現這章就"英文"上感覺比上一張容易看，可是要想了解這章所談的東西，我想跟上一章難度不會差多少，而且這章公式也特多..... 要花不少時間去了解，目前也只是整個看過一遍而已...。另外就是已經看了六章原文書，雖然單字已經不像之前要查這麼多，但是也發現每次看都像在"看"英文，很多地方都不能了解課本真正想要說明的東西，都必須要等老師解釋過才會比較有sense，甚至有的時候老師解釋過，回去看英文解釋但還不了解他在說什麼.... 有點挫折...
第六章心得
6.1
Interpolation of Data(資料添寫或插補)
Interpolation(內插法)：是利用相鄰四點的像素值，依照已知的非整數座標相鄰距離的遠近，根據比例求得取樣值。也就是接近哪個點就像那個點。距離近的取樣比例大，距離遠的取樣比例小。
Nearest-neighbor interpolation(鄰近點內插法)：將附近已知的像素利用微分來推測出值。
Iinear interpolation(線性內插法)：在二個已知數據點間畫一條直線，新的數據點就位於這條直線上，具體位置要根據其值與二個端點之一的接近程度確定。
6.2
Image Interpolation(影像添寫或插補)
Bilinear interpolation(雙線性內插法)：以一維線性內插法求得點的位置，再以同樣的一維線性內插法求得點位置，這種考慮到二維的情形，用了兩次線性內插，就稱為雙線性內插。
從課本figure 6.9就可以看出鄰近點內插法和雙線性內插法的差別，鄰近點內插法會造成鋸齒狀的效果，雙線性內插法則是比較平緩。
6.3
General InterpolationCubic
Interpolation(立方內插法)：在三維的矩陣內用線性內插法來計算值線性，和內插法是一樣的原理。
Bicubic interpolation(雙立方體插值法)：雙線性內插的延伸，從二維進階到三維來做。
課本一開始希望插補x'在x1和x2之間(x1≤x'≤x2)，並假設x'-x1=λ。
然後定義一個interpolation function R(u)
且 f(x')=R(-λ)f(x1)+R(1-λ)f(x2)。 課本在此舉出：
R0(u)：nearest-neighbor interpolation
R1(u)：bilinear interpolation
R3(u)：cubic interpolation
三種不同的R(u)函數當例子。
6.4
Enlargement by Spatial Filtering：藉由空間濾波器來放大影像。
linear filtering：線性濾波器，先是是對某矩陣做zero-interleave(零交錯)，再進行過濾(filtering)。
6.5
Scaling Smaller
圖片抽樣：圖就是一個圓的抽樣點。
Image minimization：影像最小化。
Subsampling是把兩個點中間畫素移除的一種方法；但對高頻的部分效果不佳。
6.6
Rotation
利用矩陣旋轉圖形的公式可知旋轉後的點為何：
逆時針旋轉
[x']=[cosθ -sinθ][x]
[y'] [sinθ cosθ][y]
如果θ是直角，以下也可成立
[x]=[cosθ sinθ][x']
[y] [-sinθ cosθ][y']
在MATLAB中可使用imrotate(image,angle,'method');指令來旋轉影像
其中method表示nearest、bilinear或bicubic
angle是指定的旋轉角度
ipud可以顛倒(使相反)行跟列
iplr讓影像上下相反
flipud(c'); - 旋轉90°
fliplr(flipud(c)); - 旋轉180°
fliplr(c'); - 旋轉 270°
6.7
Anamorphosis 失真圖像(歪像)
課本中有提到在16、17世紀時候的畫家很流行使用這種技術。
並以 德國畫家：小漢斯·荷爾拜因 在1533年所畫的《大使們》為例子。
在MATLAB中的指令為rgb2gray()，指定範圍：skull= a(566:743,157:586);
消除這種歪斜效果的指令：
skull2=imresize(imrotate(skull,-22,'bicubic'),[500,150],'bicubic');
Interpolation of Data(資料添寫或插補)
Interpolation(內插法)：是利用相鄰四點的像素值，依照已知的非整數座標相鄰距離的遠近，根據比例求得取樣值。也就是接近哪個點就像那個點。距離近的取樣比例大，距離遠的取樣比例小。
Nearest-neighbor interpolation(鄰近點內插法)：將附近已知的像素利用微分來推測出值。
Iinear interpolation(線性內插法)：在二個已知數據點間畫一條直線，新的數據點就位於這條直線上，具體位置要根據其值與二個端點之一的接近程度確定。
6.2
Image Interpolation(影像添寫或插補)
Bilinear interpolation(雙線性內插法)：以一維線性內插法求得點的位置，再以同樣的一維線性內插法求得點位置，這種考慮到二維的情形，用了兩次線性內插，就稱為雙線性內插。
從課本figure 6.9就可以看出鄰近點內插法和雙線性內插法的差別，鄰近點內插法會造成鋸齒狀的效果，雙線性內插法則是比較平緩。
6.3
General InterpolationCubic
Interpolation(立方內插法)：在三維的矩陣內用線性內插法來計算值線性，和內插法是一樣的原理。
Bicubic interpolation(雙立方體插值法)：雙線性內插的延伸，從二維進階到三維來做。
課本一開始希望插補x'在x1和x2之間(x1≤x'≤x2)，並假設x'-x1=λ。
然後定義一個interpolation function R(u)
且 f(x')=R(-λ)f(x1)+R(1-λ)f(x2)。 課本在此舉出：
R0(u)：nearest-neighbor interpolation
R1(u)：bilinear interpolation
R3(u)：cubic interpolation
三種不同的R(u)函數當例子。
6.4
Enlargement by Spatial Filtering：藉由空間濾波器來放大影像。
linear filtering：線性濾波器，先是是對某矩陣做zero-interleave(零交錯)，再進行過濾(filtering)。
6.5
Scaling Smaller
圖片抽樣：圖就是一個圓的抽樣點。
Image minimization：影像最小化。
Subsampling是把兩個點中間畫素移除的一種方法；但對高頻的部分效果不佳。
6.6
Rotation
利用矩陣旋轉圖形的公式可知旋轉後的點為何：
逆時針旋轉
[x']=[cosθ -sinθ][x]
[y'] [sinθ cosθ][y]
如果θ是直角，以下也可成立
[x]=[cosθ sinθ][x']
[y] [-sinθ cosθ][y']
在MATLAB中可使用imrotate(image,angle,'method');指令來旋轉影像
其中method表示nearest、bilinear或bicubic
angle是指定的旋轉角度
ipud可以顛倒(使相反)行跟列
iplr讓影像上下相反
flipud(c'); - 旋轉90°
fliplr(flipud(c)); - 旋轉180°
fliplr(c'); - 旋轉 270°
6.7
Anamorphosis 失真圖像(歪像)
課本中有提到在16、17世紀時候的畫家很流行使用這種技術。
並以 德國畫家：小漢斯·荷爾拜因 在1533年所畫的《大使們》為例子。
在MATLAB中的指令為rgb2gray()，指定範圍：skull= a(566:743,157:586);
消除這種歪斜效果的指令：
skull2=imresize(imrotate(skull,-22,'bicubic'),[500,150],'bicubic');
CH6
看到龍哥的文章
linear interpolation - 線性插值 這部分英文夾雜數學 攻擊力何等高!!
cubic interpolation - 三維空間上的立方體插值法
bicubic interpolation - 查到的名稱是雙立方插值
呃...其實這邊是個大問號
wiki查到的也是英文 還沒看懂 http://en.wikipedia.org/wiki/Bicubic_interpolation
後來查到網路上人家的pdf
以影像處理軟體進行「Bicubic interpolation」方式之放大，所得結果可明顯改善邊緣鋸齒化之缺陷，但影像呈現失焦之狀況，且處理時間較長
以Bicubic interpolation 方式放大處理結果：
6.4 Enlargement by Spatial Filtering (利用空間濾波擴展)
這裡一開始就說 如果我們要快速得到一個放大的影像
第一步就要用 Zero-inyrtleaved (零交錯)
將矩陣上各個位置填0 使其黑點平均分配
這樣就有放大效果!? 然後呢?然後呢?
不知道了=..=
突然想到 我一直傻傻的翻譯文章 然後用力看懂
可是理解上可能又會自己想偏 偏離正道走火入魔0.0
所以看到龍哥查wiki 我也來用wiki輔助一下
6.1 Interpolation of Data (數據內插)
Accrodding to wiki 哈哈就是根據維基啦
無聊突然想到以前線代之類的數學課 常要這樣開頭
interpolation - 等比例的內插 如Figure 6.1所示 由4個節點要擴充成8個節點時
他以等長比例分配8個節點 距離約為3/7 近似0.4286
nearest-neightbor interpolation - 鄰近節點的內插 如Figure 6.3所示
我們給定 f(xi') = f(xj) 利用鄰近黑色節點xi' 找出原本存在的白色節點xj
來達到填補空白部分的目的 不知道有沒有曲解他的意思
linear interpolation - 線性插值 這部分英文夾雜數學 攻擊力何等高!!
這時候要召喚一下wiki幫打怪 就決定是你了維基百科!
6.2 Image Interpolation (影像插值)
Figure 6.6先展示了 4x4的節點影像變成8x8的概念圖
數學上運用到的是 binterpolation
Figure 6.7 就運用了(x',y')四點連成的矩形，從點(x',y')延伸到相交的兩點(x,y')、(x+1,y')
再經由每點之間的比例算出最後的(x',y')
6.3 General Interpolation (一般插值)
cubic interpolation - 三維空間上的立方體插值法
bicubic interpolation - 查到的名稱是雙立方插值
呃...其實這邊是個大問號
wiki查到的也是英文 還沒看懂 http://en.wikipedia.org/wiki/Bicubic_interpolation
後來查到網路上人家的pdf
以影像處理軟體進行「Bicubic interpolation」方式之放大，所得結果可明顯改善邊緣鋸齒化之缺陷，但影像呈現失焦之狀況，且處理時間較長
以Bicubic interpolation 方式放大處理結果：
6.4 Enlargement by Spatial Filtering (利用空間濾波擴展)
這裡一開始就說 如果我們要快速得到一個放大的影像
第一步就要用 Zero-inyrtleaved (零交錯)
將矩陣上各個位置填0 使其黑點平均分配
這樣就有放大效果!? 然後呢?然後呢?
不知道了=..=
CH6 心得
Image geometry 影像幾何
6-1
影像也可以用內插法填補
還是什麼的將原本4個點可擴張為8個點
可利用微分來找出最接近的點做修補的動作
總之 這結是在教利用數學的方法
找出最靠近需要修補的地方進行修補的動作
大概就是這樣吧！！
6-2
這節是6-1的更進階
雙線性插值法做為內插法的延伸
利用計算出的結果將影像放大後
把每個pixel對應道心的位置補放進去
也可利用縮放將影片變得較柔和
6-3
Cubic Interpolation
也是大概像內插法的東西
不過他是用在三維空間
大概是可將較複雜的影像做修改
看課本的圖片後
可以了解他大概在作什麼
不過這裡就有點難了！！
6-4
Enlargement by Spatial Filtering
利用空間濾波器將影像放大
使用線性濾波器將影像執行Zero-interleaving
是一種將數值間補0的東西
大概又開始用了一些矩陣的運算
就可以把圖片放大並且有好的效果
6-5
6-4是在說放大這裡要介紹縮小
課本介紹了2種方法
第一種
取走每個pixel隔一個的pexel
這個方法不好會造成影像斷斷續續
說不一定還會有斷層之類的感覺
第二種
應該就是用濾波器賺換然後縮放什麼的
原理我就不是很清楚
不過是改良第一種後得到的結果
效果就好很多啦！！
6-6
Rotation將image做旋轉
也是利用矩陣來達到此結果
大概是三角矩陣的運算
指令是 imrotate(c,60,'bicubic')
前面放的是 image
中間是放旋轉的角度
最後是要做哪種插補運算
6-7
anamorphosis 圖像失真
圖片在經過刻意的改變其比例後
會產生不同的效果
這種感覺就像失真一樣
大概就是這些啦！！
我這禮拜很認真了！！
拜託我不要當c王！！哈哈～
6-1
影像也可以用內插法填補
還是什麼的將原本4個點可擴張為8個點
可利用微分來找出最接近的點做修補的動作
總之 這結是在教利用數學的方法
找出最靠近需要修補的地方進行修補的動作
大概就是這樣吧！！
6-2
這節是6-1的更進階
雙線性插值法做為內插法的延伸
利用計算出的結果將影像放大後
把每個pixel對應道心的位置補放進去
也可利用縮放將影片變得較柔和
6-3
Cubic Interpolation
也是大概像內插法的東西
不過他是用在三維空間
大概是可將較複雜的影像做修改
看課本的圖片後
可以了解他大概在作什麼
不過這裡就有點難了！！
6-4
Enlargement by Spatial Filtering
利用空間濾波器將影像放大
使用線性濾波器將影像執行Zero-interleaving
是一種將數值間補0的東西
大概又開始用了一些矩陣的運算
就可以把圖片放大並且有好的效果
6-5
6-4是在說放大這裡要介紹縮小
課本介紹了2種方法
第一種
取走每個pixel隔一個的pexel
這個方法不好會造成影像斷斷續續
說不一定還會有斷層之類的感覺
第二種
應該就是用濾波器賺換然後縮放什麼的
原理我就不是很清楚
不過是改良第一種後得到的結果
效果就好很多啦！！
6-6
Rotation將image做旋轉
也是利用矩陣來達到此結果
大概是三角矩陣的運算
指令是 imrotate(c,60,'bicubic')
前面放的是 image
中間是放旋轉的角度
最後是要做哪種插補運算
6-7
anamorphosis 圖像失真
圖片在經過刻意的改變其比例後
會產生不同的效果
這種感覺就像失真一樣
大概就是這些啦！！
我這禮拜很認真了！！
拜託我不要當c王！！哈哈～
ch6
第六章開始先描述為何需要用到此章節的方法，
可能是我們需要去改變影像的形狀，大小，方位，
或是想去擴大影像去適合特定的空間...等。
6.1 Interpolation of Data
內插法：等距資料作為比對，尋求實際對應之值。
鄰近內插法：附近已知的點像素來推測出值。
線性內插法：線性的圖型運算求出期值。 前後想鄰兩原取樣點連線，連線通過新點的時間位置時的值即設為新點的值。
6.2Image Interpolation
雙線性內插法：利用內插法，去計算影像放大後其中每一個像素所對應到的新的位置，再補進去，對圖片做線性運算，此做法有縮放的效果。
p.124 resize(A,k,'method')
是將圖片陣列A使用鄰近內插法的方法resize。
再看p.125(a)鄰近內插法(b)雙線性內插法 的差別。
6.3General Interpolation
立方內插法：在三維的矩陣內用線性內插法來計算值線性，和內插法是一樣的原理。
雙立方體插值法：雙線性內插的延伸,從二維進階到三維來做。
6.4Enlargement by Spatial Filtering
零交錯：使用空間濾波器放大影像，把圖放大兩倍，在矩陣的行與列間補0擴大影像。
6.5Scaling Smaller
圖片抽樣：圖就是一個圓的抽樣點。
縮小影像最小化：就是將影像變小的意思，把兩個點中間的pixel移除，叫 image subsampling。
6.6Rotation
將影像旋轉：把圖片視為很多個點，將角度套用進指令，計算出新的每個點的位置，形成一張新的圖片，也就是旋轉過後的圖。
使用指令imrotate(image,angle,'method')
image：影像名稱,angle：旋轉的角度,而'method'：用哪一種添補的運算
此指令可以做nearest、bilinear、bicubic。
6.7Anamorphosis
失真圖像：把物體畫成變形的圖案，透過特殊鏡片或角度才能看到原貌的繪圖技術。將圖片做扭曲，把圖片拉長，長寬比例會變的不同利用折射原理來看原始圖片。
p137的圖看似正常，
到了p138原來...哈，骷顱頭～
可能是我們需要去改變影像的形狀，大小，方位，
或是想去擴大影像去適合特定的空間...等。
6.1 Interpolation of Data
內插法：等距資料作為比對，尋求實際對應之值。
鄰近內插法：附近已知的點像素來推測出值。
線性內插法：線性的圖型運算求出期值。 前後想鄰兩原取樣點連線，連線通過新點的時間位置時的值即設為新點的值。
6.2Image Interpolation
雙線性內插法：利用內插法，去計算影像放大後其中每一個像素所對應到的新的位置，再補進去，對圖片做線性運算，此做法有縮放的效果。
p.124 resize(A,k,'method')
是將圖片陣列A使用鄰近內插法的方法resize。
再看p.125(a)鄰近內插法(b)雙線性內插法 的差別。
6.3General Interpolation
立方內插法：在三維的矩陣內用線性內插法來計算值線性，和內插法是一樣的原理。
雙立方體插值法：雙線性內插的延伸,從二維進階到三維來做。
6.4Enlargement by Spatial Filtering
零交錯：使用空間濾波器放大影像，把圖放大兩倍，在矩陣的行與列間補0擴大影像。
6.5Scaling Smaller
圖片抽樣：圖就是一個圓的抽樣點。
縮小影像最小化：就是將影像變小的意思，把兩個點中間的pixel移除，叫 image subsampling。
6.6Rotation
將影像旋轉：把圖片視為很多個點，將角度套用進指令，計算出新的每個點的位置，形成一張新的圖片，也就是旋轉過後的圖。
使用指令imrotate(image,angle,'method')
image：影像名稱,angle：旋轉的角度,而'method'：用哪一種添補的運算
此指令可以做nearest、bilinear、bicubic。
6.7Anamorphosis
失真圖像：把物體畫成變形的圖案，透過特殊鏡片或角度才能看到原貌的繪圖技術。將圖片做扭曲，把圖片拉長，長寬比例會變的不同利用折射原理來看原始圖片。
p137的圖看似正常，
到了p138原來...哈，骷顱頭～
CH6
6.1 Interpolation of Data
這節是在說資料插補
這節有兩種方法可以使用
分別為nearest-neighbor interpolation 和 linear interpolation
nearest-neighbor interpolation
似乎是說利用周圍的點來求得樣點
linear interpolation
則是透過時間連線來取得樣點
6.2 Image Interpolation
這節在說影像插補
而在第123頁提到的Bilinear interpolation 雙線性內插法
是放大然後再填入新位置
似乎是用在二維空間方面?使之看起來比較柔和?
6.3 General Interpolation
普遍?很常見的插補?
bicubic interpolation 立方內插法
比前兩個都還要好
用在三維空間
這幾種方法差別在於
降低鋸齒化的話 影像會出現失焦的情況
就是可以看出很明顯的鋸齒狀 但是比較清楚
反之雖然比較柔和 但是整張照片模糊的
兩者之間不知道要怎樣去取的平衡耶
6.4 Enlargement by Spatial Filtering
擴大空間濾波器吧 應該這樣子沒錯
Zero-interleaving 零交錯
就是每兩個點中間要補零
所以影像看起來就會有一格一格黑黑的格子
所以影像會因此變大?
6.5 Scaling Smaller
小型的排列?
image minimization
就是把影像變小
subsampling
好像是刪去間隔 隔一格取一次的方法
所以並不是補零 而是跳著取?所以影像不會變大???
6.6 Rotation 旋轉
利用imrotate(image,angle,'method')這個指令來讓影像旋轉
IMAGE=影像名稱
ANGLE=角度
METHOD=某某內插法
6.7 anamorphosis 歪像!?
應該是讓圖像呈現扭曲變形的意思
像課本138頁的骷髏頭那樣 更改比例跟長寬
這節是在說資料插補
這節有兩種方法可以使用
分別為nearest-neighbor interpolation 和 linear interpolation
nearest-neighbor interpolation
似乎是說利用周圍的點來求得樣點
linear interpolation
則是透過時間連線來取得樣點
6.2 Image Interpolation
這節在說影像插補
而在第123頁提到的Bilinear interpolation 雙線性內插法
是放大然後再填入新位置
似乎是用在二維空間方面?使之看起來比較柔和?
6.3 General Interpolation
普遍?很常見的插補?
bicubic interpolation 立方內插法
比前兩個都還要好
用在三維空間
這幾種方法差別在於
降低鋸齒化的話 影像會出現失焦的情況
就是可以看出很明顯的鋸齒狀 但是比較清楚
反之雖然比較柔和 但是整張照片模糊的
兩者之間不知道要怎樣去取的平衡耶
6.4 Enlargement by Spatial Filtering
擴大空間濾波器吧 應該這樣子沒錯
Zero-interleaving 零交錯
就是每兩個點中間要補零
所以影像看起來就會有一格一格黑黑的格子
所以影像會因此變大?
6.5 Scaling Smaller
小型的排列?
image minimization
就是把影像變小
subsampling
好像是刪去間隔 隔一格取一次的方法
所以並不是補零 而是跳著取?所以影像不會變大???
6.6 Rotation 旋轉
利用imrotate(image,angle,'method')這個指令來讓影像旋轉
IMAGE=影像名稱
ANGLE=角度
METHOD=某某內插法
6.7 anamorphosis 歪像!?
應該是讓圖像呈現扭曲變形的意思
像課本138頁的骷髏頭那樣 更改比例跟長寬
ch6
6-1
似乎是要在原有的資料中增加一些東西來達到效果
這裡提到了兩種方法:nearest-neighbor interpolation 和 linear interpolation
6-2
這一節則提到了影像處理方面,在這一節介紹了一個方法:bilinear interpolation雙線性的差法
6.3
此節多出了一個內插法Cubic interpolation:
在三維的空間矩陣內使用線性內插法來計算值。
還有一個指令Bicubic interpolation，
是利用類似模糊失焦的方式改善邊緣的鉅齒化。
6.4
先利用zero interleaved將原矩陣的每個值與值間填0，
達成放大的效果，
之後利用內插法將原本產生的零值轉換成有效值，
完成圖片的正常放大效果。
6.5
利用縮小影像去除畫素的間隔看起來較清楚
6.6
旋轉在兩軸做影像的旋轉用的數學方法是三角函數矩陣imrotate(image,angle,'method')
6.7
失真圖像(歪像)把兩軸的比例縮放得不一樣就會有拉長的效果
似乎是要在原有的資料中增加一些東西來達到效果
這裡提到了兩種方法:nearest-neighbor interpolation 和 linear interpolation
6-2
這一節則提到了影像處理方面,在這一節介紹了一個方法:bilinear interpolation雙線性的差法
6.3
此節多出了一個內插法Cubic interpolation:
在三維的空間矩陣內使用線性內插法來計算值。
還有一個指令Bicubic interpolation，
是利用類似模糊失焦的方式改善邊緣的鉅齒化。
6.4
先利用zero interleaved將原矩陣的每個值與值間填0，
達成放大的效果，
之後利用內插法將原本產生的零值轉換成有效值，
完成圖片的正常放大效果。
6.5
利用縮小影像去除畫素的間隔看起來較清楚
6.6
旋轉在兩軸做影像的旋轉用的數學方法是三角函數矩陣imrotate(image,angle,'method')
6.7
失真圖像(歪像)把兩軸的比例縮放得不一樣就會有拉長的效果
CH6
第六章 影像幾何
對影像做不同方面的改變。
Affine Transformation：仿射轉換
6.1
Interpolation即為內插法。
從課本上的圖可以知道從固定的四點增為八點的做法：
原來4點的間隔各為1，那麼總長度就是3增為8個點後的間隔為3/7。
nearest-neighbor interpolation：利用鄰近點來計算出空白值。
linear interpolation：線性插值法，利用線性運算來計算空白欄位的值。
6.2
Bilinear interpolation：雙線性插值法，做內插法的延伸，
計算出斜率後,以等比例的方式放大原圖
F C I
-W-
O L P
算出FI值後利用C及OP求得L，再用CL求W。
指令 resize(A,k,'method')
是將圖片陣列A使用scaling factor k與nearest-neighbor interpolation方法resize。
從圖6.9可以知道Bilinear interpolation的圖較nearest-neighbor的圖來得柔和，
不會有明顯的方格。
6.3
這一節有許多不同的R(u)函式
nearest-neighbor
cubic interpolation：在三維的空間矩陣內使用線性內插法來計算值。
bicubic interpolation：能改善邊緣鉅齒化的問題，但是影像會有失焦的情形。
6.4
使用空間濾波器放大影像。
如果我們要把圖放大兩倍，有一個較方便的方法，
先利用zero-interleaved將原矩陣的每個值與值間填0
做出平均散布的黑點，這樣就可以分辨出原圖又達到放大的效果了。
6.5
image minimization是讓影像變小的意思。
subsampling：刪除間隔的像素點。
但是在high-frequency components 的影像所呈現的效果不好。
6.6
rotation：對影像作旋轉指令
imrotate(c,60,'bicubic')以angle(角度)可以做nearest、bilinear、bicubic，
即直接輸入要旋轉的圖片,角度和要使用的內插法，就可以直接將影像旋轉。
6.7
Anamorphosis：歪像。
可以使用rgb2gray將影像扭曲把圖片拉長,就是長寬比例會變的不同。
對影像做不同方面的改變。
Affine Transformation：仿射轉換
6.1
Interpolation即為內插法。
從課本上的圖可以知道從固定的四點增為八點的做法：
原來4點的間隔各為1，那麼總長度就是3增為8個點後的間隔為3/7。
nearest-neighbor interpolation：利用鄰近點來計算出空白值。
linear interpolation：線性插值法，利用線性運算來計算空白欄位的值。
6.2
Bilinear interpolation：雙線性插值法，做內插法的延伸，
計算出斜率後,以等比例的方式放大原圖
F C I
-W-
O L P
算出FI值後利用C及OP求得L，再用CL求W。
指令 resize(A,k,'method')
是將圖片陣列A使用scaling factor k與nearest-neighbor interpolation方法resize。
從圖6.9可以知道Bilinear interpolation的圖較nearest-neighbor的圖來得柔和，
不會有明顯的方格。
6.3
這一節有許多不同的R(u)函式
nearest-neighbor
cubic interpolation：在三維的空間矩陣內使用線性內插法來計算值。
bicubic interpolation：能改善邊緣鉅齒化的問題，但是影像會有失焦的情形。
6.4
使用空間濾波器放大影像。
如果我們要把圖放大兩倍，有一個較方便的方法，
先利用zero-interleaved將原矩陣的每個值與值間填0
做出平均散布的黑點，這樣就可以分辨出原圖又達到放大的效果了。
6.5
image minimization是讓影像變小的意思。
subsampling：刪除間隔的像素點。
但是在high-frequency components 的影像所呈現的效果不好。
6.6
rotation：對影像作旋轉指令
imrotate(c,60,'bicubic')以angle(角度)可以做nearest、bilinear、bicubic，
即直接輸入要旋轉的圖片,角度和要使用的內插法，就可以直接將影像旋轉。
6.7
Anamorphosis：歪像。
可以使用rgb2gray將影像扭曲把圖片拉長,就是長寬比例會變的不同。
CH 66666666666666666666
星期三晚上賴同鞋突然敲我MSN
告知互評系統有問題
聽說是貼上作業網址，刷新網頁後網址卻不見了
囧 ( 賴同鞋已經寫完ch6了!!! )
收到通知後先把手上的活忙完
接著馬上開工檢查維修
但是室友在樓下3+1開了一桌麻將
洗牌嘩啦嘩啦的聲響和不時傳來的大笑聲
影響了我的注意力
甚至吸引我下去觀看方城之戰
導致我的維修進度嚴重底累
過了大約半個世紀後找出了問題所在
並加以修正
通知賴同鞋幫忙測試沒問題後
就沒什麼精力看CH6了
以上
三分真六分假 一分瞎扯蛋
==============================
自從知道圖片檔的儲存格式之後
在使用編輯軟體放大、縮小圖片就會想：
放大時，原本不存在的 pixel是從哪來的?
縮小時，又怎麼知道要捨棄哪些 pixel?
旋轉圖片時如果轉的角度很奇怪，又是怎麼運算得來的?
這些問題都在這一章得到了說明
利用各式各樣的內插法求出鄰近的、相似的值
放入被放大的元素陣列中
就可以得到看起來被放大的圖片
雖然因為加入的數值會有偏差，讓圖片看起來糊糊的
不過靠更有效果的算法可以盡可能的解決此類問題
也許運算時間會比較長一些
但是對修圖要求也高的人不太會在意這種小問題
明顯的書中效果較好的是
bilinear interpolation 跟 bicubic interpolation
ch6雖然比ch5容易看的懂
不過N多個方程式夾雜在英文中
實在是沒什麼讓人想看的意願 ...
告知互評系統有問題
聽說是貼上作業網址，刷新網頁後網址卻不見了
囧 ( 賴同鞋已經寫完ch6了!!! )
收到通知後先把手上的活忙完
接著馬上開工檢查維修
但是室友在樓下3+1開了一桌麻將
洗牌嘩啦嘩啦的聲響和不時傳來的大笑聲
影響了我的注意力
甚至吸引我下去觀看方城之戰
導致我的維修進度嚴重底累
過了大約半個世紀後找出了問題所在
並加以修正
通知賴同鞋幫忙測試沒問題後
就沒什麼精力看CH6了
以上
三分真六分假 一分瞎扯蛋
==============================
自從知道圖片檔的儲存格式之後
在使用編輯軟體放大、縮小圖片就會想：
放大時，原本不存在的 pixel是從哪來的?
縮小時，又怎麼知道要捨棄哪些 pixel?
旋轉圖片時如果轉的角度很奇怪，又是怎麼運算得來的?
這些問題都在這一章得到了說明
利用各式各樣的內插法求出鄰近的、相似的值
放入被放大的元素陣列中
就可以得到看起來被放大的圖片
雖然因為加入的數值會有偏差，讓圖片看起來糊糊的
不過靠更有效果的算法可以盡可能的解決此類問題
也許運算時間會比較長一些
但是對修圖要求也高的人不太會在意這種小問題
明顯的書中效果較好的是
bilinear interpolation 跟 bicubic interpolation
ch6雖然比ch5容易看的懂
不過N多個方程式夾雜在英文中
實在是沒什麼讓人想看的意願 ...
CH6
前言
主要是在解釋Image Geometry(圖像幾何學)的意思....
簡單來說~
所謂的Image Geometry就是圖片的變形~
課本上舉的例子是affine transformations(仿射轉換)...
二維實數系對應到二維實數系的線性轉換....
在我的理解下~
我覺得應該是比較偏向鏡射的感覺~
不知道有沒有理解錯誤...
6.1
Interpolation(添寫、插補) of Data
主要目的~
當圖片放大時~
點多出來的點~
要如何處理....
Figure6.1在解釋nearest-neighbor interpolation(近臨內插法)~
就是在原本的點中間~
再插上相近的點....
有點像在兩個有色的點中間~
在補上幾個顏色"相同"的點~
用意在於讓圖可以放的更大....
但會出現馬賽克的效過(ex:圖6.9的a)~
而Figure6.1....
將原本為4個點增加成8個點~
而長度不變...
設原間距為1
則總長為3
而增點後的間距為3/7
故原X跟X'的關係式為:
X'=1/3(7x-4)
X =1/7(3x'+4)
linear interpolation(線性插值法)
做法如圖6.4...
先將原本的點顏色填上去連線後~
再把後來補上去的點...
放在連出來的線上~
意義就是....
補上去的點的值~
會用漸進色的方式被補上去~
好處當然就是不會變成一個相同顏色的色塊....
而造成類似馬賽克的效果~
用linear interpolation畫質會比nearest-neighbor interpolation來的清晰很多~
6.2
bilinear(雙線性) interpolation
用兩個變數來做interpolation...
使image有縮放的效果....
後半段有程式....
稍微做了一下...
>> c=imread('cameraman.tif');
>> head=c(33:96,90:153); //取左上座標(33,96)到右下座標(90,153)中間的範圍
>> imshow(head)
>> head4n=imresize(head,4,'nearest');imshow(head4n)//把head放大4倍並用nearest-neighbor interpolation(近鄰補插法)做處裡
>> head4b=imresize(head,4,'bilinear');imshow(head4b)//把head放大4倍並用bilinear(雙線性) interpolation 做處裡
左邊head4n(nearest-neighbor interpolation);中間原圖(head);右邊head4b(bilinear interpolation )
圖縮小之後比較看不出來左右的差異~
歡迎點進去看!!
這次的主要程式...
imresize(被處裡的原圖檔名,放大倍數,'要用哪種補插法')
整個就是很好理解~
6.3
Cubic(立方) interpolation:在三維的空間內使用內插法來計算值~
Bicubic interpolation:圖做出來的感覺明顯的馬賽克效果被去掉了，但較為模糊...
↑Bicubic interpolation處裡的效果
顏色較bilinear來的黯沉...
6.4
Zero-interleaving
在矩陣插上0~
讓整張影像變大~
但是會插上黑點...
造成有點 陣點的效果....
6.5
我閱讀的速度還是好慢~"~
只唸到6.3~QQ
不過第6章似乎有比第5章好理解~
主要是在解釋Image Geometry(圖像幾何學)的意思....
簡單來說~
所謂的Image Geometry就是圖片的變形~
課本上舉的例子是affine transformations(仿射轉換)...
二維實數系對應到二維實數系的線性轉換....
在我的理解下~
我覺得應該是比較偏向鏡射的感覺~
不知道有沒有理解錯誤...
6.1
Interpolation(添寫、插補) of Data
主要目的~
當圖片放大時~
點多出來的點~
要如何處理....
Figure6.1在解釋nearest-neighbor interpolation(近臨內插法)~
就是在原本的點中間~
再插上相近的點....
有點像在兩個有色的點中間~
在補上幾個顏色"相同"的點~
用意在於讓圖可以放的更大....
但會出現馬賽克的效過(ex:圖6.9的a)~
而Figure6.1....
將原本為4個點增加成8個點~
而長度不變...
設原間距為1
則總長為3
而增點後的間距為3/7
故原X跟X'的關係式為:
X'=1/3(7x-4)
X =1/7(3x'+4)
linear interpolation(線性插值法)
做法如圖6.4...
先將原本的點顏色填上去連線後~
再把後來補上去的點...
放在連出來的線上~
意義就是....
補上去的點的值~
會用漸進色的方式被補上去~
好處當然就是不會變成一個相同顏色的色塊....
而造成類似馬賽克的效果~
用linear interpolation畫質會比nearest-neighbor interpolation來的清晰很多~
6.2
bilinear(雙線性) interpolation
用兩個變數來做interpolation...
使image有縮放的效果....
後半段有程式....
稍微做了一下...
>> c=imread('cameraman.tif');
>> head=c(33:96,90:153); //取左上座標(33,96)到右下座標(90,153)中間的範圍
>> imshow(head)
>> head4n=imresize(head,4,'nearest');imshow(head4n)//把head放大4倍並用nearest-neighbor interpolation(近鄰補插法)做處裡
>> head4b=imresize(head,4,'bilinear');imshow(head4b)//把head放大4倍並用bilinear(雙線性) interpolation 做處裡
左邊head4n(nearest-neighbor interpolation);中間原圖(head);右邊head4b(bilinear interpolation )
圖縮小之後比較看不出來左右的差異~
歡迎點進去看!!
這次的主要程式...
imresize(被處裡的原圖檔名,放大倍數,'要用哪種補插法')
整個就是很好理解~
6.3
Cubic(立方) interpolation:在三維的空間內使用內插法來計算值~
Bicubic interpolation:圖做出來的感覺明顯的馬賽克效果被去掉了，但較為模糊...
↑Bicubic interpolation處裡的效果
顏色較bilinear來的黯沉...
6.4
Zero-interleaving
在矩陣插上0~
讓整張影像變大~
但是會插上黑點...
造成有點 陣點的效果....
6.5
我閱讀的速度還是好慢~"~
只唸到6.3~QQ
不過第6章似乎有比第5章好理解~
Ch6
有許多情形我們可能會想要改變影像的形狀、大小或方位。
可能想要放大一個影像適合特別的空間或為印刷，
也可能想要在一個網頁上減少它的大小。
可能想要替換它，也為一個不正確的相機角度或只是調整。
旋轉和縮放比例是線被轉換到線的affine transformation的例子，
特別是平行線在轉形之後保持平行。
affine transformation(仿射變換):由一個線性變換接上一個平移組成: x=Ax+b
每個仿射變換可以由一個矩陣A和一個向量b給出，它可以寫作A和一個附加的列b。
看完後，好像還是不太懂是在做什麼＝ ＝
影像的放大、縮小與旋轉時，可以選擇使用:
nearest(鄰近點法)、bilinear(雙線性法)、和bicubic(雙三次方法)。
鄰近點法的運算速度較為快速，但imresize(x,y)放大y倍後，
圖片出現鋸齒狀的情況比較嚴重。
雙三次方法運算時間較長，但圖片的效果較佳。
imshow(a),figure,imshow(imrotate(a,50))
imshow(a)為左圖
imshow(imrotate(a,50))為右圖；旋轉50度
可能想要放大一個影像適合特別的空間或為印刷，
也可能想要在一個網頁上減少它的大小。
可能想要替換它，也為一個不正確的相機角度或只是調整。
旋轉和縮放比例是線被轉換到線的affine transformation的例子，
特別是平行線在轉形之後保持平行。
affine transformation(仿射變換):由一個線性變換接上一個平移組成: x=Ax+b
每個仿射變換可以由一個矩陣A和一個向量b給出，它可以寫作A和一個附加的列b。
看完後，好像還是不太懂是在做什麼＝ ＝
影像的放大、縮小與旋轉時，可以選擇使用:
nearest(鄰近點法)、bilinear(雙線性法)、和bicubic(雙三次方法)。
鄰近點法的運算速度較為快速，但imresize(x,y)放大y倍後，
圖片出現鋸齒狀的情況比較嚴重。
雙三次方法運算時間較長，但圖片的效果較佳。
imshow(a),figure,imshow(imrotate(a,50))imshow(a)為左圖
imshow(imrotate(a,50))為右圖；旋轉50度
CHAPTER SIX IMAGE GEOMETRY
有許多我們或許想要改變圖像的形狀、
大小或者取向的情況。
我們也許希望擴大圖像進入適合的空間，
也許我們希望減少它的大小，包括在網web頁，
我們也許希望調整它，可能調整對不正確照相機角度。
總而言之，
這章大概就是在介紹形狀，大小，旋轉，的轉換。
6.1 interpolation of data
Interpolation----內插法是利用相鄰四點的像素值,
依照已知的非整數座標相鄰距離的遠近,
根據比例求得取樣值。也就是接近哪個點就像那個點。
距離近的取樣比例大,距離遠的取樣比例小。
nearest-neighbor Interpolation ---鄰近點插值法
linear Interpolation---線性插值法
執行時間&曲線平滑度&記憶體使用量
3者都是linear大於nearest-neighbor
6.2 enlargement by spatial filtering
&6.3 general interpolation
二維和三維得插值法都必須在網格點上，
以二維插值法為例，
每一個直航的資料點其ｘ軸都要是相同的。
6.4 enlargement by spatial filtering
6.5 scaling smaller&6.6 rotation
影像的縮放和旋轉
影像處理工具提供了一些好用的函數，
以便可以用來進行縮放與旋轉。
再進形影像處理縮放與旋轉時，可以選擇使用鄰近點法，
雙線性法，或者是雙三次方法來計算。
一般而言，鄰近點的運算速度較快，
但放大之後鋸齒狀較為明顯，而雙三次方法可以得到
較佳的結果，反之所利用的時間明顯較長。
使用內插法求得縮放大小的圖片,相鄰像素之間會比直接取整數
點更有連續性。所以使用內插法取樣時,
個人覺得除了取樣之外,同時也做了低通濾波，
處理後的圖片可再做一次銳化,使圖片更清晰。
Y=imresize(x,m) --- 將影像x放大m倍
Y=imrotate(x,angle) --- 將影像逆時鐘旋轉angle個角度
6.7 anamorphosis歪圖
失真的圖像是圖故意舒展或變形一個形狀的形狀藝術性
或劇烈作用出來的。
在16~17世紀相當的盛行。就像課本figure6.25在圖畫的底部
的有一個奇怪的圖像，實際上，它是一塊歪的頭骨。
當畫圖從某一角度時，這些都能適當地只被看見。
大小或者取向的情況。
我們也許希望擴大圖像進入適合的空間，
也許我們希望減少它的大小，包括在網web頁，
我們也許希望調整它，可能調整對不正確照相機角度。
總而言之，
這章大概就是在介紹形狀，大小，旋轉，的轉換。
6.1 interpolation of data
Interpolation----內插法是利用相鄰四點的像素值,
依照已知的非整數座標相鄰距離的遠近,
根據比例求得取樣值。也就是接近哪個點就像那個點。
距離近的取樣比例大,距離遠的取樣比例小。
nearest-neighbor Interpolation ---鄰近點插值法
linear Interpolation---線性插值法
執行時間&曲線平滑度&記憶體使用量
3者都是linear大於nearest-neighbor
6.2 enlargement by spatial filtering
&6.3 general interpolation
二維和三維得插值法都必須在網格點上，
以二維插值法為例，
每一個直航的資料點其ｘ軸都要是相同的。
6.4 enlargement by spatial filtering
6.5 scaling smaller&6.6 rotation
影像的縮放和旋轉
影像處理工具提供了一些好用的函數，
以便可以用來進行縮放與旋轉。
再進形影像處理縮放與旋轉時，可以選擇使用鄰近點法，
雙線性法，或者是雙三次方法來計算。
一般而言，鄰近點的運算速度較快，
但放大之後鋸齒狀較為明顯，而雙三次方法可以得到
較佳的結果，反之所利用的時間明顯較長。
使用內插法求得縮放大小的圖片,相鄰像素之間會比直接取整數
點更有連續性。所以使用內插法取樣時,
個人覺得除了取樣之外,同時也做了低通濾波，
處理後的圖片可再做一次銳化,使圖片更清晰。
Y=imresize(x,m) --- 將影像x放大m倍
Y=imrotate(x,angle) --- 將影像逆時鐘旋轉angle個角度
6.7 anamorphosis歪圖
失真的圖像是圖故意舒展或變形一個形狀的形狀藝術性
或劇烈作用出來的。
在16~17世紀相當的盛行。就像課本figure6.25在圖畫的底部
的有一個奇怪的圖像，實際上，它是一塊歪的頭骨。
當畫圖從某一角度時，這些都能適當地只被看見。
第六章
第一節看起來是說原本有四個點,想要變成八個點,
所以把原本四等分的區塊先弄成八等份,
然後看原本四點的位置,把相近的兩點設為同值,
不過還有另外一種線性的,感覺圖片看起來比較流暢,
第二節就可以看到兩種作法的圖片差異,
很明顯的看出了線性的作法比較清晰,
不會產生一格一格的圖案出現,
第三節講到了第三種方法,名稱叫做bicubic,
不是很清楚他用來修改圖片的方法,
但是從第四節後面實際用matlab運算後的四章圖來看,
bicubic似乎是圖片放大後,最清楚最沒有格子的,
第五節好像是說,用nearest-neighbor作出來的原是斷斷續續的,
用bicubic則會畫出一個完整的圓形出來,
第六節看來就是在說圖片的旋轉,
把圖片中每個點的x,y座標乘上要旋轉的角度使整張圖片旋轉,
而且從後面的圖片跟語法來看,還可以再選擇前面提供的bicubic 或nearest-neighbor等方式,
第七節應該是說整張圖片,先把骷髏的圖案大概位置選出來,
然後再把骷髏的圖片作處理,不過我不太懂課本上的一段指令,
skull2=imresize(imrotate(skull,-22,'bicubic'),[500,150],'bicubic');
裡面的500,150是再修改轉完角度的長跟寬嗎?
而且為什麼在轉角度的時候用過bicubic,在改變圖片大小的時候又用了一次bicubic?
所以把原本四等分的區塊先弄成八等份,
然後看原本四點的位置,把相近的兩點設為同值,
不過還有另外一種線性的,感覺圖片看起來比較流暢,
第二節就可以看到兩種作法的圖片差異,
很明顯的看出了線性的作法比較清晰,
不會產生一格一格的圖案出現,
第三節講到了第三種方法,名稱叫做bicubic,
不是很清楚他用來修改圖片的方法,
但是從第四節後面實際用matlab運算後的四章圖來看,
bicubic似乎是圖片放大後,最清楚最沒有格子的,
第五節好像是說,用nearest-neighbor作出來的原是斷斷續續的,
用bicubic則會畫出一個完整的圓形出來,
第六節看來就是在說圖片的旋轉,
把圖片中每個點的x,y座標乘上要旋轉的角度使整張圖片旋轉,
而且從後面的圖片跟語法來看,還可以再選擇前面提供的bicubic 或nearest-neighbor等方式,
第七節應該是說整張圖片,先把骷髏的圖案大概位置選出來,
然後再把骷髏的圖片作處理,不過我不太懂課本上的一段指令,
skull2=imresize(imrotate(skull,-22,'bicubic'),[500,150],'bicubic');
裡面的500,150是再修改轉完角度的長跟寬嗎?
而且為什麼在轉角度的時候用過bicubic,在改變圖片大小的時候又用了一次bicubic?
ch6
Image geometry影像幾何學
6-1 Interpolation of data
資料添寫(修補)
nearest-nighbor interpolation是利用微分找出靠近的點去做修補
linear interpolation 線性修補(屬於一維的）
6-2 Image Interpolation
影像修補
bilinear interpolation 用到兩個變數的影像修補(屬於二維)
也是有利用到微分去做修補的動作
問題:
有點看不懂課本圖6.9的差別？
(a)nearest nighbor scaling-比較顆粒一個方塊(哈)
(b)bilinear interpolation-比較模糊
另外在YAHOO中查到
數位影像處理中，Interpolation 的使用是應用於影像放大時，
每一個像素由原本的一個像素可能被放到九個像素，
該像素和鄰近的像素的顏色色差因為放大的關係而變得很奇怪，
此時就有靠 Interpolation來作修補
6-3 General Interpolation
bilinear interpolation
是模擬雙線性原理(並非真的雙線性原理),預測未知像素
如果bilinear轉換:
只要知道參數
求得反轉公式
再做一次轉換
就可以還原原圖
前提是要知道矩陣參數。
步驟:
step1:圖6.7--圍繞新點(x',y')的原來四點連成一個矩形
step2:矩形中的新點(x',y')垂直延伸找與矩形邊相交之兩點(x,y')、(x+1,y')
step3:由橫向的邊的比例與線兩邊的點各算出(x,y')、(x+1,y')
step4:由直向的邊的比例與剛才求出的線兩邊的點來算出(x',y')
scaling factor小於1，新的圖片陣列變小
scaling factor大於1，新的圖片陣列變大。
6-4 Enlargement by spatial filtering
利用linear filtering也可以放大影像
zero-interleaved這是一開始的動作
在matrix之間補0
step2:做filtering
filter2([1 1 0;1 1 0;0 0 0],m2)
filter2([1 2 1;2 4 2;1 2 1]/4,m2)
filter2(~/64,m2)
這一節有很多地方太懂
真難!!
6-5 scling smaller
image minimization讓影像變小
subsampling - 是一種刪除間隔的方法
tr=imresize(t,0.25);
用Nearest-neighbor interpolation產生一個有缺口的圓
trc=imresize(t,0.25,'bicubic');
Bicubic interpolation可補上一種方法所產生的缺口
6-6 Rotation旋轉
二維利用
[cos@ -sin@]
[sin@ cos@]
------------@:角度
函數:
imrotate(image,angle,'method')
其餘
ipud可以行跟列相反過來
iplr讓影像上下相反
span
90° -flipud(c');
180° -fliplr(flipud(c));
270° -fliplr(c');
6-7 anamorphosis
消除這種歪斜效果的指令
skull2=imresize(imrotate(skull,-22,'bicubic'),[500,150],'bicubic');
6-1 Interpolation of data
資料添寫(修補)
nearest-nighbor interpolation是利用微分找出靠近的點去做修補
linear interpolation 線性修補(屬於一維的）
6-2 Image Interpolation
影像修補
bilinear interpolation 用到兩個變數的影像修補(屬於二維)
也是有利用到微分去做修補的動作
問題:
有點看不懂課本圖6.9的差別？
(a)nearest nighbor scaling-比較顆粒一個方塊(哈)
(b)bilinear interpolation-比較模糊
另外在YAHOO中查到
數位影像處理中，Interpolation 的使用是應用於影像放大時，
每一個像素由原本的一個像素可能被放到九個像素，
該像素和鄰近的像素的顏色色差因為放大的關係而變得很奇怪，
此時就有靠 Interpolation來作修補
6-3 General Interpolation
bilinear interpolation
是模擬雙線性原理(並非真的雙線性原理),預測未知像素
如果bilinear轉換:
只要知道參數
求得反轉公式
再做一次轉換
就可以還原原圖
前提是要知道矩陣參數。
步驟:
step1:圖6.7--圍繞新點(x',y')的原來四點連成一個矩形
step2:矩形中的新點(x',y')垂直延伸找與矩形邊相交之兩點(x,y')、(x+1,y')
step3:由橫向的邊的比例與線兩邊的點各算出(x,y')、(x+1,y')
step4:由直向的邊的比例與剛才求出的線兩邊的點來算出(x',y')
scaling factor小於1，新的圖片陣列變小
scaling factor大於1，新的圖片陣列變大。
6-4 Enlargement by spatial filtering
利用linear filtering也可以放大影像
zero-interleaved這是一開始的動作
在matrix之間補0
step2:做filtering
filter2([1 1 0;1 1 0;0 0 0],m2)
filter2([1 2 1;2 4 2;1 2 1]/4,m2)
filter2(~/64,m2)
這一節有很多地方太懂
真難!!
6-5 scling smaller
image minimization讓影像變小
subsampling - 是一種刪除間隔的方法
tr=imresize(t,0.25);
用Nearest-neighbor interpolation產生一個有缺口的圓
trc=imresize(t,0.25,'bicubic');
Bicubic interpolation可補上一種方法所產生的缺口
6-6 Rotation旋轉
二維利用
[cos@ -sin@]
[sin@ cos@]
------------@:角度
函數:
imrotate(image,angle,'method')
其餘
ipud可以行跟列相反過來
iplr讓影像上下相反
span
90° -flipud(c');
180° -fliplr(flipud(c));
270° -fliplr(c');
6-7 anamorphosis
消除這種歪斜效果的指令
skull2=imresize(imrotate(skull,-22,'bicubic'),[500,150],'bicubic');
ch6
Image Geometry
圖像幾何學
6.1 Interpolation of Data
Interpolation 插補 應該是數學內插法的意思
把長度為3的x1~x4分成等份的x1'~x7'
如果總長是3則每一小段是3/7約等於0.4286
Liner interpolation 線性插補
(F-f(x1)) / λ = (f(x2)-f(x1)) / 1
F=λf(x2)+(1-λ)f(x1)
f(x1)=2,f(x2)=3,f(x3)=1.5,f(x4)=2.5
λ=2/7
要算出f(x4') 他介於x2和x3之間
所以f(x4')=2/7f(x3)+5/7f(x2)
總結以上種種看不太懂的名詞和算式應該是在做數學的內插法
6.2 Image Interpolation
6-1講的內插法可以應用在image上面
它跟直線一樣呈現一種比例關係bilinear interpolation 查字典結果應該是雙線性插補
bilinear 雙線性的
意思應該是xy兩軸做線性的插補使image有縮放的效果
Figure6.8那個人的畫像放大後輪廓會呈現鋸齒狀(Figure6.9)
但我們能做的只有改變它的值找出合適的
6.3 General Interpolation
6.3有一部分回到高中數學
但我們要用Matlab畫出線條
cubic interpolation 立方插補
cubic 立方的
我想它要做的應該是在平面的介面上呈現出有三度空間的角度
6.4 Enlargement by Spatial Filtering
zero-interleavedinterleaved 插入
這應該是在矩陣裏面平均插入0以製造出平均黑點的效果
藉由p.132 zero interleaving的圖看起來"雜物"放得很平均可以凸顯出原圖
有放大的效果
6.5 Scaling Smaller
利用縮小影像去除畫素的間隔
看起來較清楚
6.6 Rotation
Rotation旋轉
在兩軸做影像的旋轉用的數學方法是三角函數矩陣
imrotate(image,angle,'method')
6.7 Anamorphosis
Anamorphosis 失真圖像(歪像)
把兩軸的比例縮放得不一樣就會有拉長的效果
圖像幾何學
6.1 Interpolation of Data
Interpolation 插補 應該是數學內插法的意思
把長度為3的x1~x4分成等份的x1'~x7'
如果總長是3則每一小段是3/7約等於0.4286
Liner interpolation 線性插補
(F-f(x1)) / λ = (f(x2)-f(x1)) / 1
F=λf(x2)+(1-λ)f(x1)
f(x1)=2,f(x2)=3,f(x3)=1.5,f(x4)=2.5
λ=2/7
要算出f(x4') 他介於x2和x3之間
所以f(x4')=2/7f(x3)+5/7f(x2)
總結以上種種看不太懂的名詞和算式應該是在做數學的內插法
6.2 Image Interpolation
6-1講的內插法可以應用在image上面
它跟直線一樣呈現一種比例關係bilinear interpolation 查字典結果應該是雙線性插補
bilinear 雙線性的
意思應該是xy兩軸做線性的插補使image有縮放的效果
Figure6.8那個人的畫像放大後輪廓會呈現鋸齒狀(Figure6.9)
但我們能做的只有改變它的值找出合適的
6.3 General Interpolation
6.3有一部分回到高中數學
但我們要用Matlab畫出線條
cubic interpolation 立方插補
cubic 立方的
我想它要做的應該是在平面的介面上呈現出有三度空間的角度
6.4 Enlargement by Spatial Filtering
zero-interleavedinterleaved 插入
這應該是在矩陣裏面平均插入0以製造出平均黑點的效果
藉由p.132 zero interleaving的圖看起來"雜物"放得很平均可以凸顯出原圖
有放大的效果
6.5 Scaling Smaller
利用縮小影像去除畫素的間隔
看起來較清楚
6.6 Rotation
Rotation旋轉
在兩軸做影像的旋轉用的數學方法是三角函數矩陣
imrotate(image,angle,'method')
6.7 Anamorphosis
Anamorphosis 失真圖像(歪像)
把兩軸的比例縮放得不一樣就會有拉長的效果
CH6
IMAGE GEOMETRY
看書前都要先翻一下大概有幾頁,給自己點心理準備,
這次大概有20面,大約10頁,嗯...還好不算多,不過看了一下內容,
天阿怎麼這麼多方程式加上一些很數學的圖,看的頭都有點暈
6.1,6.2,6.3,6.4
Affine Transformation：仿射轉換
可以縮放,平移,旋轉,轉換後該圖形的特徵依然存在,
也就是點線面轉換後還是點線面,
該轉換有一個重要的特性,那就是當點與點共線,轉換後還是共線
Nearest Neighbor Interpolation
是最簡單的一種方法,不過結果我想應該是最差的吧,
將一個點的Pixel相對放大,變大的Pixel之值,
是由靠近原本點相對Pixel的值所決定的,所以當我們把原圖放大時,
放大的圖會看起來像馬賽克一樣,放大越多倍,格子狀會越明顯,
放大Nearest Neighbor Interpolation的圖鄰近的值差異會較原本大,
影像感覺跟原本圖有明顯差異
Linear Interpolation
是將原圖RGB值,用內插法的方式,算出斜率,以等比例的方式放大原圖,
所以用這種方法放大,就不會像Nearest Neighbor Interpolation一樣,
值的差異就會比較小,放大的圖不會有明顯的格子狀,影像感覺也較溫和,
從課本上的圖6.3跟6.4可以看到此方法跟上面方法的差異,
這種方法差異會比原本的小,是因為旁邊的值不會被中間的值所決定,
值不會一樣,這方法只是值很接近,不會完全一模一樣,圖就會比較平滑
Bilinear Interpolation
這個方法好像就是從一維的變二維而已,直的做一次Linear橫的做一次Linear吧,
看了課本推測出來的,其實我也不太清楚
看到課本上P125那兩張圖,很明顯的Bilinear Interpolation方法比較好,
但是也比較難算,雖然說難算,其實也不是我們算,是由程式來算,
所以無所謂的啦XD
Cubic interpolation
立方內插法,嗯…實在是看不太懂課本在說啥
Bicubic interpolation
課本是說直行做一次Cubic,橫列做一次Cubic,簡而言之,不太懂
zero-interleaved
這個方法是直接在值跟值之間插入0, 由於很多0,
所以圖就會變成像6.17那樣很多黑黑的點,
果然是很dirty的方法啊!!!!!
4 5 6 => 4 0 5 0 6
1 2 3 => 0 0 0 0 0
無無 => 1 0 2 0 3
6.6旋轉
沒有什麼東西,就是讓圖旋轉角度,用這指令imrotate(image,angle,’method’)
Method可以被省略,不打就是做Nearest Neighbor
6.7 Anamorphosis
大家大概都會對這一小節特別感興趣吧,我猜的,但是我還滿有興趣的,
一開始看那張圖我還看不出來那一個骷髏頭,看到後面那頁才看得出來(當然...都弄好給你看了),我在想會不會還有其他地方跟骷髏一樣,只是不明顯,要找一下才看得出來,我很想像課本上那樣把圖弄出來,但是我不知道哪有那張圖可以用,不是說找不到那張圖,只是我找的那張圖骷髏頭的位置不是課本上指令的那個位置, 所以我試不出來...
看書前都要先翻一下大概有幾頁,給自己點心理準備,
這次大概有20面,大約10頁,嗯...還好不算多,不過看了一下內容,
天阿怎麼這麼多方程式加上一些很數學的圖,看的頭都有點暈
6.1,6.2,6.3,6.4
Affine Transformation：仿射轉換
可以縮放,平移,旋轉,轉換後該圖形的特徵依然存在,
也就是點線面轉換後還是點線面,
該轉換有一個重要的特性,那就是當點與點共線,轉換後還是共線
Nearest Neighbor Interpolation
是最簡單的一種方法,不過結果我想應該是最差的吧,
將一個點的Pixel相對放大,變大的Pixel之值,
是由靠近原本點相對Pixel的值所決定的,所以當我們把原圖放大時,
放大的圖會看起來像馬賽克一樣,放大越多倍,格子狀會越明顯,
放大Nearest Neighbor Interpolation的圖鄰近的值差異會較原本大,
影像感覺跟原本圖有明顯差異
Linear Interpolation
是將原圖RGB值,用內插法的方式,算出斜率,以等比例的方式放大原圖,
所以用這種方法放大,就不會像Nearest Neighbor Interpolation一樣,
值的差異就會比較小,放大的圖不會有明顯的格子狀,影像感覺也較溫和,
從課本上的圖6.3跟6.4可以看到此方法跟上面方法的差異,
這種方法差異會比原本的小,是因為旁邊的值不會被中間的值所決定,
值不會一樣,這方法只是值很接近,不會完全一模一樣,圖就會比較平滑
Bilinear Interpolation
這個方法好像就是從一維的變二維而已,直的做一次Linear橫的做一次Linear吧,
看了課本推測出來的,其實我也不太清楚
看到課本上P125那兩張圖,很明顯的Bilinear Interpolation方法比較好,
但是也比較難算,雖然說難算,其實也不是我們算,是由程式來算,
所以無所謂的啦XD
Cubic interpolation
立方內插法,嗯…實在是看不太懂課本在說啥
Bicubic interpolation
課本是說直行做一次Cubic,橫列做一次Cubic,簡而言之,不太懂
zero-interleaved
這個方法是直接在值跟值之間插入0, 由於很多0,
所以圖就會變成像6.17那樣很多黑黑的點,
果然是很dirty的方法啊!!!!!
4 5 6 => 4 0 5 0 6
1 2 3 => 0 0 0 0 0
無無 => 1 0 2 0 3
6.6旋轉
沒有什麼東西,就是讓圖旋轉角度,用這指令imrotate(image,angle,’method’)
Method可以被省略,不打就是做Nearest Neighbor
6.7 Anamorphosis
大家大概都會對這一小節特別感興趣吧,我猜的,但是我還滿有興趣的,
一開始看那張圖我還看不出來那一個骷髏頭,看到後面那頁才看得出來(當然...都弄好給你看了),我在想會不會還有其他地方跟骷髏一樣,只是不明顯,要找一下才看得出來,我很想像課本上那樣把圖弄出來,但是我不知道哪有那張圖可以用,不是說找不到那張圖,只是我找的那張圖骷髏頭的位置不是課本上指令的那個位置, 所以我試不出來...
CH6
6.1 Interpolation of Data
這節是在講有關於內插法的運用:
有講到的內插法分別是:
Interpolation：就是一條線以比值的轉換運算(普通的內插法)
課本有講到由4點轉換成8點的作法
Nearest-neighbor Interpolation：藉由鄰近已知的點來求空白值
Linear Interpolation：利用線性算法來求兩點間的空白值。
6.2Image Interpolation
這裡提到了Bilinear interpolation(雙線性內插法)
他的作用是可以讓圖片變得比較充實
從Figure6.9可以看出來
左邊的圖有許多格子，而右邊的就沒有了。
6.3General Interpolation
這節有提到內插法Cubic Interpolation和Bicubic Interpolation
前者這是用到三維的內插法，後者可以處理鋸齒狀的改善
但是我看圖片跟6.2的圖片似乎沒什麼太大的改變阿。
6.4 Enlargement by Spatial Filtering
這邊提到了zero-interleaved
他是把0插入矩陣中，可以讓原圖達到放大的效果
過程中是使用了filter。
6.5 Scaling Smaller
這邊提到了讓影像變小的方法叫image minimization
而另一種刪除pixel值的方法稱為subsampling
從Figure6.18可以看到(a)圖和(b)圖的差異
當圖縮小時就看不到間隔了 。
6.6 Rotation
這節是有關旋轉的做法
這是用到的指令imrotate(圖片(image),角度(angle),'插補運算方式(method)')
還蠻容易使用的感覺呢 。
6.7 Anamorphosis
可以讓圖片變型
拉長壓縮等等可以從Figure6.26和Figure6.27看到
還蠻有意思的
指令沒有實際跑過
所以不太懂哪些指令是做哪些變化。
這節是在講有關於內插法的運用:
有講到的內插法分別是:
Interpolation：就是一條線以比值的轉換運算(普通的內插法)
課本有講到由4點轉換成8點的作法
Nearest-neighbor Interpolation：藉由鄰近已知的點來求空白值
Linear Interpolation：利用線性算法來求兩點間的空白值。
6.2Image Interpolation
這裡提到了Bilinear interpolation(雙線性內插法)
他的作用是可以讓圖片變得比較充實
從Figure6.9可以看出來
左邊的圖有許多格子，而右邊的就沒有了。
6.3General Interpolation
這節有提到內插法Cubic Interpolation和Bicubic Interpolation
前者這是用到三維的內插法，後者可以處理鋸齒狀的改善
但是我看圖片跟6.2的圖片似乎沒什麼太大的改變阿。
6.4 Enlargement by Spatial Filtering
這邊提到了zero-interleaved
他是把0插入矩陣中，可以讓原圖達到放大的效果
過程中是使用了filter。
6.5 Scaling Smaller
這邊提到了讓影像變小的方法叫image minimization
而另一種刪除pixel值的方法稱為subsampling
從Figure6.18可以看到(a)圖和(b)圖的差異
當圖縮小時就看不到間隔了 。
6.6 Rotation
這節是有關旋轉的做法
這是用到的指令imrotate(圖片(image),角度(angle),'插補運算方式(method)')
還蠻容易使用的感覺呢 。
6.7 Anamorphosis
可以讓圖片變型
拉長壓縮等等可以從Figure6.26和Figure6.27看到
還蠻有意思的
指令沒有實際跑過
所以不太懂哪些指令是做哪些變化。
CH6
Geometry 原本的意思就是指幾何學。而這章多半都是在講affine transformations，也就是在講如何將原有的陣列轉換，每節都有講解到不同的內插法運算。
6.1 Interpolation of Data
nearest-neighbor interpolation:利用鄰近點來計算出空白值。
linear interpolation:利用線性運算來計算空白欄位的值。
6.2 Image interpolation
bilinear interpolation:算是利用linear interpolation延伸出來的方法計算出值。
A C B
- X -
J L K
先利用AB兩值算出C以及JK兩值算出L，再經由CL兩值求出所需的X。
6.3 General interpolation
此節多出了一個內插法
Cubic interpolation:在三維的空間矩陣內使用線性內插法來計算值。
還有一個指令
Bicubic interpolation，是利用類似模糊失焦的方式改善邊緣的鉅齒化。
6.4 Enlargement by Spatial Filtering
先利用zero interleaved將原矩陣的每個值與值間填0，達成放大的效果，之後利用內插法將原本產生的零值轉換成有效值，完成圖片的正常放大效果。
6.5 Scaling Smaller
image minimization:利用subsampling將原有圖片縮小。
subsampling:將某間段的值刪除，再將矩陣縮小排列而變化圖形。
6.6 Rotation
imrotate(image,angle,method):將圖片以angle角度來做旋轉。
6.7 Anamorphosis
製作變形的圖片以及利用跟一般不同角度或是特殊鏡片的折射原理看到原始圖片。
6.1 Interpolation of Data
nearest-neighbor interpolation:利用鄰近點來計算出空白值。
linear interpolation:利用線性運算來計算空白欄位的值。
6.2 Image interpolation
bilinear interpolation:算是利用linear interpolation延伸出來的方法計算出值。
A C B
- X -
J L K
先利用AB兩值算出C以及JK兩值算出L，再經由CL兩值求出所需的X。
6.3 General interpolation
此節多出了一個內插法
Cubic interpolation:在三維的空間矩陣內使用線性內插法來計算值。
還有一個指令
Bicubic interpolation，是利用類似模糊失焦的方式改善邊緣的鉅齒化。
6.4 Enlargement by Spatial Filtering
先利用zero interleaved將原矩陣的每個值與值間填0，達成放大的效果，之後利用內插法將原本產生的零值轉換成有效值，完成圖片的正常放大效果。
6.5 Scaling Smaller
image minimization:利用subsampling將原有圖片縮小。
subsampling:將某間段的值刪除，再將矩陣縮小排列而變化圖形。
6.6 Rotation
imrotate(image,angle,method):將圖片以angle角度來做旋轉。
6.7 Anamorphosis
製作變形的圖片以及利用跟一般不同角度或是特殊鏡片的折射原理看到原始圖片。
Chapter 6
首先第六章似乎是在講影像的幾何處理~
6-1 添補資料
似乎是要在原有的資料中增加一些東西來達到效果
這裡提到了兩種方法:
nearest-neighbor interpolation 和 linear interpolation
不過看得有點朦朧
6-2 添補影像
從上一節對資料添補的介紹而這一節則轉換到了影像處理方面,
在這一節介紹了一個方法:bilinear interpolation
雙線性的差法,雖說看了...不過還是希望老師介紹一下比較了解!
6-3
這一節又介紹了另一個差補法:
bicubic interpolation
這種方法又比上一節的bilinear interpolation好像還更好
似乎式解決了鋸齒化的問題!
6-4
這一節是用filter來處理添補的問題
其中提到了zero-interleaved
在矩陣的行與列間加入0,使影像出現了一點一點的黑點,感覺滿有趣的!!
有點像是逛網頁時把圖框起來時出現的一點一點的效果!網頁是藍色而它是黑色的!
6-5
是在說subsampling部分取樣...
從圖上看起來,似乎是從原本的圖抽樣出一些點,利用這些點把原圖還原@@?
6-6
這節是在說如何將影像旋轉
就是利用imrotate(image,angle,'method')這個指令
image擺的是影像名稱,angle擺的是旋轉的角度,
而'method'擺的是要用哪一種添補的運算法!
最後6-7
是在介紹影像的長寬比例的更改
這節介紹了一個指令skull
可以改變影像的長寬比
看了範例的圖片跟他的介紹,
真的是非常有趣!原來還藏了個骷髏!
沒想到以前的就出現了這種巧思創意!
6-1 添補資料
似乎是要在原有的資料中增加一些東西來達到效果
這裡提到了兩種方法:
nearest-neighbor interpolation 和 linear interpolation
不過看得有點朦朧
6-2 添補影像
從上一節對資料添補的介紹而這一節則轉換到了影像處理方面,
在這一節介紹了一個方法:bilinear interpolation
雙線性的差法,雖說看了...不過還是希望老師介紹一下比較了解!
6-3
這一節又介紹了另一個差補法:
bicubic interpolation
這種方法又比上一節的bilinear interpolation好像還更好
似乎式解決了鋸齒化的問題!
6-4
這一節是用filter來處理添補的問題
其中提到了zero-interleaved
在矩陣的行與列間加入0,使影像出現了一點一點的黑點,感覺滿有趣的!!
有點像是逛網頁時把圖框起來時出現的一點一點的效果!網頁是藍色而它是黑色的!
6-5
是在說subsampling部分取樣...
從圖上看起來,似乎是從原本的圖抽樣出一些點,利用這些點把原圖還原@@?
6-6
這節是在說如何將影像旋轉
就是利用imrotate(image,angle,'method')這個指令
image擺的是影像名稱,angle擺的是旋轉的角度,
而'method'擺的是要用哪一種添補的運算法!
最後6-7
是在介紹影像的長寬比例的更改
這節介紹了一個指令skull
可以改變影像的長寬比
看了範例的圖片跟他的介紹,
真的是非常有趣!原來還藏了個骷髏!
沒想到以前的就出現了這種巧思創意!
Chapter 6
Image Geometry
影像幾何學
6.1 Interpolation of Data
資料插補
Figure6.1每個點為1所以長度為3
增為8點時
每兩點之間長度為0.4286
Liner interpolation 線性插補
而中間的算式應該是在做數學的內插法
計算空白欄位的值
6.2 Image Interpolation
bilinear interpolation
雙線性插補
利用內插法計算影像放大之後的image
然後將每一個像素所對應到的新的位置補進去
而這個做法能使image有縮放的效果
6.3 General Interpolation
Cubic Interpolation
立方內插法
有點像是線性內插法 是用在三維的空間矩陣
6.4 Enlargement by Spatial Filtering
zero-interleavedinterleaved 插入
將這個矩陣插入0
已製造出黑點來
而其他的.....我看不懂= =
6.5 Scaling Smaller
image minimization可以讓影像變小
subsampling 刪除間隔
可以將缺口用另一種方法將缺口補上
6.6 Rotation
Rotation旋轉
imrotate(image,angle,'method')
將image以angle角度來做旋轉
6-7 anamorphosis
將image做扭曲 把圖片拉長 長寬比例會變的不同
利用折射原理來看原始圖片
就像畢卡索那樣的吧????
第6章大致上看 就差不多這樣
影像幾何學
6.1 Interpolation of Data
資料插補
Figure6.1每個點為1所以長度為3
增為8點時
每兩點之間長度為0.4286
Liner interpolation 線性插補
而中間的算式應該是在做數學的內插法
計算空白欄位的值
6.2 Image Interpolation
bilinear interpolation
雙線性插補
利用內插法計算影像放大之後的image
然後將每一個像素所對應到的新的位置補進去
而這個做法能使image有縮放的效果
6.3 General Interpolation
Cubic Interpolation
立方內插法
有點像是線性內插法 是用在三維的空間矩陣
6.4 Enlargement by Spatial Filtering
zero-interleavedinterleaved 插入
將這個矩陣插入0
已製造出黑點來
而其他的.....我看不懂= =
6.5 Scaling Smaller
image minimization可以讓影像變小
subsampling 刪除間隔
可以將缺口用另一種方法將缺口補上
6.6 Rotation
Rotation旋轉
imrotate(image,angle,'method')
將image以angle角度來做旋轉
6-7 anamorphosis
將image做扭曲 把圖片拉長 長寬比例會變的不同
利用折射原理來看原始圖片
就像畢卡索那樣的吧????
第6章大致上看 就差不多這樣
訂閱：
文章 (Atom)