CH5

5.1
介紹Neighborhood Processing基本處理的方式，
藉由附近的pixel產生一個function，
所以他是需要用到原本影像鄰近的點做計算。

<應用方面>
建立一張pixels的灰階值是由mask值計算出來的新圖片。
mask與function的組合稱為filter。
用pixel去取pixe鄰近的點而形成mask，
再對pixel與mask做處理，而新的產生點取代原本的pixel。
linear function稱為linear filter。
filter產生結果的新值，如都屬於mask裡的值，
那麼就將這個稱為linear filter。

5.2
再說明filter可以用矩陣的方式表示。
大概是這些吧!

5.3
用Matlab來實作Neighborhood Processing
函式filter2(filter, image, shape)
shape用到三種，same、valid與full。
1.filter2(filter,image,'same') 將Pad with zeros補0，影像維持大小。
2.filter2(filter,image,'valid') Ignore the edges將影像邊略去， 呈現較小影像。
3.filter2(filter,image,'full') 將邊緣補0，產生較原圖大的影像。

5.4
一些名詞解釋
frequencies: 測量因距離改變的灰階值。
High-frequency components:短距離而灰階直有很大的改變。
Low -frequency components:長距離而灰階直有很小的改變。
high-pass filter:忽略High-frequency components和減少或消除Low -frequency components。
low-pass filter:忽略Low -frequency components和減少或消除High-frequency components。
Make negative values positive:完全處理負數值，不處理大於255，因此只能使用在特殊情況。
Clip values:x值經由filter得到y值，而且不適用於超過255。
這裡是參考同學的，這地方幾乎都是名詞解釋，看的有一點累==+

5.5
介紹高斯濾波器(Gaussion Filters)
Gaussion Filters是low-pass filter的一類
透過高斯機率分佈函數變化而來

5.6
用Filter來做影像銳利化的處理
Spatial flitering可以使圖片邊緣清晰化
High-Boost Filtering增強原始影像已被模糊的地方或細微處
Ursharp Masking將原圖模糊化得到的圖，與原圖做差值，再將差值加回原圖

第五章

介紹Neighborhood Processing

藉由附近的pixel產生一個function，

和第四章市有關聯的

第四章是用function來提供pixel value的值

第五章則是利用鄰近的pixel value來決定慘生function

第五章和第四章是有關聯的

第五章討論的是要用到原本影像鄰近的點的值去做運算。

接著討論到filter的概念filter（濾器）＝ mask（遮罩）+ functionmask

function與周遭pixel value呈現線性關係的就叫做linear filter

接著說到illstrate了spatial(空間的)filtering三個步驟

1.遮罩current pixel

2.對neighbornood合成function

3.相加

也學到一些指令

. fliter2(fliter,image,'same') 會產生一個與原圖大小相同的影像。

fliter2(fliter,image,'valid') 會產生一個比原圖較小的影像。

fliter2(fliter,image,'full') 會產生一個比原圖較大的影像。

差別在最後一個值

還有提到改變灰階值

frequencies: 測量因距離改變的灰階值

High-frequency components(高頻率)

Low -frequency components(低頻率)

High-pass Filter(高通量濾波器)

Low-pass Filter(低通量濾波器)

CH5

Neighborhood Processing

5-1 Introduction

linear filter:將灰階值進行線性函數運算

Spatial filtering thus reqires three steps:
(1)Position the mask over the current pixel
安置在當前指定像素的遮罩
(2)Form all products of filter elements with the corresponding elements of the neighborhood
fliter elements與corresponding elements相乘
(3)Add all the products
相加


5-2 Notation表記法

mask
超過圖片範圍時會產生陰影

Ignore the edges
忽略邊緣

Pad with zeros
被忽略邊緣補零


5-3 Filtering in MATLAB

filter2(filter,image,'same')補零的動作

filter2(filter,image,'valid')忽略邊緣

filter2(filter,image,'full')影像會比原圖還要大


5-4 Frequencies: Low-and High-Pass-Filters

(High-frequency components)：內部灰階值變化比較大
(Low -frequency components)：灰階值變化不大
(High-pass Filter)
高通濾波器----讓高頻率的部分通過
(Low-pass Filter)
低通濾波器----保留低頻率,平均濾波器為低通濾波器


5-5 Gaussian Filters 高斯濾波器

1.高斯函數透過傅立葉轉換後還是高斯函數
2.旋轉後都還是對稱的
3.分離性
4.兩個高斯函數的旋積是另一高斯函數

week13心得

這章充斥著數學式
比較難 有些都看攏無
when only 數學＝九死一生
還有一點點看懂的的希望
when 數學＋英文＝十死無生...

5.1 Introduction
第四章和第五章的差別是：
第四章是用特別的function來提供pixel value的值
而第五章則是利用鄰近的pixel value來決定
第五章有點像是第四章的延伸
課本接著就介紹了filter的概念
filter（濾器）＝ mask（遮罩）+ function
mask通常為長方形,有著奇數長寬 但也有其他形狀的
所使用的function與周遭pixel value呈現線性關係的就叫做linear filter
例如課本就舉了一個3*5的mask的例子
問題一:
我思考了一下算式
總覺得這麼多個值乘乘加加後
應該會頗大到爆表的才對...
可是課本似乎就把這個值丟到現在運算的pixel裡面
感覺 應該除個15之類的
還是我會錯意了 我也不懂

接著課本illstrate了spatial(空間的)filtering三個步驟
1.用mask罩住current pixel
2.對於所有的neighbornood作function的意思吧
3.全部相加
這會對所有image的pixel做一遍
然後還有spatial convolution
就是對mask或image二擇一作180度旋轉
文中尾端最後說will produce the same output
然後講了一個linear filter的例子再簡單不過
不過 也很直覺的想到在邊緣的pixel該怎麼辦呢?

5.2
ignore the edge是5.2的方法
這麼說5.3似乎也有一套方法
即mask必須lie fully within the image
pad with zeros對不足mask的neighborhood填上0
恩...個人覺得不太好
不過這樣程式比較好寫就是了

5.3
介紹函數filer2
第三個parameter"shape"就是決定edge的處理
填same就是pad with zeros的方法 size不變
填valid就是ignore the edge的方法 size縮小
問題二:
填full的敘述不知道是程式裡面是怎麼做的

接著介紹fspecial函數
是可以對filter做設定的函數 內含許多option
fspecial('average',[5,7])=> 5*7size的mask
fspecial('average',11)=> size 11*11
fspecial('average')=> size 3*3
接著課本實作圖3*3 5*5 25*25
當然average mask的size越大就越模糊囉
seperable filters數學玩意...
就提出係數相乘可得到simpler的 filter

5.4
high-fequency components:扮演大的改變在小的distance
如edge and noise
low-fequency components:扮演小的改變
如backgrounds and skin textures(表面本質？)
看了一會兒才看懂一點
是說使用不同的filter的圖產生的影響
看了課本上的圖
edge的部份都被反白 其他都是黑的
不懂中間的過程是怎麼弄的
也不懂他的high low怎麼分的...
還有兩者的解釋也需要解說一下
第四節後面有講到thresholding type operation
就是控制image的value在某個區間裡面
之後利用最大直到最小值之間scale 255等份
然後這可以幹嘛＝ ＝ ？
後面都霧煞煞...

5.5
5.5看到gaussian filters
哇靠...影像處理跟Gaussian也有關係
想當年似乎是在機率與統計分析上看到Gaussian distrobution的...
不過都忘光光就是了...
Gaussian filter有幾個重要的理由
1.是非常數學的方式 ,fourier tramsform?!
fourier誰阿= =
2.是旋轉對稱...
為啥這樣會very good to edge-detection阿?
3.看無...
他們是分離的,誰跟誰分離= =?
4.給了convolution的數學式
就是旋轉180度的意思
要執行gaussians就在fspeical函數shape地方填上他的大名就行了
還有一個alpha值似乎可以決定清晰度
越大越不清晰

5.6 edge sharpening
第一小節在講把原本的image subtract a scaled
這樣可以加深edge 讓圖片更明顯
雖然他提供了一堆數學式
不過我不懂為什麼用了這些command 圖片就變清晰了
總而言之 數學不太好...
第二小節提到與第一小節allied的filtering-high-boost filtering
一樣只知道效果 不知道過程實際上是怎麼弄的...

5.7nonlinear filters
提到了maximum filter and minimum filter
兩者都是rank-order filters
他的作法大概是filter中的值最大＼最小的值就輸出
然後出現新的函數 nlfilter（）
三個參數分別是image size and function to be applied
介紹了colfilt() and ordfilt2
ordfilt2的第二個參數看無?
the index value of the ordered results to choose as output?

5.8 egion of interest processing
第八節是說通常你要用filter改善image都只是你有興趣的小部分
所以這一節就在說如何用matlab去實作
看一看程式的command 還蠻簡單的說
看完第八節還真有鬆了一口氣的感覺勒...

有些人不喜歡貼圖的文章
雖然我不懂為什麼

快學期末了
有沒有這麼快阿＝ ＝

這學期英文期中考不錯耶
不知道跟看原文書有沒有關係就是了

the end～

ch5

5.1 Introduction一.filter (濾器)二.mask(遮罩) =>遮罩可在影像區域上加入某個色調的遮 罩，建立大略的選取區域。三.空間濾波(Spatial filtering)三大步驟 :(1) 將遮罩移到指定的 pixel上。(2) 由過濾後的元素還有附近對應的元素組成product。(3)最後把這些products相加。
5.2 Notation一. Ignore the edges => 會忽略邊界超出的範圍二. Pad with zeros => 落超出範圍會對超出的部分填入零5.3 Filtering in MATLAB指令: 一. fliter2(fliter,image,'same') => 會產生一個與原圖大小相同的影像。二. fliter2(fliter,image,'valid') => 會產生一個比原圖較小的影像。三. fliter2(fliter,image,'full') => 會產生一個比原圖較大的影像。
5.3.1 Separable Filters
5.4 Frequencies: Low - and High - Pass Filters一. High-frequency component高頻濾波器 =>使高頻通過。二. Low-frequency components低頻濾波器 => 使低頻通過。三. High-pass Filter =>略高頻率並保存，消除低頻。四. Low-pass Filter => 略低頻率並保存，消除高頻。五. Make negative values positive => 計算負值 。(P.S 不會處理大於255的值)。六. Clip values => 某值經過 filter 的處理到新的值 。(P.S 不能超過255)。

ch5

一開始概略性的看了一遍
很好! 很多不懂= =
然後再看看其他同學的心得
嗯 有比較懂了
然後開始打心得
打到一半...
案! 電腦自動重開 是在跟我開玩笑嗎0.0
悶了....所以就先去睡了

5.1 Introduction
mask(遮罩) -
利用原圖像素 覆蓋原圖創造新影像
以前常聽到遮罩遮罩 可是到這裡才比較實際了解其運作情形

Spatial filtering(空間濾波) -
1 在正確的pixel上進行遮罩動作
2 在濾波器相鄰的區塊上 把所有元素相乘
3 最後再相加所有的結果

5.2 Notation
介紹以矩陣表達遮罩的概念

5.2.1 Edges of the Image
Ignore the edges(邊緣忽略) -
將邊緣忽略的作法 實際會比原影像小

Pad with zeros(填入零) -
作法將0填入 保持其影像大小

5.3 Filtering in MATLAB
這裡利用filter2的指令
將前面的概念做一個實作
就是在說5.1,5.2實做的指令,filter2

filter2(filter,image,'same')

利用到了5.2.1所說的Pad with zeros

補0的動作 將影像維持大小

filter2(filter,image,'valid')

則是用到Ignore the edges

將影像邊緣忽略 所以呈現出來較小

filter2(filter,image,'full')

作法上是將邊緣補0 產生比原圖還要大

然後做?運算

5.3.1 Separable Filters
是說濾波分離的樣子 可以拆解成課本那樣

5.4 Fequencies: Low - and High - Pass Filters
High-pass filter(高通量濾波) -
顧名思義就是讓高頻的波通過 然後減少其低頻的部分

Low-pass filter(低通量濾波) -
讓低頻的波通過 然後減少其高頻部分

高頻濾波器(High-frequency components) -
短距離內灰階值改變很大

低頻率波器(Low-frequency components) -
短距離內灰階值改變很小

5.5 Gaussian Filters
介紹高斯濾波器是一種低通量的濾波
然後5.7的圖 畫出公式在一圍的Gaussians
特性主要有
1. 經傅立葉轉換後的Gaussian會是另一個Gaussian
意思是本質還是高斯函數
2. 是一個旋轉對稱的edge-detection演算法 是這樣意思嗎?
其實有點不懂
3. 可分離的 可是很抽象不太能理解
4. 問號?

5.6以後的內容還是不懂....好多數學0.0

CH5

5.1 Introduction
一.filter (濾器)
二.mask(遮罩) =>遮罩可在影像區域上加入某個色調的遮 罩，建立大略的選取區域。
三.空間濾波(Spatial filtering)三大步驟 :
(1) 將遮罩移到指定的 pixel上。
(2) 由過濾後的元素還有附近對應的元素組成product。
(3)最後把這些products相加。

5.2 Notation
一. Ignore the edges => 會忽略邊界超出的範圍
二. Pad with zeros => 落超出範圍會對超出的部分填入零

5.3 Filtering in MATLAB
指令: 一. fliter2(fliter,image,'same') => 會產生一個與原圖大小相同的影像。
二. fliter2(fliter,image,'valid') => 會產生一個比原圖較小的影像。
三. fliter2(fliter,image,'full') => 會產生一個比原圖較大的影像。
5.3.1 Separable Filters

5.4 Frequencies: Low - and High - Pass Filters
一. High-frequency component高頻濾波器 =>使高頻通過。
二. Low-frequency components低頻濾波器 => 使低頻通過。
三. High-pass Filter =>略高頻率並保存，消除低頻。
四. Low-pass Filter => 略低頻率並保存，消除高頻。
五. Make negative values positive => 計算負值 。(P.S 不會處理大於255的值)。
六. Clip values => 某值經過 filter 的處理到新的值 。(P.S 不能超過255)。

5.5 Gaussian Filters
一.Gaussian Filters : 是低通濾波器(Low-pass Filter)的一種，是高斯函數變化而來。
參考網站 : http://en.wikipedia.org/wiki/Gaussian_filter 。
-----------------------------------------------(下回分曉)
５.6 Edge Sharpening

5.7 Nonlinear Filters

5.8 Region of Interest Processing

ch5

5.1
先介紹第一頁兩個標粗體的單字
filter: 由mask和function組合而成

linear filter: 鄰近點的運算之後的線性結果

空間濾波的步驟：
1:在指定像素上使用遮罩

2:濾波器的所有元素乘上相接區域相對應的像素

3:將上述乘法的結果相加

5.2 Notation
說明了影像邊緣的處理：
Ignore the edges :輸出的像素會比原圖來的小，故影像失真。

Pad with zeros :假定所有外部影像都補為零，所以他會和原圖一樣大

5.3
邊緣處理
smae :原圖大小
valid :變小
full :變大

filter2(filter,image,'same') 產生與原始影像同樣大小,邊緣補0.

filter2(filter,image,'valid') 只對遮罩能夠完全覆蓋的像素進行運算,所以產生小於原始影像.

filter2(filter,image,'full') 周圍的值補零，產生比原始影像還大的圖

5.4
frequencies: 測量因距離改變的灰階值。

High-frequency components(高頻率) :短距離裡灰階值有很大的改變

Low -frequency components(低頻率) :影像中灰階值變化不大的部分
High-pass Filter(高通量濾波) :是只留下高頻率的部分,把低頻率的部分去除.

Low-pass Filter(低通量濾波) :則是留下低頻率的部分

Ch5 Neighborhood Processing

Neighborhood Processing 鄰近處理

5.1 Introduction

空間濾波Spatial filtering所需的三個步驟

1.將遮罩放置於現有的像素

2.過濾所有的成分跟鄰近的成分調和

3.加入所有的乘積

在空間域中的Filter依其效果可分為下列兩種：

(1)Smoothing Spatial Filters:
其功能是將影像模糊化或減少雜訊。模糊化是用於影像的前處理，舉例來說：欲偵測一張影像中的物體，則可利用模糊化去除影像中不必要的小細節，並填補影像中線段或曲線間之斷層。此外，藉由linear filter或non-linear filter對影像進行模糊化亦可達到去除雜訊的效果。


(2)Sharpening Spatial Filters:
其功能是將影像銳利化及增強對比。銳利化主要的目的是突顯影像中細微的部分或是增強因錯誤或利用特殊方法取得影像而造成模糊的細部。此外，經由銳利化的處理也可使影像中物體的輪廓更為明顯。


5.2Notation表記法

Edge of the Image

邊緣上的影像

Ignore the edges.

將超出邊緣的像素忽視
Pad with zeros.

將邊緣外的值用0取代

5.3 Filtering in MATLAB

說明 filter2指令的使用方法

filter2(filter,image,shape)

filter2(filter,image,'same') ->將影像按照原本大小,邊緣外的值用0取代

filter2(filter,image,'valid')-->忽視邊緣外的影像,結果會比原來的小

filter2(filter,image,'full') ->影像會比原來的大

5.4 Frequencies: Low-and High-Pass-Filters

Low-Pass-Filters 低通濾波器

High-Pass-Filters高通濾波器

高通濾波器(high-pass filter)是將比截止頻率(cut-off frequency)低頻的訊號濾除，高頻的訊號通過，而低通濾波器就是相反。

5.5 Gaussian Filters 高斯濾波器

圖像的高斯模糊過程就是圖像與常態分佈做卷積。由於常態分佈又叫作高斯分佈，所以這項技術就叫作高斯模糊。圖像與圓形方框模糊做卷積將會生成更加精確的焦外成像效果。由於高斯函數的傅立葉變換是另外一個高斯函數，所以高斯模糊對於圖像來說就是低通濾波器的效果。

5.6 Edge Sharpening 邊緣銳利化

銳利化的效果,能強化影像邊緣像素與鄰近像素間之對比，使影像更清晰

5.7 Nonlinear Filters


5.8 Region of interest Processing

好不容易打好 發完結果出現錯誤碼...挖勒104!!!
結果又花了1小時重新打一次..
總覺得比第一次打得少了一點

CH5

5-1
一開始先提到第四張的neighborhood processing可以再做延伸。
將遮罩(mask)與函式(function)結合稱為 filter與線性函式結合則稱為 linear filter

如果想過濾一個空間需要以下三個步驟 :
1. 將遮罩移到指定的 pixel上。
2. 由過濾後的元素還有附近對應的元素組成product。
3. 最後把這些products相加。


5-2
說明了影像邊緣的處理：
Ignore the edges但輸出的像素會比原圖來的小，故影像失真。
Pad with zeros假定所有外部影像都輸入為零，所以他會和原圖一樣大，但會造成影像有多餘部份。


5-3
filter2(filter,image,same、valid、full)
filter-遮罩的範圍大小
same：邊緣補零、產生原圖大小的圖。
valid：忽略邊緣，產生比原圖還小的圖。
full：邊緣的值補零，產生比原圖還大的圖。


5-4
主要在談低通與高通濾波器
frequencies: 測量因距離改變的灰階值

高頻率(High-frequency components)：短距離內灰階值產生很大的變化。

低頻率(Low -frequency components)：影像中灰階值變化不大的部分。

高通濾波器(High-pass Filter)讓高頻率的部分通過。
低通濾波器(Low-pass Filter)保留低頻率,平均濾波器為低通濾波器,於灰階值相近的像素部分進行。


5-5
高斯濾波器(Gaussion Filters):屬於低通濾波器(Low-pass Filter)的一種，透過高斯機率分佈函數變化而來。
使用高斯函數的原因是因為它具有下列特點:
1:高斯函數透過Fourier(傅立葉)轉換後還是高斯函數。
2:不論怎麼旋轉都是對稱的。
3:具可分離性。
4:兩個高斯函數的旋積是另一高斯函數。

5-6

Edge Sharpening
邊緣銳利化,加強影像邊緣的線條。

CH5

第五章東西真的很多耶 不好好的慢慢看根本無法把
他弄懂來所以只好慢慢的去了解


而第五章的主題是Neighborhood Processing
(鄰近處理)
Spatial filtering(空間濾波)主要有3個步驟:

1.將遮罩的位置覆蓋於current pixel上

2.遮罩內所有不同位置的值與影像上被罩住的
像素值相乘

3.將所有的數值加起來


filter:對要處理的pixel取其周圍的點形成一個mask
針對該pixel與形成的mask做處理 產生一個新的點
取代原本的pixel

linear filter:filter結果產生的新值 如果都是屬於
mask裡擁有的值 那麼就把其稱為linear filter

再來就是對於Mask超過圖片範圍時會產生陰影
而課本利用矩陣做一些運算來解決

Ignore the edges 忽略

Pad with zeros 補零

這個應該是只對在Mask範圍內的pixels作運算

5-3節好像是說可以利用filter2去對矩陣做線性
濾波運算

filter2(filter,image,'same')
產生和原始影像矩陣一樣大小的矩陣
而且會使用對邊緣補0的動作

filter2(filter,image,'valid')
產生出來的影像會比原來的圖還要小

filter2(filter,image,'full')
產生出來得影像會比原來的圖還要大

5-4裡講到低頻和高頻通過的濾除

Low - Pass Filter--->讓低頻通過

High - Pass Filter--->讓高頻通過

5.5 高斯濾波器

只知道高斯濾波器是一種低通濾波器

第五章實在是太多了 希望老師可以再
給我們多一點的時間研讀

CH5

CH5 : Neighborhood Processing


這章節跟上章節Poing Processing不同的是，這章節開始進入面的世界，談到透過改變某特定區域裡面所有像素的值來達到改善圖片品質或找出隱藏內容的目的。
處理的方式是透過空間濾波器（Spatial filter）。

Spatial filter依照效果主要可以分成兩種：

1)Smoothing Spatial Filters：
主要的功能是把影像模糊化或著減少雜訊。
模糊化的功能是用在影像的前處理。例如說，偵測到了一張影像中的物體，可以移用模糊化把影像中一些不必要的小細節去掉，並且把影像中線段或曲線的斷層填補起來。
另外，用Linear filter或non-linear filter對影像模糊化，也可以達到去除雜訊的效果!!

2)Sharpening Spatial Filters:
主要的功能是把影像銳利化及增能對比。
銳利化主要是把影像中比較細小的部分突顯出來，或著是把因錯誤或利用特殊方法取得影像而告成模糊的細部地方做增強。經過銳利化的處理，影像中物體的輪廓會更加明顯。

Spatial filtering的3個步驟：

1.Position the mask over the current pixel.
將遮罩放在current pixel上.

2.Form all products of filter elements with the corresponding elements of the neighborhood.
將濾波值與鄰近值做相乘動作.

3.Add all the products.
把所有的值加起來.


最後，在課本P96及P99頁的地方，有提到某些filter的效果。如下圖：

a)原圖

b)Average filtering
(較a圖模糊)












c)Laplacian filter
(突顯a圖人型輪廓)












d)Laplacian of Gaussian filtering
(輪廓部分又較c圖明顯)












另一系列：

a)原圖

b)Laplacian filter

c)Laplacian of Gaussian filter

原則上第五章我大概讀到這里，其實我有個疑惑....
Laplacian filter跟Laplacian of Gaussian filter的差別就只是有沒有明顯而以嗎?那為什麼不採用較明顯的Laplacian of Gaussian filter就好?Laplacian filter的使用是在哪里?

------------------------------------------------------------------------------------------------

Nonlinear Filters：
書本跟網路都找過這個詞....但都沒找到.....
所以我就自己叫它"非線型遮罩"....
主要是分成二種，最大值遮罩跟最小值遮罩：

a)maximum filter最大值遮罩
使用這種遮罩，雖然比較亮一點，但很多細部的部分都會糊掉。

b)minimum filter最小值遮罩
使用這種遮罩，整張影像偏暗，陰影部分會突顯，而且很多地方的色彩值都變了.....


Region of Interest Processing(影像有興趣範圍)：
似乎是一種影像壓縮的技術....主要的原因是將感興趣的影像範圍以較高的位元率編碼，讓使用者在解碼端解碼的時候可以將感興趣的範圍看的更清楚。

將感興趣的影像範圍以較高的位元率編碼，讓它在比較不重要的背景部份用較低的位元率來處理，所以使用者看到的是較模糊的背影，這樣的好處能在頻寬有限的網路上先把重要的影像給傳送出去，等到有多餘的頻寬再把背影的部分做傳輸的動作。

ch5

這章是在講Neighborhood Processing,就是CH4有提過的Point Processing之一,大致上翻了一下,發現這章好多阿,竟然有15頁,也就是有30面的意思

5.1

filter是用來改變或增強影像品質的一種技術,

他是用Neighborhood Processing,

是說任一點的輸出,取決於該點與附近點的運算

linear filter 如果說鄰近點的運算之後的結果是線性的,

就叫做linear filter

Spatial filtering三步驟

1. 把Mask覆蓋在目前的pixel

2.相鄰filter元素中對應元素相乘

3.相加所有結果

後面還有一個spatial convolution是啥東西不太清楚

5.2

filter做矩陣運算

5.2.1

要是Mask落在圖的外面怎麼辦?這節是在講這個,

下面有兩個方法

Ignore the edges

將落在外面的忽略不看,但是圖會比原來的圖小

Pad with zeros

將落在外面的都補零,圖一樣大小,但是會造成圖片會有缺陷

個人是覺得忽略不看似乎比較好,因為不會有缺點,只是變小了,沒啥影響,不過既然他有兩種方法,應該是要看當時的人需求吧

5.3

就是在說5.1,5.2實做的指令,filter2

filter2(filter,image,’same’)

就是再做補零的動作,也就是Pad with zeros

filter2(filter,image,’valid’)

就是Ignore the edges

filter2(filter,image,’full’)

輸出結果會比原來的大,補零之後做某種運算,至於是啥運算,我不太清楚

fspecial(‘average’,[x,y])

模糊化,看字面上的意思應該是把x*y裡面的值做平均吧,

所以矩陣裡面的值就會變得差不多,之後圖看起來就變模糊了

fspecial不只有average,還有disk,Gaussian,log,motion,prewitt,sobel,unsharp這些種類

5.4

High-pass filter 高通濾波器

如果通過的是高頻率,那低頻率的就會減少或消除

Low-pass filter 低通濾波器

與高通相反,如果通過的是低頻率,那高頻率的就會減少或消除

還有很多沒看,看不完了,硬看下去我怕我不僅看不懂,可能還會起不來…

所以就先到這裡

Chapter5

這一章似乎是對Neighborhood Processing做進一步的介紹
首先呢


5-1 Introduction
主要是介紹mask(遮罩),filter(濾波器),和線性filter,還有特殊filter
針對像素鄰邊的點執行運算


5-2
說明有時做線性濾波時會有一些問題,例如
對於邊緣的點做mask的話會超出範圍,因此要用別的方法解決
而課本提到兩種一種是忽略邊緣,而第二種則是補0
但都還是會有些問題~


5-3
這節開始利用Matlab軟體去實做,
提到了filter2(filter,image,'????')這函式,
可以對矩陣做線性濾波運算,
'????'裡面所擺的參數不同會有不同的結果,
但最後似乎是valid會有較好的結果!


5-4
這裡說到了高通濾波和低通濾波還在深入研究~
記得二上修行動通訊時老師有提到這東西~


今天看到朱家祥的心得!
真是厲害,
平時坐他旁邊,
老師在講課,他也會順便跟我講解,
有時還會考我一些問題,真的很有趣!
非常的謝謝他!
讓我懂了很多~

還沒看完下禮拜再繼續補上!

ch5

5.1
Neighborhood processing

與第四章類似
由鄰近的灰階值加起來
然後取平均值
並不是只看一點的pixel
而是由鄰近的幾個所影響的

一個mask跟function的結合
也就是把mask類似長方形的遮罩與function覆蓋就叫filter

Spatial filtering 主要有3個步驟:

將mask的位置覆蓋在正確的pixel上
濾波器的所有元素與附近相對應的pixel相乘
把所有的乘積加起來


5.2
如果mask超過圖片範圍時會產生陰影

解決的方法有
Ignore the edges
忽略邊緣只取mask裡的運算

Pad with zeros
被忽略的那些邊緣補零

影像會比原圖大


5-4
High-frequency components高頻率濾波器
消除低頻
Low -frequency components低頻率濾波器
消除高頻


5-5 Gaussian Filters 高斯濾波器

1.高斯函數Gaussan透過傅立葉轉換之後
還是高斯函數Gaussan
2.旋轉後都還是對稱的
3.具可分離性
4.兩個高斯函數的旋積是另一高斯函數

第五章

5-1
filter(濾器),liner fliter(直線濾器?),mask(遮罩)
課本有提到mask使用的3步驟
1.將mask放置在current pixel(不知道該怎麼翻)
2.對fliter elements與corresponding elements相乘
3.將所有的值相加
P.91提到mean2(x(1:3,1:3))還有mean2(x(1:3,2:4))
一直研究了很久為什麼會顯示出那樣的值
後來才明白1:3是由左到右,由上到下分別是1,3
將所選取範圍內的值相加總後在除上個數(9)
就能獲得值,不過這樣做的目的是為了什麼呢?

5-2
簡單敘述了陣列的算法
還有提到對於所要mask的值在於邊界時所作的處理
Ignore the edges(忽略邊界超出範圍)
Pad with zeros(對超出的部分填入零)

5-3
fliter2(fliter,image,'same')
produces a matrix of a size equal to the original image matrix
產生與原圖相同大小的影像

fliter2(fliter,image,'valid')
smaller than the original
產生比原圖較小的影像

fliter2(fliter,image,'full')
returns a result lager than the original
產生比原圖較大的影像

fspecial('average',[5,7])產生5*7大小的陣列
fspecial('average',11)產生11*11大小的陣列
fspecial('average')產生3*3大小的陣列
還可以利用X*X averaging filter將影像模糊化

5-3.1也提到將矩陣拆成2個相乘
不過拆成這樣會有怎樣的用處呢?

5-4
High-frequency component高通濾波器
Low-frequency components低通濾波器
高通可利用於改變灰階影像值或小距離
低通可用於小變化像是背景或皮膚
(說實話不大懂他的用處= =)

P.98中有將4*4的矩陣簡化為2*2的矩陣
這次就真的不懂這是如何變化的了

再往後面就越覺得困難了
光是看完理解前面就花了不少時間與腦力
有點越看越眼花@@

5-5開始用到指數還有自然數= =

5-6
edge enhancement(邊緣提高?)
edge crispening (找不到翻譯= =)
unsharp masking (這也不知道是什麼)
.
.
.

CH5

5-1
mask:利用遮罩將不要的部份蓋住,只留需要的部份.
linear filter:將灰階值進行線性函數運算.
空間濾波的步驟：
1:在指定像素上使用遮罩
2:濾波器的所有元素乘上相接區域相對應的像素
3:將上述乘法的所有結果相加
magic:創造一個矩陣,矩陣內容的對角線與每行每列的加總都會相同

5-2
Ignore the edges:將圖片邊緣部分忽略,而形成比原圖來得小的圖片
Pad with zeros:將忽略的邊緣值都填0.

5-3
filter2(filter, image, shape):linear filter
----filter:遮罩的範圍大小,image:原影像檔的矩陣,shape:為非必要參數----
第三個參數改變則是在做不同的事情:
same:邊緣補零.
valid:忽略邊緣.
full:填滿，邊緣為四周有的地方相加除9.

5-4
High and low frequency components
frequencies: 測量因距離改變的灰階值
high：短距離內灰階值產生很大的變化,EX:邊緣或雜訊.
low：影像中灰階值變化不大的部分,EX:背景和皮膚紋理.
High-pass Filter:忽略高頻率的部分並且保留,而消除低頻率的部分.
Low-pass Filter:忽略低頻率的部分並且保留,而消除高頻率的部分.
Make negative values positive:可計算負數值,但不處理大於255的.
Clip values:某值經由filter得到新值,但不能超過255.

5-5
Gaussion Filters是一種low-pass filter,透過高斯機率分佈函數變化而來.
高斯函數特性：
1:高斯函數透過Fourier(傅立葉)轉換後還是高斯函數.
2:不論怎麼旋轉都是對稱的.
3:具可分離性.
4:且兩個高斯函數的旋積是另一高斯函數.
(這段應該是電機系工程數學課....)

5-6
使用空間濾波來加強影像邊緣的效果
Edge Enhancement:加強邊緣
Edge Crispening:邊緣清晰
Unsharp Masking:去銳利化遮罩

5-7 .....
5.8 .....

week

上一章節的影像處理是指單一點去做運算而得到的結果
而第5章則是會用到相鄰的點

5-1

是有看到的回應提到了運算過程
convolution的功用是?
filter的翻譯?總覺得過濾,濾器之類的很詭異
上述2行上週(13)老師後來都講解過了
原來真的是濾掉阿~濾掉不需要的部分
或是該說去做運算跟範圍大小,決定要的是什麼
filter=mask(範圍大小)+function(要使他做什麼的運算)

5-2
在影像處理時角落的要怎麼處理
Ignore the edges
將部分忽略,但是圖會變小
Pad with zeros
視為0
但是不管是哪個都有各自的優缺點,那要如何判斷使用時機呢?

5-3
filter2(filter,image,'valid')
filter2(filter,image,'same')
filter2(filter,image,'full')
valid.只處理有包含的部分,然後圖會比原來小
same.這個似乎是用到5-2的pad with zeros 並且作valid
full.會比原圖大

5-4
Low -Pass Filters&High-Pass Filters
這裡老師只有稍微提過,自己找到的姐是和理解也不太能懂
上課是講過如果要使圖形較尖銳或是平緩,可以做運算
而這就是Low or High-Pass Filters
而看99頁圖的話,看起來像是在找邊,而第9章似乎會提得更仔細(下課老師提的~
只是運用的方式問題a.Laplacian filter b.Laplacian of Gaussian
但實際上怎麼算的,還是不懂,就交給老師了

5-5
filter.fspecial這些指令雖然這幾章節常看到,但並沒有清楚了解他們如何用
看課本也看不懂,唯一能知道的就是103上面的圖
而這上課老師有講過比例要多少,相等.或是中間大都可,但是總和要是1
這樣圖就會有明顯的清楚或是模糊

5-6
似乎是跟如何使影像較銳利或是反之有關
但是數學過程實在是不太懂,雖然是矩陣運算,用的數字也沒很難
但是不懂他想表達的還是看不太懂
而第2小節部分,boost的意思?是有查到,但不知道在這的意思是哪一個
而下面寫他是把原來的減掉low pass的就是所求(high boost)
是相對原來的算是高的?!我是這樣想的

第五章

Neighborhood processing 鄰近處理再第四章有稍微提到



當初看了覺得霧濛濛的



現在看了還是有些看不太懂



大概知道第四章講解釋對點的處理



第五章應該是把範圍擴大到附近的點來做處理







mask我記得是遮罩的意思==



將mask與function的組合稱為filter



在一個spatial filtering中有三個步驟



一.將mask覆蓋在正確的pixel上



二.把濾波器的元素跟鄰近相對應的元素相乘



三則是做加總







而spatial filtering主要有兩種效果



一種是將影像做模糊處理


另一種則是加強對比





當然做完處理之後不是每個影像都是完整的


所以接下來他交我們怎麼做修補的工作


有兩種方法


一種是忽略邊緣


有點像是我們平常在做美工圖案時


將邊緣做透明化


缺點是影像感覺會變小





另外一種則是補0的動作

這會讓影像感覺較大或者會出現邊線等效果

至於為什麼....

還在研究中.....





而5-3大概是在介紹一些濾波的函數

例如影像會變大變小等指令







接下來是在說有關濾波器的類型吧...



像是高通與低通濾波器

高通是在保留高頻率的部分,消除低頻率的部分

低通濾波器則是保留低頻率的部分



高頻率部分：短距離內灰階值產生很大的變化

低頻率部分：影像中灰階值變化不大的部分

5-5.....

恩.....

看不完......

然後又不怎麼好懂.......

CH5

呼～上禮拜的標籤也太尷尬了吧
居然沒有人CUE我要換標籤這件事
不是都會有人來糾正的嗎>"<

第五章
是目前來說份量最大的一個章節
我第一次翻了一下，發現...無法一下子就了解
大概是這章節的圖片範例太少了
不能直接從圖中略知一二
所以現在只好認真看囉～

大致上好像是數據的運算讓圖做出不一樣的效果
我看他filtering有三個步驟
1. 放置mask在current pixel上。　　　
2. 計算出各filter element
(如果這裡filter element是filter的元素，
也就是mask的值+函數所運算出來的值，
那麼這裡相乘又相加的動作將不是filter裡函數的部分，
而是filtering的運算)與neighborhood上相對位置的值的乘積。
3. 加總這些積。

後面都是數據的運算
只是比例的不同，當然出來的數值也會不同

後面那一節，看起來有點像線性代數的東西＝　＝
好像是矩陣內的數據平均一直算下去
所以圖片會越來越模糊
因為同一個數據會被重複平均
到最後都會相似

上網找了一下:Low- and High-Pass Filters的一些資料
這樣看比較快，一直看課本太累了吧＠＠　　　　　
⒜ high-pass filter：可讓邊緣清晰化，讓原本看不到的細節更加顯現出來。
⒝ low-pass filter：也就是...high-pass filter的相反？。

課本的圖片是黑白的
這次的效果這樣看，有東西太細節的有點看不太出來
小小抱怨一下。哈哈
大致上就這樣囉～