Cgapter 3

　　這次課本第三章，老師在上課的時候有先講解前面的一點內容，還有解釋比較難看懂的Bit Planes部分，所以自己看課本的時候就比較容易了解它在說什麼了。不過3.3和後面3.5之後的，上課還沒有時間講到，那邊有些比較偏向一點數學的解釋，就看得不是很懂了。

　　3.1的部分只是大概的在介紹這一章的重點而已，這章主要是在談影像輸出(Image display)，第二章的時候就已經有說到一些了，這章會有比較詳細的介紹。

　　3.2的標題是影像輸出的基礎(Basics of Image Display)。將圖像顯示在電腦螢幕上面時，會有很多的因素影響輸出的影像，課本上寫了4個:(1) 漫射光(Ambient lighting)，這個如果不是老師在上課時有講到，我可能就直接翻譯成"環境的光"了。(2) 螢幕的類型和設定(The monitor type and settings)，螢幕類型指的好像是LCD(液晶螢幕)和是CRT(傳統螢幕)的差異。關於這2個差異我有找一下奇摩知識＋，連結請點我。(3) 顯示卡(The graphics card)，顯示卡的工作主要就是要將畫面顯示在螢幕上，所以螢幕上顯示的圖像跟顯示卡也是有不少關係吧。(4)螢幕解析度(Monitor resolution)，我不確定這個翻譯對不對......解析度越高的螢幕，顯示的畫面應該會越清楚吧。

　　課本上教我們使用一個在Matlab裡最基本的影像輸出函數－image()，但是因為這個是很基本的函數，所以它的功能並不會很強，如果直接使用這個函數輸出圖片的話，很有可能會有錯誤，課本上就舉了一個灰階圖片的例子。錯誤的示範老師在上課的時候就已經試過了，所以我就想試試看這個程式的功能到底弱到哪裡，我把Windows的內建JPG圖片讀進來，還好顯示的時候畫面是正常的，其實它也沒有我們想像的那麼沒用。測試圖片如下:






　　課本上說如果要避免灰階圖片那樣的錯誤，就要再加入一些設定的指令。(1) truesize，這個指令讓圖片顯示正確的長寬比例。(2) axis off，這個指令讓顯示圖片時，旁邊的長度和寬度表不顯示。(3) colormap()，要修正灰階圖片顯示錯誤最重要的指令。查詢colormap()函數裡輸入的值，要用size(unique(c))這個指令來查詢正確的值，c是存圖片的二維陣列。下面這個圖片是加入這些指令後image(c),truesize,axis off,colormap(gray(247))，最後顯示的正確畫面:

　　接下來，課文的後面再實驗如果改變colormap()函數裡輸入的值會產生怎麼樣的結果。我就照著課本改，輸入colormap(gray(512))，輸出的圖片就偏暗了。相反的，改成輸入colormap(gray(128))，圖片就變亮了。

　　3.3的標題是imshow函數。當照著課本的第一個範例輸入程式碼時，跑出2個圖片，第一個看起來是正常的，但是第2張卻是白色的，就是課本p.44頁上面的2個圖。好像是因為檔案的格式被轉成double，才會造成這個結果。後面再將轉成double的那個變數除以255，顯示圖片又會正常了。除以512顏色會偏暗，除以128顏色會偏亮。

　　這邊的課文說明看不太懂，英文本身就是我的罩門，數學也是我的罩門，所以當英文+數學的時候就變成了罩門中的罩門。我不知道為什麼轉成double型態的時後，它的圖片顯示會有改變。我從Matlab的Workspace點進去看2個變數，裡面的值完全都一樣，只差在一個是uint8另一個是double而已。雖然在Matlab裡面試過了課本的這些範例程式，也大概知道輸出的圖片會有什麼樣的不同，但就是想不通這個函數的輸出方式，為什麼會有這樣的差別?

　　3.4則是老師在上課時有特別說明的Bit Planes。它的方法就是取出影像中每個點在2進位的第n個位元，只有單純的0或1，然後用來顯示一張只有黑色和白色圖片。如果取的是較高的位元，那麼輸出的影像跟原本正常的影像會比較類似。但是當取的位元未來越低時，影像就會越來越模糊，最後就變得跟電視收不到訊號所顯示的畫面一樣了。

　　如果這邊我自己讀的話，大概又跟3.3一樣看不太懂吧，好家在老師在上課時有說過。因為顏色深的點，那個位置的值就會比較大，在2進位裡高位元有"1"的機率比較高，所以取高位元的值作為0和1(白色和黑色)的判斷條件，和原本圖片就會比較像。反之，如果取較低位元的話，因為就算是深色的點，2進位裡低位元有"1"的機率和淺色的點應該是差不多的，所以黑色點和白色點就會很平均的散布在整個畫面裡。

像電視機收不到訊號一樣的圖= =

　　3.5則是在說明圖片的解析度(Spatial Resolution)，剛看到課本上的圖，覺得還真是像在打馬賽克一樣呢!解析度就是我們一般說的幾成幾，ex:1024x768。這邊用到imresize()這個函數來降低圖片的解析度，imresize(x,1/2)這個指令會讓圖片的解析度降低一半，圖片大小會變成原本的4分之1。它將原本應該有4個點的值，減少為一個點，這樣的話圖像的解析度就變少了，看起來會變得比較小張。當輸入的指令為imresize(imresize(x,1/2),2)，它會將圖片的解析度減少，但是圖片的大小還是一樣大，看起來圖片就會變得模糊。課本上輸入的imresize(imresize(x,1/32),32)，解析度只剩下8x8，所以p.52頁的圖3.7(d)就會只變成8x8的格子了。

　　因為課本上很多範例幾乎都是灰階的圖片，所以我自己就拿Windows的彩色範例圖片來做實驗，看看能不能用一樣的方式降低解析度。下面的圖是我實作的結果，可以很明顯的看出來第2張圖片變的很不清楚，證明了這個指令也是可以用在彩色的圖片上。

　　3.6 Quantization and Dithering(量化處理和???)，翻譯不知道= ="
這篇感覺也比較困難，我只看得懂前面一點點在做甚麼而已，後面把影像弄成一點一點的那個就不清楚是在幹嘛了。前面感覺只是改變灰階的顏色種類，從最白到最黑有很多種深淺變化，改到最後只剩下p.56頁上面圖的2種顏色。

　　我覺得第3章明顯比前2的章節還要難很多，有比較多的數學運算、影像處理的方法(演算法?)等等。感覺就比之前還要痛苦，而且還是有蠻多都沒有懂的地方，希望下星期老師能對於第三章比較難的地方再做一些說明。