06360293 楊哲銓 HW5

色彩模型

RGB色彩模型

R(紅色)、G(綠色)、B(藍色)三原色來決定所顯示出的顏色。

若要表示所有顏色需要一個三維空間，因此在平面的螢幕上是做不到的。

因此若要在平面上表示顏色，我們採用了一張圖片+拉條的方式來呈現。

以拉條決定R、G、B其中一個的值，就可以用一張圖片來顯示該範圍內的所有顏色。

YUV色彩模型

以Y(明亮度)、U(彩度)、V(彩度)才決定所呈現的顏色。

實作YUV色彩模型

上方三張圖片為在不同的Y(亮度)情況下所呈現出來的UV平面。

在實作的前提下，必須將YUV的範圍也看成0~255以便轉換成RGB色彩模型中的顏色，整數空間中的公式會比實數空間中的公式淺顯易算得多。

將YUV轉換為R、G、B後即可以顯示在程式上。

點擊YUV色彩模型為圖片加上遮罩

要為圖片加上顏色遮罩，首先必須把原圖片的RGB轉換為YUV，並只保留Y(亮度值)。

UV則以點擊的位置來決定彩度的多寡。

這邊多為了不同的YUV色彩模型的亮度做了處理，遮罩的亮度亦會影響到原始圖片的亮度，但仍會保留原始圖片各個像素的亮度差異。

一旦點擊到了YUV色彩模型，程式會將原始圖片轉換後的Y保留，並以點擊事件中的X、Y參數來決定U、V值(因為圖片大小已設為256，因此X，Y參數皆為0~255，則可直接視為U、V值)，在依TrackBar所指定的Y值對原始圖片的Y值做亮度處理，這邊採用：圖片轉換後的Y值-(255-TrackBar指定Y值)的方式對亮度做出差異。

YUV運算好之後需要再轉換回RGB才能填入圖片中顯示。

結論

三維空間中才有辦法顯示出所有顏色，不論是RGB色彩空間或YUV色彩空間皆是如此，因此選用了指定某值，顯示其餘兩值的平面的方式來實作色彩空間的顯示。

原本在點擊套用濾鏡時，YUV色彩模型的亮度不會影響到原始圖片轉換後的Y值，但是覺得YUV亮度不同的情形下應該也要做處理，因此加上了針對點擊位置亮度作調整的步驟。

06360293 楊哲銓 HW4

濾波器

濾波器，亦稱遮罩，下面皆使用3×3的遮罩大小來實作各種濾波器。
濾波器中，每一格都有他的權重，並以中心格為基準點，將八方向及中心格的R、G、B值依權重做處理後，放回並更新中心格。

因為以3×3遮罩大小實作，因此圖中 a、b 皆為 1，w(s, t)表不同遮罩位置的權重，f(x+s, y+t)表原本像素的R、G、B值。

平滑空間濾波器

平滑濾波器主要目的為模糊化、減少雜訊，將圖片一些微小細節移除，使圖片整體看起來較為平滑。

這邊實作了權重和為9與16的平滑濾波器



權種值依上圖所示。

將每個像素放在遮罩的中心格，其餘八方向的像素亦會被遮罩覆蓋。
將每個被覆蓋的像素乘上遮罩的權重，取總和後除以濾波器權重和，也就是取加權平均值，並放入中心位置的像素。

中值濾波器

與平滑濾波器相同，兩者皆有遮罩。但中值濾波器是將3×3範圍內的值做排序，取中位數填入中心格。

此方法對胡椒鹽雜訊處理效果較平滑濾波器佳。





除了中值濾波器外，亦有最大值濾波器、最小值濾波器。
顧名思義，就是取3×3範圍內的最大值或最小值放入中心格。

胡椒鹽處理

與中值濾波器相反，故意將圖片架上雜訊，亦可以再用中值濾波器將雜訊消除。

這邊實作了6%、20%的胡椒鹽雜訊處理，代表每格像素有6%及20%的機率會被取出放入胡椒鹽。

放入胡椒鹽的方法很簡單，將交選出來的像素依1/2的機率轉化為黑或白即可。

銳化空間濾波器

一種可以將圖片對比度提升，讓更多細節能夠被看見。

銳化濾波器使用的是下面的遮罩



僅考慮上、下、左、右以及自己五格像素，將自己飽和度變為5倍後再扣掉四個方向的值得到結果。

結論

濾波器可以說是影像處理一大重點，可以將圖片變更成想要的樣子，不論是移除細節，加強細節，移除雜訊等等，將我們不需要的資訊刪除，需要但不清晰的加強，使整體圖片變得更加容易判讀。

06360293 楊哲銓 HW3

色階調整

色階調整將原圖的R、G、B值依比例做範圍調整，改變圖片中顏色的飽和度。

線性調整

在這邊不先讀取圖片中的像素，因為每種顏色可能重複出現，若每個像素都計算一次可能導致計算量太大、程式運行過久。
因此這邊先執行線性轉換，轉換前範圍為old_left~old_right、轉換目標範圍為new_left~new_right。
圖中newPixel為一大小為256的陣列，因R、G、B範圍皆為0~255，因此不需要分別為三色做轉換，只需要將原始範圍轉換成新範圍即可以應用在R、G、B三色。


圖中公式


將input在原範圍中做比例計算，將計算出的比例移至新範圍，使用同比例求出output。

例如要將0~255中的10轉換為20~200的範圍，將範圍帶入公式中：


計算出10在0~255中佔了多少比例，依同比例在20~200中求出新的output作為轉換值。



上圖為將0~255轉換為128~255的結果示範，圖片整體顏色飽和度上升、圖片整體變亮。



圖中X軸為原數值、Y軸為轉換後數值，顯示將0~255轉換為128~255的線性轉換圖表。

曲線調整

與線性調整的方法相同，先將0~255轉換為新的值，再分別應用在R、G、B三色。

這邊實作曲線調整的前提為範圍必須0~255，並給定一值（如：(100, 150)，表100轉換後會變成150）。

有了(0, 0)、(x, y)、(255,255)三個點，可以依數學方法求出經過此三點的曲線函數。

曲線公式：

分別將(0, 0)、(x, y)、(255,255)帶入可以求得a、b、c三值，得到一完整曲線方程式。

上圖為將(0, 0)、(100, 150)、(255,255)帶入的結果示範。



圖中X軸為原數值、Y軸為轉換後數值，顯示經過(0, 0)、(100, 150)、(255,255)三點的曲線轉換圖表。

結論

色階轉換主要是針對圖片的飽和度做調整，若圖片本身對比度就不足，則就算提升了飽和度，圖片依舊不清晰。

如下圖所示：

上方結果的線性轉換圖表：

06360293 楊哲銓 HW2

影像像素概念、直方圖、直方圖均化

全彩影像，紅色、綠色、藍色各有256種，因此總共可以呈現2²⁴種。
此作業使用C++ Builder實作對BMP影像中的RGB值做調整修改。

像素

BMP檔案中，每一個像素儲存了R、G、B三原色的值來決定此像素呈現的顏色。
例如：RGB(255, 0, 0) 為純紅色、 RGB(255, 255, 0) 為黃色等。

負片效果

負片效果，顧名思義是將像素中的RGB數值反轉，得到類似底片的圖片。


Byte* bPtrImageRow = (Byte*)Image_Box->Picture->Bitmap->ScanLine[j];
先將BMP中每一行的開頭指標存入bPtrImageRow，再由迴圈處理行中的每個像素。
由於每個像素中存了R、G、B三個數值，因此bPtrImageRow指向的陣列長度會是圖片寬度的3倍。
但這裡仍由「像素」為單位做考慮，並在每個像素中使用for迴圈處理R、G、B三值。
對每個像素中的R、G、B做反轉（255 - 原始值），即所有像素皆會變成原本顏色的補色。

灰階

當R、G、B三值皆相同時，該像素顏色會呈現灰色。
在這邊的做法是將R、G、B三值皆填入平均值，這樣可以保留與其他像素的顏色差異，並將顏色換成灰色。


相同地，先將BMP中每一行的開頭指標存入bPtrImageRow，再由迴圈處理行中的每個像素。
對像素中的R、G、B取平均後，將R、G、B三值皆換成平均值即可得到灰階化的效果。

顏色遮罩

類似使用玻璃紙眼鏡看圖片的效果。

在這邊實作了純紅色、純綠色、純藍色的三原色顏色濾鏡。

概念很簡單，以紅色遮罩為例，將所有像素中只留下R值，G、B皆設為零，即得到紅色遮罩的效果。

※C++ Builder中，並不以RGB的順序來儲存顏色資料，反而是以BGR的反向順序來儲存，因此圖中k!=2代表著當像該位置儲存的不是R值時，設為0。

直方圖

直方圖，將圖片的R、G、B統計後以圖表方式呈現。

開三個大小為256的陣列分別代表R:0~255、G:0~255、B:0~255的個數，並將圖片跑過一次做統計。



這邊將統計資料放入C++ Builder自帶的TChart圖表物件中來顯示。

直方圖均化

對於過暗的圖片來說，R、G、B值皆集中在數值較小的位置，使用直方圖均化將所有顏色平均分布至0~255，使得圖片暗部加亮，可見度增加。

同樣地，對於過亮的圖片來說，R、G、B值皆集中在數值較大的位置，使用直方圖均化將所有顏色平均分布至0~255，使得圖片亮部變暗，可見度亦增加。