[與學生有關的]
1.出缺席
2.作業繳交程度
3.上課互動程度
4.課外補充配合程度 (媒體展)
[自我評量]
每次都有出席，作業除了一兩次跟不上外(包括傅立葉)，每次都有按時繳交；
在能力所及範圍分享自己的看法，也參觀了老師所推薦的相關展覽，
該實做的部分不會少做，但是有時候會懶得放到blog上...囧。
[學生看老師的...??]
1.教材適當與否
2.上課進度的掌控
3.作業與考試的配置
4.問題討論的掌控
[這學期課堂心得]
互動上課的方式很有趣，間接會推動學生自發性學習，
(因為不念書，在課堂上就會滿頭問號 囧a)
除了課堂該學到的技能外，不知不覺中也學了一些
資工系該具備的常識(但這些課本上較難找到)
我還滿喜歡這樣的上課方式，但是....
這學期一週讀一章節，想一想，果然覺得有點負荷太大...Orzc
關於分數我想給自己80分，雖然很努力了，
但總覺得自己好像還缺少了些甚麼，
例如：閱讀過後的課程，有時候會懶得回去重看不懂的部分...
學習不夠徹底，在課題困難的時候會失去主動求知的精神...(ex:傅立葉)
2008年1月3日 星期四
2007年12月20日 星期四
Chapter 7
Chapter 7閱讀至今，仍然以緩慢的速度進行
在post這篇blog的當下，進度只到Page 168而已
(其中Page 151-162 僅僅粗略的閱讀)
(晚點若有更多進度，持續更新)
《閱讀心得》
傅立葉轉換，由於課本的進行方式是以數學公式與圖例來講解，這不是我所擅長的理解類型，因此在一開始的時候以查閱wiki百科上的內容為主；傅立葉轉換可分為：離散、連續、一階、多階等形態。每種型態各有其用途與立意，課本於 7.3 (Page146)時提到了離散傅立葉轉換(DFT)，而wiki百科提到了"離散傅立葉轉換後，頻率域仍連續"的特性，開始思索這與影像處理的關聯性。
猶記得印象中，一張圖片的資訊可分為：頻率域與空間域。
課本於Page 160提到了DC coefficient就是頻率域裡的係數。
傅立葉轉換做為Filter的用途上，似乎可以簡單且多樣化的Filtering，然而對於傅立葉轉換仍不是很了解，wiki百科上提到"信號處理中，富立葉轉換的典型用途是將信號分解成幅值分量和頻率分量"。(希望老師能撥空將這方面的知識作講解 "空間域v.s.頻率域"＆"頻率域v.s.傅立葉轉換")
《問題區》
1. 照著課本指令打，雖然run的結果與課本一樣，然而指令的實際用途卻不是很能理解..像是fft2這類的。
2. 見"閱讀心得"，"空間域v.s.頻率域"＆"頻率域v.s.傅立葉轉換"，希望能知道這方面的知識，雖然不知道提出這個問題是否與課堂有關。
在post這篇blog的當下，進度只到Page 168而已
(其中Page 151-162 僅僅粗略的閱讀)
(晚點若有更多進度，持續更新)
《閱讀心得》
傅立葉轉換，由於課本的進行方式是以數學公式與圖例來講解，這不是我所擅長的理解類型，因此在一開始的時候以查閱wiki百科上的內容為主；傅立葉轉換可分為：離散、連續、一階、多階等形態。每種型態各有其用途與立意，課本於 7.3 (Page146)時提到了離散傅立葉轉換(DFT)，而wiki百科提到了"離散傅立葉轉換後，頻率域仍連續"的特性，開始思索這與影像處理的關聯性。
猶記得印象中，一張圖片的資訊可分為：頻率域與空間域。
課本於Page 160提到了DC coefficient就是頻率域裡的係數。
傅立葉轉換做為Filter的用途上，似乎可以簡單且多樣化的Filtering，然而對於傅立葉轉換仍不是很了解，wiki百科上提到"信號處理中，富立葉轉換的典型用途是將信號分解成幅值分量和頻率分量"。(希望老師能撥空將這方面的知識作講解 "空間域v.s.頻率域"＆"頻率域v.s.傅立葉轉換")
《問題區》
1. 照著課本指令打，雖然run的結果與課本一樣，然而指令的實際用途卻不是很能理解..像是fft2這類的。
2. 見"閱讀心得"，"空間域v.s.頻率域"＆"頻率域v.s.傅立葉轉換"，希望能知道這方面的知識，雖然不知道提出這個問題是否與課堂有關。
2007年11月27日 星期二
Week 11 - 期中報告
[學習情形]
每週都有按照老師規定的進度好好的閱讀與實做
除了3.6(如果沒記錯)那次沒有跟上外
[自認不錯]
有試著使用blog做閱讀紀錄，
方便將來回顧時使用。
[尚待加強]
上課學過的東西，或許當下聽懂了，
然而有部分機率在不久後將之遺忘。
[課程內容]
本身對於課程內容與上課方式並沒有任何疑問
[自我評分]
80
雖然有使用blog做紀錄，然而紀錄卻不是那麼的詳細
有時因為偷懶而缺記的，還得重新翻書才會有印象
提問題，總覺得有一些是可以自行解決的...
提問題之後，獲得解答也未必即時更新blog
有時問題提過後，部份沒獲得解答的問題就此閒置
就努力實作與閱讀方面，覺得應該有超過80分的門檻
但是因為後續偷懶方面的小瑕疵，自認該扣分...
每週都有按照老師規定的進度好好的閱讀與實做
除了3.6(如果沒記錯)那次沒有跟上外
[自認不錯]
有試著使用blog做閱讀紀錄，
方便將來回顧時使用。
[尚待加強]
上課學過的東西，或許當下聽懂了，
然而有部分機率在不久後將之遺忘。
[課程內容]
本身對於課程內容與上課方式並沒有任何疑問
[自我評分]
80
雖然有使用blog做紀錄，然而紀錄卻不是那麼的詳細
有時因為偷懶而缺記的，還得重新翻書才會有印象
提問題，總覺得有一些是可以自行解決的...
提問題之後，獲得解答也未必即時更新blog
有時問題提過後，部份沒獲得解答的問題就此閒置
就努力實作與閱讀方面，覺得應該有超過80分的門檻
但是因為後續偷懶方面的小瑕疵，自認該扣分...
Week 11 Chapter 6
Image Geometry
關於閱讀筆記 詳細版本
[心得區]
關於圖片的旋轉，過去曾經思考該如何使用BCB撰寫，
因此當課本提到旋轉公式時，有點粗略的就讀過去。
我還是覺得在旋轉的過程中，或多或少會有失真，
因為使用三角函式旋轉，會產生一些小數點
在座標定位上，如果某兩個點(旋轉後)同時轉到(x',y')[同一個點]對應的區域
那麼取捨上該如何處理...之類的？
//是不是該歸類為問題區...(?)
[課本內文問題區]
1. Page 120, Figure 6.3
Nearest-neighbor interpolation，以空圈標記了最近的點
然而位於邊緣的 X1 ,與 X4 僅僅標記了X'2與X'7
X'1與X'8並未被標，是因為重疊的關係？
在這張圖，從 X'→X 似乎沒有太大的問題
然而從 X→X' 是否如字面意義挑最近的點
例如 X'3 較 X'4更接近 X2...X→X'時，X2是否取X'3的值
2. Page 137
90度：c90 = flipud(c);
180度：c180 = filplr(flipud(c));
270度：c270 = fliplr(c);
因為課本上使用imrotate的旋轉，是逆時鐘旋轉...
然而這邊提到特殊與法的時候，有提到度數
我以為c90的結果應該與imrotate(c,90)相同
然而實際上並不是，而是往下折(x,y')
c180 也不等於 imrotate(c,180)而是(x',y')
c270 是(x',y)
註：(x,y')是指 x 相對位置不變，y的位置作映射
(x',y') x y 作映射
(x',y)是指 y 相對位置不變，x的位置作映射
這樣算是我解讀上有所問題嗎？
關於閱讀筆記 詳細版本
[心得區]
關於圖片的旋轉，過去曾經思考該如何使用BCB撰寫，
因此當課本提到旋轉公式時，有點粗略的就讀過去。
我還是覺得在旋轉的過程中，或多或少會有失真，
因為使用三角函式旋轉，會產生一些小數點
在座標定位上，如果某兩個點(旋轉後)同時轉到(x',y')[同一個點]對應的區域
那麼取捨上該如何處理...之類的？
//是不是該歸類為問題區...(?)
[課本內文問題區]
1. Page 120, Figure 6.3
Nearest-neighbor interpolation，以空圈標記了最近的點
然而位於邊緣的 X1 ,與 X4 僅僅標記了X'2與X'7
X'1與X'8並未被標，是因為重疊的關係？
在這張圖，從 X'→X 似乎沒有太大的問題
然而從 X→X' 是否如字面意義挑最近的點
例如 X'3 較 X'4更接近 X2...X→X'時，X2是否取X'3的值
2. Page 137
90度：c90 = flipud(c);
180度：c180 = filplr(flipud(c));
270度：c270 = fliplr(c);
因為課本上使用imrotate的旋轉，是逆時鐘旋轉...
然而這邊提到特殊與法的時候，有提到度數
我以為c90的結果應該與imrotate(c,90)相同
然而實際上並不是，而是往下折(x,y')
c180 也不等於 imrotate(c,180)而是(x',y')
c270 是(x',y)
註：(x,y')是指 x 相對位置不變，y的位置作映射
(x',y') x y 作映射
(x',y)是指 y 相對位置不變，x的位置作映射
這樣算是我解讀上有所問題嗎？
2007年11月7日 星期三
Week8 Chapter5
※Chapter 5 Neighborhood Processing
※由於上週已經閱讀完畢，本週針對於略嫌不足的地方加強
故不考慮新增blog文件，但我的blog細節有增加
※目前只考慮放置問題於此，詳細的細節請看 前往
※↑ @2007/11/14更新
Questions:
1. Page 93,94
關於filter2的"same","valid","full"，
課本有些簡單的範例，例如在x的四周補0後使用"valid"的效果
與直接使用"same"的效果相同
知道每個單字出現的範圍大小，但實際計算方式仍不太了解
→已知課本範例結果"valid"3×3,"same"5×5,"full"7×7
2. Page 96,97 5.3.1
關於「Separable Filters」
示範把陣列分離成1×N與N×1
並提到Separability can result in great time savings.
關於這邊，語句上的翻譯是節省時間
而關於節省，到底是節省怎樣的時間？
抑或是節省記憶體的空間呢？(是否有此項功能)
3. Page 99 Figure 5.5 的解說
In each case, the sum of all filter element is zero.
意指，構成上述圖片的fliter元素相加總合為0
在網路上搜尋了關於Laplacian的事蹟，
或許這問題不是很重要，但仍然好奇該矩陣是如何構成？
4. Page 108 (應該放到課本找錯區嗎= =?)
f=[-1 -1 -1;-1 11 -1; -1 -1 -1]/9;
xf=filter2(x,f);
imswho(xf/80)
根據上述指令操作，只有出現一個小點(約3×3大小)
但當我將xf=filter2(f,x); //x與f的位置對調
就可以show出圖片大小的圖
5. Page 111(應該放在課本找錯區??)
假設有一張圖片存在x裡面
原本→cmax=nlfilter(c,[3,3],'max(x(:))');會不能用
修改→cmax=nlfilter(x,[3,3],'max(x(:))');才能用
→cmin亦同
但當我將一張圖片大小與x相同的圖片塞到c裡
就可以用課本上的指令，那麼該算是筆誤還是？
如此一來，是否意指cmax=nlfilter(x,[3,3],'max(x(:))');前後變數該相同？
※由於上週已經閱讀完畢，本週針對於略嫌不足的地方加強
故不考慮新增blog文件，但我的blog細節有增加
※目前只考慮放置問題於此，詳細的細節請看 前往
※↑ @2007/11/14更新
Questions:
1. Page 93,94
關於filter2的"same","valid","full"，
課本有些簡單的範例，例如在x的四周補0後使用"valid"的效果
與直接使用"same"的效果相同
知道每個單字出現的範圍大小，但實際計算方式仍不太了解
→已知課本範例結果"valid"3×3,"same"5×5,"full"7×7
2. Page 96,97 5.3.1
關於「Separable Filters」
示範把陣列分離成1×N與N×1
並提到Separability can result in great time savings.
關於這邊，語句上的翻譯是節省時間
而關於節省，到底是節省怎樣的時間？
抑或是節省記憶體的空間呢？(是否有此項功能)
3. Page 99 Figure 5.5 的解說
In each case, the sum of all filter element is zero.
意指，構成上述圖片的fliter元素相加總合為0
在網路上搜尋了關於Laplacian的事蹟，
或許這問題不是很重要，但仍然好奇該矩陣是如何構成？
4. Page 108 (應該放到課本找錯區嗎= =?)
f=[-1 -1 -1;-1 11 -1; -1 -1 -1]/9;
xf=filter2(x,f);
imswho(xf/80)
根據上述指令操作，只有出現一個小點(約3×3大小)
但當我將xf=filter2(f,x); //x與f的位置對調
就可以show出圖片大小的圖
5. Page 111(應該放在課本找錯區??)
假設有一張圖片存在x裡面
原本→cmax=nlfilter(c,[3,3],'max(x(:))');會不能用
修改→cmax=nlfilter(x,[3,3],'max(x(:))');才能用
→cmin亦同
但當我將一張圖片大小與x相同的圖片塞到c裡
就可以用課本上的指令，那麼該算是筆誤還是？
如此一來，是否意指cmax=nlfilter(x,[3,3],'max(x(:))');前後變數該相同？
2007年10月31日 星期三
Week 7 重讀Chapter 4
※Chapter 4 閱讀與實作心得與提問
※閱讀與實作心得(外加筆記)區
4.1 Introduction
關於影像處理的運算，大約可以分成三種類型
1.Transforms.(轉換)
Figure 4.1 show了圖片處理的四個步驟：
Image→Transformed image→Processed transformed image
→Processed original image
2.Neighborhood processing(鄰近範圍的處理)
改變一張灰階圖片的Level，需要參照其他Pixel的Level。
3.Point operations.(點的運算)
特定的Pixel改變時，不影響其他的Pixels。
4.2 Arithmetic Operations(算術運算)
令整張圖片當作一個f(x)函數，使用數學上的運算處理。
Figure 4.2，左圖是將所有的Pixels都增加128..
如此一來，value高於128的會在相加後超過255。
(右圖則是減去128)
此外，稍稍的提到了immultiply(乘)與imdivide(除) function
COMPLEMENTS
課本上提到了bc=imcomplement(b);
bc是b這張圖片(矩陣)的補數
show出來的圖片會有solarization(曝曬作用)的效果 //<-Question!!
4.3 Histograms
一個灰階的圖片，統計gray level後可以將每個level所擁有的值繪致成一張長條圖(Histogram)。而關於這個長條圖(Histogram)擁有以下幾點特點：
˙在顏色深一點的圖片，gray level大多分布聚集在較低的level中
˙在顏色亮一點的圖片，gray level大多分布聚集在較高的level中
˙在對比良好的圖片中，gray level會平均分布在全部level中
4.3.1 Page74~75
關於plot(t,th,'.'),axis tight
我試著打出plot(t,t,'.'), plot(th,th,'.'), plot(th,t,'.')
當變數相等時，由點構成 y=x 的線
→plot(x,y) 由x值範圍當x軸，y值範圍當y軸
而關於imadjust(t,[],[],0.5); //0.5即gamma value
我試過imadjust(t,[0~1 0~1],[])
雖然有看出圖片的不同，但想不出該如何解釋現象 //Question!!
4.3.2 Histogram Equalization(均化作用)
說到Histogram的均化，大概可以分成兩種：
1.讓每個bar都有一樣的高度
2.讓每個gray level出現的頻率相同
課本的均化作用似乎偏向於2...
「使Histogram平均分布在255個level中」
Page.78 定義一個n=360,把它分成15層→15/360= 1/24
Figure 4.17原本的level在均化後以Figure4.18呈現
但是...Histogram的bar竟然少一條!! //Question!!!
4.4 Lookup Tables(查表法)
Page.83的Commands是在實現 Figure 4.23
t1=0.6667*[0:64];
t2=2*[65:160]-128;
t3=0..6632*[161:255]+85.8947;
T=uint8(floor([t1 t2 t3]));
解讀如下：
T是user所建立的一個table
當gray image的pixel value是從
0~64時，對照 t1的算式→new value
65~160，對照t2的算式→new value
161~255，對照t3的算式→new value
※問題區(將上述問題特別整理出來)
1.COMPLEMENTS
使用imcomplement指令，會產生元圖片的補數
而補數show成一張image時會有曝曬作用的效果
(以上我根據課本內容所做出來的解讀)
→照片的負片是否與這個作用有關？(關於舊式底片的問題)
→所謂的曝曬作用，是指圖片嚴重曝光嗎？
2.imadjust
我試過imadjust(t,[0~1 0~1],[])
雖然有看出圖片的不同，但想不出該如何解釋現象
3.Histogram Equalization
Page.78 定義一個n=360,把它分成15層→15/360= 1/24
Figure 4.17原本的level在均化後以Figure4.18呈現
但是...Histogram的bar竟然少一條!!
我反覆推算，還是想不出那條bar到底落到哪區
以上是我重新閱讀與思索第四章後的心得筆記問題
有部分與上週產生的問題重複，有部分已經解決....
※閱讀與實作心得(外加筆記)區
4.1 Introduction
關於影像處理的運算，大約可以分成三種類型
1.Transforms.(轉換)
Figure 4.1 show了圖片處理的四個步驟：
Image→Transformed image→Processed transformed image
→Processed original image
2.Neighborhood processing(鄰近範圍的處理)
改變一張灰階圖片的Level，需要參照其他Pixel的Level。
3.Point operations.(點的運算)
特定的Pixel改變時，不影響其他的Pixels。
4.2 Arithmetic Operations(算術運算)
令整張圖片當作一個f(x)函數，使用數學上的運算處理。
Figure 4.2，左圖是將所有的Pixels都增加128..
如此一來，value高於128的會在相加後超過255。
(右圖則是減去128)
此外，稍稍的提到了immultiply(乘)與imdivide(除) function
COMPLEMENTS
課本上提到了bc=imcomplement(b);
bc是b這張圖片(矩陣)的補數
show出來的圖片會有solarization(曝曬作用)的效果 //<-Question!!
4.3 Histograms
一個灰階的圖片，統計gray level後可以將每個level所擁有的值繪致成一張長條圖(Histogram)。而關於這個長條圖(Histogram)擁有以下幾點特點：
˙在顏色深一點的圖片，gray level大多分布聚集在較低的level中
˙在顏色亮一點的圖片，gray level大多分布聚集在較高的level中
˙在對比良好的圖片中，gray level會平均分布在全部level中
4.3.1 Page74~75
關於plot(t,th,'.'),axis tight
我試著打出plot(t,t,'.'), plot(th,th,'.'), plot(th,t,'.')
當變數相等時，由點構成 y=x 的線
→plot(x,y) 由x值範圍當x軸，y值範圍當y軸
而關於imadjust(t,[],[],0.5); //0.5即gamma value
我試過imadjust(t,[0~1 0~1],[])
雖然有看出圖片的不同，但想不出該如何解釋現象 //Question!!
4.3.2 Histogram Equalization(均化作用)
說到Histogram的均化，大概可以分成兩種：
1.讓每個bar都有一樣的高度
2.讓每個gray level出現的頻率相同
課本的均化作用似乎偏向於2...
「使Histogram平均分布在255個level中」
Page.78 定義一個n=360,把它分成15層→15/360= 1/24
Figure 4.17原本的level在均化後以Figure4.18呈現
但是...Histogram的bar竟然少一條!! //Question!!!
4.4 Lookup Tables(查表法)
Page.83的Commands是在實現 Figure 4.23
t1=0.6667*[0:64];
t2=2*[65:160]-128;
t3=0..6632*[161:255]+85.8947;
T=uint8(floor([t1 t2 t3]));
解讀如下：
T是user所建立的一個table
當gray image的pixel value是從
0~64時，對照 t1的算式→new value
65~160，對照t2的算式→new value
161~255，對照t3的算式→new value
※問題區(將上述問題特別整理出來)
1.COMPLEMENTS
使用imcomplement指令，會產生元圖片的補數
而補數show成一張image時會有曝曬作用的效果
(以上我根據課本內容所做出來的解讀)
→照片的負片是否與這個作用有關？(關於舊式底片的問題)
→所謂的曝曬作用，是指圖片嚴重曝光嗎？
2.imadjust
我試過imadjust(t,[0~1 0~1],[])
雖然有看出圖片的不同，但想不出該如何解釋現象
3.Histogram Equalization
Page.78 定義一個n=360,把它分成15層→15/360= 1/24
Figure 4.17原本的level在均化後以Figure4.18呈現
但是...Histogram的bar竟然少一條!!
我反覆推算，還是想不出那條bar到底落到哪區
以上是我重新閱讀與思索第四章後的心得筆記問題
有部分與上週產生的問題重複，有部分已經解決....
2007年10月24日 星期三
Week6 Chapter4
Chapter 4 : Point Processing
Questions:
1. Figure4.17 Figure4.18 Page:79
根據Page.78不難理解Figure 4.17與Figure 4.18之間的關係，然而比起Figure4.17，Figure4.18似乎還少了一條Histogram bar(可以叫bar嗎?)是因為overflow？還是數值重疊？還是其他？
2. LUT
4.4 Lookup Tables Page:82
Point operations can be perormed very effectively by using a lookup table, known more simply as an LUT.
....the LUT corresponding to division by 2 looks like.
根據Page.82的Example，不難發現LUT是Index底下的0~255除以2之後獲得的值，但是不太清楚做LUT的意義為何(是什麼的英文縮寫??)而且LUT似乎不是一個function，只是我們執行了某些動作，而那個動作就叫做LUT(?)
= =... 原來LUT=Lookup Table=查表法....orz
課堂討論4.2：
用數學函式來展現每個點相對應的關係...(?)
因為構成圖片的value有特定的限制...
因此可以利用那些限制來做線性上的展現...
這是我看到4.2的想法..O_O/
Questions:
1. Figure4.17 Figure4.18 Page:79
根據Page.78不難理解Figure 4.17與Figure 4.18之間的關係，然而比起Figure4.17，Figure4.18似乎還少了一條Histogram bar(可以叫bar嗎?)是因為overflow？還是數值重疊？還是其他？
2. LUT
4.4 Lookup Tables Page:82
Point operations can be perormed very effectively by using a lookup table, known more simply as an LUT.
....the LUT corresponding to division by 2 looks like.
根據Page.82的Example，不難發現LUT是Index底下的0~255除以2之後獲得的值，但是不太清楚做LUT的意義為何(是什麼的英文縮寫??)而且LUT似乎不是一個function，只是我們執行了某些動作，而那個動作就叫做LUT(?)
= =... 原來LUT=Lookup Table=查表法....orz
課堂討論4.2：
用數學函式來展現每個點相對應的關係...(?)
因為構成圖片的value有特定的限制...
因此可以利用那些限制來做線性上的展現...
這是我看到4.2的想法..O_O/
2007年10月18日 星期四
Week5 3.6
show "false contours"
Questions:
1.Dithering
Dither：
a.[to be unable to make a decision about doing something] verb
b.[be in a dither about sth to be very nervous, excited or confused about something] noun
不知道在IPC中，Dither該如何翻譯
2.承上 Page.56~57
關於矩陣D=[ 0 128; 192 64 ]那方面，我的解讀是將圖片切割成N個以2*2為一個blog做單位，逐一與D比較，會因為資料數據而簡單將區塊劃分為「Dark gray」、「Midgray」、「Light gray」如同Figure 3.13的顯示。而我發現Figure 3.14並不是完全的純黑白數據而已，於是翻看Page.57程式碼部分，由於x2=x>r ,imshow(x2) 所產生的Figure 3.14仍有色差，這點很不能理解。
3.承一，希望更詳細理解Dithering的意義，有點不能理解Page.61圖片參雜著雜訊點的意義。
2007年10月10日 星期三
Week4 Chapter3
關於本週的閱讀筆記 前往
◎Questions
1. 位於3.2 Page.42
※為了讓圖片正確的Show出來，下面有幾個指令..
1.truesize
2.axis off
3.colormap(gray(247)
根據課本的說法以及我的解讀，光用image(c)會讓圖片配合硬體顯示；使用1的指令，可以讓圖片忽略硬體的要素，也就是不管在怎樣的螢幕都會show出一樣的東西；使用3的指令，可以讓灰階色彩按比例分佈於(247)層中；那麼，axis off的指令....所代表的意義是？
2. 位於3.3 Page.44
※The imshow Function
c=imread(‘picture’);
cd=double(c);
imshow(c). figure, imshow(cd)
在我看來，如果c是灰階圖，cd會變成白圖…如果不是(也就是彩色圖片)… 會有一些比較明顯的線條，但是我目前還不清楚那些線條會出現的共通點為何，因為有黑有紅。
3. 位於3.3 Page.45
※承上
imshow(cd/255) //不變
imshow(cd/512) //變暗
imshow(cd/128) //變亮
他作除數的動作，是在表達些什麼呢？灰階圖片的分層數量嗎？譬如(cd/255) 將灰階分成255層，(cd/128)將灰階分成128層？還是單純的把cd的值除以255以及除以128而已？
◎Questions
1. 位於3.2 Page.42
※為了讓圖片正確的Show出來，下面有幾個指令..
1.truesize
2.axis off
3.colormap(gray(247)
根據課本的說法以及我的解讀，光用image(c)會讓圖片配合硬體顯示；使用1的指令，可以讓圖片忽略硬體的要素，也就是不管在怎樣的螢幕都會show出一樣的東西；使用3的指令，可以讓灰階色彩按比例分佈於(247)層中；那麼，axis off的指令....所代表的意義是？
2. 位於3.3 Page.44
※The imshow Function
c=imread(‘picture’);
cd=double(c);
imshow(c). figure, imshow(cd)
在我看來，如果c是灰階圖，cd會變成白圖…如果不是(也就是彩色圖片)… 會有一些比較明顯的線條，但是我目前還不清楚那些線條會出現的共通點為何，因為有黑有紅。
3. 位於3.3 Page.45
※承上
imshow(cd/255) //不變
imshow(cd/512) //變暗
imshow(cd/128) //變亮
他作除數的動作，是在表達些什麼呢？灰階圖片的分層數量嗎？譬如(cd/255) 將灰階分成255層，(cd/128)將灰階分成128層？還是單純的把cd的值除以255以及除以128而已？
2007年10月4日 星期四
Week 3 Homework-Chapter 2
關於閱讀的詳細內容 請 前往
本次作業閱讀的問題如下：
1.
TIFF：Tagged Image File Format
HDF：Hierarchical Data Format
PCX：Design for MS-DOS-based and Microsoft products.
ICO：display icons in Microsoft Windows.
CUR：mouse cursor in Microsoft systems.
上面的圖片格式，課本有做簡單的介紹，不知道是否能親眼見到一下。
2.
PGM
我在網路上稍微搜尋了一下跟PGM有關的資料，部份資料如下：
A PGM image represents a grayscale graphic image. There are many psueudo-PGM formats in use where everything is as specified herein except for the meaning of individual pixel values. For most purposes, a PGM image can just be thought of an array of arbitrary integers, and all the programs in the world that think they're processing a grayscale image can easily be tricked into processing something else.
他說明了PGM是一個跟灰階圖片有關的影像，之後就.....????
3.
imfinfo('picture')
這邊我Key in了自己的圖片 show出來的圖片訊息與課本不太相似
ans=
Filename: 'D:\picture\msn\雷.jpg'
FileModDate: '19-Sep-2007 23:32:51'
FileSize: 104242
Format: 'jpg'
FormatVersion: ''
Width: 300
Height: 300
BitDepth: 24
ColorType: 'truecolor'
FormatSignature: ''
NumberOfSamples: 3
CodingMethod: 'Huffman'
CodingProcess: 'Sequential'
Comment: {}
是否代表有辦法透過指令修改show的information?
本次作業閱讀的問題如下：
1.
TIFF：Tagged Image File Format
HDF：Hierarchical Data Format
PCX：Design for MS-DOS-based and Microsoft products.
ICO：display icons in Microsoft Windows.
CUR：mouse cursor in Microsoft systems.
上面的圖片格式，課本有做簡單的介紹，不知道是否能親眼見到一下。
2.
PGM
我在網路上稍微搜尋了一下跟PGM有關的資料，部份資料如下：
A PGM image represents a grayscale graphic image. There are many psueudo-PGM formats in use where everything is as specified herein except for the meaning of individual pixel values. For most purposes, a PGM image can just be thought of an array of arbitrary integers, and all the programs in the world that think they're processing a grayscale image can easily be tricked into processing something else.
他說明了PGM是一個跟灰階圖片有關的影像，之後就.....????
3.
imfinfo('picture')
這邊我Key in了自己的圖片 show出來的圖片訊息與課本不太相似
ans=
Filename: 'D:\picture\msn\雷.jpg'
FileModDate: '19-Sep-2007 23:32:51'
FileSize: 104242
Format: 'jpg'
FormatVersion: ''
Width: 300
Height: 300
BitDepth: 24
ColorType: 'truecolor'
FormatSignature: ''
NumberOfSamples: 3
CodingMethod: 'Huffman'
CodingProcess: 'Sequential'
Comment: {}
是否代表有辦法透過指令修改show的information?
2007年9月26日 星期三
Week 2: Getting Started
第一週的作業是閱讀Matlab的Getting Started.
在閱讀過後產生了一些心得與疑問，目前擷取了問題部份
(明日課堂獲得解答後，將更新此篇文章)
※以下內容，將與明日繳交的紙本內容相同
更詳細的記載在這邊
Questions:
1.在1-14 "Step 3: View the Background Approximation as aSurface"時
有一段command如下：
figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);
set(gca,'ydir','reverse');
我覺得它跟1-15頁的那張立體圖應該有所關聯，但卻很不能理解
【上述的指令是怎樣的功用，將圖片的某個值取出建立成Surface嗎(?)】
以及【1-15那張立體圖的X,Y,Z軸的值分別代表??】
2.在1-17 "Step 6: Create a Binary Version of the Image"
有一段command如下：
level = graythresh(I3);
bw = im2bw(I3,level);
figure, imshow(bw)
我的解讀是：
建立二進位圖像視覺,使用whos檢查圖片資訊後，
可以發現level是一張Size:1,Bytes:8,Class:double的二進位圖像
由上述指令可以發現level與bw之間是有關聯性的
但很不能理解graythresh與im2bw這兩個指令的作用...因為level的改變較大
※之後的部分，因為理解的還不夠，所以無法產生問題=>從頭到尾都是問題
在閱讀過後產生了一些心得與疑問，目前擷取了問題部份
(明日課堂獲得解答後，將更新此篇文章)
※以下內容，將與明日繳交的紙本內容相同
更詳細的記載在這邊
Questions:
1.在1-14 "Step 3: View the Background Approximation as aSurface"時
有一段command如下：
figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);
set(gca,'ydir','reverse');
我覺得它跟1-15頁的那張立體圖應該有所關聯，但卻很不能理解
【上述的指令是怎樣的功用，將圖片的某個值取出建立成Surface嗎(?)】
以及【1-15那張立體圖的X,Y,Z軸的值分別代表??】
2.在1-17 "Step 6: Create a Binary Version of the Image"
有一段command如下：
level = graythresh(I3);
bw = im2bw(I3,level);
figure, imshow(bw)
我的解讀是：
建立二進位圖像視覺,使用whos檢查圖片資訊後，
可以發現level是一張Size:1,Bytes:8,Class:double的二進位圖像
由上述指令可以發現level與bw之間是有關聯性的
但很不能理解graythresh與im2bw這兩個指令的作用...因為level的改變較大
※之後的部分，因為理解的還不夠，所以無法產生問題=>從頭到尾都是問題
訂閱：
文章 (Atom)