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！
2008年12月19日 星期五
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～
2008年12月4日 星期四
ch5
此章節再第四章的實有提及，
但並未詳細講解。
此章節詳述
5.1 Introduction
主要介紹
遮罩：將不要的部份蓋住,濾波器,線性濾波器：將灰階值進行線性函數運算,還有特殊濾波器。
還有對一些點作運算！
Spatial filtering 主要有3個步驟:
把Mask覆蓋在目前的pixel -->濾波器的所有元素與附近相對應的pixel相乘
-->所有結果相加
5.2
以矩正的方式表是mask，
影像邊緣的處理，
忽略所有的邊會使得輸出像素會比原來的小。
補零：會一樣，但會有影像多餘。
只對在Mask內的pixels運算
5.3
使用matlab指令，
實做Ignore the edges
filter2(filter,image,’valid’)valid:忽略邊緣
和Pad with zeros
filter2(filter,image,’same’)same:邊緣補零
valid會有較好的結果!
模糊化可看P96的圖
5.4
High-frequency component高通濾波器:
高頻的部分通過，低頻的部分縮減，
短距離內灰階值產生很大的變化
Low-frequency components低通濾波器:
低頻部分通過，高頻部分縮減，影像中灰階值變化不大的部分
每個頻率的信號強弱程度不同。
5.5
高斯濾波器：
低通濾波器,透過高斯機率分佈函數變化，是Low Pass Filter的一種變化，可製造出"柔邊"的影像效果，是內向外的一種模糊效果，有時也可能會造成麻煩。
5.6
影像銳利化處理：強化影像邊緣像素與鄰近像素，影像會更清晰，
去銳利化遮罩：模糊化的圖與原圖做差值，再將差值加回原圖，
邊緣加強：增強原始影像，
邊緣清晰：使圖片邊緣清晰化，
但並未詳細講解。
此章節詳述
5.1 Introduction
主要介紹
遮罩：將不要的部份蓋住,濾波器,線性濾波器：將灰階值進行線性函數運算,還有特殊濾波器。
還有對一些點作運算！
Spatial filtering 主要有3個步驟:
把Mask覆蓋在目前的pixel -->濾波器的所有元素與附近相對應的pixel相乘
-->所有結果相加
5.2
以矩正的方式表是mask，
影像邊緣的處理，
忽略所有的邊會使得輸出像素會比原來的小。
補零：會一樣，但會有影像多餘。
只對在Mask內的pixels運算
5.3
使用matlab指令，
實做Ignore the edges
filter2(filter,image,’valid’)valid:忽略邊緣
和Pad with zeros
filter2(filter,image,’same’)same:邊緣補零
valid會有較好的結果!
模糊化可看P96的圖
5.4
High-frequency component高通濾波器:
高頻的部分通過，低頻的部分縮減，
短距離內灰階值產生很大的變化
Low-frequency components低通濾波器:
低頻部分通過，高頻部分縮減，影像中灰階值變化不大的部分
每個頻率的信號強弱程度不同。
5.5
高斯濾波器：
低通濾波器,透過高斯機率分佈函數變化，是Low Pass Filter的一種變化，可製造出"柔邊"的影像效果，是內向外的一種模糊效果，有時也可能會造成麻煩。
5.6
影像銳利化處理：強化影像邊緣像素與鄰近像素，影像會更清晰，
去銳利化遮罩：模糊化的圖與原圖做差值，再將差值加回原圖，
邊緣加強：增強原始影像，
邊緣清晰：使圖片邊緣清晰化，
2008年11月27日 星期四
期中回顧
對於程式設計的東西，
我真的是很不擅長，
所以對於Matlab不是非常的會，
不過，
對於一些基本的指令，
還是會應用的，
每個禮拜的心得作業，
都會需要去實際try try
了解每個指令的意思與意義，
讀原文書也是一項挑戰，
要了解內容，
也需要費一大力氣，
不過，
這也許是我這三年來，
真正專心的去讀原文書吧！
因為之前其他的科目，
都是會有兩種給大家選，
而大家都會選擇較輕鬆的中文，
不會去選擇原文。
所以還是有學到很多單字，
或是專業用語！
對於對自己上課的專心到與參予度，
可能還需加強，
有時候會因為不太了解，
而分心，
一開始上課都會準時到，
不過後來怠惰漸漸的會遲到個一節課，
這些是需要被自己檢討的地方，
希望期末能更進步，
改掉一些不好的，
能更認真一點！
期末回顧就可以來驗收自己一下了！
我真的是很不擅長，
所以對於Matlab不是非常的會，
不過，
對於一些基本的指令，
還是會應用的，
每個禮拜的心得作業，
都會需要去實際try try
了解每個指令的意思與意義，
讀原文書也是一項挑戰，
要了解內容，
也需要費一大力氣，
不過，
這也許是我這三年來，
真正專心的去讀原文書吧！
因為之前其他的科目，
都是會有兩種給大家選，
而大家都會選擇較輕鬆的中文，
不會去選擇原文。
所以還是有學到很多單字，
或是專業用語！
對於對自己上課的專心到與參予度，
可能還需加強，
有時候會因為不太了解，
而分心，
一開始上課都會準時到，
不過後來怠惰漸漸的會遲到個一節課，
這些是需要被自己檢討的地方，
希望期末能更進步，
改掉一些不好的，
能更認真一點！
期末回顧就可以來驗收自己一下了！
2008年11月14日 星期五
ch4心得
第四章的主題是point processing
我直接翻譯的話是"點的處理"，
然後我就直接的看他的介紹，
大概了解本章的主題，
而較多較複雜的Neighborhood processing
到下一章有做詳細介紹，
4.2
就是要應用一些基本簡單的函數運算，
範圍是在0到255，
還有4個基本運算元，
就是大於小於，
大於255都是255，
小於0就都是0，
就算是一個調整！
p68有兩個(a)(b)做比較，
(a)是加上128
(b)是減掉128
而圖4.4就是使用乘法和除法
圖4.5就是在示範4個運算員都使用到的！
4.3
先理解長條圖的意義，
在灰階中，
比較暗的長條圖會比較低，
相反的較亮長條圖會比較長，
可以看看圖4.8的長條圖理解一下。
接下來就比較多的計算，
那邊不是很了解！
4.4
也不是非常了解，
是用表格來做整理嗎？
還是....
不是很懂！
我直接翻譯的話是"點的處理"，
然後我就直接的看他的介紹，
大概了解本章的主題，
而較多較複雜的Neighborhood processing
到下一章有做詳細介紹，
4.2
就是要應用一些基本簡單的函數運算，
範圍是在0到255，
還有4個基本運算元，
就是大於小於，
大於255都是255，
小於0就都是0，
就算是一個調整！
p68有兩個(a)(b)做比較，
(a)是加上128
(b)是減掉128
而圖4.4就是使用乘法和除法
圖4.5就是在示範4個運算員都使用到的！
4.3
先理解長條圖的意義，
在灰階中，
比較暗的長條圖會比較低，
相反的較亮長條圖會比較長，
可以看看圖4.8的長條圖理解一下。
接下來就比較多的計算，
那邊不是很了解！
4.4
也不是非常了解，
是用表格來做整理嗎？
還是....
不是很懂！
2008年10月31日 星期五
2008年10月24日 星期五
2008年10月15日 星期三
week4 ch2 心得
第二章一開始介紹的一些語法，
在第一堂課後老師有大致介紹過了，
我也實際操作過！
所以第二章前面的部分並不陌生，
到了較後面的部分size等～就比較陌生了！
還有從2.5.3 Microsoft BMP那開始就有點小不懂了！
都是在說一些檔名BMP.JPEG.GIF.PNG...等～
幾bytes那邊稍微有點小複雜＞＜
還在理解ing！
在第一堂課後老師有大致介紹過了，
我也實際操作過！
所以第二章前面的部分並不陌生，
到了較後面的部分size等～就比較陌生了！
還有從2.5.3 Microsoft BMP那開始就有點小不懂了！
都是在說一些檔名BMP.JPEG.GIF.PNG...等～
幾bytes那邊稍微有點小複雜＞＜
還在理解ing！
week3 ch1心得
第一章看過後，
老師也大致提過！
圖的尖銳化，胡椒鹽(雜訊)
聲音v.s影像
空間的影像格式(GIF)
調色盤影像
知道了，
100萬個point 有50萬個pixels
如何全部存起！
還有一些較簡單的，
檔案大小...等～
老師也大致提過！
圖的尖銳化，胡椒鹽(雜訊)
聲音v.s影像
空間的影像格式(GIF)
調色盤影像
知道了，
100萬個point 有50萬個pixels
如何全部存起！
還有一些較簡單的，
檔案大小...等～
訂閱：
文章 (Atom)