期末回顧

期中重算的成績81.075
期末成績平均
W11:75.45
W13:72.5
W15:70
期末平均:72.65
80%62分+10%8分=90%70分

自評:

10分是滿分嘛，那我給自己8分吧，雖然有時我會沒來上課，其實不過也才3.4堂吧，有時候是因為黃名宏星期四找我打麻將，害我起不來，但是他卻有去上課不叫我，上課可能也會不太認真上課，但是其實我都有在聽，只是老師問我問題的時候我暫時還沒消化完。
接下來就是寫作業了，寫這作業真的可以花很多時間，因為他是原文書的關係，每次看都可以看很久，雖然現在有雅虎字典，但是查單字之後把他帶入原來的課文中，解釋起來真的是很怪，有時還可以達到完全狗屁不通的境界，達到這境界之後該怎辦呢，接下來就是要靠孤狗了吧，如果還是找不到，那就是靠同學了，所以每次寫下來4.5小時跑不掉阿，有時還可以順便看看日出XD。

期末回顧:

莫名其妙一下就到了期末，時間過得真的是非常非常的快，都不知道在快什麼，說道影像處理這堂課，就讓我想到老師的上課方法，這方法是我上大學來第二次遇到，第一次是遇到黃世育老師，第一次遇到這方法一開始我還不太能適應，不過還好那次是下午的課，都還來的急，這次是上午的課，偶爾會熬個夜，兩個老師的方法差別並不太大，都是先叫你回家讀，然後上課再來問問題，效果當然是因人而異，對我來說，我覺得還有吸收到東西，畢竟這方法已經不是第一次接觸了。
很快的學期又要結束了，祝大家期末考順利外加新年快樂。

CH6

IMAGE GEOMETRY
看書前都要先翻一下大概有幾頁,給自己點心理準備,
這次大概有20面,大約10頁,嗯...還好不算多,不過看了一下內容,
天阿怎麼這麼多方程式加上一些很數學的圖,看的頭都有點暈

6.1,6.2,6.3,6.4
Affine Transformation：仿射轉換
可以縮放,平移,旋轉,轉換後該圖形的特徵依然存在,
也就是點線面轉換後還是點線面,
該轉換有一個重要的特性,那就是當點與點共線,轉換後還是共線

Nearest Neighbor Interpolation
是最簡單的一種方法,不過結果我想應該是最差的吧,
將一個點的Pixel相對放大,變大的Pixel之值,
是由靠近原本點相對Pixel的值所決定的,所以當我們把原圖放大時,
放大的圖會看起來像馬賽克一樣,放大越多倍,格子狀會越明顯,
放大Nearest Neighbor Interpolation的圖鄰近的值差異會較原本大,
影像感覺跟原本圖有明顯差異

Linear Interpolation
是將原圖RGB值,用內插法的方式,算出斜率,以等比例的方式放大原圖,
所以用這種方法放大,就不會像Nearest Neighbor Interpolation一樣,
值的差異就會比較小,放大的圖不會有明顯的格子狀,影像感覺也較溫和,
從課本上的圖6.3跟6.4可以看到此方法跟上面方法的差異,
這種方法差異會比原本的小,是因為旁邊的值不會被中間的值所決定,
值不會一樣,這方法只是值很接近,不會完全一模一樣,圖就會比較平滑

Bilinear Interpolation
這個方法好像就是從一維的變二維而已,直的做一次Linear橫的做一次Linear吧,
看了課本推測出來的,其實我也不太清楚
看到課本上P125那兩張圖,很明顯的Bilinear Interpolation方法比較好,
但是也比較難算,雖然說難算,其實也不是我們算,是由程式來算,
所以無所謂的啦XD

Cubic interpolation
立方內插法,嗯…實在是看不太懂課本在說啥

Bicubic interpolation
課本是說直行做一次Cubic,橫列做一次Cubic,簡而言之,不太懂

zero-interleaved
這個方法是直接在值跟值之間插入0, 由於很多0,
所以圖就會變成像6.17那樣很多黑黑的點,
果然是很dirty的方法啊!!!!!
4 5 6 => 4 0 5 0 6
1 2 3 => 0 0 0 0 0
無無 => 1 0 2 0 3

6.6旋轉
沒有什麼東西,就是讓圖旋轉角度,用這指令imrotate(image,angle,’method’)
Method可以被省略,不打就是做Nearest Neighbor

6.7 Anamorphosis
大家大概都會對這一小節特別感興趣吧,我猜的,但是我還滿有興趣的,
一開始看那張圖我還看不出來那一個骷髏頭,看到後面那頁才看得出來(當然...都弄好給你看了),我在想會不會還有其他地方跟骷髏一樣,只是不明顯,要找一下才看得出來,我很想像課本上那樣把圖弄出來,但是我不知道哪有那張圖可以用,不是說找不到那張圖,只是我找的那張圖骷髏頭的位置不是課本上指令的那個位置, 所以我試不出來...

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

期中回顧

A B C
10 4 0 =90
4 4 0 =80
3 9 2 =63
4 7 2 =67
平均 =75

期中回顧:
很快的已經12週了,是我的錯覺嗎,感覺這學期過很快,平均只有75,剛開始比較認真一點,後面就有點混,從分數上可以很明顯的看出來XD,後面有少少沒來幾堂課,嗯..少少而已,我記得不超過9堂吧,上禮拜還被老師打電話叫起床,當場就是嚇醒,精神都來了,不過似乎聽說只有打我一個人的電話….下次我可以提供黃名宏的電話給老師XD,他翹得比我還兇阿!!!

想一下這學期影像處理到底學到了啥,嗯..可能不只學到了書裡面的內容,還有學到自己去讀書,以前讀書都是看看老師的投影片,看看自己抄的重點,很快就可以看懂,不過影像處理並不是這樣上課,要自己去讀,自己去找重點看,也就幾乎要全看的意思,發現自己找重點看然後再用自己的話去說出來真的很難,再加上他又是原文的,看的會更累,雖然我有時候會直接去問人某個章節在做啥…這樣超快的哈哈.

還有Matlab這個軟體,雖然我大部分都只是來打課本上的程式,看了另一本介紹Matlab的書,發現他還可以用到很多東西上面 ,雖然我曾經有想過要玩玩看別的程式碼,但是似乎都沒有在執行阿..會的,總有一天會去試試看的..

ch4

4.1
這節是在說image-operation大概可以分成這三種,下列是從複雜到簡單的
1. Transforms
最複雜的一種方法,看圖就知道,不過說實在的那張圖也沒說得很清楚步驟裡面到底要怎弄,只知道先把圖轉換,然後變成轉換的圖,然後做影像處哩,再來就變成處理過的轉換圖,再來反轉,叮咚叮咚!!完成了,中間步驟會不會省略太多..該不會是中間過程就是要給電腦做的,我們瞭解不能!?
2. Neighborhood processing.
3. Point operations

4.2
影像的數學運算
通常做這些運算是為了改善影像的品質或者是偵測影像的內容
Imcomplement(x)計算影像X的補數,以X的互補色來顯示圖形,效果就會跟照片裡的負片一樣
Imadd(x,y),加法
Imsubtract(x,y),減法在原文書裡面好像只是讓圖片顏色變深而已,可是在另一本裡似乎有說如果拿兩張圖片相減,可以看出兩張圖片的不同,
Immultiply(x,y),乘法,如果將兩張影像相乘,可以讓影像表現較銳利!?
Imdivide(x,y),除法

4.3
影像直方圖可用來表示在每一個色階裡存在有多少個像素,如果像素值大部分集中在黑色階,那圖形就會變暗,反之亦然,如果沒有用到全部的色階,就會產生對比不足,如果有這情況,必須用imhist(x)叫出直方圖,然後再使用histeq(x)來做等化,這樣那張圖如果偏暗,做等化之後直方圖分布就會比較平均,圖就會比較清楚

4.4
LUT
似乎是一個可以讓執行速度加快,也就是先把所有的東西算好之後存起來,然後下次如果要用到這些資料,就可以直接從表裡面找到,不用每次都計算,這個可以運用到很多東西上

ch1-ch3

前面兩個章節，讀的速度會比較久一點，因為幾乎都是在敘述，陌生的英文當然比較多，所以讀比較久，不過要感謝我有高手室友的幫助，讓我可以知道大致上的內容再去看，這樣就比較快。

前兩章程式比較少，當然還是有拉，不過似乎就只有一點點，有些打了也不知道為啥要把這些東西叫出來，比如說知道圖片的資訊等等，灰階跟二元圖難道肉眼看不出來!?

第三章程式變多了，頁數也變多了，不過還好有程式跟圖片的輔助，再加上又有高手室友的幫助，比較容易知道在說什麼，有問題的話就是3-4ˋ3-6那些，3-4的話我是不太明白到底那些步驟要幹嘛，幹嘛除了轉了一堆圖片之後又把它加起來，然後變回原來的圖...嗯...難懂，再來是3-6，3-6是整個都滿有問題的。




其實我也是滿想碎碎念的，但是幾乎都已經有人先念了，我就不再念了。

ch3

3.2
c=imread(‘xxx.tif’);
Image(c)
這兩條程式似乎只適用於灰階或黑白照片上面,用在彩色照片上沒啥效果,可能有些微差別,但是我看不出來,至於為啥用在彩色上會沒效果,我…不清楚…
Image(c),truesize,axis off,colormap(gray(x)) 如果你的圖gray的值是247的話,那你輸入比他大的數就會比較暗,反之輸入比較小當然就比較亮,但是如果用在彩色圖片上,他是完全不會有用的,因為colormap(gray(x))是gray only….
3.3
c=imread('caribou.tif');
cd=double(c);
imshow(c),figure,imshow(cd)
這程式打出來後,那張鹿圖就變白了,為什麼呢,因為他被double了,就這麼簡單,開玩笑的,因為double的值介於0到1之間,所以如果圖片裡的值大於1的話,就會被當成1來顯示,小於0的話就會以0來顯示,由於這張圖的值都大於1所以全部顯示1,整張圖就變白了,如果把那張圖的陣列除以255,這樣所有的值都會介於0到1之間,這張圖就變回原來的樣子了,除以512的話數值變小會變暗,除以128數值變大會變亮
cd=im2double(c)就是先把他變double之後再除以255,也就是double要做兩次他一次就做完了
uint8(255*cd),imuint8(cd)這兩個是把上面兩個轉回來
c1 256x256 524288 double 喔YA!!我的C1跟我室友一樣,跑出來都是跟課本不一樣的值,是我沒把圖片轉回uint8嗎,不過我重弄一次好像也是這樣,不知道是啥原因??
3.4
c0=mod(cd,2);c0的圖是最不明顯的,c1開始慢慢有東西,之後到c7是最明顯的圖,之後神奇的來了,把全部圖在加在一起,他就變回原來的圖啦!!!!真神奇,不過這有啥意義….還有是他為啥知道只要做到C7就是最明顯的圖,要是還有C8呢?
3.5
似乎是在講馬賽克,我又跟課本弄出來的不太一樣,課本上明明就弄出一格一格,我的卻有點朦朧美,要比較近看才會看出一格一格的
3.6
(Grayslice(x,h1),gray(h2))讓圖量子化,嗯….量子化,根本不知道是啥啊!!!!!弄了一下,裡面的值好像是代表陣列裡的最大值減一,如果是128那圖裡的值最大好像就是127,如果是2那最大好像就是1,所以弄到最後那張newborn就會變黑白的,但是如果這功能用在彩色圖上,就只會慢慢變黑而已,想說課本上都是試一樣的值,如果我兩個打不一樣會怎樣,事實證明了,如果h1>h2,圖會變比較白,反之,圖當然就會變比較黑拉

CH2心得

2.1 Grayscale Images
第一節就只是說用這幾行可以把圖片SHOW出來
W=imread(‘123.jpg’);
Figure,imshow(w),pixel on
imshow(‘123.jpg’)
2.2 RGB Images
Size(a)=(rows,columns,pages)
a(100,200,2)是求綠色在100,200的pixel
a(100,200,1:3)=a(100,200,:)都是顯是RGB三個在100,200的pixel
impixel(a,200,100)顯示的東西會跟上一行的一樣不過rows跟columns要倒過來放
這指令也可以用在grayscale images
Impixel(g,100,200)這好像是說g就只是一個雙維的圖片,所以三個值會一樣
2.3 Indexed Color Images
簡單來說,就是看不太懂…..
2.3.1 Information about Your Image
顧名思義,取得圖片的資訊,課本上有做binary跟grayscale的對照,但是Matlab無法區分這兩種影像,binary可以用bitDepth來區分如果是1就是binary
2.4 Data Types and Conversions
前面是說在Matlab的資料型態,後面就是在說檢索圖可轉灰階,彩色可轉灰階,彩色可轉檢索圖,然後這三個又可以倒著轉
2.5 Image files and formats
Matlab可以把圖片隨意轉換格式,影像都有一個header information,Matlab可以認出標頭檔裡的格式來讀影像資訊和寫入影像,後面就說明了一堆影像的格式
2.5.1 Vector versus Raster Images
Vector儲存是以一列一列來儲存,Raster是以一格一格來儲存,Vector放大縮小時比較不容易失真,Raster放大就會比較容易跑出格子
2.5.4 GIF and PNG
GIF是一種點陣圖圖形文件格式,以256重現的圖像,不接受灰階跟二元圖,用LZW壓縮,LZW是一種專利演算法
PNG是一種非失真性壓縮點陣圖圖形文件格式,PNG格式是非失真性壓縮的,允許使用類似於GIF格式的調色板技術,支持真彩色圖像,並具備alpha channels（半透明）等特性,PNG比GIF要來的好,但是有些軟體不適合用PNG
2.5.5 JPEG
相信大部分人對這種影像格式都很熟悉,JPEG被用到很多地方上,他檔案可以弄得很小,但是缺點是有可能會失真
2.5.6 TIFF
TIFF 是一個靈活適應性強的格式,使用無損格式儲存影像的能力使TIFF文件成為影像存檔的有效方法,與JPEG不同TIFF文件可以編輯然後重新存儲而不會有壓縮損失
2.5.7 DICOM
DICOM是醫療數位影像傳輸協定,此協定用於醫學影像的處理、儲存、列印、傳輸上,它包含了檔案格式的定義及網路通信協定,DICOM是以TCP/IP為基礎的應用協定,並以TCP/IP聯繫各個系統,兩個能接受DICOM格式的醫療儀器間,可藉由DICOM格式的檔案,來接收與交換影像及病人資料
2.5.8 Files in Matlab
用imwrite將影像陣列儲存成圖片,
A=imread(‘’123.tif); imwrite(a,’456.png’,’png’);

嗯...這週不是第六週嗎??

week3 心得

影像處理包含有
1.improve its pictorial information for human interpretation
2.render it more suitable for autonomous machine perception
課本1-2有示範了幾個例子：
Image sharpeing 使影像變清晰，其實我看不太出來哪有變很清晰，以課本上來看，我覺得他變得沒有很好，
Removing noise from an image 去除雜訊，就把照片中的黑點白點去掉，
Image deblurring，弄得比較清楚讓車牌好認一點，
Finding edges in an image 描繪影像中的邊緣，讓電腦看的！？，
Blurring an image 使影像變模糊，這讓我很疑惑，這張圖變模糊以後可以幹嘛，照片中只剩下輪廓可以看，這是讓人家來猜的嗎？
Effect of sampling 左邊是沒失真的，右邊是失真的
1.3.1 Using light
CCD跟CMOS的差異 CCD的特色在於充分保持信號在傳輸時不失真，透過每一個畫素集合至單一放大器上再做統一處理，可以保持資料的完整性；CMOS的制程較簡單，沒有專屬通道的設計，因此必須先行放大再整合各個畫素的資料。
1.4 Pixel with a neighborhood 課文中說的 A neighborhood can be characterized by its shape in the same way as amatrix不太懂這段話的意思，後面大致上是說 neighborhood 除了特別的情況下 ，都有奇數的行跟列，這樣才能確定正確的Pixel是在neighborhood的中間，如果neighborhood有偶數的行跟列，他就必須詳細說明neighborhood中哪一個才是正確的Pixel。嗯...要如何說明哪一個才是正確的呢?
1.6 Aspects of image processing
1.Image Enhancement
2.Image Restoration
3.Image Segmentation
1.8 Binary image 二元圖 以1跟0來表示，Grayscale image 灰階圖 以0到255來表示，True color or red-green-blue RGB 也叫做24-bits color，每個顏色都有0到255，所以總共是255*255*255
1.9 Image file sizes
大概就是講說越好的圖檔案就越大吧

看完第一章之後，我發現看原文書真的很累，單字大致上都可以找到，但是要真正明白他在這本書裡是什麼意思就有點難，課本的第一章其實沒有很多，但是要看懂就要花很多時間。
影像處理這門課，我覺得應該會很好玩，可以處理自己的相片，把他弄得更好或搞怪，雖然市面上有很多軟體都可以用，但是跟自己打出來的程式比起來，感覺就不太一樣。

Matlab 初體驗

上禮拜第一次上Matlab 因為之前沒上過類似的課
所以剛開始會覺得他很難 但是上禮拜聽了老師的一些說明還有示範
發現他比C語言還要簡單 因為它很多函式幾乎都有內建
不像C要打很多變數 很多迴圈 很多程式才可以算出來
功能很強大 方便 簡單 我有上網找過Matlab的介紹
很多人都說很容易上手 不過也是有缺點就是了
哪個東西沒缺點呢 所以就別太在意了

上禮拜剛開學 上課的時候還有點昏沉
有點沒跟到進度 買的那本書也沒看得很仔細
不過我以後會認真上課的!!!!