期末回顧

week11 : 66.36
week13: 75
week15: 85

期末平均:75 x 0.4 = 30
期中平均修改過後:66 x 0.4 = 26
目前總成績64吧

我給自己8分 0.0
我覺得我這學期
期初的時候比較打混
有幾次課也沒去
然後課本內容
有的也是讀了一知半解
沒有具體的去探討問題
我後來覺得這樣的學習太打混了
實在對不起自己良心
也對不起老師在台上口沫橫飛的講解

哈有點嘴砲了
沒有啦 就後來覺得
那樣的學習成效很差
就算過了這科 我也沒學到東西
所以後來的內容就還滿認真在看的
雖然很多地方自己在閱讀時 可能曲解意思
可是看了同學的文章
再聽老師講解
就比較能銜接起來
經過這學期的訓練
我覺得我對原文書抓重點閱讀
這個能力似乎進步不少
以前看原文都要看半天
然後進度很慢

這學期的互評分數
老實說 寫的不是很好
起初可能怨嘆互評系統不好
可是仔細想想 自己進步的空間還能有多大
也就漸漸釋懷了
如果能做到近乎完美
自然分數也就會跟著提高
學習表達想法 也是必要的

最後謝謝老師一學期的辛苦
聖誕節過完了
那就祝大家與老師 新年快樂!

CH6

看到龍哥的文章

突然想到 我一直傻傻的翻譯文章 然後用力看懂

可是理解上可能又會自己想偏 偏離正道走火入魔0.0

所以看到龍哥查wiki 我也來用wiki輔助一下

6.1 Interpolation of Data (數據內插)

Accrodding to wiki 哈哈就是根據維基啦

無聊突然想到以前線代之類的數學課 常要這樣開頭

內插是數學領域數值分析中的通過已知的離散數據求未知數據的過程或方法。

interpolation - 等比例的內插 如Figure 6.1所示 由4個節點要擴充成8個節點時

他以等長比例分配8個節點 距離約為3/7 近似0.4286

nearest-neightbor interpolation - 鄰近節點的內插 如Figure 6.3所示

我們給定 f(xi') = f(xj) 利用鄰近黑色節點xi' 找出原本存在的白色節點xj

來達到填補空白部分的目的 不知道有沒有曲解他的意思

linear interpolation - 線性插值 這部分英文夾雜數學 攻擊力何等高!!

這時候要召喚一下wiki幫打怪 就決定是你了維基百科!

6.2 Image Interpolation (影像插值)

Figure 6.6先展示了 4x4的節點影像變成8x8的概念圖

數學上運用到的是 binterpolation

Figure 6.7 就運用了(x',y')四點連成的矩形，從點(x',y')延伸到相交的兩點(x,y')、(x+1,y')

再經由每點之間的比例算出最後的(x',y')

6.3 General Interpolation (一般插值)

cubic interpolation - 三維空間上的立方體插值法

bicubic interpolation - 查到的名稱是雙立方插值

呃...其實這邊是個大問號
wiki查到的也是英文 還沒看懂 http://en.wikipedia.org/wiki/Bicubic_interpolation
後來查到網路上人家的pdf

以影像處理軟體進行「Bicubic interpolation」方式之放大，所得結果可明顯改善邊緣鋸齒化之缺陷，但影像呈現失焦之狀況，且處理時間較長

以Bicubic interpolation 方式放大處理結果：

6.4 Enlargement by Spatial Filtering (利用空間濾波擴展)

這裡一開始就說 如果我們要快速得到一個放大的影像
第一步就要用 Zero-inyrtleaved (零交錯)
將矩陣上各個位置填0 使其黑點平均分配
這樣就有放大效果!? 然後呢?然後呢?
不知道了=..=

ch5

一開始概略性的看了一遍
很好! 很多不懂= =
然後再看看其他同學的心得
嗯 有比較懂了
然後開始打心得
打到一半...
案! 電腦自動重開 是在跟我開玩笑嗎0.0
悶了....所以就先去睡了

5.1 Introduction
mask(遮罩) -
利用原圖像素 覆蓋原圖創造新影像
以前常聽到遮罩遮罩 可是到這裡才比較實際了解其運作情形

Spatial filtering(空間濾波) -
1 在正確的pixel上進行遮罩動作
2 在濾波器相鄰的區塊上 把所有元素相乘
3 最後再相加所有的結果

5.2 Notation
介紹以矩陣表達遮罩的概念

5.2.1 Edges of the Image
Ignore the edges(邊緣忽略) -
將邊緣忽略的作法 實際會比原影像小

Pad with zeros(填入零) -
作法將0填入 保持其影像大小

5.3 Filtering in MATLAB
這裡利用filter2的指令
將前面的概念做一個實作
就是在說5.1,5.2實做的指令,filter2

filter2(filter,image,'same')

利用到了5.2.1所說的Pad with zeros

補0的動作 將影像維持大小

filter2(filter,image,'valid')

則是用到Ignore the edges

將影像邊緣忽略 所以呈現出來較小

filter2(filter,image,'full')

作法上是將邊緣補0 產生比原圖還要大

然後做?運算

5.3.1 Separable Filters
是說濾波分離的樣子 可以拆解成課本那樣

5.4 Fequencies: Low - and High - Pass Filters
High-pass filter(高通量濾波) -
顧名思義就是讓高頻的波通過 然後減少其低頻的部分

Low-pass filter(低通量濾波) -
讓低頻的波通過 然後減少其高頻部分

高頻濾波器(High-frequency components) -
短距離內灰階值改變很大

低頻率波器(Low-frequency components) -
短距離內灰階值改變很小

5.5 Gaussian Filters
介紹高斯濾波器是一種低通量的濾波
然後5.7的圖 畫出公式在一圍的Gaussians
特性主要有
1. 經傅立葉轉換後的Gaussian會是另一個Gaussian
意思是本質還是高斯函數
2. 是一個旋轉對稱的edge-detection演算法 是這樣意思嗎?
其實有點不懂
3. 可分離的 可是很抽象不太能理解
4. 問號?

5.6以後的內容還是不懂....好多數學0.0

期中回顧

很快期中就到了
回想自己半回學的經歷
似乎有點渾渾噩噩
可能不只這科 其他科也是
已經很久沒有像現在這樣 靜下來回想
仔細想想 自己的確沒以前那麼用功
不夠仔細的去研讀原文的課本
不夠認真的寫blog文章
有時候自己覺得很差的文章拿了B
也會感到慚愧


雖然文章有時候 實在很沒動力去寫
一方面是對互評系統有點無言
但是一方面在互評文章上
我也感到很高興
因為大家不再是存著鄉愿的心態去評
比如說這個人是某某某就給他A之類的
至少客觀的心態變多了
就覺得很好

反觀自己
想到要接受這樣同學間評分的挑戰
我就有動力寫出更仔細的心得跟想法
但是這不是理由
自己的態度才是最重要的
畢竟學習是自己的
不管有沒有受到互評
自己學了什麼才是重要吧
我要開始振作了
跟自己比才是比較重要的
MATLAB 我來接近妳了 嘿嘿O.0"

補上分數計算...
2. 8A 3B 11C = 91
3. 11C (這次沒交) = 20
4. 5A 10B 1C = 72
5. 4A 6B 5C = 57
平均61....

進步空間很大0.0

CH4

4.1 Introduction

大概是概略的介紹了
3個影像處理的方式
1.Transforms
2.Neighborhood processing
3.Point operations
然後圖示看了 不懂為什麼要轉Transform
不太了解

4.2 Arithemtic Operations

花了一點時間了解
原來是做四則運算
讓影像維持在255的範圍內

加法 - 影像變亮
減法 - 影像變暗
乘法 - 變亮
除法 - 變暗

不過為了讓pixel盡量不要損失
運算時使用乘法或除法比較好
那y=x/2+128的意義又是什麼?
只知道會大量損失pixel

4.3 Histograms

知道是在講解影像與長條圖的關係
是說明暗相近的影像不易辨識
把明暗程度加深
就能較清晰的樣子
不過P73頁 Use of Imajust開始
就不太了解了 問號很多
像是那個gamma的方程式
無解ing

CH1~CH3回顧

這學期的影像處理課程
接觸到了Matlab

又是個嶄新的東西要摸索
原文的課本 在一開始的確不好上手
但是藉由老師的導讀
可以先知道 那個章節的重點是什麼

回家再靜下心來
翻開課本瀏覽一遍
由範例跟圖做起
很容易就可以進入狀況
知道章節想介紹的是什麼

幾次下來後
瀏覽速度的變快
也更容易掌握到了重點

我覺得學習東西 還是要有自己的方法
我也會試著找出 更適合自己的讀書方式
這樣Matlab的學習才能更有效率

第三章心得

第三章算是延續了第二章的內容
介紹簡單的運算改變圖片的效果



照慣例
我不喜歡直接看文字
所以就先run了幾個指令




執行完之後 就是看圖說故事了
看了一下課本說明
image(c), truesize, axis off, colormap(gray(512))
經了解後
這行表示由image(c)載入一張圖片後


由truesize這行指令 讓圖片用原本大小顯示出來


axis off則只是將旁邊軸線顯示出來的樣子
因為我調成axis on 就只有如下圖

colormap(gray(512))的指令是將圖片用灰階或是彩色作處理
像這個灰階的值越高
圖片顏色就越深
像最上面的圖




3.3 是在介紹imshow的function應用
幾行指令打下來
似乎跟image很接近 都處理了影像的對比度

3.4
這節就比較神奇一點了
把餘數給取出來後
最後可以合成原來的圖

3.5
這章節的內容
我打起來好像沒辦法顯示的跟課本一樣耶
是因為圖片關係嗎
我再看看

3.6
就真的看不懂了...

week3心得

看原文書 我跟大家的感想一樣

好吃力好累

因為老師有導讀過

所以大致上知道第一章在講什麼

不過自己讀的時後

多少還是喜歡偷懶

所以我就採用看圖優先的方式去了解

一開始的章節是講解image對人與machine的處理

有些效果在之前老師的BCB課程中有做過

那時候只懂得打程式

然後執行出結果

並沒有深入去了解 整個影像處理的過程

現在自己讀原文書 雖然很吃力但是當了解影像如何改變成另一樣貌

就覺得很神奇 有恍然大悟的感覺

在讀到CCD與CMOS 跟光之間的變化關係

因為不了解

所以上網查了一下中文的說明

CCD(Charge Coupled Device:電荷耦合元件)

是一種類似積體電路(IC)的半導體電子元件.主要的功能可以把光轉換成電,

而電的信號經過各式的電路就可以成為數信號,配合現今發展蓬勃的電腦加以處理,

便可以有多樣化的影像出現.目前日常生活中己到處可見CCD的蹤影,諸如:大樓監視器,攝影機(V8),傳真機,掃瞄器,以及愈來愈紅的數位相機...等(連哈柏太空望遠鏡上也有).

近年來出現了類似的元件,

CMOS Image Sensor(互補式金氧半導體影像感應器),

主要是要做出影像品質更好,線路整合度更高,生產成本更低的產品,

但仍有許多問題要克服.但不可置否的,

CCD這類的感光元件己和人類的生活密不可分.

資料來源

http://my.nthu.edu.tw/~res9202/astrocamp/1998/1998camp/ccd/

CCD 英文全名 Charge Coupled Device，感光耦合元件
CCD（Charge Coupled Device ，感光耦合元件〉為數位相機中可記錄光線變化的半導體，通常以百萬像素〈megapixel〉 為單位。數位相機規格中的多少百萬像素，指的就是CCD的解析度，也 代表著這台數位相機的 CCD 上有多少感光元件。 當 CCD 表面接受到快門開啟，鏡頭進來的光線照射時， 即會將光線的能量轉換成電荷，光線越強、電荷也就越多，這些電荷就成為判斷光線強弱大小的依據。

ＣＭＯＳ 英文全名 Complementary Metal-Oxide Semiconductor，互補性氧化金屬半導體
CMOS和CCD一樣同為在數位相機中可記錄光線變化的半導體 。但，CMOS的製造技術和CCD 不同，反而比較接近一般電腦晶片。CMOS 的材質主要是利用矽和鍺這兩種元素所做成的半導體，使其在CMOS上共存著帶N（帶 – 電） 和 P（帶 + 電）級的半導體，這兩個互補效應所產生的電流即可被處理晶片紀錄和解讀成影像。

資料來源:

http://www.digital.idv.tw/DIGITAL/Classroom/MROH-CLASS/oh2/index-oh2.htm

左圖：NikonD100 CCD 特寫；右圖：Nikon D70 鎖上反光鏡後 CCD 露出之位置

最後看原文書雖然累

但是長期累積下來

可能今天讀一章節要3小時

下次就變2小時

再來變1小時

哇~~希望真的可以這樣啦....

英文會大進步的

MATLAB初體驗

第一次使用MATLAB時
感到有點茫然
就跟第一次使用BCB一樣
看到英文介面就不知道從何下手
經由老師的介紹
發現MATLAB的方便性及容易操作
尤其跟C比起來
MATLAB只要簡單的指令就可以做出跟C同樣的效果
MATLAB是一套很強的數值分析模擬軟體
感覺的到學會他
不僅是種挑戰更會是種成就
不只從課本學習
網路上也有我學習MATLAB的資源
像是
http://www.cs.nthu.edu.tw/~jang/mlbook/
http://www.emath.pu.edu.tw/celebrate/celebrate2/computermath/textbook/textbook.htm
http://man.ptt.cc/man.pl/MATLAB/
相信掌握這些資源我可以更快速的將MATLAB上手