期末回顧

期中*0.4=16.857
期末*0.4=23.193
自評6分
跟當初的目標有一段差距
沒什麼成品出來
目前總分16.857+23.193+6=46

一開始知道這門課要用到matlab時還以為是實作的課
可以做出像PHOTOSHOP或POTOIMAGE那樣的軟體
至少一些基本的功能像變灰階或調亮度清晰度等可以實作
跟當初預期的差太多了
至於心得的部分
有些人很認真，該翻譯的地方都翻到了
剩下看到的也大同小異，畢竟出處一樣
剩下的只是字數的多少而已
比起字很多但是沒什麼重點的文章
我反而比較喜歡簡單兩三句就能把重點說清楚的文章

ch6

第六章 影像幾何
對影像做形狀,大小,方向,旋轉的改變
仿射轉換(Affine Transformations)-一種二維實數系對應到二維實數系的線性轉換
6.1 數據內插法內插法(Interpolation):以等比例來求值
鄰近內插法(Nearest-neighbor Interpolation)-藉由相鄰近的點來求值
線性內插法(Linear Interpolation)-用線性運算求值
6.2 影像內插法
雙線性內插法(Bilinear Interpolation)-三次線性內插的結果，用在二維
a e b
　g
c f d
先由ab兩點求出e
再由cd兩點求出f
最後由ef求出要的點g
6.2 影像內插法影像內插法－對二維影像矩陣做內插法
imresize(影像矩陣,縮放係數,'使用內插法')
6.3 一般性內插法
立方內插法(Cubic Interpolation)－類似線性內插法,只是用在三維
6.4 使用空間濾波器放大影像
使用線性濾波器對影像執行零交錯(Zero-interleaving)
零交錯－將原數值的兩兩中間補零
6.4 使用空間濾波器放大影像
不懂？？
6.5 縮小影像最小化(image minimization)－就是將影像變小的意思
次取樣(Sub-sampling)－取間隔像素的取樣方法
6.6 旋轉(Rotation)
利用三角矩陣將影像做旋轉
Imrotate(影像矩陣,角度,'使用內插法')
6.7 歪像
為了藝術效果將影像做扭曲

第5章

5.1
鄰域處理-利用像素鄰域部分來修正該像素
遮罩-將不要的部份遮起來，留需要的部份
線性濾波器-對遮罩後的灰階值進行線性函數運算

空間濾波的運算：
第一步:將遮罩至於指定像素上
第二步:濾波器的所有元素與鄰域相對應的像素相乘
第三步:將上述乘法的所有結果相加

與空間濾波類似的方法為空間旋積

空間旋積:

旋積(Convolution)定理-函數旋積的傅裡葉變換是函數傅裡葉變換的乘積，加快處理速度用

5.2

影像邊緣的處理：遮罩會有部分超出影像的地方

作法1:忽略邊緣(Ignore the edges) ,計算後的影像會比原始影像小.
作法2:補零 (Pad with zeros),超出影像的地方設為零,如此一來所獲得的影像與原影像一樣大,但邊緣會有點問題.

5.3Matlab中的濾波函數

filter2(filter, image, shape)
filter-遮罩的範圍大小

image-原影像檔的矩陣

shape為非必要參數
shape:

same-邊緣補零.
valid-忽略邊緣.

full-填滿，邊緣為四周有的地方相加除9.
fspecial(type,範圍大小)-自動產生濾波器

type:

有average,log,unsharp等

5.3.1可分離濾波器
3x3的濾波器,可以先執行3x1的平均濾波,再執行1x3的濾波,這樣的分離性可以省下許多時間.
原因說明: 執行nxn的濾波器,影像中的每個像素必須執行n平方次相乘和 n平方-1 次的相加動作.
執行nx1的濾波器,只要相乘 n 次與相加 n-1次,所以執行兩次濾波,相乘總次數是 2n與相加總次數2n-2次.

5.4 頻率： 低通與高通濾波器
高頻率部分：短距離內灰階值產生很大的變化,如邊緣或雜訊.
低頻率部分：影像中灰階值變化不大的部分,如背景和皮膚紋理.
高通濾波器(High-pass Filter)保留高頻率的部分,消除低頻率的部分.
低通濾波器(Low-pass Filter)保留低頻率的部分,

平均濾波器為低通濾波器
於灰階值相近的像素部分進行高通濾波器處理,會使得新影像中相對應的灰階值接近零
高通濾波偵測邊緣及雜訊用.

5.5 高斯濾波器
高斯濾波器是一種低通濾波器,透過高斯機率分佈函數變化而來.

高斯函數的特性：

高斯函數透過傅利葉轉換後還是高斯函數.
不論怎麼旋轉都是對稱的.
具可分離性,為可分離性濾波器.
兩個高斯函數的旋積是另一高斯函數.

5.6 邊緣銳利化
空間濾波可以讓影像邊緣更為銳利
邊緣加強(Edge Enhancement),邊緣清晰(Edge Crispening),去銳利化遮罩(Unsharp Masking)

5.7 非線性濾波器

5.8 區域處理

期中回顧

對於英文閱讀的部分
在期中考後可以感受到閱讀確實是變流暢了
雖然考出來分數沒有比較好
可是讀的速度變快了

打網誌的部分
其實每次在星期四都會看到有一些同學已經打完了
他們打的都相當完整也相當不錯
如果要在打那些我覺得沒什麼意義
如果要打東西我希望是課本上沒說清楚的部分
能夠另外在補充
讓看的人能多學到一點東西
而不是每個人都打的差不多的東西

選課時聽說要用matlab(我比較喜歡實作)
以為是要實作的課
可是實際上確沒看到什麼成品出來
有時候理論的東西書上或網路就能找到了
實作也能幫助理解

至於到課率
4分之3的課是有來的
不過比起來
我覺得能學到些什麼才是最重要的

第4章

Transform-轉換
將像素值改變為其他的資料型式.
Neighborhood Processing-鄰域處理
從周圍像素灰階值得到指定像素的灰階值.
Point Operations-點運算
只對該像素的灰階值做改變.

數學運算
imadd(A,B)-A加B
imsubtract(A,B)A減B
immultiply(A,B)A乘B
imdivide(A,B)A除B

imcomplement-取補色
y=255-x

直方圖 (灰階值分佈圖)
統計顏色的分佈

等化處理
將顏色差距拉大，使圖對比更清楚


Imadjust(im,[a,b],[c,d],gamma value)
此函數處理的方式為 小於 a 的像素值會自動轉成 c ,大於 b 的像素值會自動轉成 d.

Gamma值(Gamma曲線)
人類視覺研究發現了兩個特性：
1.人眼對灰度變化的感覺比對色調變化的感覺來得敏銳
2.人眼對低亮度變化的感覺比對高亮度變化的感覺來得敏銳
人眼所能分辨的亮差層次是以對數方式分佈，而非以線性方式分佈
在較暗的畫面時選擇較高的Gamma值，以犧牲亮部層次來換取更多的暗部表現，相對地，明亮的畫面中選擇較低的Gamma值以犧牲部分的暗部層次，來使得亮部層次更為明顯，這便是伽瑪校正
目的是為了讓色彩更接近人眼所看到的實物

week8_1~3

1.3的image acquisition and sampling

這樣取樣有那些好處，有其他取樣法可以比較嗎

3.6Error Diffusion作什麼用

week6

影響影像的品質因素為空間解析度和量化

影響顯示效果的因素
環境照明
顯示器類型與設定
顯示卡
顯示器解析度
>> s=imread('01.jpg'); %讀圖到s
>> image(s) %顯示s陣列的圖
truesize,顯示圖片大小.
axis off, 關閉座標軸的顯示.
colormap(gray(247)), 只使用灰色,並將灰色分成247種

顯示 索引式色彩 (從幾種到幾百種色彩中選擇)
>> [x,map]=imread('00.tif');
>> image(x), truesize,axis off, colormap(map)
讀取 全彩影像
>> t=imread('00.tif');
>> image(t),truesize,axis off

位元平面
灰階影像按照 位元平面分割後,就可以轉為一系列的二元影像.
最低位元平面與最高位元平面

week5

前面在介紹函數
imread 從檔讀取圖像的資料陣
figure 打開或創建圖形視窗
imshow 顯示圖像
imwrite 把強度圖像或真彩圖像寫入
pixval on 顯示像素值,行*列=像素
imfinfo 獲取圖像檔的特徵資料
uint8(unit16、unit32) 轉換為8(16、32)位元無符號整型數
int8(nit16、nit32) 轉換為8(16、32)位元符號整型數
whos 列出工作記憶體中的變數細節
醫療數位影像傳輸協定(DICOM)是Digital Imaging and Communications in Medicine的簡稱，是一組通用的標準協定，在對於醫學影像的處理、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。
離散餘弦變換(DCT for Discrete Cosine Transform)是與傅利葉變換相關的一種變換，它類似於離散傅利葉變換(DFT for Discrete Fourier Transform),但是只使用實數。離散餘弦變換相當於一個長度大概是它兩倍的離散傅利葉變換，這個離散傅利葉變換是對一個實偶函數進行的(因為一個實偶函數的傅利葉變換仍然是一個實偶函數)，在有些變形裡面需要將輸入或者輸出的位置移動半個單位
截取自維基百科

Matlab 初體驗?

Matlab像多了一些專門函數效率確變差的直譯式c++，其實我覺得Matlab比較像javascript,只是處理的方面不同,對於圖檔太大還不能開陣列來檢視，對圖的格式似乎還有限制，可以讀jpg竟然不能讀bmp的圖，讀bmp出現了幾個錯誤，不過對影像的處理方便很多到是真的，陣列重頭跑到尾都幫忙寫好了，也有ui設計的部分，雖然ui元件庫和處理影像有很多地方都還在初始的階段