期末心得

期中+期末+自評 總成績=57
期末自評我想給自己8分

雖然上課比較愛說話...一些

但回家的作業也都有很努力的
邊看課本邊想要怎麼寫

而且我每堂一堂課都到

可是互評好像也沒好到哪去啦
但是就這樣吧

ch6

翻開第6章的第一步先查一了下標題
Image Geometry 的意思 : 影像幾何學
順著看下去有兩個粗體黑字 affine transformations
(仿射變換)是在說 : 幾何上,兩個向量空間之間的一個仿射變換
由一個線性變換接上一個平移組成,在有限維的情況,
每個仿射變換可以由一個矩陣A和一個向量b給出,
它可以寫作A和一個附加的列b.
一個仿射變換對應於一個矩陣和一個向量的乘法,
而仿射變換的複合對應于普通的矩陣乘法,
只要加入一個額外的行到矩陣的底下

課本從6.1~6.4舉了幾個不同的內插法
下面就一一做介紹
6.1 Interpolation of Data
Nearest-neighbor interpolation (最近點內插法):

先算出放大或縮小的比率,藉以判斷新加入的點跟原本影像中的哪一個點比較接近，
再將最近的點直接複製搬移過去
這種方法適合影像類型為影像內容非常銳化(例如方形)且顏色對比非常明顯,
因為此演算法可以保持處理後的影像的色調與原始影像不變

Linear Interpolation (線性內插法):

線性演算法為求得放大或縮小的比例後，套入線性的公式，
求得新插入點的值. 此種內插演算法得到的效果及
速度都介於最近點及二次內插法之間

6.2 Image Interpolation
Bilinear interpolation (雙線性的內插法):

我不太清楚這個內插法的真正用途,但我找到了一個網站
http://www.csie.mcu.edu.tw/~s9170544/image/project4.html
點進去看它裡面剛好在介紹比較用Nearest Neighbor Interpolation和
Bilinear Interpolation處理放大縮小後的結果,
從圖可以明顯的看出用Bilinear Interpolation的效果比
Nearest Neighbor Interpolation好,影像放大後顯得較平滑.

這正好也可以跟我們課本的p.125的那兩張圖做對照
a圖真的比b圖模糊耶!

6.3 General Interpolation
bicubic interpolation (雙立方內插) :

先做直行的cubic interpolation再做橫列的cubic interpolation，
或先做橫列的cubic interpolation再做直行的cubic
interpolation。

6.4 Enlargement by Spatial Filtering
如果只是要將圖放大兩倍，有個快速且糟糕的方法就是使用linear
filtering。

step1.對這個矩陣做zero-interleave，即在原行列之間加零。
step2.做filtering
Zero-order interpolation (零階內插法)
這個我就完全不了解了

6.5 Scaling Smaller
image minimization，一種方法是刪除間隔的pixel，稱為
subsampling.但對高頻的部分效果不佳

ch5

5.1
先介紹第一頁兩個標粗體的單字
filter: 由mask和function組合而成

linear filter: 鄰近點的運算之後的線性結果

空間濾波的步驟：
1:在指定像素上使用遮罩

2:濾波器的所有元素乘上相接區域相對應的像素

3:將上述乘法的結果相加

5.2 Notation
說明了影像邊緣的處理：
Ignore the edges :輸出的像素會比原圖來的小，故影像失真。

Pad with zeros :假定所有外部影像都補為零，所以他會和原圖一樣大

5.3
邊緣處理
smae :原圖大小
valid :變小
full :變大

filter2(filter,image,'same') 產生與原始影像同樣大小,邊緣補0.

filter2(filter,image,'valid') 只對遮罩能夠完全覆蓋的像素進行運算,所以產生小於原始影像.

filter2(filter,image,'full') 周圍的值補零，產生比原始影像還大的圖

5.4
frequencies: 測量因距離改變的灰階值。

High-frequency components(高頻率) :短距離裡灰階值有很大的改變

Low -frequency components(低頻率) :影像中灰階值變化不大的部分
High-pass Filter(高通量濾波) :是只留下高頻率的部分,把低頻率的部分去除.

Low-pass Filter(低通量濾波) :則是留下低頻率的部分

期中回顧

眼看期中考已經過去一個多禮拜了
老師上禮拜在課堂上叫我們算一下自己的
學習互評成績 結果相當慘烈 是 47分

都是因為我一開始都沒有好好閱讀課本
所以我的第一互評成績得了13還是14個C
雖然之後也不是說有到非常好,但是真的有慢慢變好
A有越來越的多趨勢 可是當成績算出來的時候還是有
悲哀的一下 因為真的很低 不過這也小小激起我莫名的衝勁

拋開成績的部分,來說一下上課學習的內容
其實影像處理顧名思義就是用Matlab去改變
影像本生的原貌 只是每個人領略的程度不同
所以做出來的結果當然就各有千秋
這就要看自己上課吸收多少

再加上老師又是用原文書來教學
又在加深了另一方面的困難度
所以我常常聽一聽就會恍神 而且大家好像也不
知道自己的問題在哪 因為其實每次再問問題
和回答問題的同學也就那幾個 狀況外的依舊持續

不過我還蠻喜歡老師有時候會跟我們分享
自己日常生活看的書或買的椅子等一些有的沒的
至少可以稍稍緩和一下都是在原文書內容裡的困境

ch4

一進入4-1小節
就先介紹3個重點方法
課本以粗體字來表示,分別是:

1.Transforms 在課本第65頁下面
也畫了一個圖說明transforms的處理過程

2.Neighborhood processing
必須要知道pixel鄰近地區的灰階值
才可以對pixel的gray level做改變

改變一個給定pixel的灰階值,不需要知道pixel周圍的資訊

3.Point operations
他跟Neighborhood processing一樣,
是要改變一個給定pixel的灰階值
但不同處是
他不需要知道知道pixel鄰近地區的灰階值

4.2小節:算數運算
加: y1=imadd(b,常數)
減: y2=imsubtract(b,常數)
乘: y3=immultiply(b,常數)
除: y4=imdivide(b,常數)
本章節一開始就強調
y的範圍必須在0~255之間
如果y>255 視為 y=255 而y<0 => y=0
圖4.2和4.4分別在說明對pixel做加減乘除
運算所產生的結果,
而圖4.3和4.5則是對影像做運算,
結果影像會有明or暗的差別變化

但如果影像的型態是uint8,則用
imcomplement()這個指令最好

4-3 Histograms長方圖
imhist這個功能是來統計灰階影像中，

各種灰階值有幾個pixel，

然後再統計出來的pixel次數

做成像圖4.8右邊的長方圖

ch1-3

做個總整理-
第1章
只是一些Matlab的基本概念
加上老師在上課的時候
有帶我們邊看邊講解
所以其實沒什麼特別困難的地方
就是在說明處理圖片的用意
和一些圖片的應用
Ex: sharp、noise、blur...
如果真的要說
那應該就是不懂的單字真的很多
所以越到後面
就有點幾近放棄查單字這部分

到了第2章
多了一些簡單的指令可以練習
Ex: imread 讀取圖片
再用 figure,imshow(w),pixval on
把圖片秀出來並且顯示陣列像素質
還可以用size()顯示這張圖片的矩陣大小
有不懂的地方老師都會在黑板上盡量把
同學問的問題 跟全班做討論
是有努力試著要聽懂

第3章則是
藉著利用指令(Ex:truesize.axis off
.colormap.imresize...)來改變圖片的效果
到了這章節
很多同學都會把
經過指令改變後
各種五花八門的圖片放上來
學到現在 有越來越多Matlab的指令
就覺得圖片好像不只可以如此

ch3 心得

ch3在講解利用一些指令(如下),應用在圖片上,讓我們所開啟的圖片有所變化

truesize
--> 可調整圖像顯示尺寸直接使用可以讓圖檔以實際大小開啟,也可以利用細部參數修改圖像的尺寸

axis
--> 控制軸線相關函數的指令
axis off 就是當不需要軸線時可隱藏

colormap
--> 就是圖片的明暗度的調整
要以何種型式的色盤來顯示圖檔
就像課本p45舉的例子,當512會是暗的，而128是亮的

imresize
--> 可以將圖檔像進行放大縮小,課本p52是用馬賽克來舉例說明

imresize(imresize(x,1/?),?)
?這個地方是可以自己設定值
?的值越大,圖片就越模糊,馬賽克的效果就更強烈
ex:當?=4 imresize(imresize(x,1/4),4) 解析度=64*64

CH2心得

進到第2章就是我們自己動手執行的時候到了
一開始用imread()把圖片叫進來，然後再用imshow()輸出圖片.
還有就是pixval on滑鼠指到該圖示,
將會顯示該陣列位置的座標及儲存的pixel值.
接著則是讀取一個彩色的影像.
用size()顯示儲存這張圖片的矩陣大小

week3心得

上禮拜老師說了一些課本上圖片的處理
ex:
Sharpening 尖銳化
noise 例如:胡椒鹽雜訊
就是利用一些方法讓圖片清晰化,變得更加清楚
或者是
edge 邊緣化
blurring 模糊化
因為課本都有圖可以一對一對照 所以這部分還蠻了解的
後面還有提到影像的種類:
黑白(0是黑,1則代表白).灰階
和全彩這幾種
課堂後半段老師讓我們看鈦思科技的網站
但因為全部都是英文所以沒有很懂

MATLAB 初體驗

第一次接觸MATLAB這個非常生疏
感覺又很遙遠的東西
老師第一堂課就說他比C++還要簡單
也舉了一些例子給我們看
恩!好像是有這麼一回事
因為
只要有一行指令他就會執行
不需要一次就打完漏漏長的程式

下一堂課會有更多內容吧
希望我能吸收進去