平時成績及回顧~

平時成績部分:

期中平時成績:95

期末平時成績:
　　　　　A　B　C
Week11:　14　1　 2　→　93.33
Week13:　 6　5　 1　→　85
Week15:　12　5　0　→　92
期末平時成績:90

90%加總(未加老師10%):
38+36+10=84

自評:

我想給自己10分.(會太超過嗎


我寫這份作業的時候,每次我都花很多時間.(大部分是英文看很久)
雖然不能保證正確性,但我也盡我最大的努力了～
每次平均可能會花6~8個小時吧(包含po文可能都是4個小時左右)
為什麼會寫那麼久呢?~
因為我看一看,看到不瞭解的,可能就會開始上網找資料.
(不過網路上的可能也看不太懂.)

要不然如果線上有人在的話,我可能也會問問別人.
或是平時帶課本去學校看的話,我可能也會下課的時候問別人.
再不行的話,就上課時提出來吧!
不過沒問的,不代表我都會.
搞不好好是英文沒看懂,或誤解句意,而不自知啊~
所以常常發現上課老師說的,跟我解釋的不一樣啊~orz

另外,
我平常都是第一個到的.
通常在我到學校之後,一個小時又十五分鐘,大概也不會有同學到教室.
所以也沒什麼遲到不遲到的問題.
(所謂睡意是要靠意志力去消滅的啊~)

不過我前一天通常也沒辦法早點睡.
大概都會寫作業寫到凌晨三點左右吧!
(就算不是前一天才寫,也差不多是這時間.)
意思是說,我得在前三天就開始寫嗎!!?(花三天晚上!!...orz)

不過再怎麼想睡,我也會強迫自己六點左右,一定要出門搭車.
要不然倒回去睡,下次醒來的時候,可能也要很趕吧!(而且搭車也很麻煩)


期末回顧:

這學期沒兩三下又要過完了~
希望這學期也能all pass.(努力中~)
希望下學期大家都在~(謎:這是許願大會!?)

這半學期,大概是我最努力看英文的時期吧~(謎:這種事你好意思說啊~
以前微積分和工數的時候,也沒那麼認真看原文書.
不過對於英文的排斥感,應該降低了些.(對我而言,這也算一大突破吧!)

但是英文能力一時之間想提升,似乎是不太可能.
畢竟學習語文是要持續性的.

對於上課不急著趕進度.
對我而言,實在是在好不過了~
每章份量其實也不少,如果再趕進度的話,也無法吸收吧!
再說~我這個人,學習吸收速度其實還蠻遲緩的.

最後,我想要感謝羊同學.
平常看一看書,最先遇到困難的時候,
我通常會詢問他的看法.
或是跟他討論我的看法.
(雖然我似乎常常會誤解課文的意思.)

儘管我的問題點,有時候會有點奇怪.
不過他還是耐心聽我說完~
並且回應我的問題.

讓我在這堂課的學習,
比單純自己看書,還收穫更多.
真的很謝謝他的幫忙.

一直以來,
我受到不少朋友的幫助,
對於這些朋友,我想我除了感謝還是感謝.
謝謝你們~

Chapter 6_Image Geometry~

Image Geometry直翻的話,
就是影像幾何學.(當然是查字典查出來的.)

網路上找的資料的說法有:
幾何學﹝Geometry﹞是研究物體的形狀、大小及位置關係的一門數學.

不過既然是拿來作影像處理的.
我想必定也會有座標吧!(後面的小節也有出現座標的圖.)

這一章一開始,
就出現一個光查字意,
也不明白在說什麼的專有名詞.
affine transformation
wiki上是翻作"仿射變換"

雖然看完還是不是很明白.
不過似乎是在利用矩陣,
來作移動、縮放、旋轉、傾斜的運算.

6.1 ====================

出現了interpolation(內插),
與過去在數學上學的內插法,似乎並沒有太大差異.
可是nearest-neighbor interpolation的figure 6.3
我看得不是很明白.
是說取原樣本的臨近點來當估計值(estimation)嗎??

相較之下,
linear interpolation看起來就容易理解多了~
估計值會在兩樣本點連成的線性方程式上.(如figure 6.4)
之前老師曾提過這"linear interpolation".

這節提到了兩種內插法,目的是要找出估計值.
以方便作之後的運算.

6.2 ====================

這裡又多提了一個內插法,
bilinear interpolation
wiki上是翻作"雙線性插值"(又稱"雙線性內插")
從字面上來看似乎也是linear interpolation的延伸.
由紅色的點作雙線性內插後,
即得綠色的點.
(圖片來源:wiki)
(另外,我不太清楚藍色點的作用.)

不過課本＆wiki上的運算公式,
我是有看沒有懂...
(有誰看懂的,可以麻煩解釋一下嗎??)

6.3 ====================

雖然這節主要是在說"一般內插法"
但是卻有好多很奇妙的圖.
還有好多類似的式子....

還提到了一個
cubic interpolation
立方(三次方)內插??
話說～
這個R3(u)的方程式,
係數是固定的還是作者假設的？

翻到下一頁,
又提到了一個
bicubic interpolation
雙立方內插??

[p.128]
"This means of image interpolation by applying cubic interpolation in both direction is called bicubic interpolation."
這句我翻譯起來超詭異的,
不曉得有沒有人有較通順的說法?

而且我也想問一下,
figure 6.14
這圖怎麼看,我看不太懂...

6.4 ====================

zero-interleaved
感覺像是每個pixel之間,都插入' 0 '

由課本上的例子裡,
也可以看出.

ex:
m=
16　2　3　13
5　11　10　8
9　7　 6　12
4　14　15　1

zero-interleaved後,
m2=
16　0　2　 0　 3　 0　13
0　 0　0　 0　 0　 0　0
5　 0　11　0　10　0　8
0　0　 0　 0　 0　 0　0
9　0　 7　 0 　6　 0　12
0　0　 0　 0　 0　 0　0
4　0　14　 0　15　0　1

可看出變得比原本還大~

6.5 ====================

課本上提到~
利用delete掉間隔的pixel的作法,
來達到image minimization的效果.
也就是影像縮小的效果.

(P.S. minimization→減縮到最小、最低之估計之意)

雖然是這樣說,
但是我其實不是很明白,
所謂"刪除間隔的pixel"是什麼情況??
"間隔"又是??(什麼東西和什麼東西的間隔??)

6.6 ====================

旋轉~
p.133

相信大家以前應該都有看過這式子吧!
θ → 就是指想旋轉的"角度".(ex:figure 6.19)

(x,y)是轉換前的資料(座標),
(x',y')是轉換後的.

之前學的時候,都有算過這式子.
應該有點印象吧?
就算忘記了,看了p.135的圖,
應該也有助於回想.

就如同figure 6.19 的
(x,y) → (x',y')
旋轉θ角度.

圖應該是很清楚了,
所以我也就不多講了.

6.7 ====================

anamorphosis
→失真圖像(歪像)　[by Yahoo字典]

Chapter 5_Neighborhood Processing~

5.1 ====================

Neighborhood processing 在ch4也有稍微提到.
一點pixel的資料,與鄰近的pixel的資料息息相關.
不能只靠單一pixel來決定,要以鄰近的pixel作為依據.

不過在這章還多提到了mask和filter和linear filter.
mask在之前的印象是"遮罩"的意思,不曉得在這有別的意思嗎?
filter之前倒是沒聽過,查字典,說是"過濾"之類的意思.
當然加了linear更不知道是什麼了.線性過濾??(依然不明白)

比較看得懂的有一句,就是mask的邊長通常是奇數.
ex:
□□□□□
□□■□□
□□□□□
因為邊長是奇數,中心才能是完整的一點pixel.(也是為了對稱.)
有中央的pixel,才有所謂鄰近的pixel.

課本上好像是說鄰近的pixel值,乘上相對應的pixel值,再加總,就是filter的運算.
但是我有點搞不太清楚它相對應的pixel值是從哪來的??(對應的是mask嗎??)

[p.89]的figure 5.2 的mask是怎麼決定的??(從哪來的??)

[p.89]convolution,字典查是"迴旋".
但這裡跟迴旋有關係嗎??
我是還有看到180度還有乘積之類的地方.
但是這裡的描述我還是不太了解...
網路上是查到空間迴旋運算.


5.2 ====================

這裡好像是說linear filter 可以簡易地決定mask裡的pixel值.
它將係數放入矩陣內,以係數來決定鄰近pixel值的比例.
不過似乎還是沒講清楚,這係數是怎麼來的....

之後還提出了兩個作法:
Ignore the edges(忽視邊)和Pad with zeros(補零)
似乎都是為了防止資料遺失或錯誤.


5.3 ====================

一開始
我們的x=uint8(10*magic(5))
不過我有一點覺得有點奇怪.
為什麼x不直接隨便取一個5*5的矩陣就好了,
而要用5*5的魔術矩陣(橫直斜的總合都一樣)呢??
(難不成又是作者高興.)

filter2(a,x,'same')
filter2(a,x,'valid')
filter2(a,x,'full')

x=>5*5
same=>5*5 ->陣列邊長不變
valid=>3*3 ->陣列邊長各-2
full=>7*7 ->陣列邊長各+2



5.4 ====================

雖然這裡說了一堆frequencies的filter,
但是內容有看沒有懂.
high-pass filter(高通濾波器) => 讓高頻通過
low-pass filter(低通濾波器) =>讓低頻通過

另外,
可以看出p.98的4*4陣列轉成2*2陣列的方法.
它相當於是run了
filter2(a,x,'valid')指令
a陣列為p.97的:
1　-2　1
-2　4　-2
1　-2　1

x陣列為p.98的4*4的那個陣列:
150　152　148　149
147　152　151　150
152　148　149　151
151　149　150　148

ans:
11 　6
-13　-5

11 ←1*(150+148+152+149)+(-2)*(152+147+151+148)+4*152
6 ←1*(152+149+148+151)+(-2)*(148+152+150+149)+4*151
-13 ←1*(147+151+151+150)+(-2)*(152+152+149+149)+4*148
-5 ←1*(152+150+149+148)+(-2)*(151+148+151+150)+4*149
(用迴旋積的作法,即可驗證.)

p.98
提到'laplacian'和'log'
尤其是laplacian(簡稱:拉斯轉換)
我不太清楚它一開始是由哪一組樣本, 去做拉斯轉換的.
是p.97的那個3*3陣列嗎??(我不太確定..)

而且這裡的laplacian是之前(工程數學)學過的那個laplacian嗎?
雖然不確定,我還是用之前那不順眼?的式子的結果,去算算看.
(別問我那個公式,相信我,你不會想知道~)

最後算出來的結果再*10,
結果就和p.98的數值有相符.
雖然不曉得為何要*10,但還是乘了~ (就是湊出來~


p.99
filter後,如果gray value 不在[0~255]的處理:
1.Make negative value positive
(我不太懂內容的意思..)

2.Clip value
0，if x＜0
x，if 0≦x≦255
255，if x ＞255
雖然有給值域和定義域,
不過一旦遇上有很多超過[0~255]的數的情況,
就會發生問題了~

3.Scaling transformation.
y=255*(x-gL)/(gH-gL)
又是一條直線方程式.
簡單的說就是,將超過[0~255]的值,
依比例轉成符合[0~255]範圍內的值.

期中平時成績及回顧~

期中平時成績:
　　　　Ａ　　　Ｂ　　Ｃ
week４:１４　　０　　２ → 95
week６:１１　　２　　０ → 97.27
week７:　７　　２　　１ → 92.5
week８:１０　　３　　０ → 94.55

平均: 94.83分

--------------------------------------
期中回顧:

這學期,我看原文書的方式改變了一些.
之前看原文書,大部分都只挑關鍵字看而已,
很少去了解它文章裡在描述什麼.
(因為英文太爛,我下意識就會有點排斥去看...orz)

不過因為之前用的原文書,大多都是數學類的書.
看了關鍵字,看了式子,其實大概就可以猜到該怎麼算.
就算有點錯,可是也相去不遠了.
所以之前運算類的科目,我還算過的去.

不過這門課是影像處理,
已經沒辦法像之前一樣只看關鍵字而已,
也必須了解文章在說什麼.
要不然就沒意義.

現在比較大的問題就是,
專有名詞很多,常常就算是查完整句的意思,
也不知道它在說什麼.
如果沒有問人,我恐怕很多自己都解釋錯.

所以我也常常看一看就會找別人問問題.
因為自己一直卡在奇怪的問題也不是辦法.

----------

另外,
關於到課率低迷的問題.
雖然我不清楚沒到課同學的原因.
不過既然修課了,理當就應該要到課.
要不然當初就不應該選,
大可把機會讓給別的想修的同學.
相信想修的同學應該也不少.

我猜有部分的同學,
可能也沒什麼別的原因,
純粹就只是爬不起來或是不小心睡過頭.
不過也是有睡太沉的人,鬧鈴形同虛設.

有這種情況的同學,應該也得做些什麼吧!
總不能看看時間,然後又把鬧鐘按掉又繼續睡吧!
或者是多設幾個鬧鈴,
或者是請別人幫個忙叫一下之類的.

再不然請老師點個名.
雖然對固定班底(固定第一節不去或根本不去)可能沒啥用,
不過也是有一定程度上的約束力吧!

Chapter 4_point processing~

4.1 ====================

大概是說影像處理的手段,
是把影像的資訊從原本較複雜的轉成較簡單的.

我想這樣的簡化,
應該也能使影像處理演算法的可執行性及可處理範圍也能提高或加大吧!

不過令我感到疑惑的是,
影像處理是只處理灰階的嗎?
因為4.1第一行就有提到.
"Any image-processing operation transforms the gray values of the pixels."
在我看來是說,轉成灰階的pixel吧!
所以是說只對轉成灰階的pixel,再作處理嗎?(RGB不行嗎??)

課文有提到image-processing operation分成三類.
至於是哪三類我就不多說了,
大家都看過課文,
應該有一定程度上的瞭解.
(其實是你自己也擔心解釋不清楚吧!!)

4.2 ====================

這裡提了些簡易的數學方程式.

除了讓圖像變亮變暗(作調整),
還有變換為互補色的. (好像也稱為"負片")
(型態不同,範圍也不一樣.)
例如:
double[0.0,1.0]
uint8[0,255]
看是要1-x還是255-x來取補數.
(我覺得補色的部分,比較有趣些.)

4.3 ====================

這節是對於整體明暗度(亮度)相當接近的圖像作處理.
(因為是使用灰階的pixel,所以我將圖像顏色的值,直接稱為明暗度或亮度.)

人類對於明暗度接近的圖像,
可能會看不清楚(或無法辨識).
而且通常這種時候,輪廓線應該也看不清楚.

這裡主要的處理就是將明暗度間距拉大.(histogram的圖可見)
(指暗的更暗,亮的更亮.)
如此一來可以提高鑑別度.(可以看得比較清楚.)
由課本上的例圖,可以略知一二.[ex:FIGURE 4.12]

不過這節還有很多地方我看不懂,
好比說:
[p.75]
A piecewise liner-stretching function ,
(對於突然生成figure 1.14 ,我實在不太能接受.)
而且,
我也覺得[p.74]突然冒出線性方程式很奇怪.
我較想知道這麼使用的原因.
[p.81]
why to works
(礙於在下的愚鈍,該內容還沒有完全參悟.)

可以的話,希望老師可以在課堂上講解4.3一下.

--------------------------------
[p.72]
piecewise
硬要翻的話,
應該是以片段的資料運算.
piecewise linear funtion
在[知識+]上,也有這樣的解釋.

[p.72]
我一直誤會課本上的描述.
一直以為是由figure 4.9的左圖用下方的線性方程式,
來繪成figure 4.9的右圖.
範圍[5,9]可由figure 4.9的左圖,
雖然可看出是較集中資料片段的範圍.
可是2和14我就無法由figure 4.9的histogram(左圖)來推敲出.(我想超久的...)

跑去問老師後,
才知道[2,14]是作者希望延展的範圍.
其實就算換成[1,14]也無所謂.
(原來是我完全想反了...orz)

不過它展開的間距(聽老師說),
好像跟它原本的資料量有關.
ex:[p.73]的下圖,
延展到index:4 的資料量相較其他資料量長很多,
所以4後面的間距也較其他的寬.

不過index:8和index:11
雖然11的資料量較長,
不過礙於格線已經限制住,
所以間距已無法和8的有差別.
因此這種作法,還是會產生誤差吧!!

關於[p.74]的gamma

(聽老師說)

一開始似乎是

因為之前的螢幕是使用CRT(Cathode Ray Tube 陰極射線管,電子射線管,示波管)來顯示的.

所以在視覺上整體會變得較暗.

因此,利用gamma來校正這個誤差. (如下圖,如看不清楚請點圖看大圖)

其它關於gamma的資料

上方4張圖片來源為:

http://www.csie.mcu.edu.tw/~yklee/Courses/DIP/DIP2004S.html

(是老師過去製作的教學投影片)

4.4 ====================

lookup table(LUT)??
看似也是轉換成較簡單資料的工具.

--------------------------------
課本上是把index[0,255]除以2
又用一個table來存.
範圍就變成[0,127]
以索引的方式來取回原值.
這是上次上課老師講解時,
我所接收到的資訊.


(P.S. "-------"以下的文字敘述為本週附加的補充)

Chapter 1~3 ~~

我想我最大的問題,
還是閱讀原文書吧!
雖然說我看書的時候,
還是會查查字典.

雖然曾有人建議說,
不懂的單字不用急著查出來.
可以藉由前後文來猜測字意.

不過我的情況是,
不只有看不懂的單字,
連前後文恐怕也只能用猜的.

所以以目前的情況來看,

我還是會先查個大概.

但是一段文章,

把我看不懂的字都查出來之後,

要把它湊成一句的時候,

我怎麼都湊不出比較接近的翻譯.

所以我常常會藉著run程式碼,
來理解文章大致上的意思.
不過這種方法,並非萬全之策.
我個人也不太喜歡.

雖然我會用這種方法,
觀察run出來的結果.
然後自己作出我能理解的解釋或假設,
但是往往多少還是會有出入.
所以還是不建議這麼解讀.

所以還是要耐著性子,
慢慢看原文書.
(雖然我自己似乎翻譯得很爛)

老師之前有帶我們導讀,
我覺得對我的幫助很大.
因為比起我自己解釋的,
感覺上就合理很多,
而且也比較容易理解.

雖然我自己解釋得不是很好(或者不太恰當),
但是我每次都一定會盡力地想要看懂,
每次po文,我也很努力寫.
不過互評時,偶爾卻會發生互評人數不到10人的窘境.
但是還是有人互評人數是超過15人的.
我說~這種情況如果太常發生,會不會過分了點!!
那我那麼努力寫,又發生這種情況,就很冏了.

雖然說,有學到東西才是最重要的.
但是還是會希望分數不會太難看.

---------------------------------------

問題:
3.6
dithering
我知道是要減少image的color數.
但是[p.56]的halftoning ,
我就看不太懂.
查了一下字典,
翻作"半音"什麼的.
更不瞭解了...(汗")

原文:
Representing an image with only two tones is also known as halftoning.

tone除了"全音"的解釋之外,還有"色調"的涵意. "(一開始沒發現有色調這個意思)
整句難不成是binary image的意思!?

Chapter 3_image display~

3.1 ====================

大致上稍微提一點點影像輸出

3.2 ====================

一開始照著課本使用灰階圖,
不過不知道為什麼用指令image()時,
卻會顯示幾乎紅通通的一張圖~
彩色圖時,就沒有這個問題.

我們可以發現image()可能有內建的座標軸.
不管原圖是多大,都硬是塞入約400*370的座標軸中.
指令"truesize"就能恢復成原圖的大小.
"axis off"則是去掉外圍的座標軸.
(如下圖)


3.3 ====================

型態轉為double
show圖的時候,因為整體變亮.
所以原本是灰色的部份,變成白色或接近白色.
(如下圖)


若改成imshow(cd/n)
下圖的figure 3,4,5
n分別是255,512,128
除以255,亮度比率又變成原圖本來的值.
除以512,可以發現整張圖變暗了~
除以128,則是變亮了.
(請點開,看大圖比較清楚.)



3.4 ====================

能將原圖依2的多少次方,分層輸出.
分別是
figure 2~figure 8
c0~c7
0次方~7次方
(如下圖)

若讀入彩色圖的情況:

3.5 ====================

這裡提到的imresize()
雖然課本上的圖示,
可以看到效果類似模糊或是馬賽克.

但是在我看來卻是把圖先壓小,
再把壓小的圖,以原圖大小顯示.
(簡單說的話,就是被撐大的吧!!)
雖然大小看起來很像跟原圖一樣,
但是pixel數並沒有恢復成跟原圖一樣多.

看起來像是
原本應該以4個pixel顯示的地方,
突然變成以1個pixel來顯示.

感覺像是pixel變得好大一塊.

(請點開,看大圖比較清楚.)


3.6 ====================

這節題到的是Quantization,
查字典,說是量子化,
但是還是看不懂....="=

grayslice(),
我覺得應該是只接受灰階圖.
但是run出來卻是下圖的figure 1 ,
又紅紅綠綠的.(不只吧!!)
我也不知道這樣的圖是合理的嗎!?

不過如果用彩色圖,倒是畫面全黑就是了~
(所以應該至少比彩色的合理~)((再掰嘛!你

imshow(grayslice(,),gray())
雖然不是很懂它的用途.
不過顏色和顏色之間,
似乎有對比變大的趨勢.

(請點開,看大圖比較清楚.)

Chapter 2_images and MATLAB~

第二章幾乎都在講解MATLAB的指令,
所以就來run一下~
<點圖看得比較清楚>

2.1 ====================
先是把圖讀入,
再show圖.
不過它還比平常多一條指令.
pixval on
目的是為了讓展示的視窗多一個功能.

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.
如下圖(請放大看,看圖片中展示的試窗下方的黑色部份及旁邊的陣列)

我將滑鼠移到(5,8)的位置,該pixel的值為74,
<指的是第5直行,第8橫列>
此資料也可從陣列儲存內容得知.

2.2 ====================
這個例子是讀入彩色圖.
一樣用pixval on來展示儲存的pixel值.

不過因為是每個pixel有RGB三個值,
要對照陣列有點對不太起來.(我都看花眼了~@@)
如下圖(請放大看)

我隨便挑的這張圖,
大小是133 150 3
可以由size指令得知.

我把這張圖存在陣列a
接下來課本又有好幾行長得很像的指令,
因為看不太懂,所以就拿例子隨便試試.
>> a(10,15,3)
ans =
11
>> a(10,15,1:3)
ans(:,:,1) =
81
ans(:,:,2) =
132
ans(:,:,3) =
11
>> a(10,15,:)
ans(:,:,1) =
81
ans(:,:,2) =
132
ans(:,:,3) =
11

看了老半天,我自己是解釋成,
位置(10,15)的pixel值RGB分別為81 132 11
但是看了下一個指示,我的結論就被推翻了....(汗"),我想我可能還要問一下別人~
>> impixel(a,10,15)
ans =
135 185 86
居然跟上面的值不一樣啊!!~~
不過 impixel(a,10,15)倒是和pixval on展示的一樣.
如下圖. (請放大看)


在試一下上一張灰階圖
>> impixel(w,5,8)
ans =
74 74 74
pixel的RGB,
因為是灰階,所以三值都相同.

2.3 ====================

其中有一個imfinfo指令
我讀入不同格式的圖,
沒想到它顯示的圖片資訊也不盡相同.

(彩色)
>> imfinfo('01.jpg')
ans =
Filename: '01.jpg'
FileModDate: '12-Sep-2008 23:26:58'
FileSize: 5127
Format: 'jpg'
FormatVersion: ''
Width: 150
Height: 133
BitDepth: 24
ColorType: 'truecolor'
FormatSignature: ''
NumberOfSamples: 3
CodingMethod: 'Huffman'
CodingProcess: 'Sequential'
Comment: {}

(灰階)
>> imfinfo('pout.tif')
ans =
Filename: 'pout.tif'
FileModDate: '26-Sep-2008 21:20:31'
FileSize: 61208
Format: 'tif'
FormatVersion: []
Width: 238
Height: 285
BitDepth: 8
ColorType: 'grayscale'
FormatSignature: [73 73 42 0]
ByteOrder: 'little-endian'
NewSubfileType: 0
BitsPerSample: 8
Compression: 'LZW'
PhotometricInterpretation: 'BlackIsZero'
StripOffsets: 21310
SamplesPerPixel: 1
RowsPerStrip: 285
StripByteCounts: 39852
XResolution: 96
YResolution: 96
ResolutionUnit: 'Inch'
Colormap: []
PlanarConfiguration: 'Chunky'
TileWidth: []
TileLength: []
TileOffsets: []
TileByteCounts: []
Orientation: 1
FillOrder: 1
GrayResponseUnit: 0.0100
MaxSampleValue: 255
MinSampleValue: 0
Thresholding: 1
NewSubFileType: 0
Software: 'Adobe Photoshop CS3 Windows '
DateTime: '2008:09:26 21:20:31 '
ICCProfileOffset: 20398

其實有好多項,我不是很瞭解.
不過也是有較常見的項目啦~

2.4 ====================

接下來有點像
變數的宣告和型態的轉換
>> x=29;
>> y=uint8(x);
>> y
y =
29
>> whos x y
Name Size Bytes Class
x 1x1 8 double array
y 1x1 1 uint8 array
Grand total is 2 elements using 9 bytes

課本上還介紹了在MATLAB裡
資料的型態[p.28]
關於圖像的函式[p.29]

2.5 ====================

介紹圖片的格式.

像是jpg,tif...等等.
不過有一些我比較少看到.
像是hdf,pcx,xwd,ico,cur我倒是沒什麼印象,
還是其實我有看過,但是沒發現而已 .
不知道這些格式,平常是用在哪時候.

最後[p.38]
我覺得這個轉檔的蠻有趣的.
只要用imwrite()
就能輕易改變圖片格式.
超方便的~

不過說是改變圖片格式,
其實是新增圖片.
因為新增的並不會覆蓋掉原來的圖片,
只是新增一個相同圖樣,不同格式的圖.
所以應該不能稱作"改變",
稱作"新增"可能會恰當些.

不過有一個地方[p.38]我覺得很奇怪.
課本上寫著
imwrite(X,map,'filename','fmt')
和
imwrite(a,'autumn.png','png')
第一個括號裡,有4項.
第二個括號裡,卻只有3項.
對照來看的話,
明顯是少了map那項.
不知道是什麼原因,
不過似乎不影響指令的樣子.

Chapter 1_introduction~

老師上次有帶我們導讀過,
所以讀起來稍微輕鬆一點點點.
(總之是有幫助的.)

不過,因為是原文書.
看得懂句子並不多(應該說超少的..."),
所以念起來有點痛苦.

為了避免我太早開始看不下去,
我先從有圖片的例子開始看.
反正底下的敘述也是為了解釋圖片,
才寫那麼長的文字.

不過文字敘述比較多的,看的就比較頭痛的了.
只好一邊看書,一邊查奇摩字典.
不過,字典的解釋都超多個的,
還要在那邊猜這個字在這個地方,會是什麼意思.
對於英文不好的人,真的是有夠辛苦的.

書中提到,
將圖片清晰化,減少雜點,去模糊,模糊...等功能.
其中還有,描繪圖片中物體輪廓的處理.

1.3 [P.5]
提到一些抽樣的處理.
但是我總覺得有看沒有懂....

以及
關於Nyquist criterion是什麼??[P.6]
我不是很清楚.
在維基百科,我也只找到,
奈奎斯特頻率（Nyquist frequency）(注釋一)
也不清楚是不是有相關的資訊.

(注釋一:是離散訊號系統採樣頻率的一半. 取樣定理指出，只要離散系統的奈奎斯特頻率高於採樣訊號的最高頻率或頻寬， 就可以避免混疊現象。)

出自:wiki

還提到一些圖片的存取型態.
RGB,255*255*255之類的.

雖然第一章是序論,
大部分是一些比較基本的東西.
不過,有十小節,似乎是有點多了.
感覺起來好像有點雜亂.

==================================

以下是MathWorks的例子,
我回去run了幾次.

Example_1

顯示影像


顯示影像直方圖.


histeq()
將影像等化.<注釋二>

<注釋二:利用灰階度原理，當一張影像的灰階度集中在某一段區域內時，影像的對比度會比較差，為了要改善圖片的整體性，所以就以影像特性分佈均等法來處理影像，使影像呈現均等的效果.>


影像等化後的直方圖,
將直方圖轉換成均勻分佈的樣子.


第一個例子,
我全部都有run出來.
算是個比較容易看懂的程式.

---------------------------------------------

Example_2

顯示影像


取背景
>>background = imopen(I,strel('disk',15));
不過我不太清楚strel()函式是什麼用途.
disk??(圓盤?)還有15是表示什麼?



上面的程式,有點難懂,
我不太明白它的功用.
原本應該是出現下方(1)的圖形,
但不曉得為什麼,我不管run幾次,
都是出現(2)的圖形.(整個被剷平了...)
(目前還是不曉得問題出在哪??)
(1).
(2).

>>I2 = imsubtract(I,background);
原圖的背景減去背景,其實我也不太瞭解是什麼意思.
網路上的資料是這麼說的.(之後再查清楚.)


網頁上是說調整反差(Adjust the Contrast ),
但是我覺得跟之前那張圖,差距並不大.


整張圖二值化,
不是黑就是白.


大概是觀察每個pixel的值.


pseudo_color = label2rgb(labeled, @spring, 'c', 'shuffle');
figure, imshow(pseudo_color);
填色,不過我並沒有觀察出是否有規律.


又是直方圖??
maxArea ,biggestGrain,meanArea,
好像是利用這些資料畫出的直方圖.


大概就是這些了吧!~

MATLAB 初體驗~

MATLAB 7 這本書在學期結束前,
就通知有修課的同學,開學就要交一篇學習心得.
所以暑假的時候,就網購了一本.
雖然不可能比團購價便宜,不過已經比原價便宜多了.

書本一開始大多是一些介面使用說明,
有一些視窗的的清除指令,還蠻好用的.
像是:
clc可以清除指令視窗的指令.
clear可以清除工作區的變數內容.

一開始都是打一些式子隨便亂試,
因為有時候也常打錯,視窗內一下子就被佔滿了,
所以最常用到的,反而是這些清除指令.

雖然說matlab不需要像c++一樣,
把所有的執行動作都寫出來.
只要利用一些指令,就可以達到同樣的目的.

不過,指令還真多啊!
如果全背起來,應該會很辛苦.
就算背不起來,也可以翻書找.
不過還是要大概瀏覽過,
要不然沒印象就不會用.

因為還不是很習慣去用這些指令,
所以不只是常打錯,還打很慢.
而且它的例子盡是一些數學方程式,
有一些次方項什麼的,
因為跟平常打的方式有一點點的不同,
常常會不小心就打錯,而自己還沒發現.

像是: "/"和"./"及"^"和".^",
我現在其實還搞不太清楚使用時機.
因為有些例子有".",有些例子又沒有".".
可能到時候再找人問問看吧!~