心得報告_台北設計大展

這是一個有關地球資源的設計，我抽到的葉子上寫著:

This leaf is "food" for one person.  

我還有看到water,air等等，我想這個作品是要我們人類去注重地球資源以及一些議題，例如飢荒。我想我們人類是無形的殺手，所以資源一點一滴被我們不斷地消耗殆盡。假使我們能夠多愛惜這些資源，多盡一份力，那將會延長地球的壽命。而糧食問題造成很多落後國家處於飢餓狀態，很多小孩瘦得皮包骨也有因此而死亡的小孩也不少，所以我們要珍惜食物，像很多"吃到飽"餐廳就不知浪費了多少食物，所以真的想想這些可憐的人，再好好地反省自己，相較而言，我們真是幸福多了!

這也是kinect的一種遊戲，也是去偵測人的位置，就是可以把球丟到城堡裡就算分的遊戲，主要是由手部丟的姿勢來決定球的高低與否。可是我覺得這遊戲偵測感應不太好，我都沒丟出幾顆球來，所以遊戲分數很低，我想大概是太多干擾了吧 !

在此，我覺得我們銘傳的"高爾夫系統"真是棒多了!

本身是有養寵物的人，所以看到這張椅子就整個人眼睛亮起來了！它是一張很有設計感的椅子噢，主要是放在戶外可供小動物可以暫時休息或遮風避雨的地方，這樣小動物就可以有個"小避風港"了。

這次去看台北設計大展可費了好大的工夫，因為找世貿一館找了好久，還不小心去了世貿2展的國外打工留學的展覽呢！可是這次真的受益良多，看了好多不同學校的展覽，唯一讓我覺得比較失望的就是我們"銘傳大學"沒出現真是太可惜了!!

HW3

這是我整個程式執行的畫面,可是我覺得TrackBar沒有數字很單調，所以又加上了數字標記讓我知道目前數值是多少。

如下圖:

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

(GB模型)

GB模型就是缺少了R這個顏色組成，所以由TrackBar調整R的值，所以如圖就是為GB模型在R=92的顏色。

RB模型就是缺少了R這個顏色組成，所以由TrackBar調整G的值，所以如圖就是為RB模型在R=149的顏色。

RG模型就是缺少了R這個顏色組成，所以由TrackBar調整B的值，所以如圖就是為RG模型在R=150的顏色。

這就是YUV模型，Y代表的是亮度，U代表的是色度，V代表的是濃度。這裡的話就是要參考維基百科的公式，YUV轉RGB和RGB轉YUV的公式即可。

HSI轉換成RGB之轉換工具。

H代表的是色相，就是顏色名稱，色輪由0~360度分別代表不同的顏色，所以首先程式部分就要先避免有負值，所以要先把每個象限處理後才能處理。

S代表的是飽和度，就是色彩的純度。我就是先想像以一個XYZ的向量上有個正方體，正方體塞滿了一顆圓球，S代表的就是圓的半徑，可是要先把S介於0~1之間才可以。S越高色彩越純，越低則越灰。

I代表的是亮度，它也是介於0~1之間，是圖上的TrackBar來做調整。

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

單一色調選擇器-

首先就是先讀取一張影像並轉為灰階後，然後再選取右邊的YUV模型去重新計算RGB的值即可。

這張是把圖片讀進來後轉為灰階的影像。

HW2

(一)平滑化

平滑化的做法就是將3*3個格子的像素點的值相加再去除上9，就是取平均值的意思，如此一來每個像素點有了新的色彩值。新的圖片就變得比較柔和，模糊了些。

(二)銳利化

銳利化就是要讓圖片變得更為凸顯，首先要先做拉斯轉換，然後一樣在九宮格裡中間的格子值為5，然後在中間格子的上下左右的格子值設成-1，將數值相成之後會得到新的色彩值。

[ 0 , -1 , 0 ]

[-1 ,  5  ,-1]

[ 0 , -1 , 0 ]

(三)中值濾波器

中值濾波器就是要將圖片中的雜訊給過濾掉，它的原理就是一樣是以一個九宮格來說，假如有九個值為1.2.3.4.5.6.7.8.100就先把差異最大的放在中間，然後取中間的值，也就是5，將5去取代九宮格的100，這就是中值濾波器的方法。

[1 , 2 , 3 ]

[4 ,100,5]

[ 6 , 7 , 8 ]

[1 , 2 , 3 ]

[ 4 , 5 , 5]

[ 6 , 7 , 8 ]

Hw01 直方圖均化處理

                                                              a-1.直方圖處理

                                                             a-2 負片處理

直方圖處理以及負片處理其實在第四週的色彩統計資訊裡老師給的範例其實就已經有個雛形了，只要在拉個介面，設定一下寬高，直方圖處理就差不多完成了。

                                         a-3 均化處理&直方圖合併(左:原圖 右:結果圖)

imHistogramR，imHistogramG，imHistogramB 直方圖原本是分別畫在3個image裡，現在把它合併起來分別又做了三個迴圈 (image4) imHistogram->Canvas->Pen->Color = 顏色; 寫在一起就可以完成總和直方圖了。

均化處理的部分這張圖呈現出來不是很好，雖然整體有變亮，可是沒有比原圖好看，在寫均化的部份的時候，常常出現scan line out of range的問題，所以我就上網查資料看是什麼問題，然後就有去調整圖檔裡的AutoSize=true，以及設定圖檔的寬高這問題就解決沒出現了。

                                                          a-4 結果圖上的座標

在Image2MouseMove函式裡就已經有x,y座標了，所以只要讓他OUTPUT出它所在位置就可以指出在圖2箭頭所移動的位置。

在a-4這次我讀另一張圖檔，它整體效果有提升，這張圖原本是天氣多雲的照片，經過均化處理後，馬上照片變得更加明亮也更加好看，所以以後有遇到過暗或過亮的照片，我們可以再經由這程式修圖，讓照片更棒!!