HW3

今天上課時，老師跟幾位同學很熱烈的在研究討論3D圖片的程式碼，所以理所當然的我就在旁邊偷偷的聽，在快接近下課時間的時候，經過多次的嘗試，老師與同學們終於成功找出比較好的程式寫法，所以我就理所當然的偷偷學了起來，因為上課時間所剩不多，所以我回到家後才開始著手進行這次作業，課堂上最後得到的結論是，一邊取單色，另一邊取剩下的雙色，這是老師從Google上得到的靈感，既簡單，效果也很好。

　

了解了該怎麼作之後，寫程式碼並沒有花太多的時間，結果我花最多時間的地方，反而是如何找到左右眼的圖片，結果網路上找了半天，找不到合適的圖片，只好自己照了照片，意料之中，自己拍的圖片偏差實在滿大的，試了好幾次都不能對的很準，只好挑比較好的兩張來做合成了。

　

雖然不知道效果好不好，不過能夠稍微接觸到現今正在快速發展的3D技術的一部份，就讓我覺得這次的作業很有意義，因為我認為不久的將來，電子產品3D化的速度會非常快速，各式各樣不同的3D產品及技術會一直出現，所以我相信這次的作業雖然簡單，但是一定會對我有所幫助。

HW4

首先是Smoothing與Sharping，第一張為原圖，第二張為Smoothing，雖然貼在blog上的圖片小，看起來不太明顯，不過應該還是看的出來陰影的地方確實有變的比較模糊，第三張圖為Sharping，這張圖就可以很明顯看的出來其差異性。

　

Smoothing的原理其實相當簡單，就只是單純的把目標點及周圍八格的值取出來相加再平均，所以程式碼寫出來也不需要寫的多複雜，就是單純的取出點然後相加，而作灰階跟彩色的差異，也僅止於灰階只要取一次，而彩色需要三種顏色分別各取一次，總共取三次，如此的差別而已。

　

而Sharping的原理稍微比Smoothing複雜一些，課本上寫說可以取周圍四點乘以負一及中心點乘以四相加，或是取周圍八點乘以負一及中心點乘以八相加，藉此達到Sharping的目的，這次作業我選擇使用取八點的方法，因為這種取法可以直接拿Smoothing完成的程式碼直接修改，而且取九個點排版比較整齊，檢查錯誤也比較容易。　

接著是MediumFiltering，也就是所謂的去除胡椒鹽雜訊，第一張圖是原圖，第二張是進行一次去除，第三張是我將第二張圖存檔再去除雜訊一次，很明顯可以看出，第一次就已經將大部分的雜訊除去，而第二次做完，幾乎已經沒有雜訊了，MediumFiltering的原理與前面兩個有些類似，一樣是要取出該點及周圍八點的值，與前兩者最大的差別在於，MediumFiltering取出值之後要進行排序，再從排序完的值中，取出中間值放回該點，來達到除去雜訊的目的。

　

這次的作業跟前幾次比起來算是相對簡單的，老師上課講解完Smoothing的概念沒多久，我就把Smoothing的部分寫好了，其他兩種也沒有特別需要花時間思考，或容易卡住的地方，想法都很直觀，比較多問題的地方可能就是在取出九個值時，會少寫個+1或+2或是*忘記寫，有一兩個同學出的問題就是在那上面，只要排個版對齊就很好解決，沒有什麼大問題。

HW2

第二次作業，內容是進行HistogramEqualization，上面的圖，第一張為原圖，第二張為HistogramEqualization後的圖，可以看出圖片明顯的變亮，雖然看起來有點像海報放太久才會出現的顏色，左下的圖是HistogramChannel，後面看起來好像只有紅色，其實是有綠色跟藍色的，只是紅色比較高，把其他兩種色都蓋過去了。

這次的程式部份，需要計算的部份比較多了一些，不過老師上課講解的很清楚，所以在程式寫作上沒有遇到太大的問題，不過也不表示這次作業一帆風順，有些時候，一些不常注意到的小地方，往往是問題所在之處。

作業剛寫出來時，原本興高采烈的要進行第一次測試，沒想到出來的結果完全出乎我的意料之外，跑出了如下圖這樣詭異的圖片。

雖然隱約可以看到原圖的雛形，顏色卻完全跑掉，頓時心情跌到了谷底，於是我開始檢查我的程式碼，上上下下確認了好幾遍，也跟同學所寫的程式碼及老師的範例進行過比對，計算的部份並沒有問題，不斷的進行修改與測試，問題一直沒有改善，我開始有點慌了。

　

但是問題一定存在於某個地方，所以我決定先把程式暫時完全寫的跟老師一樣，連變數的名稱都寫的一樣，終於，跑出來的圖片結果正確了，但當時我還是不能理解錯誤發生在哪邊。

　

隔了兩三天，我突然想通了，老師的範例中，計算HistogramEqualization的地方，有使用一個iPixelNumber來存放圖片的imageHeight * imageWidth

這一整行是這樣寫：

bHistogramEqualizationTable[k][i] = (byte)((iCumulativeHistogram[k][i] * 255 / iPixelNumber) + 0.5);

　

而我寫的時候，我不想多用一個變數來存放imageHeight * imageWidth，所以我的這一行寫的是：

bHistogramEqualizationTable[k][i] = (byte)((iCumulativeHistogram[k][i] * 255 / iImageHeight * iImageWidth) + 0.5);

　

所有的問題就出現在這一行，當初我寫的時候覺得這樣寫很順，沒有問題，所以忽略了一個小地方，而這個小錯誤造成了整個圖片結果的錯誤，問題在於－－我少加了括號，只是這樣而已。

　

正確的寫法應該是：

bHistogramEqualizationTable[k][i] = (byte)((iCumulativeHistogram[k][i] * 255 / (iImageHeight * iImageWidth)) + 0.5);

　

而因為我少加一個括號，所以運算時變成會先除以高度再乘上寬度，這樣算出來的結果當然會相差很多，想通了問題，當然讓人很開心，也給了我一次反省的機會，下次在檢查程式錯誤的時候，絕對不能放過任何一個小地方，就算自己覺得沒有問題，也要進行確認。

HW1

圖片：
原始圖片


　　　２５６色　　　　　　１２８色　
　　

　　　　６４色　　　　　　　３２色


　　　　１６色　　　　　　　　８色　
　　

　　　　４色　　　　　　　　　２色

心得：

　　這次是影像處理課程的第一次作業，作業內容是將一張彩色的圖片轉換成灰階256色、128色、64色、32色、16色、8色、4色及2色，由於老師所給的範例中，已經有包含灰階256色的實作，因此實際上只要完成後敘七種灰階即可。

　　所以這次作業實際上的內容，可以分成了解灰階256色運作的方式，及加以轉換成其他灰階這兩個步驟。

　　首先，我第一步做的事情是，先去觀察老師範例所給的程式碼，先去了解哪些部分是填色，哪些部分是實際設值，只要能夠理解整段的意義，後面進行修改其實是很容易的一件事情。

　　經過自己琢磨、與同學討論及詢問老師修正錯誤之後，我決定從填色的地方下手，因為我認為這部份是比較好處理的。

　　於是我開始思考該如何將填色的區域進行分組，以達到減色的功用，最直觀的想法是直接使用if指令，這樣可以快速達到分組的效果，但是實際做起來會有一個非常明顯的缺點，就是程式碼看起來會很長，分成2色或4色時或許還沒有什麼感覺，但當製作128色時，這個缺點馬上就暴露出來了。

　　所以我開始思考使用for迴圈的可能，經過幾次的嘗試之後，終於完成了使用for迴圈來進行填色的程式碼，想法並不複雜，只是單純的將if的判斷式用for迴圈的方式表現出來，於是這次作業的雛形大致上就完成了，經過幾次圖片的測試，確定沒有嚴重的bug或error，就開始進行圖片的擷取和思考心得該怎麼編寫，這次的作業大致上就算是完成了。