閱讀報告

書名：數位影像處理(Digital Image Processing)
作者：繆紹綱

剛開始看這本書前，忍不住心裏突然思考了一下，這本書到底在說些什麼內容呢?因為從沒碰觸過和影像相關的書籍，所以腦中不禁充滿了疑惑。當我瀏覽目錄時，看一看發現原來有許多影像處理的知識是我不知道的，很期待看完這本書後，將會對影像有更深入的了解與收穫。

書籍中第一章提到的什麼是數位影像處理？看完了內容後，才終於了解到，原來影像所涉及的範圍與應用領域可以這麼的廣泛。不管是講到Gamma射線成像或是X光成像等，皆是日常生活中會運用到的重要角色，那如果從一開始就沒有挖掘出影像的功能與應用的話，也就沒有了現今的照片或影片等資料了，因此影像的發展便帶給了我們無限的便利。

其中印象較深刻的部分是直方圖的處理，在課堂上，老師也將直方圖處理的細節告訴了我們，讓我們明白其中的原理與知識。從不同的圖片中發現，對比度與明亮度關係到一張圖片的外觀，如果沒有做好對比度與明亮度，那可能整張圖片的明亮度會是很糟糕的，不是太亮就是太暗等情況。還有也從空間濾波器中學到了許多，例如：平滑空間濾波器(包含平滑線性濾波器及排序統計濾波器)和銳化空間濾波器，藉由作業的實作，更讓我體會出其個別的差異性。

對於色彩模型，我學習到的是RGB色彩模型與HSI色彩模型。RGB色彩模型是以紅綠藍的主要頻譜成分來顯現，假設有一個立方體在直角座標系統上，當中的RGB值是在三個頂點上；青色、紫紅和黃色則在另外三個頂點上，黑色則在原點，白色在離頂點最遠的頂點上。灰階是從黑色到白色沿著連結這兩個點之間的線，此不同的色彩是位於立方體上或其內部的點，且從原點延伸出的向量來定義。而HSI色彩模型中的HSI分別代表的意思是色調(H)、飽和度(S)、強度(I)，色調是描述純色彩的一個色彩屬性，飽和度則是一個純色彩添加白光之程度的測量，強度是單色影像最有用的描述，這個量肯定是可測量而且容易解釋的。

看了這本書後，覺得自己學習到不少的東西，收穫良多，希望在未來能夠繼續認真學習新事物與知識。

HW3

這次的作業分成兩個部份。
a. 彩色影像轉成單一色調的轉換工具。
b. HSI 轉換成 RGB 之轉換工具。

a. RGB色彩模型是以紅綠藍的主要頻譜成分來顯現，假設有一個立方體在直角座標系統上，當中的RGB值是在三個頂點上；青色、紫紅和黃色則在另外三個頂點上，黑色則在原點，白色在離頂點最遠的頂點上。灰階是從黑色到白色沿著連結這兩個點之間的線，此不同的色彩是位於立方體上或其內部的點，且從原點延伸出的向量來定義，如下圖。

其中印象深刻的部分是Label1->Caption = TrackBar1->Position，因為這是第一次用到TrackBar的功能，感覺很新鮮。而我也在Properties中設定了，Position的值為128，Min為0，Max為255。
載入一張圖片後，先把圖片變成灰階，之後選擇想讓圖片呈現的顏色及亮度值(0~255)。

原圖

灰階圖

選擇藍色，亮度值Y=0所呈現的結果

選擇橘色，亮度值Y=128所呈現的結果

選擇綠色，亮度值Y=255所呈現的結果

b.
HSI色彩模型中的HSI分別代表的意思是色調(H)、飽和度(S)、強度(I)，色調是描述純色彩的一個色彩屬性，飽和度則是一個純色彩添加白光之程度的測量，強度是單色影像最有用的描述，這個量肯定是可測量而且容易解釋的。

其中撰寫下圖的過程中，分成三部份來寫。

HSI 轉換成 RGB

1.RG扇形為0度到120度，當H在這個扇形內時，RGB成份由下列方程式中得到：

2. GB扇形為120度到240度，如果已知H的值是在此扇形內，則我們從此值中減去120度：

3. BR扇形為240度到360度，最後，如果H是在此範圍內，則我們從此值中減去240度：

心得：這次的作業花了不少的時間才寫出來，對我而言感覺有些困難。但讓我感到意外的是，原來影像也會用到數學的三角函數，可見數學是很重要的。還有本來覺得自己這次的作業應該會沒寫出來，但沒想到經過一再地努力之後，終於達成目標。

HW2

平滑化(原圖)

平滑化後的圖

平滑化用於模糊化和減少雜訊。模糊化用於預處理的工作，例如：在抽取(大的)物體之前從影像中移除小的細節；把直線或曲線上的小間隙連接起來等。減少雜訊可以用一個線性濾波器使影像模糊來完成，也可以用非線性濾波來完成。
尚未平滑化的圖片看起來很清晰，但經過平滑化後變得比較模糊。我利用一個3*3平滑化濾波器來實作。這個原理是把中間值和周圍八個像素點的色彩值做平均。
E= (A + B + C + D + E + F + G + H + I) / 9

藉由上下左右，九個像素點都做一次，這樣就可以讓邊緣變銳利、有雜質的圖片變得平滑。
平滑化的程式碼：

銳利化(原圖)

銳利化後的圖

銳利化的主要目的是凸顯強度上的變遷。影像銳化的運用很多元，所包括的應用範圍從電子印刷和醫學成像到工業檢驗以及軍事系統的自動導引。其中我們可以合理的推斷銳化可以藉由空間域上的微分達成。
銳利化的處理使圖片的細部變得更明顯，正好與平滑化得到相反的結果。我利用一個3*3的銳利化濾波器來實作。將中間的色彩值乘以九，再減去周圍八個像素點的色彩值，減完後的值如果小於0則等於0；大於255就等於255。
E=E*9- (A + B + C + D + F + G + H + I)

銳利化的程式碼：

中值濾波器(原圖)

做完中值濾波器後

中值濾波器是非線性的空間濾波器，其響應建立在由濾波器所包圍之影像區域中所含像素的順序(排序)上，然後由排序結果決定的值來取代中心像素的值。它將一個像素的值用該像素鄰域中強度值的中值來取代(像素的原始值包含在中值的計算內)。
經由3*3中值濾波器的結果，可觀察到原本的圖片有許多一顆顆的雜質，在做完中值濾波器後，去除了絕大部分的雜質，也讓圖片變得更清楚。一般而言，對於胡椒鹽式雜訊的移除，中值濾波比平均濾波(平滑化)適合許多。處理過程是把中間值和周圍八個像素點的色彩值做排序，取中位數即為所求。為何要取中位數是因為排序完後，色彩值過分差異的值都被排到很前面或後面，所以取中位數時就不會選到，只會選到九個像素點中平均的那個值。其中因為要做排序，因此宣告一個陣列來存放色彩值，然後做排序，排序完後印出陣列[5]即是所要的結果。

我利用插入排序法來做排序：

中值濾波器的程式碼：

心得：從這次的作業中，分別學到了什麼是平滑化、銳利化及中值濾波器。原本不是很了解其中的觀念，但經過討論與思考後，完成了這次的作業，也有了更深入的了解與意外的收穫。

HW1

原圖

直方圖

均化後的原圖

均化後的直方圖

對於第一個作業，剛開始滿腦疑惑不知從何開始寫起，但經過老師的講解過後，總算了解許多，也大概知道內容需要寫些什麼。這個程式的步驟，首先要掃描圖片，做直方圖的統計，再將RGB做累積統計圖(利用for迴圈從1到255)，再來產生新舊色彩對照表(利用for迴圈從0到255)，最後是置換色彩顏色。

這一段是計算Histogram的程式

其中累積過後的直方圖程式，自己課堂上有認真聽老師的講解並做記錄，所以這部分比較明瞭，印象也比較深刻，也了解利用for迴圈分別對紅綠藍三種顏色做累積，累積過後的程式(如下)。

這學期的影像處理，是我第一次接觸到的多媒體課程。或許學習過程中會遇到許多的波折與困難，但自己還是會盡力地努力學習，吸收新的知識，完成這學期的課程。
剛開始原本還不是很清楚什麼是均化，藉由這次的作業，我學到了圖形均化的概念，也對圖形均化有了更進一步的了解。寫程式的過程中，雖然遇到了許多障礙，但我想或許從這些障礙中我會學習到更多東西，儘管自己程式能力不好，但經過努力後，總算完成這次作業，希望下次自己再多加油。