03360625 余兆為 HW05

 平滑濾波器 & 銳化濾波器 & 中值濾波器

原圖

以下我們分別比較3種濾波器的差別

平滑濾波器

平滑濾波器屬於線性濾波，主要用於模糊化和去除雜訊

我們針對兩種不同的遮罩來進行測試

           

經過兩種不同遮罩的濾波器後，影像變得比較模糊了

使用了高斯平滑的影像，看起來比較清楚一點

理論上來說，遮罩越大的話，平滑的效果越好，但是如果遮罩過大，代表邊緣的訊息越不重要，所以邊緣的訊息越容易失真，所以選擇適當的遮罩也是很重要的。

 中值濾波器

中值濾波器為一種非線性慮波，主要用來處理胡椒鹽雜訊。

我們先來測試5%隨機胡椒鹽雜訊經中值濾波器後的結果

灑上5%隨機胡椒鹽

                                                  中值濾波器                         平滑濾波器

前面曾經提到，平滑濾波器可以用來處理雜訊，所以我們也拿來測試處理胡椒鹽雜訊

結果我們發現，中值濾波器處理胡椒鹽雜訊的效果遠大於平滑濾波器，由此可知，平滑濾波器是不適合拿來處理胡椒鹽雜訊的。

接著我們再來測試當胡椒鹽雜訊成度提高時，中值濾波器處理的效果

因此我們將胡椒鹽雜訊成度提高至20%

灑上20%胡椒鹽後，我們發現已經大大的影響了影像的辨識度

                                                  中值濾波器                         平滑濾波器

即使雜訊提高至20%，中值濾波器仍然能有效的將雜訊處理掉，至於平滑濾波器，處理的效果還是挺遭的。

中值濾波器分別處理5%雜訊、20%雜訊的結果，可以看出處理5%雜訊是較為優秀的，但是當雜訊提高時，也不會差太多。

雖然中值濾波器處理雜訊會變的有點模糊，但還是能看清楚原本的影像。

銳化濾波器

銳化濾波器為突顯影像中細微的部分或增強模糊的細節

以下為兩種不同銳化濾波器的比較

   

由以上兩張圖可以得知，我們如果將對角線的細節也考慮進來，整張影像的細節則會更明顯的顯示出來。

接著，我們再拿一張照片來比較看看

很明顯的，我們可以看出底下這張照片是有點模糊的

那經過銳化濾波器後會變得如何呢？

原圖

                                         不考慮對角線                                       考慮對角線

原本樹葉的輪廓是比較模糊的，經過銳化濾波器後，會發現樹葉的輪廓清楚許多，我們如果使用將對角線細節變化考慮進去的濾波器，樹葉的輪廓又更明顯了。

在寫這個作業時，讓我想起之前寫過10189 - Minesweeperh踩地雷的題目，這個作業當中的遮罩，與踩地雷判斷周圍地雷數目是相同的，在寫這個作業時，特別有感覺。

03360625 余兆為 HW03

色階：

將InputMin調高，會增加暗色調的色彩對比，但是暗部的細節將會喪失
將InputMax調低，會增加亮色調的色彩對比，但是亮部的細節將會喪失

下圖為用色階調整過後差異

 

原圖                                                         色階調整後

曲線：

將曲線向上拉離原來的對角基準線，會增加影像的亮度 增加曝光度

將曲線向下拉離原來的對角基準線，會降低影像的亮度 減少曝光度

這個作業最重要的是，色階的部分，必須要會推導公式

其實這個沒有很難，只需要將變數交換即可，但是懂不懂又是一回事了。

曲線的部份，需要解方程式，要注意的地方是，曲線一定會通過(0,0) (255,255)這兩個點

只需清楚了解，就能解出方程式

在photoshop中，曲線可以拉非常多個點，也就是n次曲線，代表著拉幾次曲線，就要解幾次的方程式，二次曲線方程式看起來很簡單，但是當點越多時，方程式的變數就會增加，增加了方程式的難度。

在實作曲線時還需特別注意一個地方，因為曲線的影像處理是整張影像，所以代表著影像的解析度越大，所花時間越多。

03360625 余兆為 HW02

直方圖均化

原始影像                                                 直方圖均化後影像

原始直方圖                                   均化後直方圖

直方圖為將一張影像裡紅色、綠色、藍色佔的比例表示成一張圖。

為什麼我們只針對RGB三個顏色出現的次數作統計呢？

因為，如果我們要對整個影像裡的顏色做處理，那首先必須使用2^24個變數來存取，如此一來，還沒開始處理影像，就遇到了一個難題。

所以，我們往往不會用這種方式來處理影像。

直方圖均化是一種使用在增強對比的方法。針對影像中背景和前景太亮或太暗時，非常有用，過度曝光或者曝光不足皆可使用直方圖均化來調整影像，但是也因此增加雜訊的對比度，降低有用訊號的對比度。

但是，自己在使用photoshop來處理影像時，發現他可以調整對比強度，可以選擇對比強度，顯然比直方圖均化優秀許多。

因此上網找了一些資料，發現許多有關直方圖均化的論文，例如：雙直方圖均化，強度對分佈，可以有效的改善直方圖均化的缺點。

雖然直方圖均化可以解決對比不足的問題，但它還是一個非常陽春的功能，往往無法處理成自己想要的影像，所以有許多基於直方圖均化的演算法研究。

這個作業我認為最困難的地方大概是將統計完的資料轉換成累積密度函數，再進行直方圖均化，這個步驟不僅僅要會寫程式，更要知道什麼是累積密度函數，剛好這學期有機率與統計的課，幸而知道該如何處理。

03363620 邱顯耕 HW03

色階&曲線調整心得 :

這個作業主要的概念，老師在上課當中利用相似三角形原理以及期末成績調整的問題來加深我們的印象，因為這樣這個觀念期中考當然會考 ( 畢竟要一個資工系老師整份考卷不出點跟數學推理有關的題目好像怪怪的 )，記得這次好像佔14分 ( 還蠻補的 )。但是也不用死命的背，只要考試劃出兩個三角形，把需要改掉的邊長改成inputmin、inputmax、outputmin、outputmax，在移項答案就出來囉。

有了公式，在實作上變簡單了許多，只不過有件事情要注意，兩個整數相除不一定是整數，也有可能是小數，因此在變數宣告上注意這點，剩下照公式就沒什麼大問題了。

發現到把折線的斜率設為負的會有類似底片的效果出來

最後則是曲線的調整，這個公式推導就不向色階那麼好懂了。但是記住一個要領就是任一條曲線都會通過 ( 0 , 0 )、( 255 , 255 ) 這兩點，再帶入二次曲線公式ax^2+bx+c，就會得到c=0。換言之過原點c=0，在把( 255 , 255 )帶入，在把a或b設為代數就可以了。

03363620 邱顯耕 HW05

空間濾波器，這裡主要有平滑、銳化以及中間值三種，以下為三種的處理前和結果

平滑濾波器

銳化濾波器

中間值濾波器

心得 : 這個作業是在期末上課時與同學討論所完成出來的，這種濾波器我們實作是以3*3大小的mask。因此不管mask大小如何，做這類處理都要再另外解決邊界問題。從結果來看，平滑因為取平均值的關係，因此圖看起來就些微模糊；相反地，銳化則是把圖片中的事物有所區隔(更加明顯)。

這就讓我想到有些APP可以把圖片中人物和背景做處理，使背景模糊；人物卻顯得明顯凸出的效果。我想可能是先把人臉的形狀先找出來，然後用for迴圈跑來判別是與不是人臉的地方，在各自做平滑以及銳化。

最後是中間值濾波器，這邊稍微用點排序的技巧來找出中間值並讓該值作為該點的色值。不過從上圖來看，有些雜訊還是沒有被濾掉。如果以3*3來看，有9個數字做排序，因為雜訊初設為白、黑點，所以從沒被濾掉結果回推就表示該區域雜訊過多。但是如果只有黑白兩種雜訊時，加上雜訊比不太高情況之下，多慮幾次也是有效果，如下圖。

很明顯白點有被濾乾淨了，但相對原圖來看，還原程度還不能到100%。

03363620 邱顯耕 HW02

這份直方圖均化作業，目的在於讓圖片的對比更為明顯。當我們夜晚在外拍照時，如果因為燈光不佳，就能使用這個方法來挽救好不容易拍來的照片了。

直方圖均化是統計學在影像處裡當中的應用。這個過程主要步驟如下 :

一、將每個色彩的RGB值分別從0~255做出統計出來。(直方圖)

二、有了RGB從0~255的數量，就能輕易將每個色彩的RGB值從0~255以前的累積算出來。(累積直方圖)

三、利用步驟一以及步驟二的結果定義出新的色彩值。將每個RGB的累積個數除以每個RGB的總數，最後在乘以255，這就代表之前所累加顏色的機率。

四、將原圖每個RGB值乘以步驟三計算出來的值就完成了。


接下來我利用三張處理前(左邊)跟處裡後(右邊)照片來分享我的看法以及心得

第一張圖&RGB直方圖

第二張圖&RGB直方圖

第三張圖&RGB直方圖

從這三張圖的效果來說，效果由好至壞為 一 -> 三 -> 二。以色彩直方圖來看的話，三張圖顏色種類的多寡由多至少為 一 -> 三 -> 二。

如果只看圖一和圖二的直方圖的話，就可以輕易得出 : 顏色種類越多，對比效果做出來越佳；但是若以圖二和圖三兩個直方圖來看的話，兩個似乎一樣，但為什麼效果還是有明顯的差距?

至於圖二便讓我想到之前所提的監視器有利用相關技術，在醫院裡所照的X光也是如此。