-
版本: 第五版
-
作者: 鍾國亮
-
出版日期：2014/03/01
-
心得: 目前本書所提到的許多方式，都因近來快速發展的機器學習而顯落伍，特別是許多傳統方式都需要深厚的機率統計、線性代數與微積分等等知識才能理解，但方法卻又顯得過時，所以就速讀過，了解影像處理的系統性知識後，需要深入再依此另尋他法。
-
第1章 光、影像、浮水印和抽樣原理
- 人眼與相機之對應: 水晶體←>透鏡、視網膜←>底片
- 常用彩色模式: RGB，YIQ，HSV，YUV，YCbCr
- RGB與YIQ、HSV、YC_bC_r可化為數學關係式，YIQ與YUV有關係式
- 亮度在綠色的影響中大於紅藍(由RGB與YIQ可得)
- Chapter 1 光、影像、品質與浮水印.pdf
- 形態學
- 侵蝕 (Erosion): 使用一個結構元素（如一個小的矩形或圓形），掃描整個圖像，將結構元素完全覆蓋的區域縮小。這會去除比結構元素小的物體，縮小剩下的物體。
- 擴張 (Dilation): 使用同樣的結構元素掃描經過侵蝕的圖像，將結構元素接觸到的區域擴大，恢復被侵蝕的物體的大小，但細小的突出點已經被去除。
- DCT頻率域有紋理特徵分布
- 人臉定位
- 先找出皮膚色位置，再找出高頻位置(臉部位置)
- 影像抽樣
- 傅立葉轉換
- 快速傅立葉轉換
- Chapter 2 型態學、DCT、人臉定位與 FFT.pdf
-
第2章 影像品質的改善與回復
- 平滑去雜
- 空間域
- 決定式(Deterministic)
- 平滑
- 3 * 3平滑後確實可以降低圖像標準差
- 中值
- 電路設計(藉由演算法的設計藉以提升運算效率)
- 中央加權中值法(保留較多紋理特徵)
- 柱狀圖等化法
- 因為更大範圍的灰階值分佈會使影像的紋理更為豐富，使用可以將過度集中灰階影像區段均勻分佈
- 平滑
- 軟式計算(Soft Computing)
- 模糊中值法
- 模糊集合為基礎
- 模糊中值法
- 決定式(Deterministic)
- 頻率域
- 傅立葉轉換
- 選擇保留的能量光譜範圍，捨棄中心化圓以外之頻率
- 邊線也會被丟掉，所以使用較為緩和的Butterworth濾波器，但依然還是過於模糊
- 韋納(Wiener)濾波器
- 超解析法
- 次像素(Subpixel)影像品質改良法
- 傅立葉轉換
- Chapter 3 影像品質的改善與回復.pdf
-
第3章 測邊
- 拉普拉斯運算子
- Mask有數學關係是支持的
- Sobel 測邊算子
- 有X與Y方向
- Prewitt 算子
- Marr-Hildreth算子
- 結合平滑(高斯平滑算子)與測邊
- 反鋸齒就是此技術的應用
- Canny
- 基底投射法
- 輪廓追蹤的基本步驟
- 圖像預處理 → 邊緣檢測 → 查找輪廓 → 繪制輪廓
- Chapter 4 測邊.pdf
- 拉普拉斯運算子
-
第4章 門檻值決定與區域的分割
- 門檻值需要滿足合理的數學涵義
- 統計式
- Brute Force: 視覺選取法
- Otsu 方法
- 時間複雜度: O(n^8)
- 消息理論式
- Kapur方法: 類似Otsu，但有用到熵
- 時間複雜度: O(n^8)
- 動差守恆式
- 最佳配對式
- Pairwise Nearest Neighbor
- 統計式
- 區域分割
- 分離與合併式
- 分水嶺式
- Chapter 5 門檻值決定與區域的分割.pdf
- 門檻值需要滿足合理的數學涵義
-
第5章 直線與道路偵測
- 直線
- 蠻力法
- 先測邊得點，許多線是無用的
- 點與測得直線算距離，小於threshold即可得分，超過則會形成一條新的直線
- 總時間複雜度為: O(n^3)
- 霍式轉換法
- 可直線與圓
- 請看程式解釋
- 隨機式方法 (RANSAC)
- 請看程式解釋
- 蠻力法
- 道路偵測
- Kluge的道路偵測RANSAC方法
- 無法簡單的實現
- Kluge的道路偵測RANSAC方法
- Chapter 6 直線與道路偵測.pdf
- 直線
-
第6章 圓與橢圓偵測
- 隨機式測圓法
- 隨機式橢圓測法
- 植基於對稱性質的圓和橢圓測法
- 視訊場景的變化偵測
- Chapter 7 圓與橢圓偵測.pdf
-
第7章 紋理描述與分類
- 鍊碼
- 描述物體外圍，有一起始點，順時針走，得到編碼
- 還有差分練碼，最小練碼稱為形狀數
- 多邊形估計
- 用最少的點來表示物體外緣，有許多不同的方式
- 對稱軸偵測與細化
- 對稱軸偵測: 透過投票的方式找出最為可能的對稱軸角度
- 細化:找物體的骨架
- 動差計算
- 同現矩陣 （Co-occurrence Matrix）
- 共現矩陣常用於表示灰度共生矩陣（Gray-Level Co-occurrence Matrix，GLCM）
- 將大片重複紋理壓縮表示的方法
- 支持向量式的紋理分類
- 將有重複紋理的兩張圖片切片為兩類圖片後進行機器學習
- Adaboost分類法
- 結合多個弱分類器（通常是決策樹樹樁）來形成一個強分類器
- Chapter 8 紋理描述與分類.pdf
- 鍊碼
-
第8章 圖形識別、層配與三維影像重建
- 統計圖形識別
- 依據貝氏決策理論
- 影像間的匹配對應
- Harris 角點
- 平面：往任何方向移動僅造成小變化
- 含一條邊：與邊平行的變化量小；反之則大
- 含角點或獨立點：往任何方向變化皆大
- 類似主成分分析
- SIFT 關鍵點偵測法
- Harris 角點
- 匹配演算法原理
- BSSC(Banded String-to-String Correction)
- KMP演算法
- 三維影像重建
- 稠密式視差估測
- 相機校正
- 二維影像的深度計算
- Chapter 9 圖形識別、匹配與三維影像重建.pdf
- 統計圖形識別
-
第9章 空間資料結構設計
- 主要介紹黑白及灰階影像的空間資結構表示法。另外介紹 一些應用
- Chapter 10 空間資料結構設計與應用.pdf
-
第10章 分群與應用
- K-means分群法
- 植基於K-D樹的分群法
- 植基於對稱假設的分群法
- 變異數控制式的分群法
- 模糊分群法及其加速
- Chapter 11 分群與應用.pdf
-
第11章 影像與視訊壓縮
- 介紹消息理論和單張影像的壓縮原理。也介紹視訊的壓 縮原理。例子：JPEG、 H.264/AVC 和 HEVC
- Chapter 12 影像與視訊壓縮.pdf
-
第12章 影像資料庫檢索
-
第13章 彩色影像處理
新增PDF