Week8_CH5

Ｃｈａｐ５　Neighborhood Processing
5.1　Introduction
　(1)filter
　　將mask和函數作運算後的成果.
　　step1:將mask置於pixel上
　　step2:對mask和pixel neighborhood上相對應的elment,
　　　　　由左至右一列一列做乘積
　　step3:將結果相加
　(2)convolution
　　和filter大致相同,只是將mask或pixel neighborhood其中之一做
　　180度旋轉再做乘積和相加.
　　課本中對於此旋轉提到了傅立葉轉換(Fourier transform) ,
　　雖然常聽到的定理卻不熟悉內容,因此查了一下.
　(3)將矩陣x by 5*5看作很多個3*3的小矩陣,小矩陣中數值相加取平均數
　　 後成為另一個平均數形成的矩陣,其結果和原矩陣也是看成3*3個別
　　 做filter的結果相同.

※除錯區--------------------------------------
P91
mean2(x(1:3,1:3))
ans=
　　　111.1111
應該是170 240 10
　　　230 50 70
　　　 40 60 130這個3*3矩陣的結果才對
※除錯區--------------------------------------

5.2　Notation
　5.2.1　Edges of the Image
　　　用filter會有問題.影像邊緣上的pixels相對應的mask會有部分
　　　落在影像外.　　
　　(1)Ignore the edges
　　　直接忽視這些影像邊緣上的pixels,其輸出值會稍小於原本的.
　　　如果mask很大,這個方法會使一個重要的訊息也被忽略.
　　(2)Pad with zeros
　　　影像外的數值都為零.會使一個輸出的影像和原本大小一樣,但可能
　　　會有一些多餘的現象.
5.3　Filtering MATLAB
　●filter2(filter,image,shape)
　　其中參數filter為:mask,image為:要改的圖,shape為:以5.2.1中哪種
　　方式做neighborhood processing.如果shape這個參數位置不填值,
　　自動用內定值'same'.
　　

因為本來是圖片以外的地方都補上0,就可以用"Ignore the edges",mask全部的pixels.結果同於'same'.

　　







　●用越大方陣averaging filter影像會得到越模糊的輸出圖.

　5.3.1　Separable Filters
　　　filter可分割為小filter.例如一個3*3的可以分為3*1乘上1*3.此特性
　　　可以用來解決"great time savings",這個意思照後面那段來看應該
　　　是用來處理很大的、pixels很多的影像.
5.4　Frequencies:Low- and High-Pass Filters
　●Frequencies
　　(1)High-frequency components:小距離內大量改變灰階數值.
　　　　ex.邊緣和干擾.
　　(2)Low-frequency components:些微更變影像中的一部份的灰階數
　　　　　　　　　　　　　　　　　　值.
　　　　ex.這樣做可能會連帶改變背景和皮膚邊線.
　●filter:
　　(1)high-pass filter:忽略High-frequency components並且減低或
　　　　　　　　　　排除Low-frequency components.
　　(2)low-pass filter:忽略Low-frequency components並切減少或排除
　　　　　　　　　　High-frequency components.
　●解決因為使用linear filter造成數值範圍不在0-255之內產生的問題
　　(1)Make negative values positive
　　　　不能處理大於255的數值.這個方法只用在特定的情況下,例如只
　　　　有少數近於零的負數.
　　(2)Clip values
　　　　使圖片上所有pixel values都在要求的範圍內,但不適用在如果很
　　　　多灰階數值不在0-255範圍內而且是散佈在很大的範圍裡.強行
　　　　這樣做filter後的結果會是有誤的.　　　　　　
　　(3)Scaling transformation
　　　　若經filter得到一個最低的值和一個最高的值,可以利用線性轉換
　　　　將原本的範圍轉換成在0-255之間.