最佳化處理策略之快速消除扭曲演算法 我們的論文（最佳化處理策略之快速消除扭曲演算法；A Quickly Dewarping Algorithm of Optimization Processing Strategy）被 2019 工程科技應用研討會 接受了。 會議地點在台北城市科技大學的工程學院，舉辦日期是西元二零一九年四月十二日。 最近，全景影像的應用逐漸變得越來越有用。優點是一個能夠捕捉3​​60度影像的相機。但是，360度影像是圓形影像。因此，Dewarping技術有助於圓形影像轉換為平面影像。在本研究中，不需要參考額外的信息，如攝像機參數，鏡頭參數，視頻或影像參數等。本研究提出了去扭曲演算法的優化處理策略。策略和演算法進一步改善了性能。快速去扭曲演算法能夠將圓（全景影像）快速變換為平面影像。優化處理策略能夠提高演算法的性能。用於評估性能，本研究中使用的CPU負載。比較其他Dewarping演算法的性能。結果，這項研究在性能方面優於其他Dewarping演算法。 本研究旨在研究去扭曲演算法的快速計算和低CPU負載。 例如，圖2是原始影像。 圖3顯示了本研究的基線。 圖4是研究的結果影像（全景影像）。 圖2 原始影像 圖3 顯示了本研究的基線 圖4 研究的結果影像（全景影像） 表1是比較概覽表[8]。 有六家公司的演算法和我們提出的演算法。 這項研究支持所有魚眼相機和特殊魚眼相機（Cata-Fisheye相機）。 有不同之處在於是否使用GPU。 雖然有兩家公司使用GPU進行去扭曲演算法。 但是，當應用OpenCL來使用GPU時，NUUO的去扭曲演算法的CPU負載為19％。 當源影像的分辨率為1920 x 1440時，我們提出的CPU負載為3.65％。圖5是我們提出的演算法的CPU負載圖。 表1 比較概覽表 User additional effort Generic De-warp Support vendor Calibration GPU Acceleration NUUO No need ...

改進基於線性時間元件標籤演算法 我們的論文被 2019資訊科技與實務研討會 所接受。會議地點在台灣銘傳大學資訊學院，會議日期為2019年3月15日。 我們提供了我們研究的文件，即CCL的原始碼，FastCCL執行檔和實驗檔案。 這些文件在GitHub中，超連結是 https://github.com/laitaiyu/ImageProcessing__FastLCL 本文提出了一種新的高性能線性時間演算法，採用輪廓跟踪技術，這些輪廓採用二值化影像。該演算法的主要步驟是使用輪廓追踪技術來檢測每個部件的外部輪廓，並且還識別和標記每個部件的內部區域。標記在影像上一次完成。而且，在整個過程中不需要重新標記。本研究改進了 張復[1] 等人的LCL演算法。我們的演算法比LCL演算法更快更好。對各種類型影像（字符，半色調圖片，照片，報紙等）的實驗表明，我們的方法優於使用等效技術的方法。我們的演算法不僅標記組件，而且能夠提取輪廓點的組件輪廓和連續順序，這對於許多應用都很有用，例如OCR（光學字符讀取器），視頻分析中的對象跟踪等。製作LCL演算法，以證明所提出的方法更快。 張復等人，在2004年，他們提出LCL演算法是基於輪廓的標記演算法之一。 LCL演算法具有以下優點。首先，它只需要掃描一次影像。由於上述輪廓追踪程序，輪廓點被多次訪問，但不超過一定的次數。其次，它不需要任何重新標記處理。將標記索引分配給像素後，其值將保持不變。第三，我們獲得了輪廓像素的所有輪廓和連續順序的副產品。 然而，當LCL演算法遇到半色調影像或許多孤立點時，它往往花費很多時間在輪廓跟踪上。這是一個缺點。首先，我們提出了一種隔離點處理，以提高性能。我們建立一個孤立點處理以預先標記孤立點。為了檢查孤立點，有一個優點是減少了不必要的輪廓跟踪。因為孤立點永遠不會有輪廓。像素只是一個單點，沒有相鄰像素。 LCL演算法遇到仍然跟踪輪廓的孤立點。我們改進了LCL與孤立點相關的缺點。其次，我們提供了一種新的影像處理流程，以改善半色調影像和孤立點的處理，並且沒有副作用。為了添加孤立點處理，我們設計了一個新的影像處理流程。如果我們發現像素是孤立點，則應將其包含在隔離處理中。一方面，如果像素處於輪廓中，則應將其包括在輪廓跟踪中。 孤立點處理：檢查每個像素以查看它...

用１０種程式語言做影像二值化（Image binarization） 用１０種程式語言做影像二值化（Image binarization） ¶ 完整原始碼下載 簡介 ¶ 有些時候，我們需要將彩色影像轉換為黑白影像，這很簡單，利用門檻值的方法就可以做到。 作法 ¶ Visual C++ 2010 ¶ // 影像的高度 for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // 影像的寬度 for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // 影像的索引值，因為這張影像的24 bit ，所以要乘以3 lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // 取得藍色像素值 byteRGB_BA = imageA->DibArry[lIDXA+0]; // 取得綠色像素值 byteRGB_GA = imageA->DibArry[lIDXA+1]; // 取得紅色像素值 byteRGB_RA = imageA->DibArry[lIDXA+2]; // 將RGB利用YUV公式轉換Y（灰階） dobYUV_YA = (0.299 * byteRGB_RA + 0.587 * byteRGB_GA + 0.114 * byteRGB_BA); // 利用雙門檻值，灰階轉換黑白 if ( dobYUV_YA > 60 && dobYUV_YA < 160 ) { lIDXB = (...

色彩系統：從『光』說起 色彩系統：從『光』說起 ¶ 英國科學家牛頓(1643~1727年)透過太陽光射入三菱鏡的實驗，發現三項事實。首先，白色的太陽光可以分解為七色光，分別是紅、橙、黃、綠、青、藍、紫。其次，七色光在射入三菱鏡可得白光。最後，單色光是無法再分割出其他顏色的光。光是電磁波的一種，人眼可見的光，稱做可見光。不可見光有真空紫外線、紫外線、紅外線、近紅外線、遠紅外線。人眼之所以可以見到色彩，其原因是反射率。物體之所以有色彩，是因為該物體只會反射該顏色的光。 人眼感光細胞可分為兩種。第一種是桿狀細胞，對於明暗度的感知較好；第二種是錐狀細胞，在明亮的環境下對於色彩的感知較好，特別是紅、藍、綠。感知紅、藍、綠的錐狀細胞比例是32:16:1。交通號誌通常是以紅色為主色，就是這個原因。因此人眼是對於黑白有高感度，色彩是中感度的系統。人眼可以和傳統的底片相機做對應，鞏膜和脈絡膜可以對應暗箱，角膜和水晶體可以對應鏡頭，眼皮可以對應快門，虹膜對應光圈，網膜對應底片。視覺是光線射入眼睛，到虹膜上產生化學反應，神經脈衝傳至大腦而形成視覺。 感光細胞究竟是如何感受色彩？較有說服力的兩派學說，第一是三原色說，第二是對立說。三原色說於1802年由楊格(1773~1829年)提出，並於1894年由亨姆霍茲(1821~1894年)定量發展而成。三原色學說指出：『在網膜上存在能感受紅、綠、藍色的三種光接收器(錐狀體)，一切色彩特性都可以用這些錐狀體答量的比例來表示。』1878年赫林(1834~1918年)提出對立色說，指出『網膜上存在著感應紅－綠、黃－藍、白－黑色的三種光接收器，所有的色彩特性都可以用這些光接收器應答量的比例來表示。』 國際照明委員會(CIE)於1931年採用R(red)、G(green)、B(blue)制定標準配色函數，在配色方程式中，假設[R]、[G]、[B]是單位向量，就可成為三維空間的向量運算。但由於三維表示並不方便，因為某個顏色[F]用[R]、[G]、[B]的混合量R、G、B為分量做成的RGB色...

數位影像色彩空間簡介 數位影像色彩空間簡介 ¶ 傳統分析方式是將彩色影像轉為灰階影像，而灰階影像通常是亮度資訊或是彩色信號的平均資訊，這樣的原因很可能是早期電腦硬體計算能力不足，或是研究為求問題單純化所致，而分析基礎在於數學，數位影像處理技術發展已經很久了，可以追朔到1920年代初（1921年，第一個應用是在出版報業，巴特蘭電纜傳輸一幅圖片到大西洋對岸的時間從一個星期減少到3小時，引用來源：繆紹綱編譯之數位影像處理，如圖1.1-1）。 圖 1.1‑1 至今每年有數以千計的論文發表，解決許多問題。電腦視覺基本上就是模擬人類的智慧，人眼具有成像的能力，將光信號轉換成腦神經可以處理的資訊，再藉由人腦去分析判斷。照相機或攝影機就可以代替人類的眼睛，並將光學信號轉換成電氣信號，交由電腦演算處理。所以我們必須了解電腦『看』到甚麼，才能設計演算法來取出我們所需要的資料。感測器（Sensor）可將光源分為紅（Red）、綠（Green）、藍（Blue），而每一個通道可擁有0～255範圍資料表示，換句話說就是有256個等級可描述強度。這三個顏色就稱為三原色，而RGB就順理成章變成一種影像資料的格式，這種資料的格式也可稱為24bit影像。所以電腦看到一個人臉的時候，顯示的資料如下，如圖1.1-2： 圖 1.1‑2 RGB ¶ 英國科學家牛頓(1643~1727年)透過太陽光射入三菱鏡的實驗，發現三項事實。首先，白色的太陽光可以分解為七色光，分別是紅、橙、黃、綠、青、藍、紫。其次，七色光在射入三菱鏡可得白光。最後，單色光是無法再分割出其他顏色的光。光是電磁波的一種，人眼可見的光，稱做可見光。不可見光有真空紫外線、紫外線、紅外線、近紅外線、遠紅外線。人眼之所以可以見到色彩，其原因是反射率。物體之所以有色彩，是因為該物體只會反射該顏色的光。 國際照明委員會(CIE)於1931年採用R(red)、G(green)、B(blue)制定標準配色函數，在配色方程式中，假設[R]、[G]、[B]是單位向量，就可成為三維空間的向量運算。但由於三維表示並不方便，因為某個顏色[F]用[R]、[G]、[B...