想強化到跟上次一樣的風格，只是使用的找非空洞點方法改為，以該像素為出發點，像球那樣子擴張來找非空洞點，公式如：
- (x-a)^2+(y-b)^2+(z-c)^2=r^2
(a, b, c)若為空洞點，則跑三層迴圈x = 0~255, y = 0~255, z = 0~255，而r從1開始遞增直到找到非空洞點，r為包覆xyz的迴圈。
先說結果圖效果比先前的方法：往red、green、blue找非空洞點來的好，不過若以如此暴力法求解，將耗費相當多的時間才能跑玩52張測試影像（800×534），於是我改進演算法為動態規劃（Dynamic Programming），也就是原先為空洞點的像素P，一旦找到非空洞點的像素Q，則記錄其找到非空洞點的像素Q的資訊，下次若再遇到空洞點的像素P，即可直接對照映射表找到非空洞點的像素Q的資訊，而不需要再花費時間去重複求解找尋～
原本純粹暴力法跑52張測試影像需耗費1天的時間，改為動態規劃（Dynamic Programming）後變為約6小時即可跑完。不過跟之前的方法（往red、green、blue找非空洞點）相比，所花費的時間依然大非常多，原因在於先前的方法一旦遇到空洞點的像素P，該項素只跑1-255個迴圈，現今的方法則是跑四層迴圈x(0~255)y(0~255)z(0~255)r(1~?)，由此看來雖然現今方法可以真正找到最接近P像素的Q像素，然而卻得花費可觀的時間來求解，當然求解的方法還可以改為排列組合（求解數學式難度高），並從像素P以其為圓心出發找最接近它的像素Q，不過以當前來說效果較為重要。
結果發現用45張訓練影像訓練出來的映射表，有著非常大的「空洞（黑色）」：
- 總共像素個數：16777216 (256*256*256)
- 空洞像素個數: 15999587
- 非空洞像素個數: 777629
- 非空洞像素個數/總共像素個數: 0.0463503
若再加上52張測試影像填補空洞，還是有著非常大的「空洞（黑色）」：
- 總共像素個數：16777216 (256*256*256)
- 空洞像素個數: 15876186
- 非空洞像素個數: 901030
- 非空洞像素個數/總共像素個數: 0.0537056
非空洞點也才從4.6%升為5.3%，看來所拍攝的此組（訓練影像組和測試影像組）相片色彩分佈並沒有很平均。
然而效果已經顯現得相當不錯，無論是衡量指標（PSNR和SSIM）或人眼判斷，並與先前實驗方法做比較（取blue這部份）：
第一張相片
得到色彩空間映射表來強化此測試影像
空洞點，並找到非空洞點的顏色來填補
原先為空洞點，但找到最近非空洞點，越白色的像素表示距離原像素越近，RGB以255-r*10表示
程式跑出來的結果影像
由攝影師調整的風格影像
比較往blue方向找最近不是空洞的色彩
PSNR
- nearest：36.4423
- blue：32.4075
- green：30.5513
- red：31.8375
SSIM
- nearest：0.971561 0.977166 0.927295
- blue：0.929093 0.93184 0.906427
- green：0.922371 0.945063 0.905196
- red：0.925562 0.938831 0.905481
第二張相片
得到色彩空間映射表來強化此測試影像
空洞點，並找到非空洞點的顏色來填補
原先為空洞點，但找到最近非空洞點，越白色的像素表示距離原像素越近，RGB以255-r*10表示
程式跑出來的結果影像
由攝影師調整的風格影像
比較往blue方向找最近不是空洞的色彩
PSNR
- nearest：34.8481
- blue：33.6636
- green：34.0595
- red：34.2456
SSIM
- nearest：0.954662 0.965626 0.926643
- blue：0.936677 0.951538 0.920947
- green：0.947643 0.95245 0.924064
- red：0.949039 0.957135 0.923684
第三張相片
得到色彩空間映射表來強化此測試影像
空洞點，並找到非空洞點的顏色來填補
原先為空洞點，但找到最近非空洞點，越白色的像素表示距離原像素越近，RGB以255-r*10表示
程式跑出來的結果影像
由攝影師調整的風格影像
比較往blue方向找最近不是空洞的色彩
PSNR
- nearest：37.4628
- blue：35.1127
- green：35.4775
- red：35.6436
SSIM
- nearest：0.973975 0.970322 0.930648
- blue：0.957476 0.95184 0.917948
- green：0.963878 0.954456 0.92131
- red：0.967695 0.956186 0.923605
以52張測試影像平均：
PSNR
- nearest：38.73795385
- blue：36.0381
- green：35.97626346
- red：35.92330385
SSIM
- nearest：0.97541425 0.979422385 0.950393788
- blue：0.961486385 0.964917731 0.940215346
- green：0.961879942 0.965542577 0.940845577
- red：0.962398577 0.965908154 0.941005192
最後我們想瞭空洞點像素P解找到非空洞像素的距離：
- (x-a)^2+(y-b)^2+(z-c)^2=r^2
雖然公式如此寫，然而r^2會以1、4、9……這樣的值跳動，於是r^2我改為以1、2、3……設定，表示距離以根號1、根號2、根號3……跳動，如此便可找到最近的像素Q。
此Distance須開根號，才能表示真實的距離
看來多數空洞像素P，可以在根號1、根號2、根號3內找到最近非空洞像素Q，當然也有必須找更遠的像素例子：
| distance | number |
| 0 | 0 |
| 1 | 153097 |
| 2 | 183571 |
| 3 | 78505 |
| 4 | 9134 |
| 5 | 12200 |
| 6 | 4184 |
| 7 | 0 |
| 8 | 1230 |
| 9 | 1795 |
| 10 | 1320 |
| 11 | 545 |
| 12 | 256 |
| 13 | 390 |
| 14 | 489 |
| 15 | 0 |
列出距離在4（根號16）以內，發現某些距離（不只是2^n-1）會有0個的情況，表示找到的(x, y, z)無法符合該距離，畢竟已經用暴力法跑過全色彩空間。
以下是映射表（分為原始影像的映射表和強化影像的映射表），總共由45張訓練影像和52張測試影像產生，非空洞（黑色）的部份只有5.3%。映射圖已從4096*4096的PNG檔壓縮成1024*1024的JPG檔，為了節省空間（前約10M，後約0.2M）。
原始影像的映射表
強化影像的映射表
放大看某區域部份色彩空間，擷取映射表（原始影像的映射表和強化影像的映射表）左上方512*512區塊且沒有壓縮為破壞性的JPG檔，依然是非破壞性壓縮的PNG檔，以查看非空洞點實際分佈情況。
原始影像的映射表，其中四小塊
強化影像的映射表，其中四小塊
發表留言