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：
(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～
接續PhotoImapct產生風格實驗，把演算法修改得更好，會判斷正方向和負方向找到的點跟欲強化的點，取最近的點來強化該點～此外還把色彩空間從Lab改為RGB，發現視覺上相差無幾，在映射表中找不到的點都以黑色顯示。
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）」：
原始影像的映射表
強化影像的映射表
幾乎為黑色，只有4.6%的色彩空間可以映射。
我使用影像處理軟體(PhotoImpact)強化功能來產生一種風格，總共有三個步驟，有些功能一起調整，如下：
步驟一
步驟二
步驟三
批次處理好45張攝影相片為強化相片，是我所定義的一種風格。
研究高動態範圍影像 (High Dynamic Range Image)這麼久了，一直沒有把它統整得很精簡，先前看了一個不錯的簡報，在此特別整理出來參考。之前研究的文章：動態範圍 (Dynamic Range)、高動態範圍 (High Dynamic Range)。 （繼續閱讀…）
閱讀論文的時候有兩個名詞我一直想不出來它在說什麼，當時我這麼翻譯「在給定一個固定數量的訓練例子，可能超過符合(overfit)一個過度大數量的子空間，或不足符合(underfit)一個不足夠數量的子空間。」
看到圖示之後，總算豁然開朗～原來跟偏差和變異之權衡 (Bias-Variance Tradeoff)有關！
在這篇論文中，他已經發展一個方法，從影像例子學習色彩和色調的風格，這個方法可以發現在相對應的影像對中色彩和色調的潛在的數學關係。這個框架已成功地應用在兩個情境：
在這個章節，他應用他的色彩和色調風格增強的方法在兩種情境上：
在這個章節，他應用他的色彩和色調風格增強的方法在兩種情境上：
上個章節談論該篇paper的技術架構的前半部份：如何學習色彩和梯度映射。
接下來技術架構的後半部份：如何色彩和色調的風格增強。
逍遙文工作室 
HappyMan・迴響