影像訓練成果→暖色系
繼影像訓練成果→亮度之後,我再拿暖色系這個增強效果來做實驗,使用同樣的訓練影像對跟測試影像。先看一下測試影像程式結果圖和測試影像軟體修改圖,辨別的方式就是前者有藍色斑點,這個瑕疵未來會解決!
繼影像訓練成果→亮度之後,我再拿暖色系這個增強效果來做實驗,使用同樣的訓練影像對跟測試影像。先看一下測試影像程式結果圖和測試影像軟體修改圖,辨別的方式就是前者有藍色斑點,這個瑕疵未來會解決!
我以為透過OpenCV轉換色彩空間,可以很輕易地來回轉換,而且不會有失真的問題。然而後來我知道,轉換色彩空間會有計算上精準度的問題(小問題),除此之外我又發現一個更容易失真的問題(大問題),其實對程式設計師而言相當容易發現才是,也就是:轉換色彩空間一個函式、儲存影像一個函式,後者失真程度遠大於前者!怎麼會這樣子呢?來看一下實驗結果……
有在經營部落格的我會注意Page Rank和Alexa Rank,之前有研究過Page Rank,這次來研究Alexa Rank:)我好奇的是,我逍遙文部落格的Page Rank從去年還是5,半年後變成1,現在已經是0囉~完全不知道Page Rank在搞什麼XD……
今天很高興我逍遙文部落格的在台灣排名已經跌破10000名,在此記錄一下:)連結:Cg2010studio.wordpress.com Site Info。

研究過LibSVM]SVM 實驗最佳化參數,原本以為只要將Data Set平分為兩半,一半是Train Set,一半是Test Set即可,因為我讀了這篇論文Example-Based Image Color and Tone Style Enhancement也這麼做,要是它使用交叉驗證 (Cross Validation)的話,準確率想必可以再提昇,這個議題還能拿來再研究呢!
之前有研究CIE L*a*b*色彩空間,現在想更進一步探討RGB色彩空間轉換至CIE L*a*b*色彩空間。
一般影像在儲存像素的色彩時,使用RGB色彩空間來表示一個像素的顏色,這種表示方法可用來傳達一個像素的色彩在紅、綠、藍三個頻道(channel)中的相關性;但是,從RGB表示法無法得知像素的明亮度(luminance)、飽和度(saturation)及色相(hue)為何,因此,我們將像素的色彩由RGB色彩空間轉換至CIELAB(或CIE L*a*b*)。
像我這樣很喜歡擷取桌面影像的人,使用智慧手機或平板電腦也會習慣性想要截圖,這時候我們該怎麼辦?下圖是我從New iPad截下來的影像,螢幕解析度為1536×2048,因此想看原始圖的人可以點圖放大。
玩過魚眼相機的人都知道,光線穿透過魚眼鏡頭後在感光元件上的成像會扭曲。我們的目的是想讓更多的場景容納進影像中,於是選擇接觸光源面積較廣的魚眼鏡頭,然而問題出現了~這將會產生扭曲的影像,距離中心越遠的場景資料被壓縮得越多!而且原本該是筆直的線段都變成曲線。那麼該如何使扭曲的影像回復正常?這就是相機校準 (Camera Calibration)的工作了。
HappyMan・迴響