[OpenCV] 峰值信號雜訊比 (Peak Signal to Noise Ratio)
在瞭解峰值信號雜訊比 (Peak Signal to Noise Ratio)定義之後，接下來當然就來驗證它的威力～
在此我特地找了png檔（無損壓縮）的影像，用nEOiMAGING影像處理軟體，將它另存為jpg檔（有損壓縮）的影像，其中jpg又有分壓縮品質。用肉眼也許看不太出來其中的差異，然而卻很容易從檔案大小看出端倪，壓縮品質越差，檔案大小越小。
原始影像png：314KB
Archive for the ‘技術’ Category
峰值信號雜訊比 (Peak Signal to Noise Ratio)
通常在經過影像壓縮之後，輸出的影像通常都會有某種程度與原始影像不一樣。為了衡量經過處理後的影像品質，我們通常會參考PSNR值(峰值信號雜訊比 (Peak Signal to Noise Ratio))來認定某個處理程序是否令人滿意。來看Lena如何決定PSNR吧～
Denoising results using different methods in the DWT domain. (a) Clean image; (b) noisy image: PSNR=22.16 dB (σ=20); (c) denoised image using BiSrhink: PSNR=31.09 dB; (d) denoised image using ProbShrink: PSNR=31.00 dB; (e) denoised image using SURE-LET: PSNR=31.02 dB and (f) denoised image using the proposed method: PSNR=31.26 dB.
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！
測試影像程式結果圖
測試影像軟體修改圖
[OpenCV] 轉換色彩空間失真 (Transform Color Space Distortion)
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……
Alexa 排名 (Alexa Rank)
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。
交叉驗證 (Cross Validation)
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！
RGB與CIELAB色彩空間轉換
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。
- 這時候我們想知道，為何需要將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*）。
HappyMan・迴響