因為網絡上對於影像處理沒有太多的資訊，
所以，就由我來做一些研究的報告

這一次研究的題目是：面對不同程度雜訊的影像，可以用怎麼方式來處理
在自動駕駛的發展趨勢影響下，所以影像會與馬路有關
因為行車途中所取得的影像，必定會有模糊、失針等問題
所以，我們才需要作影像處理。

我會先用smooth把影像模糊化，來重現不同程度雜訊
再用laplacian把模糊的影像細線化，並觀察結果。

=======================分格線=======================

我們來重溫一次smooth的程式

int effect(ImageData *img,ImageData *outimg)
{
    int fil[9]={
    	 1, 1, 1,
    	 1, 1, 1,
    	 1, 1, 1};
    int val;
    int x1,y1,x2,y2;
	int x,y;
	int xx,yy;
	int ff;
	int rr,gg,bb;
	Pixel pix;
	x1=0;
	y1=0;
	x2=img->width-1;
	y2=img->height-1;
	for(y=y1;y<=y2;y++) {
		for(x=x1;x<=x2;x++) {
			val=0;
			ff=0;
			rr=gg=bb=0;
			for(yy=-1;yy<=1;yy++) {			
				for(xx=-1;xx<=1;xx++) {
	    			val = getPixel(img,x+xx,y+yy,&pix);	
					rr += pix.r * fil[ff];
					gg += pix.g * fil[ff];
					bb += pix.b * fil[ff];
					ff++;
				    }   }
			pix.r=rr/9;
			pix.g=gg/9;
			pix.b=bb/9;
			setPixel(outimg,x,y,&pix);	
		    }   }
	return 1;
    }

=======================分格線=======================

接下來，就是laplacian的程式

void laplacian(unsigned char image_in[480][640], unsigned char image_out[480][640], double amp, int type)
{
	int	i, j;
	int d;
	int c[3][9] = { 0, -1,  0, -1,  4, -1,  0, -1,  0,
				   -1, -1, -1, -1,  8, -1, -1, -1, -1,
				    1, -2,  1, -2,  4, -2,  1, -2,  1};
	type = type - 1;
	if (type < 0) type = 0;
	if (type > 2) type = 2;
	for (i = 1; i < 480-1; i++) {
		for (j = 1; j < 640-1; j++) {
			d = c[type][0] * image_in[i-1][j-1]
			  + c[type][1] * image_in[i-1][j  ]
			  + c[type][2] * image_in[i-1][j+1]
			  + c[type][3] * image_in[i  ][j-1]
			  + c[type][4] * image_in[i  ][j  ]
			  + c[type][5] * image_in[i  ][j+1]
			  + c[type][6] * image_in[i+1][j-1]
			  + c[type][7] * image_in[i+1][j  ]
			  + c[type][8] * image_in[i+1][j+1];
			d = (int)(d * amp) ;
			if (d <   0) d = 0;
			if (d > 255) d = 255;
			image_out[i][j] = (unsigned char)d;
		}
	}
}

如果對以上的程式還是很陌生，可以再次觀看我的文章
[影像處理系列] 影像模糊化[1] https://ithelp.ithome.com.tw/articles/10194448
[影像處理系列] Laplacian 1至2階微分法 (程式解說) https://ithelp.ithome.com.tw/articles/10192114

=======================分格線=======================

廢話不多說，看一下結果

(圖1：原始影像)(影像取自網絡)

*(圖2：把檔案轉換成bmp之影像)

(圖3：把原始影像作1階laplacian處理、放大1.1倍後之影像)

(圖4：把原始影像作1階laplacian處理、放大3.1倍後之影像)

(圖5：把原始影像作2階laplacian處理、放大1.1倍後之影像)

(圖6：把原始影像作2階laplacian處理、放大3.1倍後之影像)

=======================分格線=======================

(圖7：利用3x3 smooth遮罩處理之影像)

(圖8：把3x3 smooth遮罩處理之影像作1階laplacian處理、放大1.1倍後之影像)

(圖9：把3x3 smooth遮罩處理之影像作1階laplacian處理、放大3.1倍後之影像)

(圖10：把3x3 smooth遮罩處理之影像作2階laplacian處理、放大1.1倍後之影像)

(圖11：把3x3 smooth遮罩處理之影像作2階laplacian處理、放大3.1倍後之影像)

=======================分格線=======================

(圖12：利用5x5 smooth遮罩處理之影像)

(圖13：把5x5 smooth遮罩處理之影像作1階laplacian處理、放大1.1倍後之影像)

(圖14：把5x5 smooth遮罩處理之影像作1階laplacian處理、放大3.1倍後之影像)

(圖15：把5x5 smooth遮罩處理之影像作2階laplacian處理、放大1.1倍後之影像)

(圖16：把5x5 smooth遮罩處理之影像作2階laplacian處理、放大3.1倍後之影像)

=======================分格線=======================

(圖17：利用7x7 smooth遮罩處理之影像)

(圖18：把7x7 smooth遮罩處理之影像作1階laplacian處理、放大1.1倍後之影像)

(圖19：把7x7 smooth遮罩處理之影像作1階laplacian處理、放大3.1倍後之影像)

(圖20：把7x7 smooth遮罩處理之影像作2階laplacian處理、放大1.1倍後之影像)

(圖21：把7x7 smooth遮罩處理之影像作2階laplacian處理、放大3.1倍後之影像)

(圖22：把7x7 smooth遮罩處理之影像作2階laplacian處理、放大5.1倍後之影像)

(圖23：把7x7 smooth遮罩處理之影像作2階laplacian處理、放大9.1倍後之影像)

=======================結論=======================

smooth遮罩愈高，laplacian處理也需要更高的階，而且放大率也要更高
但對於7x7 smooth遮罩，或是更高smooth遮罩，直接使用laplacian處理也無法達到太明顯的細線化(較難看出66字眼及其英文)
而且7x7 smooth遮罩因為太模糊，讓laplacian難以判斷影像的邊緣，因此所輸出的細線化影像，也難以看得出明顯的差別。因此把放大倍率提高至9.1，令影像更明顯(見圖23)

=======================分格線=======================

此外，我們看到一個奇怪的現像
利用bmp原始圖(見圖2)，直接使用laplacian細線化處理，因為影像過於真實，所以所輸出的影像，會有更多雜訊。
反而經過3x3 smooth遮罩把影像作初步模糊，再使用laplacian細線化處理，所輸出的影像，會更適合電腦作後續的處理。
雖然我們一般的思考角度，把原始影像直接作laplacian細線化處理，可以保留最原始影像的邊緣。
但是，從結果中我們可以得知，電腦對原始影像判斷邊緣時，會把許多不重要的細節，同時判斷為邊緣，因此輸出的影像有許多雜訊的邊緣。
而影像經過3x3 smooth模糊處理，把一些不重要的細節模糊化，再作laplacian細線化處理，讓電腦只針對重要的影像作細節化。

最後，看來利用不同影像處理的方式作不同的組合，比只使用一種處理方式，有更好的結果。