06-07年度 semester 2 剛剛考完試，一口氣倒是鬆了一鬆，借來做 present 的三本關於 LASER 的書，也可馬上還掉(並非多看無益，而是我還有一大把書要睇，救命！)，可是這個學期的 result，會怎樣？話說 ...
話說 sem 2 照例讀兩科：Optoelectronic Devices 和 Digital Image Processing。前者不需考試，但有 mid-term 小測驗及學期尾一次 presentation 連交一個 report。後者冇咩功課，但中途送你三個測驗，做兩個 Lab，學期尾有大考。Part time 就是如此，只得一次大考會好易死人，是故大小教授、博士等等，都出盡辦法，用各種方法令大家有分數。大家唔想肥，佢地就更加唔想肥我地。
Digital Image 一科，老實講，如果只係考吓 histogram equalization、edge detection、median filter、median cut algorithm 等等，有讀書，合格唔難。但，一考難度高的 half toning、數學證明等等，就真係......
考試時，一打開份卷，救命！就像沒有溫書似的，接近一半題目都好陌生。慘，那怎麼辦？
自己不算太聰明(緊急時，可能連小聰明也欠奉)，但考試講策略，唔係講你識幾多嘢。冇計，只揀最熟口熟面的去做。第一題，以 median filter 去除一個 5 x 5 影像的 salty noise，超容易。做阿...做的，才發覺，再做下去，EQ 再高，也會火都嚟！
何解？median filter 的原理，是將每一粒 pixel (picture element) 連同周圍的8粒 pixel 找出一個『中位數』，然後那個中位數便是中間那粒 pixel 的新數值。易呢？如果是3 x 3 或 4 x 4的話，OK 啦，但去到 5 x 5，你要排一大堆數目字，足足25次，真攞命！
唉，為何我的『愛將』Casio fx-5500LA 沒有排數字這可愛功能？
隨後 chain code、計 entropy，影像壓縮時的 bit allocation、error diffusion 等等我讀得很熟的topic，一慨欠奉。
到後來還好，總有一些我可以輕鬆完成(未知其他人是否一樣)。有一題是這樣的：假設你要對一個有 noise 的 image 做 restoration，即還原出一個原本的 image。數學上有一個方法，叫 iteration，即把一個運算重覆又重覆，做很多很多次。你要證明，用 gradient descendent 方法對這個問題來說，iteration 有效，即這個 iteration 是 "converge" (收歛)的。
方法是，先估計原先這個影像和它的 noise 的關係，然後，寫出關係式：
右手面第二項是一個偏微分(當 f = f(k) 時)。
之後，再進一步證明，當 f 趨向無限大時，它實際上等於把原本的影像做一次 deblurring (反模糊化)：
當然，要做到最後一行：
要用上一點兒數學技巧及乎合一些條件。例如矩陣 A 的 所有 eigenvalues 的絕對值要小於1，和觀察到可以用幾何級數 (geometrical progression) 去簡化尾二那一行運算。
雖然這一題識做，但『衰咗』的亦為數不少。Dr. Chan，我沒有怪你跣我們，只是你跣了我們，自己好像還懞然不知(從考完試後你對我們說一定冇死等等諸如此類的言論可知)，實在有點兒誇。
好驚， re-take 這一科的代價太大！
沒有留言:
發佈留言