D i s c u s s i on
n 比較 Lazy Snapping 和實做方法
# Segmentation
就會被視為同一區,只有前背景顏色有明顯差異,且邊界明顯的圖片才適用,而且運算也是用 Segment 後的結果做為單位,
一旦標示成同一塊區域,就沒辦法修正標示錯誤;Lazy Snapping 採用的是 Watershed ,
以標示點為中心向外延伸區塊,雖然計算量較大,卻可以很精準的逼近邊界線。
|
n 因為前背景邊界不明顯,被歸為同一區塊 |
# 能量設定
因為 Segment區塊方式和 Lazy Snapping 的 watershed 定義不同,無法直接套用 paper 裡的公式,所以參考3Dgraph cut 的定義當作模型。
E1, E2和原定義有蠻大的誤差。設定時只是很純粹的希望相似度高的地方能量較大,相似度低的部分能量較低,
卻無法合理解釋模型上兩種能量 (E1 , E2 ) 的實際意義為何,很難找出適當的 E1 , E2係數。
n 未來目標
在 Segment方式不變的情況下,希望可以改善能量設定的方法。例如區塊邊緣若都是前景,表示該區塊為前景的可能性也極高,或是考慮
別種鍊結區塊的模型,例如參考 paper 裡的 2D 模型,改變 E1 , E2 的定義等等。當圖片的結果可以達到一定的效果,
希望可以結合影片前景偵測技術,將 Lazy Snaping 應用到影片上。
n 感想
專題結果雖然不大符合先前的期待,卻學到了很多東西。這是第一次跟別人合作寫大程式,從學習 MFC開始,
到漸漸接觸到實驗室裡的各項研究介紹,一直覺得影像處理是一門很有趣的學問。比起上課時寫有固定解答的程式,
做實用性的題目,更能激發自己想不斷挑戰下去的動力。基於一個使用者的立場出發,想像程式還有什麼改進的空間,
真的是很好玩的事。希望以後也能從事影像相關的研究,學習更多實用又神奇的技術。