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。　

＃ 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。