可视计算概论课程Lab1

前言

Lab1作为让大家认识计算机可视化的入门级别Lab，许多方法都是比较片面的应用，而不深究其中的原理下面就做一个Lab1的report，或者说是回顾。

Image Dithering

引言

这一部分主要需要你实现四个函数，分别为Uniform Random, Blue Noise, Ordered和Error Defuse。

Uniform Random

这里主要就是调用C++标准库函数random和cime，从而生成均匀分布在(-1, 1)之间的随机数，然后对每一个像素其RGB三色通道加上这样一个随机数再去转换，可以做到让Error更平均，虽然看上去有些地方的Error显然增大了，但平均下来会好很多，失真的情况会有所缓解。

Blue Noise

这个主要是采取了与上述噪音不同的“蓝噪音”，其具体生成方式较为复杂，可以参考连接。

Ordered

从某种意义上来说，这种方法有点作弊的嫌疑，因为这其实是用了更高的分辨率，不过方法本身是好的。就是根据排列规则，将灰度分为10类，然后每一类用(3x3)的像素表达原先的一个像素。

Error Defuse

我们知道每一次近似都会产生误差，而当一个地方产生的误差较多就会出现比较明显的失真现象，该方法就是将每个地方的误差分配到之后要计算的像素中，使得看上去总体来说好了一点。

Image Filtering

引言

这个其实就是感受图片卷积的方法，这一部分你需要实现两个功能——Blurring, Edge。

Blur

这个我做的是取平均值，即输出图片的每个像素，是原图中该像素周围3x3像素的平均值，边缘的时候进行补0。

Edge Detection

边缘检测主要就是利用那些特殊的卷积块，进行卷积，从而计算得出这个地方是不是边缘，这里需要对横边和竖边进行平方和，以确定所有的边，其实也可以调参，但是好像不太需要？

Image Inpainting

这一部分可以理解为抠图plus，将一张图片完美融合到另一张图片中，这里用的方法其具体的计算过程助教完成了，（数学技巧高超），我们需要确定是边界条件。这里的边界条件由于我们是想保持物体本身的样子，所以我们需要将A-B设为边界，而不是A。

Line Drawing

这个没什么好说的，就是采用上课讲的方法进行划线。

Triangle Drawing

与上述方法同理，我的想法是先画出边，再将每条边内部填充成三角形。

Image Supersampling

这个的想法是，先将一张图片放大（长宽各到原来的rate倍），然后再采用卷积的方式取平均值恢复到原图。

这里的放大令人震惊，本来以为采用插值，但最后却是emm，简单的算了一下，感觉有点算了重复像素的感觉，不过效果好像不错，不太理解为什么这个与插值像等价。

rate=1

这个有明显的走样，可以看到领带处一言难尽。

rate=5

与上一张照片对比，可以看到反走样效果显著。

Bezier Curve

这个没什么好说的，就是画一条贝塞尔曲线，这里用的方法为暴力算，其实感觉还好。

其实一开始做我还想着能不能在多项式的基础上进行计算，后来发现，这样是不行的，因为C++精度有限，大数+小数会将小数吞掉，结果画出来是一条直线，errr，或许如果精度能够实现高一点这样的计算方式会更优，毕竟只需要加法。