# Image Formation and Features
107062513 鄭家鈞

## Part 1. Harris Corner Detection
### Results
| Gaussian kernel size=5 | Gaussian kernel size=10 |
|:-------------:|:-------------:|
| |  |

| | Gaussian kernel size=5 | Gaussian kernel size=10 |
|:-------------:|:-------------:|:-----:|
|Magnitude|||
|Direction|||

Structure tensor/NMS results:
|3 x 3|30 x 30|
|:---:|:---:|
|||

|Rotate|Scale|
|:---:|:---:|
|||

----------
### Report

#### a.
Gaussian kernel size 越大，圖片越模糊，因為每個 pixel 和更多相鄰 pixel 做加權，而 edge 的地方也被模糊的越嚴重，效果越差。

#### b.
structure tensor 的 window size 越大，加權平均的範圍就越大，以我實作的方法來看 window size 在第一步驟的 Gaussian blur kernel size 較小時，corner 減少的情形較為明顯。

#### c.
NMS 主要是在把 response 的數量變少，一定範圍內找出一個代表點就好。

#### d.
rotation 結果和原圖結果相近，scale 則是有些 corner 消失了，Harris detector 具有 rotation-invariant。 Corner 經過 rotation 仍然在 x, y 方向具有 gradient ，而 scale 方面，如果是放大則有些 corner 的 gradient 就變得不是那麼明顯而無法被偵測出來。

## Part 2. Image Sensing Pipeline (ISP)
### Report
#### a.
為了模擬人類的視網膜細胞。紅色和藍色用於色敏偵測，綠色用於光敏偵測，而為了模擬人類對於光較為敏感的生理特質而將綠色設為其餘二者的兩倍。

#### b.
i. 可變數目梯度: 計算相關像素周圍的梯度，使用較低的梯度來估計。

ii. 自適應均勻定向: 能夠選擇內差的方向來最大化同質標準，因此一般情況下能夠最小化色彩雜訊。

#### c.
| RAW | AWB | Demosaic|
|:---:|:---:|:---:|
||||
| Color Correction | CIE XYZ to RGB | Tone Mapping |
||||

#### d.
因為 noise 的產生是在相機感光的時候產生，若要產出和真實情況相近的 noise data 應該要在 RAW domain 上做。