《#灰階思考》部落格文末抽書 x2 本
你聽過 股癌 Gooaye 嗎?過去一年多來,這檔長踞各大 Podcast 排行榜的投資理財節目,儼然成了很多人的通勤良伴(包含我!)。我身邊很多朋友也因為聽了節目,開始對投資產生興趣。今天就來幫大家介紹這本塞滿了股癌風格的著作。
部落格圖文 https://readingoutpost.com/grey-thinking/
Podcast 用聽的 https://readingoutpost.soci.vip/
.
【這本書在說什麼?】
《灰階思考》這本書的作者是 Podcast「股癌」的節目製作人謝孟恭,這個談投資的節目上架數週內就成為台灣 Podcast 各平台總排行榜第一名。節目的內容比較偏大眾向,尤其適合股市「菜雞」(投資新手)收聽。
在這本書中,作者彙整了之前在節目上分享過的精華,搭配許多財經界的故事和各路投資大師的觀念,寫出了這本同樣適合投資新手的投資書籍。書中分成三個段落鋪陳,首先是排除人們常見的思考偏誤,接著是廣納多元思考的心態,最後是實際付諸行動的叮嚀。
對於投資老手而言,這本書稍嫌簡單和淺薄,但我覺得這正是作者厲害的地方。起初我聽股癌的時候,也認為怎麼都在說一些簡單的入門知識。後來我漸漸改觀,為什麼這些晦澀的財經知識從他口中說出來就這麼「直白好懂」又「平易近人」,真的要換成我自己說的時候,卻如同有鯁在喉、難以開口?
原來,把艱深的觀念,用三歲小孩也能聽懂的方式說出來,其實就是一門「表達的藝術」。作者的投資觀念和策略對投資新手很有幫助之外,我更喜歡觀察的是他如何把這些事情用白話文說出來的方式。以下我整理這本書的九個重點,以及一些我的延伸想法。
.
【排除思考偏誤】
.
1.打破常見的迷思
物極不一定必反。「漲多必跌、跌多必漲」這句投資人琅琅上口的順口溜不一定總是成立,實際的情況是:(1) 漲多不一定必跌,有些公司的護城河就是夠深,能夠持續、穩定地長期成長、(2) 跌多不一定必漲,當一家公司的營運和競爭力都持續出狀況時,可能直接一跌不回頭。
別跟股票談戀愛。根據美國市值前3000大企業加權計算出來的「羅素3000指數」,自從1980年來漲幅已經超過七十倍,但是驚人漲幅的背後,僅來自於7%企業的貢獻。反而有40%的企業,市值下跌了七成以上。選對股票的報酬很驚人,但選錯股票的懲罰也很嚴重,別單壓、重壓單一企業。
.
2.別盲從大神
小心股海牛鬼蛇神。媒體和網路上有許多財經專家會把自己包裝成能夠預測股市走向的神人,但是你仔細觀察就會發現這些所謂的「老師」最後要賺的就是學費。很多人面對投資選股的壓力時,往往會希望抓到一隻浮木,甚至是起了貪念想要找一夕致富的方法,卻往往落得適得其反。
站在大盤的肩膀上。股癌節目裡總是不厭其煩地提醒,大盤是很難被打敗的存在。根據數據指出,美國市值前500家企業市值的「標普500指數」已經連續十年打敗85%以上的主動型基金經理人。因此初踏入股市的新手很適合從「定期定額投資大盤市值型ETF」的策略著手,站在大盤的肩膀上先勝過絕大多數的投資人,再逐漸提升自己的投資眼光和技巧。
別把思考外包出去。作者譬喻地很傳神,人們常常有病急亂投醫的情形,誤把路邊邪廟當神廟。但是,最重要的是要去瞭解自己的「投資目標」和「風險承受度」,所謂專家或老師給的建議必須要自己消化吸收,找到最適合自己的方式。如同《思考外包的陷阱》這本書提到自主思考的觀念:「讓專家和科技隨侍在側,而非讓他們主導大權」。
.
3.當心同溫層陷阱
避免深陷同溫層。人類長久演化下來的「群性」,讓我們對群體內的人緊緊團結,對群體外的人毫不手軟,甚至恨意濃烈。投資方法和策略千百種,如果太過於執著於某一種策略,然後又跟同溫層內的人一起取暖,往往會忽略了其他多元的觀點,錯過了潛在的警訊,這對投資不一定是好事。
加入新的同溫層。意思是跳出原本的舒適圈,針對不懂、不熟的事物,先去瞭解,而後評論。如同美國作家費茲傑羅曾經說過的:「檢驗一流智力的標準,就是看你能不能在頭腦中同時存在兩種相反的想法,還維持正常行事的能力。」有時候要刻意讓自己擺脫意識形態上的枷鎖,試著去理解「反面」立場的觀點,讓自己能夠同時掌握不同面向的看法。
讓大師成為你的同溫層。這讓我回想起另一本《知識的假象》書中提到:「人類並非完全獨立思考和評論事情。更多的是我們借助著人類知識共同體,建構起自己的知識地圖,進而形塑而出自己的價值觀。」只有當我們看得夠廣,踩在更多巨人的肩膀上,才能描繪出更完整的知識地圖。
.
【廣納多元思考】
.
4.謹慎面對加工資訊
如何善用加工知識。隨著數位時代蓬勃發展,資訊的爆炸已經不單是用洪水氾濫可以形容,我們每天接觸的「加工知識」也越來越多。作者提醒,「只」吸收加工知識可能會造成偏食和營養不良,必須懂得把加工知識當成一種「索引」,用它們來找到資訊的源頭。
懂得找到資訊源頭。許多優良的加工知識產出者,會把資料來源檢附在文章內、文章末、影片註解中,如果要避免「斷章取義」的速食現象,就必須真正投入時間,找到資料最源頭的「原型食物」來吸收。與其聽別人說巴菲特今年又說了什麼,倒不如直接找他親筆寫的股東信。
大師之所以是大師。作者舉例像是投資大師霍華.馬克斯(Howard Marks)、瑞.達利歐(Ray Dalio)都擅長利用備忘錄跟投資人溝通自己的想法,這些備忘錄的觀點之犀利、視野之遼闊,而且他們總是在修正自己的看法,學習新的東西。我很喜歡的俄國詩人普希金(Pushkin)曾經說過:「閱讀是最好的學習。追隨偉大人物的思想,是最富有趣味的一門科學。」因此,要培養和提升自己的閱讀能力,從大師的眼中看到不同的世界。
.
5.贏家的特質
樂觀,但不天真。這邊指的不是天真浪漫型的樂觀,而是要瞭解「風險」的本質,預期前方一定會有許多「驚濤駭浪」,但心底清楚在長期趨勢的發展下,人類社會將持續「進步」和「成長」的樂觀態度。我們必須瞭解什麼是短期的波動,什麼又是長期的成長。
耐心,穩中求勝。耐心這個特質放在現代的社會環境,只會越來越稀缺。巴菲特曾經說過:「我一生99%的財富,是在50歲以後獲得的。」他深知投資的報酬來自於「時間」加上「複利」,也就是他著名的「雪球理論」(找到濕的雪和一條長長的山坡,讓雪球越滾越大)。當投資人越是急著殺進殺出,這顆雪球就越是滾不大。
行動,承擔風險。最近我讀到德州撲克冠軍選手吳紹綱寫的《致富強心臟》這本令我印象深刻的書,作者提到成功就是要「承擔多一點風險」(Take more risk.),而且把風險控制在「安全邊際」之內。應用到投資也是一樣的,我們要認識到「風險」是比「報酬」更加重要的一環,承擔你可以承擔的風險(但別失控),才有機會獲得甜美的報酬。
.
6.總是保持質疑
質疑是一種求知的態度。作者認為保有質疑的態度,就如同幫自己繫上一條「安全帶」。2020知名交易平台Robinhood有一位二十歲美國青年,誤以為自己交易失策負債73萬美元,選擇結束自己生命。事實上,他並沒有賠這麼多錢,只是因為他搞不清楚遊戲規則,也沒向券商再詢問細節,結果才讓憾事發生。
求證是必要的行動。資訊發達的現代,人們習慣看網美打卡美食、推薦景點,甚至有時候連投資標的都要「跟風」一下。問題是,當我們沒有對細節仔細求證,連自己再跟什麼、買什麼都不清楚的時候,往往會淪為股票市場裡的「韭菜」(大戶眼中容易被收割的散戶)。懂得綁上一條質疑的安全帶、自己採取行動去求證事實的人,可以在投資這條路上走得更穩、更安全。
.
【實際付諸行動】
.
7.從認識自己開始
認清自己是誰。書中提到一個作者去面試特斯拉業務員的故事,面試官要求在場的面試者試著「賣給他一輛特斯拉」。結果每個面試者都使出渾身解數背出特斯拉的性能、規格、特色。竟然沒有一個人問面試官買車的用途是什麼?家裡有幾個人?如果我們在投資之前,沒有認識自己投資的「目標」,會很容易迷失方向、心猿意馬、心慌意亂。
投資沒有萬用答案。每種投資方式的風險和報酬可能都彼此不同,每種年齡層、每種職業屬性的投資方式,也不一定完全相同。投資沒有完美的「公式」,只有最「適合」自己的方式,以及最「符合」自己投資目標的策略。與其問哪種投資標的最好,倒不如問怎樣的投資策略最適合自己。
別輕視風險接受度。我們都知道股市大起大落,卻時常輕視了當自己辛苦賺的血汗錢在帳面上「大跌」時的心理感受。這讓我回想起探討頂尖投資家如何追求報酬、管理風險的《投資超級英雄進化論》書中有一句話書說得非常好:「投資人無法管理報酬,但卻有能力管理風險」。重要的是拿出自己賺來的真金白銀,真正投入到市場中實際感受那種起伏帶來的情緒,你才會知道自己對於風險的承受度如何,再進一步思考如何管理風險,採取適合自己的策略。
.
8.別把雜訊當訊號
財經界亂象多。在這個大多頭年代,冒出許多號稱可以「事前預測」和「事後驗證」的投資專家,或者把任何意見都說得「模能兩可」的投資大師。這些雜訊常常會引起人的貪念,想說賭個一把,說不定這次就被這個專家大師說中,能夠翻身翻倍呢!結果,雜訊始終是雜訊,跟隨雜訊行動的後果好一點是載浮載沉,差一點就直接溺水滅頂。
接受多元持續修正。即使我們選定了某一種投資策略,也不要讓自己故步自封,要記得讓自己保持接收最新的市場訊息(前提要懂得區分訊號和雜訊),對策略作出微調和修正。我很喜歡的《跨能致勝》這本書中提到:「最成功的策略是能把乍看不同的各種情況連結起來,看見深層結構的相似之處。」持續接收多元意見,異中求同,是打造成功策略的不二法則。
.
9.炒股前先炒人生
人生如骰子,很難一次就豹子。有在投資的朋友或許都聽過這句玩笑話「本多終勝」,一開始有龐大「初始資金」的人,都透過一樣的投資報酬率,往往會遠勝過初始資金較小的人。如同前文提到,你雖然無法管理「報酬」,但你能控制的是「提高累積本金的能力」,無論是加薪、轉職、創業,都能幫你帶來更多的銀彈,讓你在市場上擲出更多骰子。當你能骰出更多次、骰得比別人更長久,相對就提高了骰中豹子的機率。
投資自己,是最重要的投資。因此,與其心心念念在投資報酬率這種「不可控」的因素,倒不如努力投資自己,這才是唯一「可控」的因素。在《財務自由,提早過你真正想過的生活》這本書中有一個很棒的投資觀念:「真正擁有無限成長潛能、讓你可以更快達到財務自由的,其實是創造更多的收入」,也就在專業和事業上持續「開源」。投資自己,才是真正最重要的投資。
|黑白之間都是灰,找到無限價值的所在。
【有聲書讀後感想】
我當初第一次要讀《灰階思考》的時候,雖然自己已經有這本的電子書了,但那時候在「1號課堂 App」看到這本書竟然也出了「有聲書」?而且全暢聽會員還可以直接聽整本?當下超興奮!可是仔細一看,竟然不是主委本人的原音重現,而是找來 Podcast 百靈果的凱莉操刀演出。
雖然當下有一點期望撲空,可是真的給他聽下去之後,我就改觀了。因為這本書的文字很淺顯易懂(股癌風格,晦澀金融投資知識直白講),加上凱莉的說書口條真的很流暢,我一邊開車一邊聽這本書,就像是平常在聽股癌一樣暢快。
值得一提的是,當時我是最早開始聽的讀者之一,整本有聲書都還沒錄製完成。接下來就變成每天推出一個小章節,然後我就很像在「追劇」一樣,每天上班通勤時聽一個新的段落。這也是我第一次把有聲書當成追連續劇來聽,是個很有趣的經驗!
總結來說,這是一次非常特別的聽書體驗,我雖然聽過許多 Audible 英文有聲書的經驗,卻都是同一性別的作者+說書人,沒有聽過這種作者和說書人是不同性別的組合。對於這本有聲書的組合,我很欣賞1號課堂的操作手法,除了噱頭十足之外,也確實帶給我很獨特的體驗。
有興趣聽這本書有聲版的朋友,可以參考我的1號課堂使用心得文章,你也可以聽 YouTube 上面的試聽版感受一下。新書發表的時候他在台北簽書會也有一段現場分享,你可以聽聽看他怎麼說。
.
【後記:保持思考的多元性】
.
如同這本書的核心觀念:「零到一之間,有無限個數字,黑與白之間,也有無限個色階。」與其說這是一本談投資的書,不如說這是一本談「思考方式」的書。真正深諳投資的大師,也都是善於思考、熟捻人性、多元吸收、持續改善自己的終身學習者。
這本書的心得分享是我花了「最久」時間寫出的一篇文章,前後總共寫了三個多禮拜才陸續成型。或許這也是對我自己最好的鍛鍊,時常腦袋裡想得太難、太深、太複雜,以至於要用白話文說出口的時候,卻難以開口。
寫這篇文章的過程中,我逐漸克服原本的知識枷鎖,也不斷去思考如何將艱深的觀念,轉換成絕大部分讀者都能聽懂的語言。我還想在文章裡偷偷告白,我一開始錄製自己的說書 Podcast「下一本讀什麼?」遇到瓶頸的時候,總是會聽股癌的節目來獲取靈感,從他流利又不用呼吸的節奏裡找到單口秀的信心,從他直白又流暢的閒話家常裡找到豁出去的釋懷。
回顧起來,股癌節目在去年異軍突起之後,不但讓投資和財經知識更為普及,也扮演起一個社群平台,讓許多不同的財經資訊能在上面廣為流通。「投資」這個被許多老一輩人視為洪水猛獸的東西,也以更加親切好懂的形式出現在我們身邊。
如果你對投資這件事還抱有一絲疑慮,那麼這本書能帶給你一些穩定內心的力量和學習的方向。如果你已經有投資經驗卻還心浮氣躁,這本書能帶給你一些老生常談的經驗和智慧。或者,你也可以從類似我的視角切入,學習怎樣把晦澀知識講到讓人直白懂。
這個世界現在最需要的,不是大是大非的二元論觀點,也不是充滿仇恨和傻樂觀的偏激言論,而是懂得軟硬兼施、多元並蓄、異中求同的灰階思維模式。
.
Kobo 購書連結:https://bit.ly/3ySfEm3
Kobo 電子書7折代碼:WAKIGREY
使用期限:7/28~8/3
.
感謝 天下文化 提供抽獎贈書
同時也有14部Youtube影片,追蹤數超過1萬的網紅鍾日欣,也在其Youtube影片中提到,我是JC老師 電腦相關課程授課超過6000小時的一位 Photoshop 課程講師 由於實在太多同學像我反映希望可以有線上課程學習 所以就決定錄製一系列的 Photoshop 線上影片教學 而且不加密、不設限、不販售,就是純分享 希望可以幫助到有需要的朋友們 這系列 Photoshop 教學影片...
「灰階值計算」的推薦目錄:
- 關於灰階值計算 在 Facebook 的精選貼文
- 關於灰階值計算 在 郭莉芳 X 理財講堂 Facebook 的最讚貼文
- 關於灰階值計算 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於灰階值計算 在 鍾日欣 Youtube 的最佳解答
- 關於灰階值計算 在 鍾日欣 Youtube 的最佳解答
- 關於灰階值計算 在 鍾日欣 Youtube 的精選貼文
- 關於灰階值計算 在 Re: [問題] 關於RGB轉灰階的程式碼問題- 看板C_and_CPP 的評價
- 關於灰階值計算 在 6种图片灰度转换算法· Issue #4 · aooy/blog - GitHub 的評價
- 關於灰階值計算 在 20180814質點影像量測技術之應用(林家興) - YouTube 的評價
- 關於灰階值計算 在 圖像矩陣、灰階值計算在PTT/mobile01評價與討論 的評價
- 關於灰階值計算 在 圖像矩陣、灰階值計算在PTT/mobile01評價與討論 的評價
灰階值計算 在 郭莉芳 X 理財講堂 Facebook 的最讚貼文
#股癌
#灰階思考
投資最怕人云亦云,沒有自己的主張,
該如何不人云亦云?
多看"原型"知識,多參考歷史,建立自己的觀點,很重要!
來看看股癌的五個建議,
頗受用,請筆記。
*****
1.看得多,不代表看得多元
就像現在鼓勵吃天然的原形食物,投資時也應該攝取「原型知識」,也就是不「吃」透過自媒體、新聞網站、財經專家解讀過的理財知識,畢竟你不知道你拜的是神還是鬼。
另一項含金量高的資訊,則是透過大師領略大師。像是美國著名對沖基金專家雷·達利奧(Raymond Dalio)、價值投資大師霍華·馬克斯(Howard Marks)、股神華倫・巴菲特(Warren Buffett)所分享的備忘錄、股東信或文章,都可以從中窺見大師的觀點。
2.別抗拒與你立場相反的消息
人心喜新厭舊、但大腦卻喜舊厭新。每當革命性想法或產品問世時,經常被批評、嘲笑,汽車最初被形容為是會走路的炸彈,然而愈顛覆性的概念、將來也可能愈有價值。股市投資只問結果,不會問我們是否喜歡改變,因此抗拒改變,很容易會讓我們錯過新的獲利機會、甚至賠掉過往績效。
試想,你買瓶可樂,貴 10 元都會讓你猶豫,買台筆電或手機,也要比價半天,但很多人只是聽聽消息就跟風買股票,買貴了一點感覺都沒有,但是在股市裡,幾個低級錯誤就有可能讓你慘賠幾年積蓄
3.對股票別太專情
未來要挑中好股票的難度愈來愈高,因為股市對成長股燒錢的容忍度愈來愈高,倘若遇到泡沫化,再優秀的企業也會面臨大修正,因此投資人愈來愈難分辨哪些才是真正的潛力股。
儘管還沒有一套衡量標準,但是無法正確估值的無形資產,技術、競爭優勢、潛在獲利能力、人力資本價值等愈是難以計算的。
4.用對帳單認識自己
2020 年 3 月,新冠肺炎疫情造成美股 4 次熔斷,即使是投資大師,每個人操作手法都不一樣,有人買進中國股市、有人買美股、也有人清空航空股,改持大量現金,待企業需要紓困時出手奧援交換特別股。
股市沒有一套萬用答案,但是相同的是,即便遭遇空前的事件,大師都繼續持有、甚至買進股票。遇到股市崩盤時,他們會先分析危機的真實樣貌、影響程度,避開與危機最為相關的產業、改買被危機錯殺的優質企業股票。
別人恐懼我貪婪,這麼簡單的策略,為什麼大家做不到?可能是你還不夠認識自己、以及自己的風險承受能力。
5.尊重股市瘋狗浪
股市裡的瘋狗浪從未少過。2021 年美國 GME 之亂,股價從 20 元美金在不到兩周時間內狂飆 20 多倍,然後又暴跌逾 40%;在台灣,元大石油正 2 之亂(編按:石油槓桿 ETF,此指該 ETF 溢價過高,最後下市)、TDR 之亂(編按:TDR 指台灣存股憑證,此指 TDR 炒作溢價後大跌)、大同改選之亂,都引來瘋搶的股民。
能夠從亂象中獲利,這種可能是超級高手,不論是心臟、本金、經驗值都相當雄厚,否則對一般人來說,就是豪賭一場。所以我給股市菜雞的建議是,當瘋狗浪來襲,除非十分清楚做什麼,否則別去衝浪、也別跟浪頭作對,好好在岸上觀浪,了解這一局的來龍去脈、練習判斷這件大事會對未來投資界造成什麼影響,目睹幾家歡樂幾家愁的心情變化,都是珍貴的經驗。
灰階值計算 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
機器學習識別特徵阻絕代測 上鏈回送監理資料庫防竄改
人臉辨識加酒精鎖阻酒駕 串區塊鏈上傳比對告警
2021-05-24社團法人台灣E化資安分析管理協會元智大學多媒體安全與影像處理實驗室
本文將介紹酒精防偽人臉影像辨識系統,結合了人臉辨識、酒精鎖以及區塊鏈應用,以解決酒駕問題,並透過監控系統避免代測狀況發生。且利用區塊鏈不可修改的特性,將車輛與人臉資料串上區塊鏈,以確保駕駛人的不可否認性。
長長期以來「酒駕」都是一個很嚴肅且必須被重視的議題,儘管在2019年立法院修法酒駕及拒絕酒測的罰則,但是抱持僥倖心態的人還是數不勝數,導致因酒駕釀成車禍的悲劇還是一再重演,讓不少的家庭因此破滅。
據統計,從2015年到2018年的酒駕取締件數都逾10萬件,而因為酒駕車禍的死亡人數逾百人。在2019年酒駕新制上路以後,2020年警方酒駕取締件數有明顯下降至約6萬件,雖然成功達到嚇阻效果,但是死亡人數仍與去年前年持平,可見離完全遏止酒駕還有很長的路需要努力。
立法院於2018年三讀通過了「道路交通管理處罰條例部分條文修正案」,酒駕者必須重新考照,並且只能駕駛具有酒精鎖(Alcohol Interlock)的車輛,所謂酒精鎖,屬於車輛點火自動鎖定裝置,在汽車發動前必須進行酒測,通過才能將汽車發動,而且在每45分鐘至60分鐘後酒精鎖系統就會要求駕駛人在一定時間內進行重新酒測,以便防範在行車過程中有飲酒的情況發生,若駕駛人未遵守其要求,車子就會強制熄火並鎖死,必須回酒精鎖服務中心才能將鎖解開。
由於法案的方式無法完全遏止酒駕,因此許多創新科技或是企業致力於研究相關科技來解決酒駕的問題。
其中本田(Honda)汽車與日立(Hitachi)公司研發出手持型酒精含量檢測裝置,讓駕駛人必須在駕駛之前都先進行酒測,若酒精濃度超標就會將汽車載具上鎖,藉此避免酒駕意外或事故發生,且該技術結合了智慧鑰匙功能,若偵測到酒測值超標,車輛中的顯示面板將會發出警告訊號告知駕駛人,避免酒駕上路之問題。
另一方面則是解決酒精殘值之問題,因為有許多駕駛人都會認為,休息一下後,身體也無感到不適,即駕車出門,等到駕駛人被警方臨檢時才知道酒測未通過,因此收到罰單,甚至是吊銷駕照處罰等。
根據醫學研究指出,酒精是在人體體內由肝臟代謝,實際代謝時間必須看體質以及飲酒量而定。台灣酒駕防制社會關懷協會建議,喝酒後至少要10至20小時後再駕車比較安全。多數人無具備酒精代謝時間的觀念,導致駕駛人貿然上路,待意外發生或罰單臨頭時,已經為時已晚。
背景知識說明
本文介紹的方法為酒精鎖結合攝影鏡頭進行人臉辨識,並將人臉特徵資料與車輛資料串上區塊鏈,並利用區塊鏈不可篡改的特性,來避免駕駛人在解鎖酒精鎖時發生他人代測的問題。
由於人臉辨識技術具備防偽性、身分驗證的特性,因此將酒精鎖的技術結合人臉辨識,便可確認為駕駛本人。
何謂人臉辨識
人臉辨識技術屬於生物辨識的一種,基於人工智慧、機器學習、深度學習等技術,將大量人臉的資料輸入至電腦中做為模型訓練的素材,讓電腦透過演算法學習人類的面部特徵,藉以歸納其關聯性最後輸出人臉的特徵模型。
目前人臉辨識技術已經遍佈在日常生活之中,其應用面廣泛,最為常見的應用即為智慧型手機的解鎖、行動支付如LINE Pay、Apple Pay等,其他應用還包括行動網路銀行、網路郵局、社區大樓門禁管理系統、企業監控系統、機場出入關、智能ATM、中國天眼系統等。一般來說,人臉辨識皆具備以下幾個特性:
‧ 普遍性:屬於任何人皆擁有的特徵。
‧ 唯一性:除本人以外,其他人不具相同的特徵。
‧ 永續性:特徵不易隨著短時間有大幅的改變。
‧ 方便性:人臉辨識容易實施,設備容易取得,如相機鏡頭。
‧ 非接觸性:不須直接接觸儀器,也可以進行辨識,這部分考量到衛生問題以及辨識速度。
人臉辨識透過人臉特徵的分析比對進行身分的驗證,別於其他生物辨識如虹膜辨識、指紋辨識,無須近距離接觸,也可以精準地辨識身分,且具有同時辨識多人的能力。因應新冠肺炎疫情肆虐全球,人臉辨識技術也被用來管理人來人往的人流。人臉辨識的儀器可以搭配紅外線攝影機來測量人體體溫,在門禁進出管制系統中,利於提高管理效率,有效掌握到進出人員的身分,以及幫助衛生福利部在做疫調時更容易掌握到確診病患行經的足跡。
人臉辨識的步驟
人臉辨識的過程與步驟,包括人臉偵測、人臉校正、人臉特徵值的摘取,進行機器學習與深度學習、輸出人臉模型,從影像中先尋找目標人臉,偵測到目標後會將人臉進行預處理、灰階化、校正,並摘取特徵值,接著人臉資料交給電腦進行機器學習與深度學習運算,最後輸出已訓練好的模型。相關辨識的步驟,如圖1所示。
人臉偵測
基於Haar臉部檢測器的基本思想,對於一個一般的正臉而言,眼睛周圍的亮度較前額與臉頰暗、嘴巴比臉頰暗等其他明顯特徵。基於這樣的模式進行數千、數萬次的訓練,所訓練出的人臉模型,其訓練時間可能為幾個小時甚至幾天到幾周不等。利用已經訓練好的Haar人臉特徵模型,可以有效地在影像中偵測到人臉。
Python中的Dilb函式庫提供了訓練好的人臉模型,可以偵測出人臉的68個特徵點,包括臉的輪廓、眉毛、眼睛、鼻子、嘴巴。基於這些特徵點的資料就能夠進行人臉偵測,如圖2~4所示。圖中左上角的部分是偵測到的分數,若分數越高,代表該張影像就越可能是人臉,右側括弧中的編號代表子偵測器的編號,代表人臉的方向,其中0為正面、1為左側、2為右側。
人臉的預處理
偵測到人臉後,要針對圖片進行預處理。通常訓練的影像與攝影鏡頭拍出來的照片會有很大的不同,尤其會受到燈光、角度、表情等影響,為了改善這類問題,必須對圖片進行預處理以減少這類的問題,其中訓練的資料集也很重要:
‧ 幾何變換與裁剪:將影像中的人臉對齊與校正,將影像中不重要的部分進行裁切,並旋轉人臉,並使眼睛保持水平。
‧ 針對人臉的兩側用直方圖均衡化:可以增強影像中的對比度,可以改善過曝的影像或是曝光不足的問題,更有效地顯示與取得人臉目標的特徵點。
‧ 影像平滑化:影像在傳遞的過程中若受到通道、劣質取樣系統或是受到其他干擾導致影像變得粗糙,藉由使用圖形平滑處理,可以減少影像中的鋸齒效應和雜訊。
人臉特徵摘取
關於人臉特徵摘取,相關的技術說明如下:
‧ 歐式距離:人臉辨識是一個監督式學習,利用建立好的人臉模型,將測試資料和訓練資料進行匹配,最直觀的方式就是利用歐式距離來計算所有測試資料與訓練資料之間的距離,選擇差距最小者的影像作為辨識結果。由於人臉資料過於複雜,且需要大量的訓練集資料與測試集資料,會導致計算量過大,使辨識的速度過於緩慢,因此需要透過主成分分析法(Principal Components Analysis,PCA)來解決此問題。
‧ 主成分分析法:主成分分析法為統計學中的方法,目的是將大量且複雜的人臉資料進行降維,只保留影像中的主成分,即為影像中的關鍵像素,以在維持精確度的前提下加快辨識的速度。先將原本的二維影像資料每列資料減掉平均值,並計算協方差矩陣且取得特徵值與特徵向量,接著將訓練集與測試集的資料進行降維,讓新的像素矩陣中只保留主成分,最後則將降維後的測試資料與訓練資料做匹配,選擇距離最近者為辨識的結果。由於影像資料經過了降維的步驟,因此人臉辨識的速度將會大幅度地提升。
‧ 卷積神經網路:卷積神經網路(Convolutional Neural Network,CNN)是一種神經網路的架構,在影像辨識、人臉辨識至自駕車領域中都被廣泛運用,是深度學習(Deep Learning)中重要的一部分。主要的目的是透過濾波器對影像進行卷積、池化運算,藉此來提取圖片的特徵,並進行分類、辨識、訓練模型等作業。在人臉辨識的應用中,首先會輸入人臉的影像,再透過CNN從影像提取像素特徵並轉換成特定形式輸出,並用輸出的資料集進行訓練、辨識等等。
何謂酒精鎖
酒精鎖(圖5)是一種裝置在車輛載體中的配備,讓駕駛人必須在汽車發動前進行酒測,通過後才能將車輛發動。且每隔45分鐘至60分鐘會發出要求,讓駕駛人在時間內再次進行檢測。
根據歐盟經驗,提高罰款金額以及吊銷駕照只有在短期實施有效,只有勸阻的效果,若在執法上不夠嚴謹,被吊照者會轉變成無照駕駛,因此防止酒駕最有效的方法就是強制讓駕駛人無法上路,這就是「酒精鎖」的設計精神。
在本國2020年3月1日起酒駕新制通過後,針對酒駕犯有了更明確且更嚴厲的規定,在酒駕被吊銷駕照者重考後,一年內車輛要裝酒精鎖,未通過酒測者無法啟動,且必須上15小時的教育訓練才能重考,若酒駕累犯三次,要接受酒癮評估治療滿一年、十二次才能重考。
許多民眾對於「酒精鎖」議論紛紛,懷疑是否會發生找其他人代吹酒精鎖的疑慮,為防範此問題,酒精鎖在啟動後的五分鐘內重新進行吹氣,且汽車在行駛期間的每45至60分鐘內,便會隨機要求駕駛重新進行酒測,如果沒有通過測量或是沒有測量,整合在汽車智慧顯示面板的酒精鎖便會發出警告,並勸告駕駛停止駕車。
對於酒精鎖的實施,目前無法完全普及到每一台車子,而且對於沒有飲酒習慣的民眾而言,根本是多此一舉,反而增加不少麻煩給駕駛。若還有每45~60分鐘的隨機檢測,會導致多輛汽車必須臨時停靠路邊進行檢測,可能加劇汽車違規停車的發生頻率。
認識區塊鏈
區塊鏈技術是一種不依賴於第三方,透過分散式節點(Peer to Peer,P2P)來進行網路數據的存儲、交易與驗證的技術方法。本質上就是一個去中心化的資料庫,任何人在任何時間都可以依照相同的技術標準將訊息打包成區塊並串上區塊鏈,而這些被串上區塊鏈的區塊無法再被更改。區塊鏈技術主要依靠了密碼學與HASH來保護訊息安全,也是賦予區塊鏈技術具有高安全性、不可篡改性以及去中心化的關鍵。區塊鏈相關概念,如圖6所示。
區塊鏈的原理與特性
可以將區塊鏈想像成是一個大型公開帳本,網路上的每個節點都擁有完整的帳本備份,當產生一筆交易時,會將這筆交易廣播到各個節點,而每個節點會將未驗證的交易HASH值收集至區塊內。接著,每個節點進行工作量證明,選取計算最快的節點進行這些交易的驗證,完成後會把區塊廣播給到其他節點,其他節點會再度確認區塊中包含的交易是否有效,驗證過後才會接受區塊並串上區塊鏈,此時就無法再將資料進行篡改。
關於區塊鏈的特性,可分成以下四部分做說明:
1. 去中心化:區塊鏈其中一個最重要的核心宗旨,就是「去中心化」,區塊鏈採用分散式的點對點傳輸,該概念架構中,節點與節點之中沒有所謂的中心,所有的操作都部署在分散式的節點中,而無須部署在中心化機構的伺服器,一筆交易或資料的傳輸不再需要第三方的介入,因此又可以說每個節點就是所謂的「中心」。這樣的結構也加強了區塊鏈的穩定性,不會因為其中的部分節點故障而癱瘓整個區塊鏈的結構。
2. 不可篡改性:透過密碼學與雜湊函數的運用來將資料打包成區塊並上鏈,所有區塊都有屬於它的時間戳記,並依照時間順序排序,而所有節點的帳本資料中又記錄了完整的歷史內容,讓區塊鏈無法進行更改或是更改成本很高,因此使區塊鏈具備「不可篡改性」,並且同時確保了資料的完整性、安全性以及真實性。
3. 可追溯性:區塊鏈是一種鏈式的資料結構,鏈上的訊息區塊依照時間的順序環環相扣,這便使得區塊鏈具有可追溯的特性。可追本溯源的特性適用在廣泛的領域中,如供應鏈、版權保護、醫療、學歷認證等。區塊鏈就如同記帳帳本一般,每筆交易記錄著時間和訊息內容,若要進行資料的更改,則會視為一筆新的交易,且舊的紀錄仍會存在無法更動,因此仍可依照過去的交易事件進行追溯。
4. 匿名性:在去中心化的結構下,節點與節點之間不分主從關係,且每個節點中都擁有一本完整的帳本,因此區塊鏈系統是公開透明的。此時,個人資料與訊息內容的隱私就非常重要,區塊鏈技術運用了HASH運算、非對稱式加密與數位簽章等其他密碼學技術,讓節點資料在完全開放的情況下,也能保護隱私以及用戶的匿名性。
區塊鏈與酒精鎖
由於區塊鏈的技術具備去中心化、記錄時間以及不可篡改的特性,且更加強酒精鎖的檢測需要身分驗證的保證性。當進行酒精鎖檢測解鎖時,系統記錄駕駛人吹氣時間以及車輛的相關資訊,還有人臉特徵資料打包成區塊並串上區塊鏈。因此,在同一時間當監控系統偵測到當前駕駛人與吹氣人不同時,此時區塊鏈中所記錄的資料便能成為一個強而有力的依據,同時也能讓其他的違規或違法事件可以更容易進行追溯。
酒駕防偽人臉辨識系統介紹
為了解決酒精鎖發生駕駛人代測的問題,酒精鎖產品應導入具有身分驗證性的人臉辨識技術。酒駕防偽人臉辨識系統即為駕駛人在進行酒精鎖解鎖時,要同時進行人臉辨識,來確保駕駛人與吹氣人為同一人。
在駕駛座前方的位置會安裝攝影鏡頭,作為駕駛的監控裝置。進行酒測吹氣的人臉資料將會輸入到該系統中的資料庫儲存,並將人臉資料以及酒測的時間戳記打包成區塊串上區塊鏈,當汽車已經駛動時,攝影鏡頭將會將當前駕駛人畫面傳回系統進行人臉比對驗證。如果驗證成功,會將通過的紀錄與時間戳一同上傳至區塊鏈,若是系統偵測到駕駛人與吹氣人為不同對象,系統將發出警示要求駕駛停車並重新進行檢測,並同時將此次異常的情況進行記錄上傳到區塊鏈中。
如果駕駛持續不遵循系統指示仍持續行駛,該系統會將區塊鏈的紀錄傳送回給開罰的相關單位,並同時發出警報以告知附近用路人該車輛處於異常情況,應先行迴避。且該車輛於熄火後,酒精鎖會將車輛上鎖,必須聯絡酒精鎖廠商或酒精鎖服務中心才能解鎖。相關的系統概念流程圖,如圖7所示。
區塊鏈打包上鏈模擬
在進行酒測解鎖完畢以及進行人臉資料儲存後,會透過CNN將影像轉換輸出成128維的特徵向量作為人臉資料的測量值,接著將128個人臉特徵向量資料取出,並隨著車輛資訊一起打包到同一個區塊,然後串上區塊鏈。取出的人臉特徵資料,如圖8所示。
要打包成區塊和上鏈的內容,包括了人臉特徵資料、車牌號碼、酒測解鎖時間點等相關輔助資料,接著透過雜湊函數將相關的資料打包成區塊。以車牌號碼ABC-1234為例,圖9顯示將車輛資料和人臉資料進行區塊鏈的打包,並進行HASH運算。
將人臉資料和車輛相關資料作為一次的交易內容,並打包區塊,經過HASH後的結果如圖10所示,其中prev_hash屬性代表鏈結串列指向前一筆資料,由於這是實作模擬情境,並無上一筆資料,其中messages屬性代表內容數,一筆代表車牌資料,另一筆則為人臉資料。time屬性則代表區塊上鏈的時間點,代表車輛解鎖的時間點。
情境演練說明
話說小禛是一間企業的上班族,平時以開車為上下班的交通工具,他的汽車配置了酒駕防偽影像辨識系統,以下模擬小禛下班後準備開車的情境。
已經下班的小禛今天打算從公司開車回家,當小禛上車準備發動車子時,他必須先拿起安裝在車上的酒測器進行吹氣,並將臉對準攝影鏡頭讓系統取得小禛的人臉影像。小禛在汽車發動前的人臉影像,如圖11所示。
待攝影鏡頭偵測到小禛的人臉後,接著系統便會擷取臉上五官的68個特徵點,如圖12所示。然後,相關數據再透過CNN轉換輸出成128維的特徵向量作為人臉資料的測量值,如圖13所示。
酒精鎖通過解鎖後,車輛隨之發動,解鎖成功的時間點將會記錄成時間戳記,隨著影像與相關資料串上區塊鏈。在行駛途中,設置在駕駛座前方的鏡頭將擷取目前駕駛的人臉,以取得駕駛人的128維人臉特徵向量測量值,並且與汽車發動前所存入的人臉資料進行比對,藉以判斷目前的駕駛人與剛才的吹氣人臉是否為同一位駕駛。當驗證通過後,也會再將通過的紀錄與時間戳上傳至區塊鏈中,如此一來,區塊鏈的訊息內容便完整記載了這一次駕車的紀錄,檢測通過的示意圖如圖14所示。
系統通過辨識後,便確認了駕駛人的身分與吹氣人一致。且透過時戳的紀錄和區塊鏈的輔助,也確保了駕駛的不可否認性。若有其他違規事件發生時,區塊鏈的紀錄便成為一個強而有力的依據來進行追溯。
如此一來,便可以預防小禛喝酒卻找其他人代吹酒測器的情況發生。在駕駛的途中,如果有需要更換駕駛人,必須待車輛靜止時,從車載系統發出更換駕駛要求,再重新進行酒測以及重複上述流程,才可以更換駕駛人。如果沒有按照該流程更換駕駛,系統將視為異常情況。
結語
酒駕一直是全球性的問題,將有高機率導致重大交通事故,造成人員傷亡、家庭破碎,進而醞釀後續更多的社會問題,皆是酒駕所引發的不良效益。為了解決酒駕的問題,各個國家都有不同的酒駕標準或是法律規範,但是大部分國家的規範和制度都只有嚇阻作用卻無法完全遏止。在不同的國家防止酒駕的方式不盡相同,有的國家如新加坡,透過監禁及鞭刑來遏止酒駕犯,又或者是薩爾瓦多,當發現酒駕直接判定死刑,這樣的制度雖嚇阻力極強,但是若讓其他國家也跟進,會造成違憲或是違反人權等問題。因此,各國都在酒駕的問題方面紛紛投入研究,想要達到零酒駕的社會。
為達成此理想,本文介紹了基於區塊鏈的酒駕防偽辨識系統,利用酒精鎖搭配人臉辨識技術以及區塊鏈技術,使有飲酒的駕駛人無法發動汽車。且該系統搭載在行車電腦中,結合攝影鏡頭的監控對駕駛進行酒測防制管理,將人臉資料、酒精鎖、解鎖時間點與相關資訊打包成區塊並上鏈。基於區塊鏈技術內容的不易篡改,可加強駕駛人的不可否認性,當汽車發生異常情況時,便能利用有效且可靠的依據進行追溯。人工智慧和物聯網時代已經來臨,透過酒駕防偽辨識系統來改善酒駕問題,在未來能夠普及並結合法規,智慧汽車以及智慧科技的應用將會帶給人們更安全、更便利的社會。
附圖:圖1 人臉辨識的步驟。
圖2 人臉特徵點偵測(正臉)。
圖3 人臉特徵點偵測(左側臉)。
圖4 人臉特徵點偵測(右側臉)。
圖5 酒精鎖。 (圖片來源:https://commons.wikimedia.org/wiki/File:Guardian_Interlock_AMS2000_1.jpg with Author: Rsheram)
圖6 區塊鏈分散式節點的概念圖。
圖7 系統概念流程圖。
圖8 取出人臉128維特徵向量。
圖9 儲存車輛相關資料及人臉資料到區塊。
圖10 HASH後及打包成區塊的結果。
圖11 汽車發動前小禛的人臉影像。
圖12 小禛的人臉影像特徵點。
圖13 小禛的人臉特徵向量資料。
圖14 系統通過酒測檢測者與駕駛人為同一人。
資料來源:https://www.netadmin.com.tw/netadmin/zh-tw/technology/CC690F49163E4AAF9FD0E88A157C7B9D
灰階值計算 在 鍾日欣 Youtube 的最佳解答
我是JC老師
電腦相關課程授課超過6000小時的一位 Photoshop 課程講師
由於實在太多同學像我反映希望可以有線上課程學習
所以就決定錄製一系列的 Photoshop 線上影片教學
而且不加密、不設限、不販售,就是純分享
希望可以幫助到有需要的朋友們
這系列 Photoshop 教學影片
是由初學到深入,專為初學者設計
後半部進階內容與範例並非一般商業用途
而是針對 Photoshop 與 3ds Max 之間的整合教學
包含無縫貼圖製作、建築合成調色、室內設計合成調色、遊戲貼圖製作方面
如果這部影片對你有幫助的話,請幫我按個讚,給我點鼓勵
也多分享給需要的朋友們喔~
Photoshop CC 2020 線上教學影片目錄:http://bitly.com/2u0WwWG
Photoshop CC 2020 線上教學影片範例下載:http://bitly.com/2FTNygJ
JC-Design 網站:http://jc-d.net/
JC-Design 粉絲團:https://www.facebook.com/jcdesigntw/
JC-Design LINE ID:@umd7274k
---------------------------------------------------------------------------------------------------
圖層遮掩
● 有點像是在複製的圖像上剪出一個和選取範圍相反的洞,讓底下的圖像顯示出來
● 圖層上,會多出一個圖層遮色片,白色是顯,黑色是遮
● 圖像歸圖像,遮色片歸遮色片,可以繼續編輯圖像,也可編輯遮色片
● 操作步驟
▲ 先建立選取區
▲ 複製欲填入的影像
▲ 編輯
▲ 貼入範圍內:選取部分不遮掩
▲ 貼入範圍外:選取部分遮掩
圖層遮色片
● 選取需要範圍
● 白色是顯,黑色是遮
● 不先選取需要範圍
● 圖層 / 圖層遮色片
● 全部顯示
● 全部隱藏
遮色片操作
● 聯結:將圖像圖層與遮色片聯結,聯結後一起接受指令
● 關閉遮色片:右鍵 / 關閉遮色片(Shift+左鍵點擊),可暫時關閉遮色片
● 刪除遮色片
● 套用遮色片
● 快速遮色片模式
● 可以讓你快速的做出不規則選取區
● 利用筆刷刷出需要範圍
● 白色是選取,黑色是非選取
選取並遮住
● 啟用選取工具,例如「快速選取」、「魔術棒」或「套索」。現在,按一下選項列中的「選取並遮住」
● 可針對選取區域進行細微優化
● 使用步驟
▲ 先選取大致上正確範圍
▲ 加入需要的毛邊範圍
▲ 使用調整編原筆刷刷過毛髮邊緣
▲ 輸出選取區
調整顏色
● 亮度/對比:
● 色階:使用這個指令,可藉著設定個別色彩色版的像素分佈,調整色彩平衡。請參閱使用色階調整顏色。
● 曲線:這個指令最多能提供 14 個控制點,可以用來調整個別色版的亮部、中間色調和陰影。請參閱曲線概觀。
● 曝光度:在線性色域中執行計算,調整色調。曝光度主要是用在 HDR 影像。請參閱調整 HDR 影像的曝光度。
● 自然飽和度:調整顏色飽和度,讓剪裁最小化。請參閱使用自然飽和度調整顏色飽和度。
● 色相/飽和度:這個指令可以用來調整整個影像,或個別色彩元件的色相、飽和度和明亮度。請參閱調整色相和飽和度。
● 色彩平衡:這個指令能夠變更影像整體的混色。請參閱套用色彩平衡調整。
● 黑白:進階版去除飽和度
● 相片濾鏡:使用這個指令,可以模擬在鏡頭前使用 Kodak Wratten 或 Fuji 濾鏡的效果,調整色彩。
● 色版混合器:這個指令可以用來修改色彩色版。此外,運用其他色彩調整工具時,有些色彩調整作業不易完成。您也可以使用這個指令進行這些作業。請參閱混合色彩色版。
● 顏色查詢:
● 負片效果:相反色
● 色調分離:
● 臨界值:只有黑色與白色
● 漸層對應:將圖像孩已漸層色顯示
● 選取顏色:這個指令可以用來調整印刷色的混色比例,以對個別的色彩元件進行變更。請參閱選擇性地調整顏色。
● 陰影/亮部:
● HDR色調:
● 去除飽和度:將圖像改為灰階
● 符合顏色:這個指令能讓兩張相片或兩個圖層中的色彩相符,也可以在同一個影像中讓兩個選取範圍色彩相符,或讓影像中的選取範圍與另一個影像中的選取範圍色彩相符。此外,這個指令也可以用來調整影像中的明度、色彩範圍,中和顏色投射。請參閱讓不同影像的顏色相符。
● 取代顏色:這個指令會以新的色彩值取代影像中指定的顏色值。請參閱取代影像中物件的顏色。
● 均勻分配:
---------------------------------------------------------------------------------------------------
==延伸線上教學連結==
Photoshop CC 2017 線上教學影片目錄:http://bit.ly/2A9PH3B
3ds Max 2015 線上教學影片目錄:http://bitly.com/2dUGqn3
AutoCAD 2015 2D 線上教學影片目錄:http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄:http://bitly.com/2dUGQtB
灰階值計算 在 鍾日欣 Youtube 的最佳解答
我是JC老師
電腦相關課程授課超過6000小時的一位 Photoshop 課程講師
由於實在太多同學像我反映希望可以有線上課程學習
所以就決定錄製一系列的 Photoshop 線上影片教學
而且不加密、不設限、不販售,就是純分享
希望可以幫助到有需要的朋友們
這系列 Photoshop 教學影片
是由初學到深入,專為初學者設計
後半部進階內容與範例並非一般商業用途
而是針對 Photoshop 與 3ds Max 之間的整合教學
包含無縫貼圖製作、建築合成調色、室內設計合成調色、遊戲貼圖製作方面
如果這部影片對你有幫助的話,請幫我按個讚,給我點鼓勵
也多分享給需要的朋友們喔~
Photoshop CC 2020 線上教學影片目錄:http://bitly.com/2u0WwWG
Photoshop CC 2020 線上教學影片範例下載:http://bitly.com/2FTNygJ
JC-Design 網站:http://jc-d.net/
JC-Design 粉絲團:https://www.facebook.com/jcdesigntw/
JC-Design LINE ID:@umd7274k
---------------------------------------------------------------------------------------------------
調整顏色
● 亮度/對比:
● 色階:使用這個指令,可藉著設定個別色彩色版的像素分佈,調整色彩平衡。請參閱使用色階調整顏色。
● 曲線:這個指令最多能提供 14 個控制點,可以用來調整個別色版的亮部、中間色調和陰影。請參閱曲線概觀。
● 曝光度:在線性色域中執行計算,調整色調。曝光度主要是用在 HDR 影像。請參閱調整 HDR 影像的曝光度。
● 自然飽和度:調整顏色飽和度,讓剪裁最小化。請參閱使用自然飽和度調整顏色飽和度。
● 色相/飽和度:這個指令可以用來調整整個影像,或個別色彩元件的色相、飽和度和明亮度。請參閱調整色相和飽和度。
● 色彩平衡:這個指令能夠變更影像整體的混色。請參閱套用色彩平衡調整。
● 黑白:進階版去除飽和度
● 相片濾鏡:使用這個指令,可以模擬在鏡頭前使用 Kodak Wratten 或 Fuji 濾鏡的效果,調整色彩。
● 色版混合器:這個指令可以用來修改色彩色版。此外,運用其他色彩調整工具時,有些色彩調整作業不易完成。您也可以使用這個指令進行這些作業。請參閱混合色彩色版。
● 顏色查詢:
● 負片效果:相反色
● 色調分離:
● 臨界值:只有黑色與白色
● 漸層對應:將圖像孩已漸層色顯示
● 選取顏色:這個指令可以用來調整印刷色的混色比例,以對個別的色彩元件進行變更。請參閱選擇性地調整顏色。
● 陰影/亮部:
● HDR色調:
● 去除飽和度:將圖像改為灰階
● 符合顏色:這個指令能讓兩張相片或兩個圖層中的色彩相符,也可以在同一個影像中讓兩個選取範圍色彩相符,或讓影像中的選取範圍與另一個影像中的選取範圍色彩相符。此外,這個指令也可以用來調整影像中的明度、色彩範圍,中和顏色投射。請參閱讓不同影像的顏色相符。
● 取代顏色:這個指令會以新的色彩值取代影像中指定的顏色值。請參閱取代影像中物件的顏色。
● 均勻分配:
---------------------------------------------------------------------------------------------------
==延伸線上教學連結==
Photoshop CC 2017 線上教學影片目錄:http://bit.ly/2A9PH3B
3ds Max 2015 線上教學影片目錄:http://bitly.com/2dUGqn3
AutoCAD 2015 2D 線上教學影片目錄:http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄:http://bitly.com/2dUGQtB
灰階值計算 在 鍾日欣 Youtube 的精選貼文
我是JC老師
電腦相關課程授課超過6000小時的一位 Photoshop 課程講師
由於實在太多同學像我反映希望可以有線上課程學習
所以就決定錄製一系列的 Photoshop 線上影片教學
而且不加密、不設限、不販售,就是純分享
希望可以幫助到有需要的朋友們
這系列 Photoshop 教學影片
是由初學到深入,專為初學者設計
後半部進階內容與範例並非一般商業用途
而是針對 Photoshop 與 3ds Max 之間的整合教學
包含無縫貼圖製作、建築合成調色、室內設計合成調色、遊戲貼圖製作方面
如果這部影片對你有幫助的話,請幫我按個讚,給我點鼓勵
也多分享給需要的朋友們喔~
Photoshop CC 2020 線上教學影片目錄:http://bitly.com/2u0WwWG
Photoshop CC 2020 線上教學影片範例下載:http://bitly.com/2FTNygJ
JC-Design 網站:http://jc-d.net/
JC-Design 粉絲團:https://www.facebook.com/jcdesigntw/
JC-Design LINE ID:@umd7274k
---------------------------------------------------------------------------------------------------
調整顏色
● 亮度/對比:
● 色階:使用這個指令,可藉著設定個別色彩色版的像素分佈,調整色彩平衡。請參閱使用色階調整顏色。
● 曲線:這個指令最多能提供 14 個控制點,可以用來調整個別色版的亮部、中間色調和陰影。請參閱曲線概觀。
● 曝光度:在線性色域中執行計算,調整色調。曝光度主要是用在 HDR 影像。請參閱調整 HDR 影像的曝光度。
● 自然飽和度:調整顏色飽和度,讓剪裁最小化。請參閱使用自然飽和度調整顏色飽和度。
● 色相/飽和度:這個指令可以用來調整整個影像,或個別色彩元件的色相、飽和度和明亮度。請參閱調整色相和飽和度。
● 色彩平衡:這個指令能夠變更影像整體的混色。請參閱套用色彩平衡調整。
● 黑白:進階版去除飽和度
● 相片濾鏡:使用這個指令,可以模擬在鏡頭前使用 Kodak Wratten 或 Fuji 濾鏡的效果,調整色彩。
● 色版混合器:這個指令可以用來修改色彩色版。此外,運用其他色彩調整工具時,有些色彩調整作業不易完成。您也可以使用這個指令進行這些作業。請參閱混合色彩色版。
● 顏色查詢:
● 負片效果:相反色
● 色調分離:
● 臨界值:只有黑色與白色
● 漸層對應:將圖像孩已漸層色顯示
● 選取顏色:這個指令可以用來調整印刷色的混色比例,以對個別的色彩元件進行變更。請參閱選擇性地調整顏色。
● 陰影/亮部:
● HDR色調:
● 去除飽和度:將圖像改為灰階
● 符合顏色:這個指令能讓兩張相片或兩個圖層中的色彩相符,也可以在同一個影像中讓兩個選取範圍色彩相符,或讓影像中的選取範圍與另一個影像中的選取範圍色彩相符。此外,這個指令也可以用來調整影像中的明度、色彩範圍,中和顏色投射。請參閱讓不同影像的顏色相符。
● 取代顏色:這個指令會以新的色彩值取代影像中指定的顏色值。請參閱取代影像中物件的顏色。
● 均勻分配:
---------------------------------------------------------------------------------------------------
==延伸線上教學連結==
Photoshop CC 2017 線上教學影片目錄:http://bit.ly/2A9PH3B
3ds Max 2015 線上教學影片目錄:http://bitly.com/2dUGqn3
AutoCAD 2015 2D 線上教學影片目錄:http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄:http://bitly.com/2dUGQtB
灰階值計算 在 6种图片灰度转换算法· Issue #4 · aooy/blog - GitHub 的推薦與評價
图片变灰更快捷的方法,这个方法不用做任何计算,取一个通道的值直接作为灰度值。 Gray = Red. or. ... <看更多>
灰階值計算 在 20180814質點影像量測技術之應用(林家興) - YouTube 的推薦與評價
影像前處理-限制對比適應化 灰階值 柱狀圖平均法. 影像前處理-限制對比 ... PIV 計算 之互相關函數(cross correlation function) ... PIV 計算 基本流程圖. ... <看更多>
灰階值計算 在 Re: [問題] 關於RGB轉灰階的程式碼問題- 看板C_and_CPP 的推薦與評價
※ 引述《devilrucifer (devilrucifer)》之銘言:
: 各位板大好:
: 小弟因為最近剛開始學影像處理,所以有很多東西不懂,
: 在此想請教一下各位先進關於灰階轉換的問題,常見的兩種的算式
: Gray=(B*28+G*151+R*77)/256
: OR
: gray=R*0.299+G*0.587+B*0.114
理論上, 後面這個比較精確, 常見的做法還會加一個四捨五入的0.5
但是, 在CPU上, 甚至一些embbed system, 前者會算的比較快....
有一個折衷的方案是:
gray = (R*299 + G*587 + B*114 + 500) / 1000;
: 請問要用哪一種會比較精準,還是是沒差的呢?
: 還有想請教為什麼RGB要乘於那些係數呢?
: 最後除以256是為什麼呢?灰階不是只有0-255?
習慣上我們表示一個channle的color都是0.0~1.0....
代表這個pixel的各個channel輸出的強度要是無~最強....
但是display device只有固定level, RGB888來說就是8bits一個channel
所以才會有fixed 0-255, 這是用0.0~1.0的range scale到0-255的結果....
但是前面那個公式小弟比較沒見過, 只是28+151+77 = 256
所以它只是用另一個比例去混出gray level的值....
這兩個運算結果看起來不太一樣, 除了G的強度看起來差不多....
: 還有小弟有看過這種程式碼
:
: //---------------------------------------------------------------------------
: void __fastcall TForm1::Button3Click(TObject *Sender)
: {
: int x,y,graylevel;
: for(y=1;y<=Image1->Height;y++)
: {
: for(x=1;x<=Image1->Picture->Width;x++)
: {
: TCColor c=Image1->Canvas->Pixels[x][y];
: graylevel=((int)c.Red+(int)c.Green+(int)c.Blue)/3;
: Image1->Canvas->Pixels[x][y]=TCColor(graylevel,graylevel,graylevel).Color;
: }
: }
: }
: //---------------------------------------------------------------------------
:
: 請問為什麼程式碼可以這樣寫,他的意思是什麼?RGB加起來除以3也是灰階嗎?
: 煩請有空的版友撥空回覆一下小弟,小弟感激不盡。
另一種更懶的算法, 就是(R+G+B)/3, 這也是一種算法....
Color -> Gray, 有時候你會在別種不同的Color Space裡....
看到Intensity, Brightness, Luminence, Y, L等等的用詞....
大部份都是指, 利用R/G/B三個channel的強度用一個比例....
來算出一個(中文簡單的說是)亮度值, 不同Color Space有不同算法....
印象中, 第二個算法是YCbCr的, 第三個是HSI好像會用到....
詳細的作法請參考不同的Color Space (transform)的計算公式(plz google them)
簡單的說, Color->Gray Level 是 彩色->灰階, 怎麼轉就有很多公式可以用....
以上, 是小弟以前稍微摸一下Color Image Processing的記憶:)
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 220.132.174.98
... <看更多>