www.Phototalks.idv.tw

一月
13
2012

2

Run Length Coding/Encoding (RLC/RLE) CCITT Group 3/4 Example

又是影像處理期末考的玩意兒
網路上完全找不到詳細的例子，好險自己領悟一番有點感覺了，故寫下此筆記後查

這邊舉例CCITT 4的RLC編碼方式，我們都知道有Pass mode、Vertical mode與Horizontal mode三種模式，以及幾個重要的座標點
a0：編碼行的參考點，預設為-1(假設element從0開始)
a1：編碼行a0後第1個transition位置
a2：編碼行a0後第2個transition位置
b1：參考行(前一行)a0後第1個transition位置(值與a0相反)
b2：參考行(前一行)a0後第2個transition位置

Pseudocode

initialize a0
detect a1, b1, b2
if (b2 < a1) {
    Pass mode encoding
    a0 = b2
} else {
    if ( abs(a1-b1) <= 3 ) {
        Vertical mode encoding
        a0 = a1
    } else {
        detect a2
        Horizontal mode encoding
        a0 = a2
    }
}

課本的例子Example 1:
參考行
編碼行

■□□□■■■■■□□■■■□□□□■■■□□□
■■■■■■■□□□□□□□□□□■■■■■□■

未完...

Written by admin in: 無聊隨筆, 電腦三兩事 |

一月
02
2012

2

LZW compression & decompression pseudocode

期末考記錄用
參考自此但我覺得需要修改

LZW compression

string = NULL;
while character = next input character{
    if string+character is in table {
        string = string + character
    } else {
        output code of string
        add string+character to table
        string = character
    }
}

LZW decompression

while code = next input code {
    if code is new code {
        string = translated code
        output string
        // string(0) is the first character of string
        add prevString+string(0) to table
    } else {
        add to table for known code sequence
        string = translated code
        output string
    }
    prevString = string
}

Written by admin in: Uncategorized, 電腦三兩事 |

九月
13
2011

2

visual studio 視覺化動態陣列 visualize dynamic array

如果你常用Matlab寫矩陣運算，一定對這個變數瀏覽工具不陌生，這真是太美好了，可以一眼望盡矩陣內所有的數值，如果你有更大的螢幕，甚至可以想像如Nash一樣在數字海中找到真理

但是這些美夢到visual studio中卻應聲破裂，散亂成16進位的記憶體亂碼，本文就是要帶領你回到美好的debug時光，重拾回可以"看見"的資料

繼續閱讀 »

Written by admin in: 電腦三兩事 |

八月
31
2011

2

平行化技術大亂鬥

最近有空看了不少平行化的技術和語言，寫此篇作為紀錄

平行化就硬體層面來說可分為CPU和GPU兩種平行化，CPU的平行化我們稱之為Multi-Thread，也就是我們所熟知的執行緒；而GPU的平行化運算統稱為GPGPU(General-purpose computing on graphics processing units)，泛指在GPU上非rendering的計算。而GPU的thread與我們常見的CPU thread不太相同(可異質的thread，如GUI與背景計算)，他必須是要「相同執行步驟」的thread(如矩陣運算)，才能由GPU執行平行化，所以在撰寫的思考會比較沒有自由。

接下來則是我們常見的CPU與GPU平行化的framework

CPU:

Pthread:本是UNIX的thread，目前有許多跨平台的版本，實做了複雜的thread介面與同步機制
openMP:與compiler綁定的#pragma巨集語法，目前大多數的C/C++ compiler都有支援(VC2010)，使用相當簡單迅速
windows.h: 與pthread類似，但不跨平台

對初學者來說，我相當建議使用openMP來實作平行化，如果有寫過matlab的平行化「parfor」，openMP就是差不多的東西，並且也實作非常容易使用的同步機制如「critial」，優點是其巨集式的語法，並且可以在需要的時後跳過巨集語法變回single thread的程式(方便debug)，具有撰寫快速、維護容易的特性，讓我們可以專注在平行邏輯，而不是在封裝thread function。缺點是要寫出複雜的同步邏輯如condition就比較無力。但是對於非real time導向的科學計算加速很有幫助，要處理伺服器的複雜同步機制還是得使用自定thread function的傳統thread(如pthread)。

GPU:

Nvidia CUDA: 目前最完整的GPGPU framework，包括了許多類似STL的加速資料結構與矩陣計算函式，如果你想省時間學習開發，選CUDA
ATI Stream: 他們跑去玩openCL了~
Miscrsoft DirectCompute: 微軟基於DirectX的GPGPU framework，理所當然的windows ONLY
openCL: 由許多廠商共同支援跨GPU的通用framework，理論上是可以支援所有顯卡的，不過由於跨平台的特性，所以語法更低階更難寫，並且發展緩慢，但是在未來會成為主流

所以結論就是CUDA(啥?)，你甚至可以使用類似openMP的#pragma語法來實作GPU thread，叫做HMPP，其主要規格定義在openHMPP，但這軟體是要錢的...

Intel為什麼沒有參一腳呢? 按照我在研討會上聽到的資訊，他們認為GPU以運算時間做為效能依據不夠客觀，應以工耗比(Performance/Power)來競爭才夠客觀，畢竟現在顯示卡已經可以算是一個小型主機版架構了，所以他們認為CPU是很給力的(了不起我們再買NV嘛)~~~

Written by admin in: 電腦三兩事 |

八月
20
2011

2

SIGG瑞士水壺

原本用的NIKE運動水壺也不錯，就是吸嘴部分久了感覺有點髒，但卻無法更換，所以只能整個水壺換掉。SIGG水壺的模組化相當不錯，瓶身也是一體成形，瓶口則是分為窄瓶口與寬瓶口兩種，寬瓶口比窄瓶口多了一個寬瓶上蓋，而最上面的開口則是與窄瓶口的零件相同，兼具了易清洗及飲用的特性，當然價格也比窄瓶貴一些。(新版的內部塗料已經沒有BPA)

瓶蓋方面則是有兩種可以選擇，一種是如照片的立體瓶蓋，也有類似牛奶瓶的"平"蓋可以選擇，口徑皆相同可以替換。新買的瓶子有金屬臭味，店員說是由國外工廠直接進口還未清洗，所以需要先泡水幾次去味

，