人眼視覺對立體感影像之訊息評估

國 立 台 灣 科 技 大 學 工 業 管 理 系

102 學年度實務專題報告

專題名稱：

人眼視覺對立體感影像之訊息評估

專題編號：TR-101-01-107

指導老師：林樹強教授 溫照華教授

研究組員：B9901043 朱筱微

B9901055 蔡昀諮

B9901061 岳 瑀

B9901063 周佩雯

ABSTRACT

Thesis that the positive effects to enhance the perception of depth refers to the perception of blur. Although the 3D technologies of stereo displays are growing dramatically, stereo displays on the market are still not mature enough to match consumers’ high expectations. Because of the current limitations and high cost of developing new 3D technologies, an alternative technology by converting 2D to real-time 3D becomes a probable and a key technique to meet the need of market while compensating the high cost of new 3D technology. This study investigates whether people visually perceives better image quality for the simulated 3D images that are processed by Naked Eye 3D algorism. Three main factors, including Repetition of image processing with 3 different levels, DoG (Difference of Gaussian) Filter with 4 different levels and Sigma with 6 different levels were examined.

Psychophysical measurement was adopted to evaluate subjects for perception of blur.

Preliminary results reveal that all main factors as well as their interactions show significant effects on perception of blur, which yields to a conclusion that Repetition of image processing, DoG (Difference of Gaussian) and sigma have negative effects to the perception of blur. In conclusion, our study finds that Naked Eye 3D algorism performs best under the situations with Repetition level of 18 combined with Sigma levels of either 1.50, 2.00, 2.50, or 3.00.

Keywords: Fuzzy, 2D to 3D conversion, Stereoscopic display, Difference of Gaussian

(DoG), Naked Eye 3D

摘要

本研究目的為在深度訊息確定增強情況下，是否會增強人眼視覺對立體感訊 息的評估。近年在立體影像相關產業蓬勃發展，隨 3D 電影持續推出，相關 3D 立體設備也因應而生，卻仍不足以構成消費者購買的誘因，因受限於 3D 製作成 本偏高，導致數位內容不夠多。只要供應量不足的問題沒解決，就會影響消費者 對 3D 顯示設備的購買意願，正因如此才難以讓 3D 市場活絡，目前市場發展出 來的關鍵技術是將 2D 影像即時轉為 3D 立體影像，以解決製作成本過高的問題。

本研究使用目前最新的技術為 Naked Eye 3D 演算法，探究由 2D 轉 3D 影像 經此演算法處理過後的模糊訊息變化程度。實驗採完全相依樣本受試者內三因子 實驗設計─Repetition(三個水準，6 次、12 次、18 次)；DoG Filter(四個水準，3×3、

5×5、7×7、9×9)；Sigma(六個水準，0.50、1.00、1.50、2.00、2.50、3.00)。另外 實驗採用的評分方式為心理物理的主觀評估，讓受試者對 Naked Eye 3D 演算法 處理前後的立體影像針對「模糊」表現進行認知及評分。

研究結果顯示經變異數分析得知由三個 Naked Eye 3D 演算法所操縱的實驗 因子 Repetition、DoGFilter 和 Sigma 的個別主效應均達顯著水準、Repetition 和 DoG Filter 和 Sigma 兩兩之間的交互作用亦達顯著值；除了因子 Sigma2.50、3.00，

其餘因子均呈現在深度訊息增強的情況下，模糊訊息均呈現較差的表現。最後結 論得出最佳的參數組合，如 Repetition 就應挑選 Repetition_18 而可任意搭配 DoG Filter55～DoG Filter99 以及 Sigma1.50～Sigma3.00。

關鍵字：模糊訊息、淺景深、2D 轉 3D 影像、立體顯示技術、Naked Eye 3D、

目錄

摘要 ... II 目錄 ... III 圖目錄 ... V 表目錄 ... VI

第一章緒論 ... 1

1.1 研究背景 ... 1

1.2 研究目的 ... 2

第二章文獻探討 ... 4

2.1 立體視覺的產生 ... 4

2.2 模糊理論(Fuzzy)、散景與朦朧美 ... 4

2.3 2D 轉 3D 的基本原理 ... 5

2.4 3D 顯示器的格式 ... 6

2.5 Naked Eye 3D ... 7

第三章研究方法與設計 ... 8

3.1 研究架構 ... 8

3.2 研究假設 ... 9

3.3 研究對象與環境 ... 9

3.3.1 受試者特性 ... 9

3.3.2 研究環境 ... 10

3.4 研究設計 ... 10

3.4.1 自變項 ... 11

3.4.2 應變項 ... 11

3.4.3 隨機方法 ... 12

3.5 研究工具 ... 12

3.5.1 硬體設備 ... 12

3.5.1 軟體工具 ... 13

3.6 實驗順序 ... 14

3.6.1 前測 ... 14

3.6.2 實驗評分 ... 15

第四章結果與分析 ... 16

4.1 多因子變異數分析(重複量數) ... 16

4.2 交互作用 ... 17

4.3 單純主要效果 ... 20

4.3 成對比較及事後比較 ... 24

4.4 單一樣本 T 檢定 ... 46

第五章討論與結論 ... 51

5.1 結論 ... 51

5.2 研究限制 ... 52

5.3 未來研究方向與建議 ... 53

參考文獻 ... 54

附錄一、實驗組隨機呈現順序表 ... 55

附錄二、15 組圖深度訊息指導語 ... 56

附錄三、2D 轉 3D 深度訊息增強主觀評價表 ... 61

圖目錄

圖 1 立體顯示技術的分類 ... 6

圖 2 實驗場所配置圖 ... 10

圖 3 視功能分析儀 Functional Visual Analyzer Optec 6500 ... 13

圖 4 實驗流程 ... 14

圖 5 Repetition×DoG Filter 之交互作用 ... 18

圖 6 Repetition×Sigma 之交互作用 ... 19

圖 7 DoG Filter×Sigma 之交互作用 ... 20

圖 8 因子 Repetition 3 個水準間之影像模糊評比分數(平均數) ... 47

圖 9 因子 DoG Filter 4 個水準間之影像模糊評比分數(平均數) ... 48

圖 10 因子 Sigma 6 個水準間之影像模糊評比分數(平均數) ... 50

表目錄

表 1 李克特氏八分量表 ... 12

表 2 受試者內效應項的檢定 ... 16

表 3 單變量檢定_ Repetition×DoG Filter ... 21

表 4 單變量檢定_DoG Filter×Repetition ... 21

表 5 單變量檢定_ Repetition×Sigma ... 22

表 6 單變量檢定_Sigma×Repetition ... 22

表 7 單變量檢定_DoG Filter×Sigma ... 23

表 8 單變量檢定 SigmaDoG× Filter ... 24

表 9 在 Repetition_6 之下 DoG Filter 各水準之成對比較 ... 25

表 10 在 Repetition_12 之下 DoG Filter 各水準之成對比較 ... 26

表 11 在 Repetition_18 之下 DoG Filter 各水準之成對比較 ... 27

表 12 在 DoG Filter_3×3 之下 Repetition 各水準之成對比較 ... 28

表 13 在 DoG Filter_5×5 之下 Repetition 各水準之成對比較 ... 28

表 14 在 DoG Filter_7×7 之下 Repetition 各水準之成對比較 ... 29

表 15 在 DoG Filter_9×9 之下 Repetition 各水準之成對比較 ... 29

表 16 在 Repetition_6 之下 Sigma 各水準之成對比較 ... 31

表 17 在 Repetition_12 之下 Sigma 各水準之成對比較 ... 32

表 18 在 Repetition_18 之下 Sigma 各水準之成對比較 ... 33

表 19 在 Sigma0.50 之下 Reprtition 各水準之成對比較 ... 34

表 20 在 Sigma1.00 之下 Reprtition 各水準之成對比較 ... 35

表 21 在 Sigma1.50 之下 Reprtition 各水準之成對比較 ... 35

表 22 在 Sigma2.00 之下 Reprtition 各水準之成對比較 ... 36

表 23 在 Sigma2.50 之下 Reprtition 各水準之成對比較 ... 36

表 24 在 Sigma3.00 之下 Reprtition 各水準之成對比較 ... 37

表 25 在 DoG Filter_3×3 之下 Sigma 各水準之成對比較 ... 38

表 26 在 DoG Filter_5×5 之下 Sigma 各水準之成對比較 ... 39

表 27 在 DoG Filter_7×7 之下 Sigma 各水準之成對比較 ... 40

表 28 在 DoG Filter_9×9 之下 Sigma 各水準之成對比較 ... 41

表 29 在 Sigma_0.50 之下 DoG Filter 各水準之成對比較 ... 42

表 30 在 Sigma_1.00 之下 DoG Filter 各水準之成對比較 ... 43

表 31 在 Sigma_1.50 之下 DoG Filter 各水準之成對比較 ... 43

表 32 在 Sigma_2.00 之下 DoG Filter 各水準之成對比較 ... 44

表 33 在 Sigma_2.50 之下 DoG Filter 各水準之成對比較 ... 45

表 34 在 Sigma_3.00 之下 DoG Filter 各水準之成對比較 ... 46

表 35 Repetition 單一樣本 T 檢定 ... 46

表 36 DoG Filter 單一樣本統計量 ... 48

表 37 Sigma 單一樣本 T 檢定 ... 49

第一章緒論

1.1 研究背景

人類自古文明開始以聲音傳遞訊息，進而象形符號、手勢、語言、圖片等等 紀錄、保存或傳達資訊，而隨著科技的發展與進步和生活品質的提升，即使數位 媒介﹝如，網際網路和多媒體影音﹞蓬勃發展仍然無法滿足人類藉由傳統媒介來 重現真實世界的渴望。

尤其是顯示技術的發展最為明顯─從 2D 發展至 3D，從傳統黑白的電視演 進至彩色電視，更進步到近代的高畫質、高漸層、影像優化、節能背光、超高解 像技術、廣色域等，除基本影像和色彩的需求，更提供使用者立體感的視覺效果。

而立體顯示技術發展距迄今已有一百多年的歷史，西元 1833 年英國物體學家 Charles Wheatstone﹝1802-1875﹞運用雙眼視差法於兩張手繪的草圖上，創造出 世界上第一组的立體圖像，而第一個立體鏡也是由 Wheatstone 利用像差原理製 作完成，因為 Wheatstone 而開啟立體顯示技術的扉頁。後來，同為英國科學家 David Brewster（1781-1868）是真正發揚光大的人，他運用兩個透鏡做成一個立 體看片箱，藉由兩部相機模擬成兩眼的距離，將同時拍攝出的照片，再用立體鏡 一起觀賞，使視覺感受不同深度的立體感。

然而，1922 年第一部 3D 電影《The Power of Love》在美國洛杉磯以紅綠眼 鏡公開放映，又於 1936 年利用雙鏡頭攝影機和偏振片造出具立體效果的影片，

但此技術仍受不少限制。立體成像方式從紅綠系統、偏光系統、快門系統、頭盔

式顯示器至發展時日的裸視 3D，雖然立體影像技術不斷推陳出新，持續蓬勃發

展，但乃至 2009 年的《Avatar》電影和大尺寸 LCD 螢幕顯示器價格趨於平民化

後，立體影像相關應用才真正跨越一大步。不過，即使市場上 3D 電影如雨後春

筍般推出，相關 3D 立體設備也因應而生，卻仍不足以構成消費者購買的誘因，

容供應量不足的問題沒解決，就會影響消費者對 3D 顯示設備的購買意願，正因 如此才難以讓 3D 市場活絡。

即便日本已成立了「3D 聯盟」 ，研發 3D 顯示技術的產品和應用，另外，韓 國也於 2010 年實現顯示產品和記錄設備的 3D 立體格式的轉換，兩國也相繼推 出 3D 內容的數位頻道，但對 3D 的製作成本偏高造成多數電視台望之卻步，因 為這樣的環境條件下，將 2D 影像即時轉為 3D 立體影像則成為一個關鍵技術，

如此不僅滿足消費者對 3D 數位內容的需求、又得以降低電視台製作 3D 數位內 容的成本。目前廣為應用的技術為深度影像繪圖法(Depth Image Based

Rendering,DIBR)，但運用此法尚有許多不足之處，諸如影像中物體有缺口、呈 現不自然的立體感、物體扭曲、不合理的模糊訊息等等。學者 Overington 提出 Naked Eye 3D 的概念，藉高斯模糊之法來提升 2D 影像的深度訊息

(Overington,2011)。本研究以此法為基礎，評估模糊訊息運用在眼鏡式立體顯示 器上會有何改變。

1.2 研究目的

本研究在深度訊息確定增加的情況探討模糊的訊息是否有影響，藉由實驗來 探究由 2D 轉 3D 演算法合成的立體影像經 Naked Eye 3D 演算法處理過後的模糊 訊息變化程度為何？本研究有別於一般運用數學模型的觀察某些影像客觀指標 量化影像品質評估方式﹝劉有書，2010﹞，這些數學模型通常使用如均方根誤差

﹝Root Mean Square Error﹞、訊號雜訊比﹝Signal to Noise Ratio﹞、平均絕對誤 差﹝Mean Absolute Error﹞等。本研究需仰賴受測者視覺及對模糊的認知，對經 Naked Eye 3D 演算法處理之立體影像進行合理性的評估，故採用心理物理的主 觀評估方式，以對立體影像中的模糊訊息進行認知上的評估。

研究中所使用的立體影像源於單張 2D 影像經 2D 轉 3D 演算法處理，模擬

出左、右眼視角的 2D 影像，再經 Naked Eye 3D 演算法分別處理並觀察模糊訊息

有何改變。

對於受測者主觀評量的結果，將成為進一步分析的應變項，一來透過分析後

以得知 Naked Eye 3D 演算法對於模糊訊息的變化程度；二來企盼能了解實驗中

的操控因子及其各水準間對模糊變化的前後差異，進而提供演算法針對模糊訊息

的變化作為日後探討方向。

第二章文獻探討

本研究中運用 Naked Eye 3D 演算法進行影像處理的三個參數─(1)Repetition 影像處理重覆次數、(2)DoG Filter 高斯差濾波器尺寸、(3)Sigma 高斯函數標準差，

藉此些參數呈現的統計資料，探討影像技術中「模糊」在不同參數設定下，進行 的立體影像效果評估[1]。

2.1 立體視覺的產生

十九世紀前立體顯示技術已開始，隨科技的日新月異、技術不斷提升與改良，

最終目的就是使人類在三維空間中能「身歷其境」的感受「逼真」的立體視覺饗 宴。

多數的基礎原理皆是模擬雙眼間的視差，創造出立體感的視覺，原因在於，

平均人類的左、右眼距離為五到七公分，因此在觀看任何物體時，會因兩眼的視 差(雙眼觀看一個物體的時候，該物體在左右眼會有些許的位移，即為視差 by 利 用影像深度地圖即時產生雙眼立體影像及其硬體設計,張祐維,2010)不同而影響 投射至視網膜的成像位置，進而使大腦將同時接收到的視覺訊息，融合成深度知 覺( depth perception)，即將兩個具有差異的影像變成一種具有遠近、深遠的視覺 影像(深度訊息)，而使大腦產生立體感，也因為有立體感，大腦藉此判斷該物體 的相對位置[2]。

2.2 模糊理論(Fuzzy)、散景與朦朧美

模糊理論 Fuzzy 於 1965 年由美國 Berkeley 大學的 L.A. Zadeh 教授提出，該

理論針對人類大腦對於不完全或模糊的訊息、資料，即不須經過腦中繁複的計算

而能做出正確判斷。另外，Fuzzy 講究的是近似推理(Approximation reasoning)，

凡是只要模稜兩可、差不多就好，而差不多指的是依不清楚的資訊，經過差不多 推論的過程，就可得到明確的結果[3]。

然而在立體顯示技術中呈現 3D 影像，除加強影像的深度訊息，亦有「差不 多、模稜兩可」的技術─模糊，來加強 3D 的顯示效果，模糊的部分也是看的到，

只是該區域的影像並無豐富的細節和清晰的線條[4]。利用影像模糊技術目的有：

(1)使主體清晰，此時以看清楚主要目標影像為主，讓主體外的背景模糊來凸顯、

強調主體，達到淺景深(散景)的效果(2)使影像風格「朦朧美」，此時影像只需大 致清楚而可辨識即可。一般而言，拍攝風景會需較深的景深(某一段特定的距離 內，影像模糊的程度是肉眼無法察覺的，這段距離稱之為景深[5]，獲得較清晰 的影像和細節；相對而言，攝影師為凸顯主題及引導觀看者的視線到主題上，可 使用較淺的景深將背景使用失焦柔化的技巧[6]，失焦的模糊背景稱為淺景深或 散景。散景除呈現出景深效果，亦有攝影師利用散景以表現作品的立體感、營造 美感[4] [7]。

2.3 2D 轉 3D 的基本原理

市場上立體顯示硬體設備發展逐漸成熟，但在立體顯示格式的內容方面，卻 無法滿足消費者的需求，然而過去消費者習慣使用手持裝置、攝像鏡頭拍攝出 2D 的影像、片，並保存龐大的 2D 影像格式資料庫，若能將此一 2D 直接轉成 3D 內容格式，即能解決廣大市場對 3D 立體內容的不足。

基於人眼視覺原理，3D 視訊模擬使觀看者的視覺感受影像、片呈立體感。

因為人雙眼觀看物體時，左、右眼看到的景象卻存在視差，因此透過 2D 轉 3D

的視訊轉換能否成功的關鍵因素在於估測視差資訊，用以產生左、右眼看到的成

對立體影像[8]。

2.4 3D 顯示器的格式

市場上大部分的 3D 顯示器喜顯示立體影像的設計是運用雙眼視差原理，利 用特殊的光學技術將不同視角的影像分別投射到左、右眼，再透過大腦的自然合 成兩張影像，最終呈現出具立體感的影像。也基於此因，故眾多廠商開發許多運 用左、右眼分開影像的技術，如下圖 1 所示，主分為眼鏡式與非眼鏡式(裸視)技 術，在眼鏡式中最常見的是快門眼鏡和偏光眼鏡；非眼鏡式立體顯示器的技術主 軸為空間多工或時間多工，常用於廣告看板或教學上[9]。

圖 1 立體顯示技術的分類

2.5 Naked Eye 3D

Naked Eye 3D 是由學者 Overington (2011)提出，該理論是基於人的視覺能力 特性並結合使用「高斯差值濾波器 (Differenceof Gaussian filter)」 。主要是透過由

「高斯濾波器」產生的兩個變異數(Variance)處理原影像，得到兩張分別為不同

模糊程度的影像，接著再利用這兩張影像彼此相減計算出差異，為此檢視是否達

到增強人類視覺對單一 2D 視圖影像中物體深度知覺的效果，最後得到的結果稱

之為「高斯差值影像圖(DoG)」。而本研究即是使用「高斯差值濾波器」並根據

Overington 的處理步驟，處理對實驗用的影像[1][10]。

第三章研究方法與設計

3.1 研究架構

3D 立體視覺是由於人類的雙眼約有相距 6.5 公分的視覺差距所造成的現象，

在人類觀看物體時因角度略有不同，所接收到的影像便會有些微的差異。當人腦 接收到影像後，再將略有差異的兩個影像結合，便會產生具有深度訊息的立體影 像。本研究中所應用的演算法是先將單一的 2D 影像處理模擬成相對於左、右眼 視角的 2D 影像，再使用 Naked Eye3D 演算法計算兩張 2D 影像的像差，分別獲 得成對深度增強的 3D 立體格式影像，再藉由透過立體顯示器讓觀看者能感覺其 立體效果。目前已知，使用此種演算法處理過的立體影像確實能使觀看者感受到 其立體感，但其中的缺失是這些經過處理後的影像所呈現的立體感往往會使部分 影像有著不自然的模糊，對觀看者而言可能會造成心理上的不適抑或是有別於以 往既有的認知。

故本實驗希望能透過 Naked Eye3D 演算法對 Repetition(6 次、12 次、18 次)、

DoG Filter(33、55、77、99)及 Sigma(高斯函數標準差，0.55、1.00、1.50、

2.00、2.50、3.00)三個因子不同水準的操控，來探討立體感影像模糊訊息的變化。

研究中將以 15 張使用 2D-to-3D 演算法轉換所產生的 2D 轉 3D 的影像圖片為主，

再使用以 Naked Eye3D 演算法處理過程中三個因子去做水準控制的處理，每張 原始立體影像圖(由 2 張模擬左、右視角的 2D 影像合成)將產生 346 總計 72 張三因子不同水準組合的立體影像圖。透過實驗的方法，要求受測者採主觀的評 分方式對經過處理後的 72 張圖和僅經過 2D-to-3D 演算法處理的原始圖相互比較 並評分。

期望能透過此項實驗瞭解：

1.立體顯示器中的立體影像，經由 Naked Eye3D 演算法對三個因子不同水準的操

控後，是否對觀看者所感受到的模糊情況在認知上有自然且合理的改善？

2.這三個因子各自的水準中，是否具有最佳參數的設定？

此外，因 2D-to-3D 演算法處理的 15 張圖片各自擁有不同種類的模糊訊息存 在，亦考量無法為所有種類的模糊訊息分別設計符合的演算法，故本研究將以概 括性的方式去討論各種模糊訊息在經由 Naked Eye3D 演算法處理後是否有所變 化。實驗進行中，要求受測者對立體影像圖所做之評分依據，也將依照每張圖之 間的模糊訊息不同而有所差異。每張圖的詳細內容如模糊訊息及實驗指導語，請 參見附錄二、15 組圖深度訊息指導語。

本研究主要探討之目的為瞭解因子和水準之間的差異是否存在，並未將受測 者間的差異列為考量因素。因此本研究將採用受測者內的完全相依實驗設計，在 統計分析上則是使用變異數分析中的重複量數方法，進而驗證研究之假設。

3.2 研究假設

操控三個因子及其水準對影像處理後之模糊訊息影響為何。

研究假設一：

實驗組與對照組之差異評分在自變項因子-Repetition 的 3 個水準之間並無差異。

研究假設二：

實驗組與對照組之差異評分在自變項因子-DoG Filter 的 4 個水準之間並無差異。

研究假設三：

實驗組與對照組之差異評分在因子-Sigma 的 6 個水準之間並無差異

3.3 研究對象與環境 3.3.1 受試者特性

受測者主要為國立台灣科技大學大學部或研究所的學生，本實驗採取以自願

的方式徵受測者，其年齡層分佈介 21 歲至 27 歲間，總計 15 名受測者，其中女

性 11 位、男性 4 位。視力經矯正後須達到 1.00 以上，並能通過立體視覺測試(9

題中須答對至少 7 題)以及色盲測試(6 題皆須答對)。

3.3.2 研究環境

實驗場所位於國立台灣科技大學國際大樓 IB1045 實驗室，在全暗室環境下 (僅有螢幕投射之光源)進行。實驗場所配置圖如圖 2 所示。為避免兩台螢幕光源 相互干擾，及考量受測者須在螢幕正中間觀看如此以避免色偏，為此將兩台螢幕 相對位置呈垂直擺放，受測者位置距螢幕 240 公分(3 倍螢幕高度)。受測者眼睛 平視高度亦須在螢幕正中間，因此讓受測者坐於椅子上，平視高度約為 120 公分 至 140 公分之間。

圖 2 實驗場所配置圖

3.4 研究設計

本研究採完全相依樣本受測者內三因子實驗設計，並依本研究假設的統計模 型進行評估，目的在於檢視立體影像模糊資訊是否有所變化？以及比較各因子水 準之間是否存在顯著差異。

統計模型 Y

=a

+b

+c

+e

其中 i=1,2,3

j=1,2,3,4

k=1,2,3,4,5,6

z 為誤差項

3.4.1 自變項

對實驗組操控的因子、水準分別是：

1. Repetition(影像處理重複次數，3 個 Level) 2. DoG Filter(高斯差濾波器尺寸，4 個 Level) 3. Sigma(高斯函數標準差，6 個 Level)

3.4.2 應變項

實驗中將要求試測者以對照組 15 張圖片為基準，以李克特氏八分量表為評 分工具，向每張經過三個因子 346 個水準的模糊改善處理後得到的 15 組、

每組 72 張圖進行比較評分。實驗進行時如圖 2 所示，左側螢幕為對照組，右側 螢幕則播放以三因子水準為順序的實驗組、總計 72 張圖，讓受測者對這 72 張圖 各別與對照組進行感知模糊訊息的比較評分。

一般的李克特氏量表反應選項為 1~8 分；而本研究實驗中評分所採用的李

克特氏八分量表，為讓受試者能迅速且直覺地表達實驗組立體影像和對照組立體

影像之間主觀上的差異程度，並避免長時間實驗產生疲勞導致疲於作答，本研究

刻意在問卷中將反應選項改為-4 分到+4 分，沒有 0 分之中性反應選項。各分

數相對的選項意義如下表 1：

表 1 李克特氏八分量表

分數 選項的意義

- 4 分 實驗組相較對照組的表現極差 - 3 分 實驗組相較對照組的表現非常差 - 2 分 實驗組相較對照組的表現為差 - 1 分 實驗組相較對照組的表現稍差 1 分 實驗組相較對照組的表現稍佳 2 分 實驗組相較對照組的表現為佳 3 分 實驗組相較對照組的表現非常佳 4 分 實驗組相較對照組的表現極佳

分析時將根據反應選項之語意，改回 1~8 分以便於分析之用。

實驗所得到之數據將以描述統計、單一樣本 T 檢定、多因子變異數分析─重 複量數、事後比較等方式進行分析，以驗證研究假設。

3.4.3 隨機方法

每位受測者以採用隨機順序的方式對 15 組的圖進行評分，以亂數表安排受 測者觀看 15 組圖的順序。每組圖中，72 張圖在不同的因子、水準組合下所呈現 的順序則為固定，Repetition 3DoG Filter 4Sigma 6。例如，15 組圖的

第一張皆為 Repetition 6 次-DoG Filter 33-Sigma 0.5 的水準組合，第二張皆為 Repetition 6 次-DoG Filter 33-Sigma 1.0 的水準組合，以此類推。然而實驗進 行時僅告知受試者呈現順序為隨機安排。

3.5 研究工具

3.5.1 硬體設備

1. 65 吋偏光式立體顯示器 2 台及偏光式立體眼鏡 2 副

2. ASUS 平板電腦一台，透過線上 Google 文件作為評分工具 3. 播放立體影像之電腦主機 2 台

4. 視功能分析儀 Functional Visual Analyzer Optec 6500(如圖 3)

圖 3 視功能分析儀 Functional Visual Analyzer Optec 6500

3.5.1 軟體工具

1. 對照組，15 張立體圖，源自 2D-to-3D 演算法

2. 實驗組及其指導語，15 組、每組 72 張立體圖，利用 Naked Eye 3D 演算 法對對照組 15 張圖進行各種水準組合之處理

3. 立體影像播放軟體，Stereoscopic Player

4. 李克特氏八分量表，以 Google 文件製作成線上問卷，便於資料蒐集及整理。

3.6 實驗順序

圖 4 實驗流程

3.6.1 前測

受測者須通過視功能分析儀(Functional Visual Analyzer，FVA)的立體感測試 (9 題中答對 7 題)及色盲測試(6 題全部答對)方能成為合格受測者並填寫基本資料。

立體感測試中，會出現九組相同的圖案，每組圖案中有上、下、左、右四個圓圈，

每個圓圈中各有一個黑點，受測者透過 FVA 能看見每組圖案的四個黑點中會有 一個呈現凸起來(負視差)或凹下去(正視差)的立體視覺，受測者需依序指出每組 圖案的上、下、左、右哪一個黑點和另外三者有所不同，隨著題號增加、黑點所

三、實驗評分，15組、每組72張圖

1.兩邊螢幕開 啟Stereoscopic

Player

2.依附錄順序 讀取對照組及

實驗組

3.平板電腦連接網 路並開啟連接至

「2D轉3D模糊訊 息主觀評價表」

4.依序宣讀 指導語

5.請受測者 依序評分

6.每張圖觀 看時間限約 12至15秒 二、前測，立體感及色盲測試

1.開啟視力 檢測儀

2.備妥檢核 表

3.開啟左右 眼、FAR

4.調整影像 至第五張(立

體感測試)

5.開始施測

6.通過檢測 方能進入下 一階段 一、實驗前置作業

1.點亮兩台螢幕 2.開啟兩台電腦 3.確認無線網路 暢通

4.備妥平板電腦 並開啟問卷連結

5.備妥實驗手冊

及其附件

呈現的立體感會愈趨微小。色盲測試中，是採用石原氏色盲檢測圖，受測者需從 各種大小不同、顏色相近的圓點所組成的圖中辨識出該圖所呈現之數字。

3.6.2 實驗評分

受測者將依 15 組圖的隨機順序，陸續進行每組實驗。每組實驗開始前，實 驗者會朗讀適用於該組之指導語，並要求受測者重新覆誦每組圖之評分目標與方 向以確認受測者是否清楚評分依據。每組實驗進行時，將依照各因子水準之組合 順序(Repetition 3 DoG Filter 4  Sigma 6)連續播放 72 張圖片，每張圖片觀看 時間限約 12 至 15 秒，並提醒受測者在圖片播放時不必急於評分，可在圖與圖中 間的灰卡時間進行作答，作答時間並無限制。若受測者在實驗期間對於評分標準 抑或是圖片內容有所疑惑，可隨時向實驗者提出疑問，待實驗者回覆問題並確認 無誤後再繼續進行實驗。

每組圖的評分實驗所耗費之時間會隨受測者答題時的思考時間不同而有所 差異，每組圖約耗 20 至 40 分鐘不等。為避免視覺疲勞對受測者之健康及實驗數 據產生影響，每組圖間的切換空檔會要求受測者閉上眼睛或到自然光源環境下稍 做休息，並每次將實驗時間控制在 90 至 120 分鐘內，每次實驗約可完成 3 至 5 組圖的實驗，距到下次實驗時間會安排在隔天或數天後，常理上受測者在每次實 驗之間以獲得充分休息。每位受測者在完成 15 組圖之實驗須參加四至五次實驗，

共計需耗時 7.5 至 8 小時方能結束總實驗。

第四章結果與分析

4.1 多因子變異數分析(重複量數)

此統計分析採用統計軟體 SPSS 的重複量數進行多因子變異數分析。自變項 總共有三個，分別為 Repetition、DoG Filter 以及 Sigma；依變項則是受試者將實 驗組與對照組進行比較後之表 1 李克特氏八分量表評分。

表 2 受試者內效應項的檢定

型 III 平方

和 df 平均平方和 F 顯著性

假設為球形 172.839 2 86.420 55.384 .000

Greenhouse- Geisser

172.839 1.704 101.416 55.384 .000

下限 172.839 1.000 172.839 55.384 .000

假設為球形 150.472 3 50.157 73.318 .000

Greenhouse- Geisser

150.472 2.164 69.538 73.318 .000

下限 150.472 1.000 150.472 73.318 .000

假設為球形 1793.122 5 358.624 392.048 .000

Greenhouse- Geisser

1793.122 1.871 958.349 392.048 .000

下限 1793.122 1.000 1793.122 392.048 .000

假設為球形 10.865 6 1.811 3.172 .004

Greenhouse- Geisser

10.865 4.505 2.412 3.172 .010

下限 10.865 1.000 10.865 3.172 .076

假設為球形 16.521 10 1.652 5.979 .000

Greenhouse- Geisser

16.521 8.333 1.983 5.979 .000

下限 16.521 1.000 16.521 5.979 .015

假設為球形 50.631 15 3.375 11.853 .000

Greenhouse- Geisser

50.631 12.679 3.993 11.853 .000

下限 50.631 1.000 50.631 11.853 .001

假設為球形 16.688 30 .556 2.204 .000

Greenhouse- Geisser

16.688 24.390 .684 2.204 .001

下限 16.688 1.000 16.688 2.204 .139

Dog * Sig

Rep * Dog * Sig Sig

Rep * Dog

Rep * Sig

受試者內效應項的檢定 測量: MEASURE_1

來源 Rep

Dog

主要因子_Repetition

描述統計：三個水準之平均數分別為 M

=4.165、M

=4.304、M

=4.418，

研究假設：自變項因子 Repetition 的 3 個水準之間並無差異。

如表 2 所示，因子 Repetition 的主要效果達統計顯著水準(F

=55.384，

P=0.000<0.05)，故拒絕研究假設。

主要因子_DoG Filter

描述統計：四個水準之平均數分別為 M

=4.129、M

=4.346、M

=4.357、

M

=4.251。

研究假設：自變項因子 DoG Filter 的 4 個水準之間並無差異。

如表 2 所示，因子- DoG Filter 的主要效果達統計顯著水準(F

=73.318，

P=0.000<0.05)，故拒絕研究假設。

主要因子_Sigma

描述統計：六個水準之平均數分別為 M

=3.587、M

=4.225、M

=4.435、

M

=4.485、M

=4.519、M

=4.524。

研究假設：自變相因子 Sigma 的 6 個水準之間並無差異。

如表 2 所示，因子 Sigma 的主要效果達統計顯著水準(F

=392.048，

P=0.000<0.05)，故拒絕研究假設。

4.2 交互作用

因子_Repetition 與 DoG Filter

如圖 5 所示，在 X 軸為 Repetution 與 Y 軸為依變項 Blur 之情形下，DoG

得知(如表 2)，RepetitionDoG Filter 之交互作用達統計顯著水準 (P=0.000<0.05)。

圖 5 RepetitionDoG Filter 之交互作用

因子_Repetition 與 Sigma

如圖 6 所示，在 X 軸為 Repetution 與 Y 軸為依變項 Blur 之情形下，Sigma_2.50、

Sigma_3.00 在 Repetition_6 與 Repetition_18 形成交點，且經變異數分析得知(如

表 2)，RepetitionSigma 之交互作用達統計顯著水準(P=0.000<0.05)。

圖 6 Repetition×Sigma 之交互作用

因子_DoG Filter 與 Sigma

如圖 7 示，在 X 軸為 DoG Filter 與 Y 軸為依變項 Blur 之情形下，Sigma_2.00

、Sigma_2.50、Sigma_3.00 在 DoG Filter_77 形成交點，且經變異數分析得知(如

表 2)，DoG FilterSigma 之交互作用達統計顯著水準(P=0.000<0.05)。

圖 7DoG Filter×Sigma 之交互作用

4.3 單純主要效果

因 RepetitionDoG Filter 與 RepetitionSigma 與 DoG FilterSigma 交互作 用均達統計顯著水準，故無法分別討論各因子的主要效果。必需進行單純主要效 果檢定，若單純主要效果達顯著，則需進一步進行單純主要效果的事後比較。

因子_Repetition 與 DoG Filter

(a) Repetition 對 DoG Filter

由表 3 知不同水準之 DoG Filter 個別在 Repetition_6、 Repetition_12、

Repetition_18 之平均分數有顯著差異，故需進一步進行成對比較與事後比較。

表 3 單變量檢定_ RepetitionDoG Filter

(b) DoG Filter 對 Repetition

由表 4 得知不同水準之 Repetition 個別在 DoG Filter33、DoG Filter55 與 DoG Filter77、DoG Filter99 之平均分數有顯著差異，故需進一步進行成對比 較與事後比較。

表 4 單變量檢定_DoG FilterRepetition

因子_Repetition 與 Sigma

(a) Repetition 對 Sigma

由表 5 得知不同水準之 Sigma 個別在 Repetition_6、Repetition_12、

表 5 單變量檢定_RepetitionSigma

(b)Sigma 對 Repetition

由表 6 得知不同水準之 Repetition 個別在 Sigma_0.50 與 Sigma_1.00 與 Sigma_1.50 與 Sigma_2.00 與 Sigma_2.50 與 Sigma_3.00 之平均分數有顯著差異，

故需進一步進行成對比較與事後比較。

表 6 單變量檢定_SigmaRepetition

因子_DoG Filter 與 Sigma

(a) DoG Filter 對 Sigma

由表 7 得知不同水準之 Sigma 個別在 DoG Filter33、DoG Filter55、DoG Filter77、DoG Filter99 之平均分數有顯著差異，故需進一步進行成對比較與 事後比較。

表 7 單變量檢定_DoGFilterSigma

(b) Sigma 對 DoG Filter

由表 8 得知不同水準之 DoG Filter 個別在 Sigma_0.50、Sigma_1.00、

Sigma_1.50、Sigma_2.00、Sigma_2.50、Sigma_3.00 之平均分數有顯著差異，故

需進一步進行成對比較與事後比較。

表 8 單變量檢定 SigmaDoG Filter

4.3 成對比較及事後比較

因 Repetition 對上 DoG Filter 與 DoG Filter 對 Repetition 與 Repetition 對上 Sigma 與 Sigma 對上 Repetition 與 DoG Filter 對上 Sigma 與 Sigma 對上 DoG Filter 之單純主要效果檢定均達統計顯著水準，故無法分別討論各別因子的單純主要效 果，需進一步進行成對比較與事後比較，以瞭解水準間之優劣順序

因子_Repetition 與 DoG Filter

(1.1)Repetition_6

由表 9 得知在 Repetition_6 之下，DoG Filter99 與 DoG Filter77 與 DoG

Filter55 彼此之間無顯著差異，但均顯著大於 DoG Filter33。彼此間之大小

關係為 DoG Filter99 = DoG Filter77 = DoG Filter55 >DoG Filter33。

表 9 在 Repetition_6 之下 DoG Filter 各水準之成對比較

(1.2)Repetition_12

由表 10 得知在 Repetition_12 之下，DoG Filter99 與 DoG Filter77 與 DoG

Filter55 彼此之間無顯著差異，但均顯著大於 DoG Filter33。彼此間之大小關

係為 DoG Filter99 = DoG Filter77 = DoG Filter55 >DoG Filter33。

表 10 在 Repetition_12 之下 DoG Filter 各水準之成對比較

(1.3)Repetition_18

由表 11 得知在 Repetition_18 之下，DoG Filter99 與 DoG Filter77 與 DoG

Filter55 彼此之間無顯著差異，但均顯著大於 DoG Filter33。彼此間之大小關

係為 DoG Filter99 = DoG Filter77 = DoG Filter55 >DoG Filter3×3。

表 11 在 Repetition_18 之下 DoG Filter 各水準之成對比較

(2.1)DoGFilter_33

由表 12 得知在 DoG Filter_33 之下，Repetition_18 顯著大於 Repetition_12

與 Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為

Repetition_18>Repetition_12> Repetition_6。

表 12 在 DoG Filter_33 之下 Repetition 各水準之成對比較

(2.2)DoG Filter_55

由表 13 得知在 DoG Filter55 之下，Repetition_18 顯著大於 Repetition_12 與 Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為 Repetition_18>Repetition_12> Repetition_6。

表 13 在 DoG Filter_55 之下 Repetition 各水準之成對比較

(2.3)DoG Filter_77

由表 14 得知在 DoG Filter77 之下，Repetition_18 與 Repetition_12 之間無

顯著差異但均顯著大於 Repetition_6。彼此間之大小關係為 Repetition_18 = Repetition_12> Repetition_6。

表 14 在 DoG Filter_77 之下 Repetition 各水準之成對比較

(2.4)DoG Filter_99

由表 15 得知在 DoG Filter99 之下，Repetition_18 顯著大於 Repetition_12 與 Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為 Repetition_18>Repetition_12> Repetition_6。

表 15 在 DoG Filter_99 之下 Repetition 各水準之成對比較

因子_Repetition 與 Sigma

(1.1)Repetition_6

由表 16 得知在 Repetition_6 之下，Sigma3.00 與 Sigma2.5 與 Sigma2.00

與 Sigma1.50 彼此之間無顯著差異，但均顯著大於 Sigma1.00，而 Sigma0.50 顯

著小於其他五個水準。彼此間之大小關係為 Sigma3.00 = Sigma2.5 = Sigma2.00 =

Sigma1.50 > Sigma1.00 > Sigma0.50。

表 16 在 Repetition_6 之下 Sigma 各水準之成對比較

(1.2)Repetition_12

由表 17 得知在 Repetition_12 之下，Sigma3.00 與 Sigma2.5 與 Sigma2.00 與 Sigma1.50 彼此之間無顯著差異，但均顯著大於 Sigma1.00，而 Sigma0.50 顯 著小於其他五個水準。彼此間之大小關係為 Sigma3.00 = Sigma2.5 = Sigma2.00 = Sigma1.50 > Sigma1.00 > Sigma0.50。

下界 上界

1 -.6256^* .04165 .000 -.7443 -.5068

1.5 -.8756^* .04165 .000 -.9943 -.7568

2 -.9778^* .04165 .000 -1.0965 -.8590

2.5 -1.0222^* .04165 .000 -1.1410 -.9035

3 -1.0167^* .04165 .000 -1.1354 -.8979

0.5 .6256^* .04165 .000 .5068 .7443

1.5 -.2500^* .04165 .000 -.3687 -.1313

2 -.3522^* .04165 .000 -.4710 -.2335

2.5 -.3967^* .04165 .000 -.5154 -.2779

3 -.3911^* .04165 .000 -.5098 -.2724

0.5 .8756^* .04165 .000 .7568 .9943

1 .2500^* .04165 .000 .1313 .3687

2 -.1022 .04165 .138 -.2210 .0165

2.5 -.1467^* .04165 .006 -.2654 -.0279

3 -.1411^* .04165 .009 -.2598 -.0224

0.5 .9778^* .04165 .000 .8590 1.0965

1 .3522^* .04165 .000 .2335 .4710

1.5 .1022 .04165 .138 -.0165 .2210

2.5 -.0444 .04165 .894 -.1632 .0743

3 -.0389 .04165 .938 -.1576 .0798

0.5 1.0222^* .04165 .000 .9035 1.1410

1 .3967^* .04165 .000 .2779 .5154

1.5 .1467^* .04165 .006 .0279 .2654

2 .0444 .04165 .894 -.0743 .1632

3 .0056 .04165 1.000 -.1132 .1243

0.5 1.0167^* .04165 .000 .8979 1.1354

1 .3911^* .04165 .000 .2724 .5098

1.5 .1411^* .04165 .009 .0224 .2598

2 .0389 .04165 .938 -.0798 .1576

2.5 -.0056 .04165 1.000 -.1243 .1132

根據觀察值平均數。

誤差項為平均平方和 (錯誤) = .781。

*. 平均差異在 .05 水準是顯著的。

a. Repetition = Rep_6 Tukey HSD 0.5

1

1.5

2

2.5

3 依變數: Blur

(I) Sigma

平均差異

(I-J) 標準誤差 顯著性

95% 信賴區間 多重比較^a

表 17 在 Repetition_12 之下 Sigma 各水準之成對比較

下界 上界

1 -.6500^* .04116 .000 -.7673 -.5327

1.5 -.8633^* .04116 .000 -.9807 -.7460

2 -.8944^* .04116 .000 -1.0118 -.7771

2.5 -.9133^* .04116 .000 -1.0307 -.7960

3 -.9433^* .04116 .000 -1.0607 -.8260

0.5 .6500^* .04116 .000 .5327 .7673

1.5 -.2133^* .04116 .000 -.3307 -.0960

2 -.2444^* .04116 .000 -.3618 -.1271

2.5 -.2633^* .04116 .000 -.3807 -.1460

3 -.2933^* .04116 .000 -.4107 -.1760

0.5 .8633^* .04116 .000 .7460 .9807

1 .2133^* .04116 .000 .0960 .3307

2 -.0311 .04116 .975 -.1484 .0862

2.5 -.0500 .04116 .830 -.1673 .0673

3 -.0800 .04116 .375 -.1973 .0373

0.5 .8944^* .04116 .000 .7771 1.0118

1 .2444^* .04116 .000 .1271 .3618

1.5 .0311 .04116 .975 -.0862 .1484

2.5 -.0189 .04116 .997 -.1362 .0984

3 -.0489 .04116 .843 -.1662 .0684

0.5 .9133^* .04116 .000 .7960 1.0307

1 .2633^* .04116 .000 .1460 .3807

1.5 .0500 .04116 .830 -.0673 .1673

2 .0189 .04116 .997 -.0984 .1362

3 -.0300 .04116 .978 -.1473 .0873

0.5 .9433^* .04116 .000 .8260 1.0607

1 .2933^* .04116 .000 .1760 .4107

1.5 .0800 .04116 .375 -.0373 .1973

2 .0489 .04116 .843 -.0684 .1662

2.5 .0300 .04116 .978 -.0873 .1473

根據觀察值平均數。

誤差項為平均平方和 (錯誤) = .762。

*. 平均差異在 .05 水準是顯著的。

a. Repetition = Rep_12 Tukey HSD 0.5

1

1.5

2

2.5

3

多重比較^a 依變數: Blur

(I) Sigma

平均差異

(I-J) 標準誤差 顯著性

95% 信賴區間

(1.3)Repetition_18

由表 18 得知在 Repetition_18 之下，Sigma3.00 與 Sigma2.5 與 Sigma2.00 與 Sigma1.50 彼此之間無顯著差異，但均顯著大於 Sigma1.00，而 Sigma0.50 顯 著小於其他五個水準。彼此間之大小關係為 Sigma3.00 = Sigma2.5 = Sigma2.00 = Sigma1.50 > Sigma1.00 > Sigma0.50。

表 18 在 Repetition_18 之下 Sigma 各水準之成對比較

下界 上界

1 -.6378^* .03935 .000 -.7500 -.5256

1.5 -.8044^* .03935 .000 -.9166 -.6923

2 -.8222^* .03935 .000 -.9344 -.7100

2.5 -.8589^* .03935 .000 -.9711 -.7467

3 -.8500^* .03935 .000 -.9622 -.7378

0.5 .6378^* .03935 .000 .5256 .7500

1.5 -.1667^* .03935 .000 -.2788 -.0545

2 -.1844^* .03935 .000 -.2966 -.0723

2.5 -.2211^* .03935 .000 -.3333 -.1089

3 -.2122^* .03935 .000 -.3244 -.1000

0.5 .8044^* .03935 .000 .6923 .9166

1 .1667^* .03935 .000 .0545 .2788

2 -.0178 .03935 .998 -.1300 .0944

2.5 -.0544 .03935 .737 -.1666 .0577

3 -.0456 .03935 .857 -.1577 .0666

0.5 .8222^* .03935 .000 .7100 .9344

1 .1844^* .03935 .000 .0723 .2966

1.5 .0178 .03935 .998 -.0944 .1300

2.5 -.0367 .03935 .938 -.1488 .0755

3 -.0278 .03935 .981 -.1400 .0844

0.5 .8589^* .03935 .000 .7467 .9711

1 .2211^* .03935 .000 .1089 .3333

1.5 .0544 .03935 .737 -.0577 .1666

2 .0367 .03935 .938 -.0755 .1488

3 .0089 .03935 1.000 -.1033 .1211

0.5 .8500^* .03935 .000 .7378 .9622

1 .2122^* .03935 .000 .1000 .3244

1.5 .0456 .03935 .857 -.0666 .1577

2 .0278 .03935 .981 -.0844 .1400

2.5 -.0089 .03935 1.000 -.1211 .1033

根據觀察值平均數。

誤差項為平均平方和 (錯誤) = .697。

*. 平均差異在 .05 水準是顯著的。

a. Repetition = Rep_18 Tukey HSD 0.5

1.00

1.5

2.00

2.5

3

多重比較^a 依變數: Blur

(I) Sigma

平均差異

(I-J) 標準誤差 顯著性

95% 信賴區間

(2.1)Sigma_0.50

由表 19 得知在 Sigma_0.50 之下，Repetition_18 顯著大於 Repetition_12 與 Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為 Repetition_18>Repetition_12> Repetition_6。

表 19 在 Sigma0.50 之下 Reprtition 各水準之成對比較

(2.2)Sigma_1.00

由表 20 得知在 Sigma_1.00 之下，Repetition_18 顯著大於 Repetition_12 與

Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為

Repetition_18>Repetition_12> Repetition_6。

表 20 在 Sigma1.00 之下 Reprtition 各水準之成對比較

(2.3)Sigma_1.50

由表 21 得知在 Sigma_1.50 之下，Repetition_18 顯著大於 Repetition_12 與 Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為 Repetition_18>Repetition_12> Repetition_6。

表 21 在 Sigma1.50 之下 Reprtition 各水準之成對比較

(2.4)Sigma_2.00

由表 22 得知在 Sigma_2.00 之下，Repetition_18 顯著大於 Repetition_12 與

Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為 Repetition_18>Repetition_12> Repetition_6。

表 22 在 Sigma2.00 之下 Reprtition 各水準之成對比較

(2.5)Sigma_2.50

由表 23 得知在 Sigma_2.50 之下，Repetition_18 顯著大於 Repetition_12 與 Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為 Repetition_18>Repetition_12> Repetition_6。

表 23 在 Sigma2.50 之下 Reprtition 各水準之成對比較

(2.6)Sigma_3.00

由表 24 得知在 Sigma_3.00 之下，Repetition_18 顯著大於 Repetition_12 與 Repetition_6 且 Repetition_12 亦顯著大於 Repetition_6。彼此間之大小關係為 Repetition_18>Repetition_12> Repetition_6。

表 24 在 Sigma3.00 之下 Reprtition 各水準之成對比較

因子_DoG Filter 與 Sigma

(1.1)DoG Filter_33

由表 25 得知在 DoG Filter_33 之下，Sigma3.00 與 Sigma2.5 與 Sigma2.00

與 Sigma1.50 彼此之間無顯著差異，但均顯著大於 Sigma1.00，而 Sigma0.50 顯

著小於其他五個水準。彼此間之大小關係為 Sigma3.00 = Sigma2.5 = Sigma2.00 =

Sigma1.50 > Sigma1.00 > Sigma0.50。

表 25 在 DoG Filter_33 之下 Sigma 各水準之成對比較

(1.2)DoG Filter_5×5

由表 26 得知在 DoG Filter_55 之下，Sigma3.00 與 Sigma2.5 與 Sigma2.00 與 Sigma1.50 彼此之間無顯著差異，但均顯著大於 Sigma1.00，而 Sigma0.50 顯 著小於其他五個水準。彼此間之大小關係為 Sigma3.00 = Sigma2.5 = Sigma2.00 = Sigma1.50 > Sigma1.00 > Sigma0.50。

下界 上界

1 -.6378^* .03935 .000 -.7500 -.5256

1.5 -.8044^* .03935 .000 -.9166 -.6923

2 -.8222^* .03935 .000 -.9344 -.7100

2.5 -.8589^* .03935 .000 -.9711 -.7467

3 -.8500^* .03935 .000 -.9622 -.7378

0.5 .6378^* .03935 .000 .5256 .7500

1.5 -.1667^* .03935 .000 -.2788 -.0545

2 -.1844^* .03935 .000 -.2966 -.0723

2.5 -.2211^* .03935 .000 -.3333 -.1089

3 -.2122^* .03935 .000 -.3244 -.1000

0.5 .8044^* .03935 .000 .6923 .9166

1 .1667^* .03935 .000 .0545 .2788

2 -.0178 .03935 .998 -.1300 .0944

2.5 -.0544 .03935 .737 -.1666 .0577

3 -.0456 .03935 .857 -.1577 .0666

0.5 .8222^* .03935 .000 .7100 .9344

1 .1844^* .03935 .000 .0723 .2966

1.5 .0178 .03935 .998 -.0944 .1300

2.5 -.0367 .03935 .938 -.1488 .0755

3 -.0278 .03935 .981 -.1400 .0844

0.5 .8589^* .03935 .000 .7467 .9711

1 .2211^* .03935 .000 .1089 .3333

1.5 .0544 .03935 .737 -.0577 .1666

2 .0367 .03935 .938 -.0755 .1488

3 .0089 .03935 1.000 -.1033 .1211

0.5 .8500^* .03935 .000 .7378 .9622

1 .2122^* .03935 .000 .1000 .3244

1.5 .0456 .03935 .857 -.0666 .1577

2 .0278 .03935 .981 -.0844 .1400

2.5 -.0089 .03935 1.000 -.1211 .1033

根據觀察值平均數。

誤差項為平均平方和 (錯誤) = .697。

*. 平均差異在 .05 水準是顯著的。

a. Repetition = Rep_18 Tukey HSD 0.5

1

1.5

2

2.5

3

多重比較^a 依變數: Blur

(I) Sigma

平均差異

(I-J) 標準誤差 顯著性

95% 信賴區間

表 26 在 DoG Filter_55 之下 Sigma 各水準之成對比較

(1.3)DoG Filter_77

由表 27 得知在 DoG Filter_77 之下，Sigma3.00 與 Sigma2.5 與 Sigma2.00 與 Sigma1.50 彼此之間無顯著差異，但均顯著大於 Sigma1.00，而 Sigma0.50 顯 著小於其他五個水準。彼此間之大小關係為 Sigma3.00 = Sigma2.5 = Sigma2.00 = Sigma1.50 > Sigma1.00 > Sigma0.50。

下界 上界

1 -.6326^* .04610 .000 -.7640 -.5012

1.5 -.8030^* .04610 .000 -.9344 -.6715

2 -.8237^* .04610 .000 -.9551 -.6923

2.5 -.8948^* .04610 .000 -1.0262 -.7634

3 -.8933^* .04610 .000 -1.0248 -.7619

0.5 .6326^* .04610 .000 .5012 .7640

1.5 -.1704^* .04610 .003 -.3018 -.0389

2 -.1911^* .04610 .000 -.3225 -.0597

2.5 -.2622^* .04610 .000 -.3937 -.1308

3 -.2607^* .04610 .000 -.3922 -.1293

0.5 .8030^* .04610 .000 .6715 .9344

1 .1704^* .04610 .003 .0389 .3018

2 -.0207 .04610 .998 -.1522 .1107

2.5 -.0919 .04610 .347 -.2233 .0396

3 -.0904 .04610 .366 -.2218 .0411

0.5 .8237^* .04610 .000 .6923 .9551

1 .1911^* .04610 .000 .0597 .3225

1.5 .0207 .04610 .998 -.1107 .1522

2.5 -.0711 .04610 .637 -.2025 .0603

3 -.0696 .04610 .658 -.2011 .0618

0.5 .8948^* .04610 .000 .7634 1.0262

1 .2622^* .04610 .000 .1308 .3937

1.5 .0919 .04610 .347 -.0396 .2233

2 .0711 .04610 .637 -.0603 .2025

3 .0015 .04610 1.000 -.1300 .1329

0.5 .8933^* .04610 .000 .7619 1.0248

1 .2607^* .04610 .000 .1293 .3922

1.5 .0904 .04610 .366 -.0411 .2218

2 .0696 .04610 .658 -.0618 .2011

2.5 -.0015 .04610 1.000 -.1329 .1300

根據觀察值平均數。

誤差項為平均平方和 (錯誤) = .717。

*. 平均差異在 .05 水準是顯著的。

a. FilterSize = 5x5 Tukey HSD 0.5

1

1.5

2

2.5

3

多重比較^a 依變數: Blur

(I) Sigma

平均差異

(I-J) 標準誤差 顯著性

95% 信賴區間