期末考人工智慧跟圖像辨識都是要交專案，因為不想要做兩份作業所以打算把這兩個領域合起來當一個專案做，最後當然做出來啦，只是覺得這專案用圖上沒啥意義就是了。
專案名稱：使用粒子群演算法計算OpenCV雙邊濾波器中的d值與SigmaColor值並判斷圖像邊緣
恩......夭壽的長
其實就只是用最佳化演算法(粒子群演算法是其中一種)算出最佳參數，然後把參數丟進雙邊濾波器的函式中，讓它做影像的模糊化(去除影像雜值)，最後再用Canny演算法(OpenCV裡提供的)判斷邊緣，然後....
沒有然後了...
以下是成果：
上方有個可左右拉的Bar，可以控制判斷邊緣的門檻值(Threshould)，門檻值越高，邊緣越少
門檻值為0：
門檻值為100：
另外在找出最佳參數前，必須先判斷這張影像是否平滑或粗糙，所以會事先計算影像的變異數，在由事先設定的的標準來判斷原圖是粗糙還是平滑，這樣在最佳化時才知道要模糊到甚麼程度。
另外這專案有個很令人詬病的地方.，就是粒子群演算法裡的適性函數，我的做法是事先找出d值與SigmaColor的一元線性回歸，最後丟到粒子群演算法裡當適性函數，但是很顯然不適合，因為算出來的結果與實際上預期的結果差太多了，最後還是去調整權重才將影像出來的結果是比較符合預期的，但是適性函數的結果仍然......
比較好的做法還是應該用二元線性回歸等做法會比較好
最後是程式碼：點我
編譯器：GNU GCC
IDE：Code Block
開發環境：Win7 與 Win10 (開發過程換過電腦，反正兩邊基本上都能跑)
語言：C++
OpenCV版本：3.1.0
