g2 = sqlogn1 * sin(angl); }
高斯噪声的产生。许多基本的软件包产生一些不同的随机的噪声(例如 运行在unix上的rand())，但是并不是所有的都有高斯随机噪声发生器。计算一个离散随机常量，你可以用Box–Muller transform (Box and Muller 1958)，他的c代码在算法C.1中给出了，注意这个运行结果是返回一对随机变量。相关的产生高斯随机变量的方由Thomas, Luk, Leong et al. (2007)提出。
伪彩色产生。在很多应用中，很方便给图像加上标记（或者给图像特征比如线）。一个最简单的方式就是给不同的标记不同的颜色。在我的工作中，我发现用RGB立体色彩系给不同的标记赋予标准均匀的色彩是很方便的。
对于每一个（非消极）标记值，consider the bits as being split among the three color channel，例如对于一个比特值为9的值，
这个值可以被标记为RGBRGBRGB，获得三基色中的每一种颜色值后，颠倒比特值，结果是低位的比特值变化的最快。 实际上，对于一个八比特的颜色通道，这个比特值的颠倒可以被存在一个表或者一个存储提前计算好的记录有由标记值向伪彩色的改变的完整表。 图 8.16 显示了这样一个伪彩色绘制的例子.
GPU实现
GPU的出现，可以处理像素着色和计算着色，导致了实时应用的快速计算机视觉算法的发展，例如，分割，追踪，立体和运动估计（(Pock, Unger, Cremerset al. 2008; Vineet and Narayanan 2008; Zach, Gallup, and Frahm 2008）。一个好的资源来学习这些算法就是CVPR 2008 上关于Visual Computer Visionon GPUs的workshop。
http://www.cs.unc.edu/~jmf/Workshop_on_Computer_Vision_on_GPU.html 他的论文可以在CVPR 2008的会议集的DVD中找到。额外的关于GPU算法资源包括GPGPU网址和小组讨论http://gpgpu.org/ 还有OpenVIDIA Web site,
http://openvidia.sourceforge.net/index.php/OpenVIDIA
C.3 PPT和讲稿
正如我在前言中提到的，我希望提供和书中材料相一致的PPT，直到这些全部准备好，你最好的方式去看我在华盛顿大学上课时的PPT，和一写相关课程中用到的教案。 这里是一些这样的课程列表：
UW 455: Undergraduate Computer Vision,
http://www.cs.washington.edu/education/courses/455/ .
UW576: Graduate Computer Vision,
http://www.cs.washington.edu/education/courses/576 .
Stanford CS233B: Introduction to Computer Vision, http://vision.stanford.edu/teaching/cs223b/ .
MIT 6.869: Advances in Computer Vision,
http://people.csail.mit.edu/torralba/courses/6.869/6.869.computervision.htm .
Berkeley CS 280: Computer Vision, http://www.eecs.berkeley.edu/~trevor/CS280.html
UNC COMP 776: Computer Vision, http://www.cs.unc.edu/~lazebnik/spring10 .
Middlebury CS 453: Computer Vision,
http://www.cs.middlebury.edu/~schar/courses/cs453-s10/ .
Related courses have also been taught on the topic of Computational Photography, e.g.,
CMU 15-463: Computational Photography, http://graphics.cs.cmu.edu/courses/15-463/.
MIT 6.815/6.865: Advanced Computational Photography, http://stellar.mit.edu/S/course/6/sp09/6.815
Stanford CS 448A: Computational photography on cell phones, http://graphics.stanford.edu/courses/cs448a-10/ .
SIGGRAPH courses on Computational Photography, http://web.media.mit.edu/~raskar/photo/ .
这里还有一些最好的关于各种计算机视觉主题的在线讲稿，例如：belief propagation and graph cuts，它们在UW-MSR Course of Vision Algo-rithms
http://www.cs.washington.edu/education/courses/577/04sp/
C.4 参考文献：
这本的所有参考文献在这本书的网站上，一个几乎所有的计算机视觉的出版物都引用的更全面的部分注解书目由Keith Price维http://iris.usc.edu/Vision-Notes/bibliography/contents.html . 这里还有一个可搜索的计算机图形学的参考书目
http://www.siggraph.org/publications/bibliography/ 另外技术论文比较好的资源是Google Scholar 和 CiteSeerX。
