你是為什麼原因買古著呢? 文化? 音樂? 還是崇拜的偶像? 我覺得是一種尋找歷史的浪漫.
台灣古著店在1995-1999年代是很盛行的, 當時網路並不流行, 許多喜歡時尚的朋友都從日雜吸取資訊, 例如Boon雜誌, 每一期都有專門介紹古著的資訊, 這也是為什麼許多日本人都有一定對古著的基礎知識, 當時台北西門町幾乎是古著店和台潮店各據一方, 也不知道什麼原因, 後來大部分的古著店也都關門了. 二十年過去了, 古著店又開始進攻台灣各大小巷, 小弟想與大家分享一下自身的經驗.
很多朋友不太確定如何分辨真的古著或者只是二手. 其實真的是師父領進門, 修行在個人, 如果你只是偶爾買件花襯衫, 連身裙, 預算有限的情況下, 就別想太多, 喜歡的就買下去. 如果想要多研究一點, 能夠在IG, 社團PTT, Mobile01, DCard開箱分享屁一下的話, 那就需要更多的資訊來補充.
1) 通常有良知的老闆會跟你說這件衣服的來歷年份, 特徵, 鈕扣和拉鍊的特別之處, 更重要的是有老闆會先幫你把關, 不怕買到馬來西亞, 泰國來路不明的假貨(我是說有良知的老闆). 老闆能開古著店, 摸過看過的絕對比你我多, 不妨與老闆多聊兩句, 看看老闆是在唬爛還是在跟你聊心事.
2) 先別花錢買潮鞋那些無用的東西, 把錢存起來買古著, 學費繳得夠多, 總是會學習一些自己的心得.
3) 工具書,日本諸多出版社如 Lightning 出的工具書, 非常有用, 日本人建立了鑑定的系統, 圖文並茂, 現在許多國外的古著獵人也是依照這些工具書去找產品, 而且美金定價還同步日幣…還有最有名的田中凛太郎出版的My Freedamn, 也是強烈推薦.
4) 上網研究, 雖然大部分的古著文獻都沒有, 但許多古著熱愛者的社團, 都非常樂意與社友交流交換資訊.
5) 如果專攻美國古著, 那請盡量買”Made in USA”, 美國製產品已經越來越少, 由於成本原因, 99%的衣服都已經移到外地去生產, 你不要買個泰國製的說是”古著”, 那不是!!!所以如果有標, 上面寫”Made in USA”, 那有保證大部分是90’之前的產物, 但還有更多方法可以分辨, 例如大家知道的50棉/50聚酯, 就是80’的產物, 那時候發現了這樣有防皺比純棉更耐用的特性, 每個年代都有特別的辨識方法, 唯一方法就是多摸多問.
但這些是普通的方法, 是比較偷懶快速學成的方法.
美國的古著商如何學習他們所販售的古著呢? 他們又看不懂日文, 連工具書去哪裡買都不知道?
1) 很多古著商喜歡收集老照片, 去研究那時代人的穿著, 身上穿的衣服, 配件, 這樣大約可以分辨出什麼年代掏金客, 挖礦工人穿什麼衣服, 一戰二戰時的穿著, 想想那個時代哪有網路可以看圖片, 大家都是收集老黑白照片在家慢慢研究.
2) 既然沒有網路, 當然也沒有網購. 但以前郵購非常盛行, 郵購目錄自然成為古著店的工具書, 上面清楚記載著各家販售的價格, 例如剛剛倒閉的JC Penney, Sears, 自身下面因為不同的領域需要, 發展出許多小的品牌, Hercules/Big Mac, Little Mac/Montgomery Ward/Roebuck/Foremost/Towncraft….這些如果沒有郵寄目錄誰分得清楚啊?
3) 美國的古著古董圈通常關係都很密切, 假如我今天找到印地安銀飾不懂, 就去找賣印地安銀飾的問, 美國許多地方都有古董街, 古董市集, 那些商家通常都是朋友, 會互相幫忙鑑定交流.
那為什麼要穿古著? 大部分都是對自己本身的穿搭有些興趣之後, 才希望能找到一些獨一無二的古著來配穿搭. 高端的古著在此強調真的是有錢買不到, 有一件外套我等了五年了一個影都沒看過. 有名的日本Sun Surf夏威夷衫系列, 專門翻製美國40-70年代的夏威夷衫名品, 其中有一系”Star of Hollywood”, 一位在洛杉磯的古著大老收集了30年才將五件原版的收集完全(其中一件襯衫$10000美金+他的庫存去交換). 這些夢幻古著並不是大家想的Hard Rock Cafe那種泰國爛製爛印的T-shirt, 像是去市場買大蔥一樣, 隨時都有, (另外問一下為什麼台灣那麼流行Hard Rock Café/Planet Hollywood的Tee? 這好像外國人搶著穿鬍鬚張同樣意思?).
近期因為古著大熱, 許多年輕人進入到這個市場, 所有的古著都漲上一波, 那這些古著是哪裡來的呢? 古著獵人都是去哪裡找衣服呢? 簡單來說有幾個渠道,
1) 找專業的古著獵人批發, 日本人除了自己派人在美國各地採購之外, 他們也會找美國的古著獵人批發, 一次採買大量能夠殺價.
2) 開發中國家, 每年美國有許多丟棄的衣服, 被擠壓成一個個托盤送到個開發中的國家當作捐贈(泰國, 馬來西亞, 印尼, 非洲…), 也就是為什麼你有時候會看到伊索匹亞的原住民穿北一女的制服上新聞…
3) 找日本或者泰國的批發商.
上面第一點提到的,尋找古著過程雖然看起來似乎並沒有受到法律約束, 其實是有的, 我的朋友Nick所擁有位於明尼蘇達州的古著名店Bearded Mermaid, 對於目前年輕人因為疫情的關係, 趁大家都無法營業的時候到處搜刮頗有怨詞, 這些名店做事正當,每一次發現目標時, 他們尊敬的是”這塊地”的擁有者, 需要與它們溝通看看是否可以進去買取, 通常這些老衣服都被遺忘在閣樓, 車庫的角落, 倉庫裡拿來當塞門縫防漏水的工具. 有時候擁有者不答應, 他們常常需要等上幾年才能進入找”可能有老衣服”的地方, 而很多年輕人根本不管這些規則, 侵入私人擁地, 大辣辣的在IG上面分享他們的”冒險”, 殊不知這是犯罪行為, 有另一位古著獵人甚至帶著年幼的孩子去倉庫偷東西, 結果倉庫東西掉下來砸傷小孩. 在美國, 侵入私人領地可以槍殺你的 !而正規苦苦要求土地擁有者讓他們進去買取的獵人, 常常需要等數年之後才能得到許可, 進去之後才發現早就被這些小偷獵人洗劫一空.
好像有點長, 改天再寫.
surf特徵 在 [心得] SURF - 看板CHU_EE - 批踢踢實業坊 的推薦與評價
SUR 51，以此類推，可參考圖2.8。由上可以整理出每一階層與尺度之關係如式2.13
s 2.13，L 為遮罩尺寸，o 為階索引，s 為層索引，pprox 為近似尺度。
F 演 15、21 21、27 27 層，第一階每層遮罩尺寸之 15、27 27、39 39、
51 邊長相差6 個像素。
第二階的第一層為上一階兩相鄰層遮罩尺寸邊長之差，而每層遮罩尺寸為上一階兩
相鄰層遮罩尺寸邊長之差的兩倍。因此，第二階依序為15 算法 5 3 或5 5 或... 等) 的摺積僅需要5
個運算子。由此可見積分影像的運用改善了建立高斯金字塔時的運算時間。
9、15
需要26 個運算子... 等)，而積分影像與遮罩(3
加速強健特徵(S 3 遮罩(Mask) M 為例(圖2.3)，原始影像I 與積分影像Ipeeded-Up Robust Features, SURF) 演算法，由Bay[2][3] 等人
以尺度不變特徵轉化(Scale Invariant Feature Transform, SIFT) 為基礎於2006 年所
提出，用於偵測影像上的特徵點， 3 遮罩的摺積運算需要10 個運算子(如為5 具有影像平移、縮放及旋轉不變性。主要包含
興趣點偵測器(Interest Point Detector) 及特徵描述子(Feature Descriptor)。以下對
SURF 演算法做詳細的說明。
積分影像
積分影像(Integral Image) 的概念是由Viola 和Jones[4] 所提出，用於加速矩形
特徵之運算。圖2.1，點(4; 4) 位置之積分值代表左圖中灰色區域之灰階值總和，積
分影像轉換公式如式2.1 所示。I 表示積分前影像，I 表示積分後影像，(x; y) 表示
影像像素(Pixel) 位置
整張圖的積分影像建立完成後，只需要四個運算便可快速計算影像中任意矩形
區域之面積。如圖2.2，A、B、C、D 分別代表原影像中四個矩形區域。積分影像
中，點1 之積分值為區域A 之灰階值總和，點2 之積分值為區域A+ 區域B 之灰
階值總和，點3 之積分值為區域A+ 區域C 之灰階值總和，點4 之積分值為區域A
+ 區域B+ 區域C+ 區域D 之灰階值總和。我們可以利用積分影像中點1、2、3、4
來計 15(如圖2.7所示)。以此類推，第一階(影像金字塔之初始階) 依序可以分為算區域D 之灰階值總和，因此，區域D=4-3-2+1。
9
SURF 演算法運算速度快速是因為在建立高斯金字塔時，利用積分影像的特性，
先將原始影像轉換為積分影像，再與近似的Hessian 矩陣作摺積(Convolution)，得
到近似的高斯模糊影像。因此，大幅縮短了以往在建立高斯金字塔時的運算時間。
以一個等值的3
分別與遮罩作摺積，其數學式分別為式2.2與式2.3，(x; y) 表示像素座標，a; b 為遮
罩座標。可以發現，原始影像與3
基於Hessian 矩陣的興趣點檢測
Hessian 矩陣為二階偏導數所組成的方塊矩陣，其特性是行列式值可用來檢
測函數臨界點為極值點還是鞍點(Saffle point)。一連續二階偏導數函數f(x; y), 其
Hessian 矩陣與行列式特性可表示如下:
9 的遮罩近似= 1:2 的高斯二階偏導數，並且用它做為尺度空間裡最低
尺度。以Dxx、Dxy、Dyy 表示遮罩與積分影像進行摺積的結果，Happrox 表示近似的
Hessian 矩陣，則Hessian 矩陣與DoH 便可簡化如下:
9 遮罩為例，l0 為3。而為了使逐步增加尺寸
的遮罩維持其結構比例，下一層以l0 為基礎增加2 個像素，即l0 為5，遮罩尺寸
為15
為Frobenius 範數，其用處
為平衡簡化後的盒子濾波器。理論上，w 會隨著尺度而有所改變，而根據SURF
作者實驗後認為w 定義為一常數對結果並不會產生太大的影響。而實際上在
計算濾波器響應值時還需對濾波器尺寸做正規化處哩，這樣才能保證任意大小
的濾波器其Frobenius 範數是統一的，以達到尺度不變性。盒子濾波器權重值
為vn 2 f1;A而根據SURF
作者實驗後認為w 定義為一常數對結果
9
遮罩Dyy，共有3 個波瓣(兩正(白色)，一負(黑色))，任一波瓣之短邊即為l0)，它
為盒子濾波器遮罩尺寸的1
3。以9
由式2.10 s 2.11中，可以得知計算Dxx 與Dyy 時各需要用到12 次加減法運算
與4 次乘法運算，計算Dxy 時需要16 次加減法運算與5 次乘法運算。因此，積分
影像的運用，使得運算量與遮罩的大小是無關的。
尺度空間表示法
為了要達到尺度不變性，要在不同尺度下尋找興趣點，因此需要建立尺度空間。
一般透過高斯影像金字塔來建立尺度空間，此方法透過不同的高斯函數與影像作
摺積後，再進行縮減取樣(Downsampling)，以獲得更高一層的金字塔影像。此方法
非常的耗時，因此，SURF 演算法藉由逐步增加盒子濾波器尺寸與積分影像摺積，
並且計算Hessian 矩陣行列式取得斑點響應圖(Blob Response Map) 來建立尺度空間
(如圖2.6 所示)。
尺度空間由若干階(Octaves) 所組成，每階又包含若干層，代表逐步增加的盒
子濾波器尺寸與同一個輸入影像所建立的若干斑點響應圖。由於積分影像的離散化，
兩層之間的最小尺度變化量取決於高斯二階偏導數在導數方向(x 或y) 上的正或負
波瓣(Lobes) 長度l0(波瓣，即盒子濾波器中不同顏色的區域，可參考圖2.7中9
因此，可用Hessian 矩陣行列式值(Determinant of Hessian, DoH) 於影像斑點
檢測(Blob Detection)。斑點通常是指影像中與周圍顏色或灰階值有差別之區域；以
7
真實世界為例，一顆樹是一個斑點，一片草地也是一個斑點等。給定一影像I 中一
點X = (x; y)，在點X 處，尺度(Scale) 為A其Hessian 矩陣H(X; 定義如下:
然而，在建立尺度空間時，離散化後之高斯二階偏導數與影像直接作摺積運
算將相當耗時且複雜，所以Bay 等人將此運算轉換為積分影像與盒子濾波器(Box
Filter) 作運算，並對高斯二階偏導數進行簡化，簡化後的遮罩僅由幾個矩形區域組
成，並且給予權重值(如圖2.5所示)。因此，在計算不同尺度下的DoH 僅需要改變
Box Filter 的尺寸，並且維持其結構比例即可。
以9
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.117.95.130
... <看更多>