INF 1040 Farger og fargerom. Motivasjon. Litt fysikk om lyskilder. Fargen på lyset. Vi oppfatter bare ca 50 gråtoner samtidig

Størrelse: px
Begynne med side:

Download "INF 1040 Farger og fargerom. Motivasjon. Litt fysikk om lyskilder. Fargen på lyset. Vi oppfatter bare ca 50 gråtoner samtidig"

Transkript

1 INF 4 Farger og fargerom Temaer i dag : Fargesyn og deteksjon av farge 2 Digitalisering av fargebilder 3 Fargerom - fargemodeller 4 Overganger mellom fargerom (se kompendiet) 5 Fremvisning av fargebilder 6 Fargetabeller 7 Utskrift av fargebilder 8 Filformater for digitale bilder 9 Pseudo-farger og falske farger Pensumlitteratur: Kompendiet, kapittel 4 Fargefigurer er lagt ut som pdf-fil, se undervisningsplanen Motivasjon Vi oppfatter bare ca 5 gråtoner samtidig Men vi kan skille mellom tusenvis av fargenyanser Farger gjør det lett å skille mellom objekter Både visuelt Og ved digital bildeanalyse Vi må Vite hvilket fargerom vi skal bruke til forskjellige oppgaver Kunne transformere fra ett fargerom til et annet Kunne lagre fargebilder rasjonelt og kompakt Kjenne teknikker for utskrift av fargebilder INF4-Farger- INF4-Farger-2 Litt fysikk om lyskilder Fargen på lyset Tre faktorer beskriver en lyskilde: Radians: den energimengden som lyskilden utstråler Luminans: den energimengden som en observator ser/måler Brightness /lyshet: subjektiv deskriptor som beskriver intensitet og hvor sterk en farge er Lyset fra Sola kan beskrives ved strålingen fra et svart legeme med T=578 K I jordatmosfærer absorberes mye stråling i UV og IR det meste av enkle molekyler Lyset som slipper ned til bakken kan beskrives som hvitt Figuren viser irradiansen i W/m 2 /µm ved luftmasse=2, dvs sola 3 grader over horisonten INF4-Farger-3 INF4-Farger-4

2 Et prisme kan vise oss fargene i lyset Fargen på et objekt Rød Oransje Gul Grønn Cyan Blå Fiolett ~ nm ~ nm ~ nm ~ nm ~ nm ~ nm ~ nm Objektets farge bestemmes av det lyset som reflekteres Dermed er fargen avhengig av Spektral-fordelingen til lyset som faller på objektet Spektralfordelingen til refleksjonen Refleksjonsegenskapene bestemmes av Kjemiske pigmenter Fysiske overflate-strukturer Strukturfarger finnes i naturen kommer snart i en nano-butikk nær deg? INF4-Farger-5 INF4-Farger-6 Fargesyn Tre-farge syn Retina er følsom for lys mellom 35 og 76 nanometer (nm) Fiolett: µm Tre typer fargefølsomme tapper i retina: Blå: µm Grønn: µm Gul: µm Oransje: µm Rød: 62-7 µm S - rundt 42 nm, (2%) Dette er de mest sensitive tappene L - rundt 564 nm, (65%) M - rundt 534 nm, (33%) Ved sterk infrarød stråling kan vi oppfatte stråling helt opp til -5 nm som lys, selv om dette er varmestråling Simultane forskjeller ned til nm i blå-grønt og gult kan sees, mens forskjellen må være minst nm i dyp rødt og fiolett Dette betyr at vi kan skille mellom ca rene farger Tappene analyserer lyset, og finner den dominerende bølgelengden INF4-Farger-7 INF4-Farger-8

3 Tristimulus-verdier Tre integraler gir RGB Fargen reduseres til tre verdier tristimulus-verdier Mengden av alle slike mulige verdier utgjør vårt perseptuelle fargerom Det er noen kombinasjoner av stimuli som ikke er mulige Vi kan ikke stimulere M-tappene uten å få noe respons fra S og L tappene samtidig Ca % av befolkningen er fargeblind Oppfatter farger ved hjelp av to komponenter Lys fra en kilde med spektralfordeling E(λ) - treffer et objekt med spektral refleksjonsfunksjon S(λ) Reflektert lys detekteres av tre typer tapper med spektral lysfølsomhetsfunksjon qi(λ) Tre analoge signaler kommer ut av dette: R = G = B = E( λ) S( λ) q R E( λ) S( λ) q E( λ) S( λ) q B ( λ) dλ G ( λ) dλ ( λ) dλ INF4-Farger-9 INF4-Farger- RGB primærfarger Commision Internationale de l Eclairage, (CIE) (The International Commision of Illumination) har definert primærfargene: Blå: 4358 nm Grønn: 546 nm Rød: 7 nm Kromatisitet X,Y,Z gir mengden av R,G og B En farge spesifises med trikromatiske koeffisienter: Ser at x+y+z= Den ene parameteren er valgt ekvivalent med luminositet De to andre gir fargen X x = X + Y + Z Y y = X + Y + Z Z z = X + Y + Z Alle farger som har samme intensitet kan da gjengis i et 2-D kromatisitetsdiagram INF4-Farger- INF4-Farger-2

4 CIE kromatisitetsdiagram RGB detektorer Mettede farger langs hestesko Lysfølsomhet for RGB-detektorer: Mindre mettede inn mot midten La spektralfordelingen til lyset inn Pastellfarger nede til høyre i kamera være C(λ) Alle blandinger av N farger ligger innenfor N-kant med de N fargene som hjørner Tre tall bestemmer fargens posisjon i RGB-rommet: Alle mulige RGB-farger ligger innenfor markert trekant ci = C( λ) ai ( λ) dλ, i = r, g, b INF4-Farger-3 INF4-Farger-4 RGB-kuben Farger og fargerom,, blå cyan Fargebilder representeres med tre verdier: r, g, b (red, green, blue) Disse tre verdiene bestemmer posisjonen i RGB-rommet magenta hvit Fargekamera: Vi legger et rutenett over bildet, og for hvert piksel måles lysintensitet i tre separate bånd i det elektromagnetiske spekteret Husk at for hvert bånd (red, green, blue) skal vi : Gråtonebilder: r=g=b beregne gjennomsnittsverdien i hver rute,, rød,, svart gul grønn,, Merk: fargene her er normaliserte slik at de ligger mellom og 2 skalere slik at den passer innenfor det tall-området vi skal bruke 3 kvantiserer verdiene til nærmeste heltalls verdi i tall-området r, g, b -bilder kan også genereres med et monokromt kamera ved å bruke tre filtre etter hverandre som bare slipper gjennom henholdsvis røde, grønne og blå bølgelengder (Hvis vi gjør dette, må kameraet stå helt stille!) INF4-Farger-5 INF4-Farger-6

5 Mer om farger Eksempel RGB-bilde r,g,b lagres ofte ved 3x8 bit=24 bit Vi sier at bildet har 3 bånd Bånd : R Bånd 2: G Det første båndet representerer styrken/intensiteten til rødt lys, det andre styrken til grønt lys, og det tredje styrken til blått lys Fargen til et piksel representeres ved talltrippelet (r,g,b) Svart tilsvarer (,,,), og hvit tilsvarer (255,255,255) Gråtoner ligger på diagonalen mellom svart og hvit Merk: her er fargene IKKE normaliserte Bånd 3: B RGB-bildet vist på skjerm INF4-Farger-7 INF4-Farger-8 CMYK-fargemodellen RGB og CMY CMYK-modellen er subtraktiv (start med hvitt, trekk fra farger) Alternativ til r,g,b som basisfarger er cyan, magenta, yellow (CMY-modeller) C = - R eller R hvis 8-bits ikke-normaliserte bilder M = - G G Y = - B B RGB er vanlig på display, men CMYK er vanlig på fargeprintere (K er ekstra komponent for svart) Egen komponent for svart fordi full verdi av C, M og Y gir mørk brunt og ikke svart På ulike printere ser også de rene fargene ulike ut når de skrives ut, så fargebilder forvrenges ofte ved utskrift RGB og CMY er i prinsippet sekundærfarger for hverandre INF4-Farger-9 INF4-Farger-2

6 YIQ NTSC er standard for TV og video i USA Bruker fargesystemet YIQ Y beskriver luminans, I og Q er krominanskomponentene samme signalet brukes både på farge- og gråtoneskjermer Overgangen fra RGB til NTSC s YIQ : Luminans-komponenten Y= 299*R + 587*G + 4*B Hue-komponenten I = 596*R 274*G 322*B Metnings-komponenten Q = 2*R 523*B + 32*B RGB svart (,,) gir NTSC Y= RGB hvit (,,) gir NTSC Y= RGB grå (g,g,g) gir NTSC I=Q= YCbCr-modellen Dette er fargemodellen for digital TV og video! Y er luminans (luma) Cb er blå minus luma (B-Y) Cr er rød minus luma (R-Y) YCbCr er kun digital, mens RGB kan være både analog og digital MPEG-kompresjon (i DVD er, digital-tv og video CD er) er kodet i YCbCr digitale videokameraer (MiniDV, DV, Digital Betacam, osv) gir et YCbCr signal over en digital link som FireWire eller SDI Den analoge tvillingen til YCbCr er YPbPr INF4-Farger-2 INF4-Farger-22 YUV-modellen Hue, Saturation, Intensity (HSI) Brukes analog TV (NTSC, PAL og SECAM) Y representerer intensitet ( luma ) hvit Hue: ren farge - gir bølgelengden i det elektromagnetiske spektrum U og V er fargedifferansene B-Y og R-Y Et video-kamera konverterer RGB data som er registrert i fokalplanet til enten composite analog (YUV) analog YPbPr cyan S grønn gul H rød H er vinkel og ligger mellom og 2π: Rød: H=, grønn: H= 2π/3, blå= 4π/3, gul: H=π/3, cyan= π, magenta= 5π/3, digital YCbCr For framvisning på skjerm må alle disse tre fargerepresentasjonene konverteres tilbake til RGB blå magenta I Hvis vi skalerer H-verdiene til 8-bits verdier vil Rød: H=, grønn: H= 85, blå= 7, gul: H=42, cyan= 27, magenta= 23 svart INF4-Farger-23 INF4-Farger-24

7 Mer om HSI Saturation: metning hvor mye grått inneholder fargen Hvis S=, blir fargen grå uavhengig av hvilken verdi H har (det vil si at vi ligger et sted på diagonalen i RGB-kuben) S ligger normalisert mellom og, eller mellom og 255 hvis 8-bits unsigned verdier pr piksel Varianter av HSI Det finnes ulike varianter av HSI: HSB (Hue, Saturation, Brightness) HSV (Hue, Saturation, Value) H og S tilsammen beskriver fargen og kalles kromatisitet HSL (Hue, Saturation, Lightness) I: intensitet, ligger mellom og eller og 255 Forskjellen er stort sett intensitet eller brightness-komponenter HSI-modellen egnet til å beskrive farge RGB-modellen egnet til å generere farger Konverering fra HSI til RGB: formler finnes INF4-Farger-25 INF4-Farger-26 Eksempler på RGB, CMYK, HSI Men bildet mitt ser ikke likt ut på to skjermer? Rød Gul Grønn RGB (255,,) (255,255,) (,255,) CMYK (,255,255) (,,255) (255,,255) HSI (, 255, 255) (42,255,255) (85,255,255) RGB-farger på en skjerm avhenger av skjermens egenskaper, dvs det samme bilde vist på to skjermer kan se ulikt ut Det samme bildet skrevet ut på to fargeprintere kan se HELT forskjellig ut, fargen avhenger av bla skriveren, fargepatronene, papiret, etc Blå Hvit Grå Svart (,,255) (255,255,255) (92,92,92) (27,27,27) (,,) (255,255,) (,,) (63,63,63) (28,28,28) (255,255,255) (7,255,255) (,,255) (,,92) (,,27) (,,) En skjerm kan vise flere farger en en CMYK-printer kan skrive ut (og en CMYK-skriver kan skrive noen farger en RGB-skjerm ikke kan vise) Vi sier at RGB og CMYK er utstyrs-avhengige fargerom Det finnes internasjonale standarder for fargerom som er utstyrsuavhengige Et slikt system er CIEs XYZ-fargerom Merk: hvis S=, spiller det ingen rolle hva H er Antall stabile, gjenkjennbare farger på en skjerm er ganske lite! INF4-Farger-27 INF4-Farger-28

8 L*a*b* - modellen En utstyrsuavhengig, absolutt modell som kan brukes som en referanse Beskriver alle farger som øyet kan oppfatte L* er luminans a* angir posisjonen mellom rød og grønn den minste verdien gir grønn, b* angir posisjonen mellom grønn og blå den minste verdien av b* gir blå CIE 976 L*a*b* lineariserer beskrivelsen av fargepersepsjon Bør egentlig visualiseres i 3-D skiver med noen L*-verdier rene farger langs randen Mindere metning mot midten Fargesyn Vi kan skille mellom ca rene farger (hue) Når fargene også varierer i intensitet, kan vi skille mellom ca 6 farger (hue+intensity) For hver av disse, kan vi skille mellom ca 6 ulike metningsgrader (saturation) Vi kan altså skille totalt ca 36 farger Dette kan representeres med 9 bit (2 9 = ) Lagrer R, G, B komponentene som byte-bilder totalt 24 bit per piksel INF4-Farger-29 INF4-Farger-3 Fargebilder og fargetabeller Fargetabell / oppslagstabell (LUT) RGB kan lagres med like mange bit for r, g, b, feks (8+8+8) Selv =9 bits gir oss 8x8x8=52 kombinasjoner, men bare 8 forskjellige nivåer av rødt, grønt og blått, og dermed også bare 8 forskjellige gråtoner Det er ikke sikkert at alle de 52 fargene finnes i bildet Et scene med mange nyanser av en farge vil da se ille ut! Hvorfor? Jo fordi den bare får 8 forskjellige farger! Alternativt kan man bruke 8 bit og fargetabeller Hver rad i tabellen beskriver en r, g, b-farge med 24 bits, og tabellen inneholder de 256 fargene som best beskriver bildet I bilde-filen ligger pikselverdiene som tall mellom og 255, men når vi skal vise bildet, slår vi bare opp i samme rad som pikselverdien, og finner r, g, b-verdiene til pikselet Gråtone/fargeavbildningen utføres som oppslag i en tabell LUT - Look Up Table Innholdet i bildefilen endres ikke, LUT-operasjonen utføres på datastrømmen mellom hukommelsen (databufferet) og skjermen v out =LUT(v in ) Kontrastendring i bildet: oppdater G verdier i LUT (ikke n x m verdier i bildet) Q: Kan vi lage et negativt fra et positiv på denne måten? Brukes både til gråtoner og farger, også pseudo-farger (tilordning av liksom-farger til gråtoner) og transformasjoner mellom fargerom INF4-Farger-3 INF4-Farger-32

9 Pikselverdi Disse verdiene ligger lagret på bildefilen RGB-verdi,, 255,, 255,255,,255, 255,,,, ,255,255 Fargetabell Disse verdiene vises på skjermen Vise RGB-verdier på 8 bits skjerm Eller vise pseudofarger fra et gråtonebilde Pikselverdiene fra til 255 tilordnes et RGB-triplet Ved framvisning leses pikselverdien, som brukes til å indeksere tabellen for å finne den RGB-fargen som vises Median-cut algoritmen En tilpasning til de farger som finnes i bildet: Finn den boksen i RGB-rommet som omslutter alle fargene i bildet 2 Sortér fargene i boksen langs den lengste RGB dimensjonen til boksen Dette gjøres enklest ved hjelp av et histogram 3 Del boksen i to ved medianen til den sorterte listen Dermed blir boksen delt i to nye bokser omtrent like mange piksler tilhørende hver nye boks 4 Gjenta steg 2 og 3 for alle boksene som nettopp ble dannet Stopp når du har 256 bokser 5 For hver boks, la midtpunktets RGB-verdier representere boksen og lag en 256-linjers LUT som inneholder disse midtpunktene 6 Erstatt hver 3x8 bits pikselverdi med en 8 bits indeks som svarer til det boks-midtpunktet som ligger nærmest 3x8 bits pikselverdien i RGB-rommet INF4-Farger-33 INF4-Farger-34 Gamma-korreksjon Alpha-kanal Pikselverdien gjengis ikke lineært som intensitet på skjermen, men proposjonal med inputsignalet opphøyet i eksponenten γ γ= 22 => Pikselverdi f=5 gjengis som 2 TV-systemer forhåndskorrigerer bildene før de sendes ut R = R /γ Lysmengden fra skjermen (R ) γ = R En alpha-kanal spesifiserer om fargene er transparente, slik at objektene i bakgrunn synes der alpha-kanalen er satt Verdien av α fra (helt transparent) til 255 (helt ugjennomsiktig) Hvis vi legger et bilde opp en bakgrunn, blir resultatet (bildefargen x α + (bakgrunnsfargen x (255 - α)) / 255 Bakgrunns RGB = (63, 9 27) og piksel RGBA =(9,63,255,α) resultatet lik bakgrunnen for α = (27,27,9) for α = 27 (9,63,255) for α = 255 INF4-Farger-35 INF4-Farger-36

10 Utskrift av gråtonebilder Problem: printere er binære, skriver svart eller ingenting Løsning: printeren jobber på et finere grid (bruker halvtoner) Virker fordi: øyet gjør en glatting av intensitetsverdier, slik at et gjennomsnitt vises Utfordring: hvordan lage mønstere av binære piksler som utgjør en gråtone Patterning bruker n 2 + verdier fra nxn rutenett Dithering terskler med en matrise Error diffusion fordeler feilene ved terskling Et piksel Dithering 28 Terskler gråtonebildet mot en dither-matrise D Dither-matrisen D 2 = n inneholder 2 n x 2 n elementer 24 2 deler gråtoneskalaen fra til 255 inn i (2 n ) 2 ekvidistante trinn Elementene i matrisen fungerer som terskler Matrisen er en maske over bildet Hver pikselverdi sammenlignes med tilsvarende terskel i matrisen Pikselverdien > terskelen => hvit, ellers svart Gir et svart-hvitt bilde med samme størrelse som original-bildet, men detaljer i bildet kan bli borte For å unngå tap av detaljer kan man forstørre opp bildet først Bruker vi dither -matrise D n må vi forstørre bildet med en faktor 2 n INF4-Farger-37 INF4-Farger-38 Feil-diffusjon Rette opp systematiske feil som innføres ved dither-terskling En terskel på 28 vil avbilde en gråtonevedi (svart) eller 255 (hvit) OK hvis pikselverdi nær eller 255 hvis pikselverdi nær terskelverdien blir feilen stor Spre eller diffunder feilen over flere nabopiksler P 7 /6 3/6 5/6 /6 Kan ikke kan spre feilen utenfor bildets grenser CMYK-modell brukes Utskrift av fargebilder Halvtonemønstre i bestemte vinkler (ulik for hver farge) må brukes til å lage fargemønstere Prinsipp: øyet kombinerer de fire fargene slik at ingen brå fargeoverganger ses Hver farge skrives ut i et spesielt symmetrisk mønster Gråtoner kan ikke ende under eller over 255 INF4-Farger-39 INF4-Farger-4

11 Bildeformater Vanligvis: Header kan være både ascii eller binære verdier <magic number> <tittel> <bredde=n> <høyde=h> <#bånd> <bildetype> Pikselverdier binære verdier (som oftest) x x2 xn linje bånd x x2xn linje h bånd x x2 xn linje bånd 2 x x2xn linje h bånd n Formattyper Software-spesifikke XITE BIFF-format, ENVI, MacPaint, Windows BMP, HIPS-format Utvekslingsformater GIF (Graphic Interchange Format) PNG (Portable Network Graphics) JFIF (JPEG File Interchange Format) TIFF (Tagged Image File Format) PGM (Portable Grey Map) FITS (Flexible Image Transport System) MPEG: standard for video (mer om den senere) INF4-Farger-4 INF4-Farger-42 GIF PNG-formatet GIF har mest historisk interesse pga s WWW og HTML GIF var første bildeformat som kunne håndteres av nettlesere GIF standard er begrenset til 8 bit fargebilder (LUT) passer best for bilder eller grafikk med få og distinkte farger GIF finnes I to utgaver: GIF87a, og GIF89a Den siste gir mulighet for enkel animasjon GIF bruker LZW-algoritmen for kompresjon (mer om det senere) Laget pga patentproblemene med GIF Støtter: gråtonebilder med max 6 bit 8 bits fargebilder med fargetabeller RGB med opptil 6 bit pr kanal Har kompresjon (koding) Alpha-bånd INF4-Farger-43 INF4-Farger-44

12 JPEG TIFF = Tagged Image File Format Åpner for å hekte på tilleggsinformasjon om bildet - tags JPEG er i dag det mest brukte bildeformatet de facto standard for kompresjon og lagring av komprimerte bilder Man kan sette enten en kompresjonsfaktor eller en kvalitets-parameter, og så overlate komprimeringen til programvaren Vi kommer tilbake til JPEG-kompresjon senere hva slags kompresjon som er brukt oppslagstabeller, osv TIFF kan lagre en rekke forskjellige typer bilder: bitplan gråtonebilder 8 bit fargebilder (med LUT) 24 bit RGB bilder som er komprimert uten informasjonstap og JPEG-bilder komprimert med informasjonstap INF4-Farger-45 INF4-Farger-46 PBM, PGM, PPM Pseudo-farger PortableBitMap (binære) binær eller ascii PortableGreyMap (gråtoner) - binær eller ascii Pseudo-fargebilder er egentlig gråtonebilder der man har tilordnet hver gråtone en RGB-farge ved hjelp av en oppslagstabell (LUT) PortablePixelMap (RGB) binær eller ascii Eksempel- ascii P2 # A simple PGM image ( Royal Swedish Academy of Sciences) INF4-Farger-47 INF4-Farger-48

13 Falske farger Digitale bilder på terrengmodell NOAA AVHRR kanal : nm kanal 2: 725- nm kanal 4: 3 3 nm Kanal +2+4 som RGB Kanal 2 Kanal 4 Flerbånds satellittbilder kan gi en fargemessig korrekt gjengivelse av vann, jordbruksområder, skog, snaufjell og snø/is, Resultatet kan legges oppå en terrengmodell som gir høyden til hvert piksel og så gjengis tredimensjonalt vist som RGB-bilde (Meteorologisk Institutt) kanalene er ikke RGB (7, 546, 4358) Altså falske farger Verdens beste satellittbilde Geodatasenteret AS 25 INF4-Farger-49 INF4-Farger-5

INF 1040 Farger og fargerom

INF 1040 Farger og fargerom INF 1040 Farger og fargerom Temaer i dag : 1. Fargesyn og deteksjon av farge 2. Digitalisering av fargebilder 3. Fargerom og overganger mellom dem 4. Fremvisning og utskrift av fargebilder 5. Fargetabeller

Detaljer

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 4 Farger og fargerom Fargesyn og deteksjon av farge 2 Digitalisering av fargebilder 3 Fargerom - fargemodeller 4 Overganger mellom fargerom 5 Fremvisning av fargebilder 6 Fargetabeller

Detaljer

INF 1040 Farger og fargerom

INF 1040 Farger og fargerom INF 14 Farger og fargerom Temaer i dag : 1. Fargesyn og deteksjon av farge 2. Digitalisering av fargebilder 3. Fargerom - fargemodeller 4. Overganger mellom fargerom 5. Fremvisning av fargebilder 6. Fargetabeller

Detaljer

INF1040-Farger-2. Vite hvilket fargerom vi skal bruke til forskjellige oppgaver

INF1040-Farger-2. Vite hvilket fargerom vi skal bruke til forskjellige oppgaver INF 1040 Farger og fargerom Temaer i dag : 1. Fargesyn og deteksjon av farge 2. Digitalisering av fargebilder 3. Fargerom og overganger mellom dem 4. Fremvisning og utskrift av fargebilder 5. Fargetabeller

Detaljer

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 14 Farger og fargerom 1 Fargesyn og deteksjon av farge 2 Digitalisering av fargebilder 3 Fargerom - fargemodeller 4 Overganger mellom fargerom 5 Fremvisning av fargebilder 6 Fargetabeller

Detaljer

INF 1040 Farger og fargerom

INF 1040 Farger og fargerom INF 1040 Farger og fargerom Temaer i dag : 1. Fargesyn og deteksjon av farge 2. Digitalisering av fargebilder 3. Fargerom - fargemodeller 4. Overganger mellom fargerom 5. Fremvisning av fargebilder 6.

Detaljer

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset. m cos( Zenit-distansen, z, er gitt ved

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset. m cos( Zenit-distansen, z, er gitt ved Temaer i dag : INF 310 Farger og fargerom 1 Farge, fargesyn og deteksjon av farge Fargerom - fargemodeller 3 Overganger mellom fargerom 4 Fremvisning av fargebilder 5 Fargetabeller 6 Utskrift av fargebilder

Detaljer

Motivasjon. INF 1040 Farger og fargerom. Fargen på et objekt. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 1040 Farger og fargerom. Fargen på et objekt. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 14 Farger og fargerom 1 Fargesyn og deteksjon av farge 2 Digitalisering av fargebilder 3 Fargerom og overganger mellom dem 4 Fremvisning og utskrift av fargebilder 5 Fargetabeller 6

Detaljer

INF 1040 Farger og fargerom

INF 1040 Farger og fargerom INF 1040 Farger og fargerom Temaer i dag : 1. Fargesyn og deteksjon av farge 2. Digitalisering av fargebilder 3. Fargerom og overganger mellom dem 4. Fremvisning og utskrift av fargebilder 5. Fargetabeller

Detaljer

Bilder del 2. Farger og fargesyn. Tre-farge syn. Farger og fargerom. Cyganski, kapittel 5. Fargesyn og fargerom. Fargetabeller

Bilder del 2. Farger og fargesyn. Tre-farge syn. Farger og fargerom. Cyganski, kapittel 5. Fargesyn og fargerom. Fargetabeller Litteratur : Tema i dag: Neste uke : Bilder del 2 Cyganski, kapittel 5 Fargesyn og fargerom Fargetabeller Endre kontrasten i et bilde Histogrammer Terskling Video og grafikk, litt enkel bildebehandling

Detaljer

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser INF 2310 Farger og fargerom Temaer i dag (Kapittel 6: Hovedfokus på 6.1 og 6.2): 1. Litt fysikk: sollys og reflektivitet 2. Farge, fargesyn og deteksjon av farge 3. Fargerom - fargemodeller 4. Overganger

Detaljer

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 310 Farger og fargerom 1. Farge, fargesyn og deteksjon av farge. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder 5. Fargetabeller 6. Utskrift av

Detaljer

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Spredning, absorbsjon, transmisjon. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Spredning, absorbsjon, transmisjon. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 310 Farger og fargerom 1. Farge, fargesyn og deteksjon av farge. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder 5. Fargetabeller 6. Utskrift av

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling INF 2310 Digital bildebehandling Forelesning nr 8-2018 Farger og fargerom Temaer i dag : 1. Farge, fargesyn og deteksjon av farge 2. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning

Detaljer

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser INF 310 Farger og fargerom Temaer i dag (Hovedfokus på 6.1 og 6.: 1. Farge, fargesyn og deteksjon av farge. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder 5. Fargetabeller

Detaljer

INF 2310 Digital it bildebehandling. Spredning, absorbsjon, transmisjon FARGER OG FARGEROM

INF 2310 Digital it bildebehandling. Spredning, absorbsjon, transmisjon FARGER OG FARGEROM INF 310 Digital it bildebehandling b dli FARGER OG FARGEROM Temaer i dag : 1. Farge, fargesyn og deteksjon av farge. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder

Detaljer

INF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15)

INF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15) INF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det er ikke nødvendigvis meningen

Detaljer

Viktige begreper. Viktige begreper, illustrasjon. Matematisk representasjon av digitale bilder. INF Introduksjon og Kap.

Viktige begreper. Viktige begreper, illustrasjon. Matematisk representasjon av digitale bilder. INF Introduksjon og Kap. Viktige begreper INF 23. 25 Introduksjon og Kap. 2 Introduksjon - hva er et digitalt bilde Avbildning Det elektromagnetiske spekteret Litt om bildeformater Kamera og optikk Øyet og egenskaper ved synet

Detaljer

INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver

INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver I disse oppgavene er det oppgitt fem svaralternativer der bare ett svar er riktig. 8. Fargerommet som brukes

Detaljer

Løsningsforslag til kapittel 15 Fargerom og fargebilder

Løsningsforslag til kapittel 15 Fargerom og fargebilder Løsningsforslag til kapittel 15 Fargerom og fargebilder Oppgave 1: Representasjon av et bilde Under har vi gitt et lite binært bilde, der svart er 0 og hvit er 1. a) Kan du skrive ned på et ark binærrepresentasjonen

Detaljer

Fargebilder. Lars Vidar Magnusson. March 12, 2018

Fargebilder. Lars Vidar Magnusson. March 12, 2018 Fargebilder Lars Vidar Magnusson March 12, 2018 Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Delkapittel 6.3 Bildeprosessering med Pseudofarger Delkapittel 6.4 Prosessering av Fargebilder

Detaljer

Repetisjon av histogrammer

Repetisjon av histogrammer Repetisjon av histogrammer INF 231 Hovedsakelig fra kap. 3.3 i DIP Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for billedserier Litt om histogramtransformasjoner

Detaljer

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF Hovedsakelig fra kap. 6.3 til 6.6

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF Hovedsakelig fra kap. 6.3 til 6.6 Hvordan endre kontrasten i et bilde? INF 230 Hovedsakelig fra kap. 6.3 til 6.6 Histogrammer Histogramtransformasjoner Histogramutjevning Histogramtilpasning Histogrammer i flere dimensjoner Matematisk

Detaljer

Løsning av øvingsoppgaver, INF2310, 2005, kompresjon og koding

Løsning av øvingsoppgaver, INF2310, 2005, kompresjon og koding Løsning av øvingsoppgaver, INF230, 2005,. Vi har gitt følgende bilde: kompresjon og koding 0 2 2 2 3 3 3 2 3 3 3 0 2 2 2 3 3 2 2 2 3 2 3 4 4 2 2 3 2 2 3 4 4 2 2 2 3 3 3 4 3 4 a. Finn Huffman-kodingen av

Detaljer

Raster VS Vektor. Stian Larsen Raster

Raster VS Vektor. Stian Larsen Raster Raster VS Vektor. Stian Larsen 29.09.10 Raster Raster grafikk, også kalt punktgrafikk, presenterer et bilde i biter av informasjon. Denne informasjonen blir til piksler som har fargekoder og informasjon

Detaljer

Midtveiseksamen Løsningsforslag

Midtveiseksamen Løsningsforslag INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt

Detaljer

Skanning og avfotografering v/jim-arne Hansen. Grand Nordic Hotell, Tromsø 14. mai 2009

Skanning og avfotografering v/jim-arne Hansen. Grand Nordic Hotell, Tromsø 14. mai 2009 v/jim-arne Hansen Grand Nordic Hotell, Tromsø 14. mai 2009 Innhold: Innledning Tekniske begreper og faguttrykk Formater krav til formater Skanneteknologi: Flatbedskanner Trommelskanner Filmskanner Digitaliseringsbord

Detaljer

Kantdeteksjon og Fargebilder

Kantdeteksjon og Fargebilder Kantdeteksjon og Fargebilder Lars Vidar Magnusson April 25, 2017 Delkapittel 10.2.6 More Advanced Techniques for Edge Detection Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Marr-Hildreth

Detaljer

Midtveiseksamen. INF Digital Bildebehandling

Midtveiseksamen. INF Digital Bildebehandling INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt for eksamen:

Detaljer

Fargetyper. Forstå farger. Skrive ut. Bruke farger. Papirhåndtering. Vedlikehold. Problemløsing. Administrasjon. Stikkordregister

Fargetyper. Forstå farger. Skrive ut. Bruke farger. Papirhåndtering. Vedlikehold. Problemløsing. Administrasjon. Stikkordregister Skriveren gir deg mulighet til å kommunisere i farger. Farger tiltrekker seg oppmerksomhet og gir trykt materiale og informasjon større verdi. Bruk av farger øker lesbarheten, og dokumenter med farger

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : 4:3 8:3 Oppgavesettet er på : 5 sider Vedlegg : Ingen

Detaljer

Objekt-bilde relasjonen. Vinkeloppløsnings-kriterier. Forstørrelse. INF 2310 Digital bildebehandling

Objekt-bilde relasjonen. Vinkeloppløsnings-kriterier. Forstørrelse. INF 2310 Digital bildebehandling Objekt-bilde relasjonen IN 3 Digital bildebehandling Oppsummering II, våren 7: y f f s s y Avbildning Naboskapsoperasjoner og konvolusjon Segmentering Kompresjon og koding av bilder argerom og bildebehandling

Detaljer

Hovedsakelig fra kap. 3.3 i DIP

Hovedsakelig fra kap. 3.3 i DIP Repetisjon av histogrammer INF 231 1.2.292 29 Hovedsakelig fra kap. 3.3 i DIP Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for billedserier Litt om histogramtransformasjoner

Detaljer

Ulike bildeformater og komprimering. Ferdighet 7. trinn Produsere og bearbeide

Ulike bildeformater og komprimering. Ferdighet 7. trinn Produsere og bearbeide Ulike bildeformater og komprimering Ferdighet 7. trinn Produsere og bearbeide I korte trekk Det finnes mange ulike typer bildeformater, og man må kjenne til noen av dem for å gjøre gode valg når man skal

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Mandag 1. juni 2015 Tid for eksamen: 14:30 18:30 Oppgavesettett er på: 6 sider Vedlegg:

Detaljer

Kartografisk formidling. Fargar og Visuelle variablar

Kartografisk formidling. Fargar og Visuelle variablar Kartografisk formidling Fargar og Visuelle variablar FARGER Fysikalsk Fysiologisk Psykologisk Synleg lys Synlig område for bølgelengder er mellom 380 og 740 nm (nanometer 10-9 m) Fargene varierer med lyskilden

Detaljer

INF1040 Digital representasjon Oppsummering 2008 del II

INF1040 Digital representasjon Oppsummering 2008 del II INF igital representasjon Oppsummering 8 del II Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I - W/m,tilSmerteterskelen, W/m Oftest angir vi ikke absolutt lydintensitet

Detaljer

INF1040 Digital representasjon Oppsummering 2008 del II

INF1040 Digital representasjon Oppsummering 2008 del II INF040 Digital representasjon Oppsummering 2008 del II Fritz Albregtsen INF040-Oppsum-FA- Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I 0 = 0-2 W/m 2,tilSmerteterskelen,0

Detaljer

RF5100 Lineær algebra Leksjon 10

RF5100 Lineær algebra Leksjon 10 RF5100 Lineær algebra Leksjon 10 Lars Sydnes, NITH 11. november 2013 I. LITT OM LYS OG FARGER GRUNNLEGGENDE FORUTSETNINGER Vi ser objekter fordi de reflekterer lys. Lys kan betraktes som bølger / forstyrrelser

Detaljer

INF 1040 løsningsforslag til kapittel 17

INF 1040 løsningsforslag til kapittel 17 INF 1040 løsningsforslag til kapittel 17 Oppgave 1: Bilder og histogrammer Her ser du pikselverdiene i et lite bilde. Kan du regne ut histogrammet til bildet, dvs. lage en tabell over hvor mange piksler

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF230 Digital bildebehandling Eksamensdag : Onsdag 6. juni 202 Tid for eksamen : 09:00 3:00 Oppgavesettet er på : 6 sider Vedlegg

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Oppgavesettet er på : 7 sider

Detaljer

Digitale bilder. Det er i hovedsak to måter å representere digitale bilder på: rastergrafkk (punkter) og vektorgrafkk (linjer og fater).

Digitale bilder. Det er i hovedsak to måter å representere digitale bilder på: rastergrafkk (punkter) og vektorgrafkk (linjer og fater). Høgskolen i Østfold Digital Medieproduksjon Oppgave T4/Digitale bilder Uke 38/23.09.10 Jahnne Feldt Hansen Digitale bilder Det er i hovedsak to måter å representere digitale bilder på: rastergrafkk (punkter)

Detaljer

Oppsummering, mai 2014: Sampling og kvantisering Geometriske operasjoner Gåt Gråtone- og histogramoperasjoner F4,5. Segmentering ved terskling

Oppsummering, mai 2014: Sampling og kvantisering Geometriske operasjoner Gåt Gråtone- og histogramoperasjoner F4,5. Segmentering ved terskling INF 310 Digital bildebehandling Oppsummering, mai 014: Avbildning F1 Sampling og kvantisering F Geometriske operasjoner F3 Gåt Gråtone- og histogramoperasjoner F4,5 Segmentering ved terskling Farger og

Detaljer

UNIVERSITETET I OSLO. Dette er et løsningsforslag

UNIVERSITETET I OSLO. Dette er et løsningsforslag Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF231 Digital bildebehandling Eksamensdag : Onsdag 3. juni 29 Tid for eksamen : 14:3 17:3 Løsningsforslaget er på :

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 13:00 Oppgavesettet er på: 6 sider Vedlegg:

Detaljer

INF1040 Digital representasjon

INF1040 Digital representasjon INF1040 Digital representasjon av tekster, tall, former, lyd, bilder og video Forelesere: Gerhard Skagestein Fritz Albregtsen Første forelesning: Onsdag 23. august 12:15 14:00, Sophus Lies Auditorium.

Detaljer

Temaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5.

Temaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5. Temaer i dag INF 231 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for

Detaljer

TDT4105/TDT4110 Informasjonsteknologi grunnkurs:

TDT4105/TDT4110 Informasjonsteknologi grunnkurs: 1 TDT4105/TDT4110 Informasjonsteknologi grunnkurs: Uke 38 Digital representasjon, del 2 - Representasjon av lyd og bilder - Komprimering av data Rune Sætre satre@idi.ntnu.no 2 Digitalisering av lyd Et

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Oppgavesettett er på : 6 sider

Detaljer

Farger. Introduksjon. Skrevet av: Sigmund Hansen

Farger. Introduksjon. Skrevet av: Sigmund Hansen Farger Skrevet av: Sigmund Hansen Kurs: Processing Tema: Tekstbasert Fag: Matematikk, Programmering, Kunst og håndverk Klassetrinn: 8.-10. klasse, Videregående skole Introduksjon På skolen lærer man om

Detaljer

2) Redegjør for de mest brukte filformater for digitale fotografier. Diskuter fordeler, ulemper og bruksområder for de ulike formatene.

2) Redegjør for de mest brukte filformater for digitale fotografier. Diskuter fordeler, ulemper og bruksområder for de ulike formatene. Magnus Over-Rein / 28.09.2010 T4: Digitale bilder 1) Det er i hovedsak to måter å representere digitale bilder, raster (punkter) og vektorer (linjer og flater). Redegjør for disse to typene, diskuter fordeler

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 3. juni 2009 id for eksamen : 14:30 17:30 Oppgavesettet er på : 6 sider

Detaljer

DIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. IN 106, V-2001 BILDE-DANNING. SAMPLING og KVANTISERING

DIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. IN 106, V-2001 BILDE-DANNING. SAMPLING og KVANTISERING IN 06, V-200 DIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. BILDE-DANNING SAMPLING og KVANTISERING BILDE-FORBEDRING I BILDE-DOMENET 2/3 200 Fritz Albregtsen. Trinn: Legg

Detaljer

Veiledning om fargekvalitet

Veiledning om fargekvalitet Side 1 av 6 Veiledning om fargekvalitet Veiledningen om fargekvalitet hjelper brukerne med å forstå hvordan funksjoner som er tilgjengelige på skriveren, kan brukes til å justere og tilpasse fargene på

Detaljer

1.Raster(bitmap) versus vektorer

1.Raster(bitmap) versus vektorer 1.Raster(bitmap) versus vektorer Raster er oftest brukt ved fotografier. Det er et rutenett bestående av små ruter, pixler, hvor hver pixel består av en fargekode. Når man forstørrer et bitmap bilde vil

Detaljer

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein INF2310 - Stikkord over pensum til midtveis 2017 Kristine Baluka Hein 1 Forhold mellom størrelse i bildeplan y og "virkelighet"y y y = s s og 1 s + 1 s = 1 f Rayleigh kriteriet sin θ = 1.22 λ D y s = 1.22

Detaljer

Modul 12 - Photoshop

Modul 12 - Photoshop Modul 12 - Photoshop Når man vil benytte Photoshop som verktøy i en arbeidsprosess som skal resultere i trykksaker eller nettsider må man ha kunnskap innen følgende temaer: farger/fargerom, størrelse/oppløsning,

Detaljer

INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 16 og 17) 13. Lagring av video på DVD

INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 16 og 17) 13. Lagring av video på DVD INF 040 høsten 2009: Oppgavesett 2 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 6 og 7) 3. Lagring av video på DVD a) Med en bitrate på 250 Mbit/s, hvor lang tidssekvens av en digital

Detaljer

INF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER

INF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER Temaer i dag INF 231 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for

Detaljer

INF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER

INF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER Temaer i dag INF 231 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for

Detaljer

Dette er vakre farger du aldri får se på mobilen

Dette er vakre farger du aldri får se på mobilen Viten BLI ABONNENT LOGG INN ANNONSE Dette er vakre farger du aldri får se på mobilen ARNT INGE VISTNES FØRSTEAMANUENSIS, FYSISK INSTITUTT, UNIVERSITETET I OSLO OPPDATERT: 23.NOV. 2015 15:28 PUBLISERT:

Detaljer

HØGSKOLEN I BERGEN Avdeling for ingeniørutdanning

HØGSKOLEN I BERGEN Avdeling for ingeniørutdanning HØGSKOLEN I BERGEN Avdeling for ingeniørutdanning Eksamen i SOD 165 Grafiske metoder Klasse : 3D Dato : 15. august 2000 Antall oppgaver : 4 Antall sider : 4 Vedlegg : Utdrag fra OpenGL Reference Manual

Detaljer

Oppgave T4 Digitale Bilder

Oppgave T4 Digitale Bilder Oppgave T4 Digitale Bilder 1) Det er i hovedsak to måter å representere digitale bilder, raster (punkter) og vektorer (linjer og flater). Redegjør for disse to typene, diskuter fordeler og ulemper. Rastergrafikk:

Detaljer

Triangle Colorscale. Created for design CMYK GUIDE. Intuitiv, nøyaktig og praktisk

Triangle Colorscale. Created for design CMYK GUIDE. Intuitiv, nøyaktig og praktisk Created for design CMYK GUIDE Intuitiv, nøyaktig og praktisk «Det er lett å finne en farge i CMYK GUIDE. Og den fargen du velger, blir nøyaktig lik på trykk!» INTUITIV Et hurtig verktøy for designere CMYK

Detaljer

Farger Introduksjon Processing PDF

Farger Introduksjon Processing PDF Farger Introduksjon Processing PDF Introduksjon På skolen lærer man om farger og hvordan man kan blande dem for å få andre farger. Slik er det med farger i datamaskinen også; vi blander primærfarger og

Detaljer

PhotoShop Grunnleggende ferdigheter

PhotoShop Grunnleggende ferdigheter PhotoShop Grunnleggende ferdigheter Kurs for ansatte DMMH februar/mars 2009 Versjon 2 Svein Sando Åpne og lagre Åpne: to varianter File Open Ctrl+O Lagre: to varianter File Save Ctrl+S Lagre som: to varianter

Detaljer

Temaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling

Temaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling Temaer i dag INF 2310 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF 160 Digital bildebehandling Eksamensdag: Mandag 13. mai - mandag 27. mai 2002 Tid for eksamen: 13. mai 2002 kl 09:00 27. mai

Detaljer

Løsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I

Løsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I Løsningsforslag, Ukeoppgaver 9 INF2310, våren 2009 6. Vi har gitt følgende bilde: kompresjon og koding del I 1 0 1 2 2 2 3 3 3 1 1 1 2 1 1 3 3 3 1 0 1 1 2 2 2 3 3 2 1 2 2 3 2 3 4 4 2 1 2 3 2 2 3 4 4 2

Detaljer

SCANNING OG REPARASJON AV GAMLE BILDER Jessheim bibliotek 21. august 2007. Minikurs. Adobe Photoshop Elements. v/ Randi Lersveen - Krem reklame

SCANNING OG REPARASJON AV GAMLE BILDER Jessheim bibliotek 21. august 2007. Minikurs. Adobe Photoshop Elements. v/ Randi Lersveen - Krem reklame 1 Minikurs v/ Randi Lersveen - Krem reklame Adobe Photoshop Elements Viktige begrep for digitale bilder 2 FARGER (mode) Bitmap: Grayscale: RGB-color: CMYK: Bildet inneholder kun sorte og hvite punkter

Detaljer

Inf109 Programmering for realister Uke 5. I denne leksjonen skal vi se på hvordan vi kan lage våre egne vinduer og hvordan vi bruker disse.

Inf109 Programmering for realister Uke 5. I denne leksjonen skal vi se på hvordan vi kan lage våre egne vinduer og hvordan vi bruker disse. Inf109 Programmering for realister Uke 5 I denne leksjonen skal vi se på hvordan vi kan lage våre egne vinduer og hvordan vi bruker disse. Før du starter må du kopiere filen graphics.py fra http://www.ii.uib.no/~matthew/inf1092014

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 4. juni 2008 Tid for eksamen : 14:30 17:30 (3 timer) Oppgavesettet er på

Detaljer

Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II

Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II 1. En fax-oppgave: a. Et ark med tekst og enkle strektegninger skal sendes pr digital fax over en modemlinje med kapasitet

Detaljer

Olaf Christensen 27.09.2010. Digitale Bilder

Olaf Christensen 27.09.2010. Digitale Bilder Olaf Christensen Digitale Bilder 27.09.2010 1) Vi har to måter å fremstille grafikk på. Den ene er ved hjelp av rastergrafikk (bildepunkter). Den andre er ved hjelp av vektorgrafikk (koordinater). Disse

Detaljer

Sampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP

Sampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP INF 2310 22.01.2008 Ukens temaer Hovedsakelig fra kap. 2.4 i DIP Romlig oppløsning og sampling av bilder Kvantisering Introduksjon til pikselmanipulasjon i Matlab (i morgen på onsdagstimen) Naturen er

Detaljer

Malin Milder 06hbmeda Fargestyring våren 2008. Fargestyring. Malin Milder 06hbmeda Våren 2008

Malin Milder 06hbmeda Fargestyring våren 2008. Fargestyring. Malin Milder 06hbmeda Våren 2008 Fargestyring 1 Malin Milder 06hbmeda Våren 2008 Fargestyring Innledning Fargestyring er et viktig tema som lett blir glemt. De fleste har nok opplevde at de sitter bak skjermen og er veldig fornøyd med

Detaljer

INF februar 2017 Ukens temaer (Hovedsakelig fra kap. 3.1 og 3.2 i DIP) (Histogrammer omtales i kap. 3.3)

INF februar 2017 Ukens temaer (Hovedsakelig fra kap. 3.1 og 3.2 i DIP) (Histogrammer omtales i kap. 3.3) 8. februar 2017 Ukens temaer (Hovedsakelig fra kap. 3.1 og 3.2 i DIP) (Histogrammer omtales i kap. 3.3) Histogrammer Lineære gråtonetransformer Standardisering av bilder med lineær transform Ikke-lineære,

Detaljer

INF januar 2017 Ukens temaer (Kap med drypp fra kap. 4. i DIP)

INF januar 2017 Ukens temaer (Kap med drypp fra kap. 4. i DIP) 25. januar 2017 Ukens temaer (Kap 2.3-2.4 med drypp fra kap. 4. i DIP) Romlig oppløsning Sampling av bilder Kvantisering av pikselintensiteter 1 / 27 Sampling av bilder Naturen er kontinuerlig (0,0) j

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 1. juni 2015 Tid for eksamen: 14:30 18:30 Løsningsforslaget

Detaljer

Komponenter til Fargestyring

Komponenter til Fargestyring Fargestyring Profiler - oppskrift PCS - referansfargerommet Fargetilpasningsmetode (rendering intents) CMM - fargekalkulator Utgangspunktet er den kjensgjerning at menneskets hjerne kan oppfatte ca. 160

Detaljer

Interaksjon mellom farger, lys og materialer

Interaksjon mellom farger, lys og materialer Interaksjon mellom farger, lys og materialer Etterutdanningskurs 2015. Lys, syn og farger - Kine Angelo Fakultet for arkitektur og billedkunst. Institutt for byggekunst, form og farge. Vi ser på grunn

Detaljer

21.09.2015. Mer enn bare et kamera (Publisert versjon, inneholder bare FFIs egne bilder.) Bilder kommer fra mange kilder

21.09.2015. Mer enn bare et kamera (Publisert versjon, inneholder bare FFIs egne bilder.) Bilder kommer fra mange kilder Bilder kommer fra mange kilder Mer enn bare et kamera (Publisert versjon, inneholder bare FFIs egne bilder.) Torbjørn Skauli og Trym Haavardsholm Optisk avbildning - et felt i forandring Hva kan et kamera

Detaljer

INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (kapittel 16 og 17)

INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (kapittel 16 og 17) Fasitoppgaver INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (kapittel 16 og 17) Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet.

Detaljer

Geometra. Brukermanual. Telefon: 64831920

Geometra. Brukermanual. Telefon: 64831920 Geometra Brukermanual Telefon: 64831920 Innhold GENERELT...3 Hva er Geometra?...3 Om PDF tegninger...3 KOM I GANG!...5 Start programvaren og logg inn...5 Grunnleggende funksjoner:...6 Lag et prosjekt,

Detaljer

Grafisk pakke dataseminar ARK6 12.feb 2008

Grafisk pakke dataseminar ARK6 12.feb 2008 Farger Fonter Raster og vektor Filtyper Komprimering Programmer FARGER : RGB-SKJERM - additiv fargemodell beregnet for bruk i skjerm, scanner og digitalkamera - Ulikt forhold mellom Rød, Grønn og Blå skaper

Detaljer

Innføring i bildebehandling

Innføring i bildebehandling Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33506 Bildebehandling og mønstergjenkjenning Laboppgave nr 1 Innføring i bildebehandling Halden 27.08.2013 20.08.13 Revidert Log GKS 22.08.12

Detaljer

Innføring i bildebehandling

Innføring i bildebehandling Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33506 Bildebehandling og mønstergjenkjenning Laboppgave nr 1 Innføring i bildebehandling Halden 24.08.2010 23.08.10 Revidert Log GKS 20.08.09

Detaljer

INF 1040 Digital representasjon 2006 Utkast til - Obligatorisk oppgave nr 3

INF 1040 Digital representasjon 2006 Utkast til - Obligatorisk oppgave nr 3 INF 1040 Digital representasjon 2006 Utkast til - Obligatorisk oppgave nr 3 Utlevering: fredag 3. november 2006, kl. 12:00 Innlevering: fredag 17. november 2006, kl. 23:59:59 Formaliteter Besvarelsen skal

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF210 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 1:00 Løsningsforslaget

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 4. juni 2008 Tid for eksamen : 14:30 17:30 (3 timer) Oppgavesettet er på

Detaljer

AST1010 En kosmisk reise. De viktigste punktene i dag: Elektromagnetisk bølge 1/23/2017. Forelesning 4: Elektromagnetisk stråling

AST1010 En kosmisk reise. De viktigste punktene i dag: Elektromagnetisk bølge 1/23/2017. Forelesning 4: Elektromagnetisk stråling AST1010 En kosmisk reise Forelesning 4: Elektromagnetisk stråling De viktigste punktene i dag: Sorte legemer og sort stråling. Emisjons- og absorpsjonslinjer. Kirchhoffs lover. Synkrotronstråling Bohrs

Detaljer

DV - CODEC. Introduksjon

DV - CODEC. Introduksjon DV - CODEC EN KORT PRESENTASJON I INF 5080 VED RICHARD MAGNOR STENBRO EMAIL: rms@stenbro.net 21. April 2004 Introduksjon Dv-codecen ble utviklet spesielt for bruk i både profesjonelle og konsumer kamera.

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 007 Tid for eksamen : 09:00 1:00 Oppgavesettet er på : 5 sider

Detaljer

www.ir.hiof.no/~eb/viz.htm Side 1 av 12

www.ir.hiof.no/~eb/viz.htm Side 1 av 12 VIZhtm Side 1 av 12 Innhold Side MÅL 1 OPPGAVE / RESULTAT 1 BESKRIVELSE ØVING 6A 2 BESKRIVELSE ØVING 6B 9 BESKRIVELSE ØVING 6C 12 MÅL Når du har utført denne øvingen, skal du kunne: Benytte et kamera som

Detaljer

LØSNINGSFORSLAG, KAPITTEL 3

LØSNINGSFORSLAG, KAPITTEL 3 LØSNINGSFORSLAG, KAPITTEL 3 REVIEW QUESTIONS: 1 Hvordan påvirker absorpsjon og spredning i atmosfæren hvor mye sollys som når ned til bakken? Når solstråling treffer et molekyl eller en partikkel skjer

Detaljer

Hva er farger? A B C FARGELÆRE

Hva er farger? A B C FARGELÆRE 1. Fargelære FARGELÆRE Hva er farger? Figur 1.1 Eplet reflekterer rødt lys til øyet. Øyet omformer det innfallende lyset til signaler som går til hjernens synssenter og vi oppfatter at eplet er rødt. UV

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet INF 160 Digital bildebehandling Eksamensdag: Mandag 12. mai - mandag 26. mai 2003 Tid for eksamen: 12. mai 2003 kl 09:00 26. mai

Detaljer

Bruk fargemenyen til å justere utskriftskvaliteten og tilpasse fargeutskrifter. Velg et menyelement hvis du vil ha mer informasjon:

Bruk fargemenyen til å justere utskriftskvaliteten og tilpasse fargeutskrifter. Velg et menyelement hvis du vil ha mer informasjon: Bruk fargemenyen til å justere utskriftskvaliteten og tilpasse fargeutskrifter. Velg et menyelement hvis du vil ha mer informasjon: Fargejustering Utskriftsoppløsning 1 Manuell farge Utskriftsmodus Mørkhet

Detaljer