Litteratur : I dag og neste uke: Cyganski kap. 5-6
|
|
- Anne Paulsen
- 8 år siden
- Visninger:
Transkript
1 Bilder Litteratur : I dag og neste uke: Cyganski kap. 5- -dimensjonal virkelighet Kamera og optikk fokallengde f Bildet blir en 2-dimensjonal projeksjon av objektet Temaer : Hvordan dannes bilder? Hvordan virker øyet og den visuelle persepsjon? Representasjon av bilder Bilde Neste gang : Sampling og kvantisering av bilder Oppløsning Mer om bilder, farger, fargetabeller, video. Objekt Linse, f.eks. øyet eller et kamera Bildeplan INF00-Bilde- INF00-Bilde-2 Optikk lager bilder Noen begreper Fokallengden f bestemmer hvor stort bildet av objektet blir. y Fra fotografering med 5 mm film (langs diagonalen til 2 x mm): F 2 F f f s s y Fokallengde 50 mm gir omtrent samme synsfelt som øyet (7º) Fokallengde 28 mm gir vidvinkel (75º) Fokallengde 00 mm gir zoom (8º) Objekt-bilde relasjon: /s + /s = /f Forstørrelse: m = y /y = - s /s (fortegnet betyr at bildet er opp-ned) Lensmakers equation : n= refraksjonsindeks for glasset i linsen R og R2 er krumningsradiene til de to linseflatene) = ( n )( f ) R R 2 Andre detektor-størrelser (f.eks. digital-kamera) gir andre synsfelt. Vi måler alltid en 2-dimensjonal projeksjon av -D objektet. For å kunne gjenskape objektet i dimensjoner må vi ta flere 2-dimensjonale projeksjoner i ulike plan og rekonstruere objektet. Computer-tomografi (CT) og Magnetisk resonans (MR) gir -D bilder av vev inne i kroppen. Confokal mikroskopi belyser og avbilder på flere dyp i vevet, mens serielle tynne snitt av cellepreparater gir D bilder med meget høy oppløsning. INF00-Bilde- INF00-Bilde-
2 Øyet Retina Øyet fokuserer ved at linsens fokallengde endres, mens avstanden fra linsen til bildet er konstant. Synssystemet dekker et veldig stort intensitets-område. For normalt syn regner vi med ca 0 dekader. To klasser av reseptorer: Bildet dannes på retina (netthinna), som er en fotoreseptiv hinne. To typer lysfølsomme celler: Staver ( rods ) Ca millioner, spredt over hele retina Flere koblet til hver nerve-ende => lav geometrisk oppløsning Staver ( rods ) Scotopisk (lav-lys) syn: dekker nedre 5- dekader Brukes til mørkesyn Gir bare gråtoner (½ time mørke => ganger høyere følsomhet) Gir bare gråtoner Tapper ( cones ) konsentrert om fovea Brukes til dagsyn typer (R,G,B-følsomme) fovea Når vi ser direkte på et objekt, øker oppløsningen, fordi fovea blir brukt, og mange flere nerve-ender blir stimulert. Fovea er bare 2.5 mm i diameter. Er ikke følsomme for rødt lys Tapper ( cones ) Ca 7 millioner, konsentrert i fovea Koblet til hver sin nerve-ende => høy geometrisk oppløsning Fotopisk (høy-lys) syn: dekker øvre 5- dekader Farge-følsomme: typer (R=700 nm, G=5nm, B= nm) INF00-Bilde-5 INF00-Bilde- Øyets linsesystem Egenskaper ved synet Øyets linsesystem fokuserer lyset. Øye-linsen har en fokallengde, f, som er ca.5 cm. Linsestyrken angis ofte i dioptre, d. d=/f, der f er gitt i meter. Øye-linsen er vanligvis 7 d (/.5x0-2 =.7), hvorav cornea (horn-hinnen) står for 5 d. D for dioptre er byttet ut med liten d, 7/-0, For å unngå forveksling med aperturdiameter på foil 29,0, Cornea har samme brytningsindeks som vann (.), slik at fokuseringseffekten av cornea forsvinner under vann. Q: Hva betyr det at man korrigerer langsynthet med en +.0 brille? A: Man bruker en konvergerende linse med f=0.m. Q: Hva er fokallengden for en.0 brille? A: f = /d = -/ = m. Vi kan se lysintensiteter som varierer over et stort intervall. Vi ser bare et visst antall nivåer samtidig : - den minste gråtone-forskjellen vi kan oppfatte er ca 2% => ca 50 forskjellige gråtoner, men mange flere farger. Når øyet skifter fokus til et annet sted i bildet som har et annet bakgrunnsintensitetsnivå, tilpasser øyet seg dette og ser fint lokale intensitets-forskjeller. Evnen til å skifte fokus raskt (akkomodasjon) svekkes med alderen. Mesteparten av input-info kommer via synsnervene. Men kan vi stole på det vi ser? Rekreasjon: visuelle gåter INF00-Bilde-7 INF00-Bilde-8
3 Farge-ergonomi Øynene stiller krav til arbeidsmiljøet Farger gir mer informasjon, hurtig identifikasjon, gir sammenhenger og assosiasjoner, øker motivasjonen. Jo flere farger, desto bedre? Nei, sannheten er som vanlig noe mer nyansert. Rødt øker blodtrykk, puls og svette midlertidig. Blått virker motsatt. Viktig at ikke overlesset fargebruk forvirrer. Få og lett gjenkjennelige farger Samme lysstyrke og fargemetning Stabile farger Minst mulig farge-stereopsi: Forskjellige farger fokuserer i ulike plan. Resultat: Øye-hjerne arbeider med re-fokusering => hodepine og trøtthet. T-Rex and Me I synshjernebarken (visual cortex) sitter mengder av kantdetektorer, som finner kanter og linjer med forskjellige orienteringer (vinkler) og forskjellige tykkelser, separat for høyre og venstre øye. Øyet skanner over objektet, og konsentrerer seg om de interessante, krumme kantene. I tillegg har vi flere typer raske øyebevegelser. Når øyet beveger seg raskt, er synet slått av. Uten de raske øyebevegelsene, som gir nye reseptorer muligheten til å se bekrefte konturene av objektet, faller synet ut i løpet av sekunder. INF00-Bilde-9 INF00-Bilde-0 Test synet ditt Hvor fine detaljer kan vi se? Vi kan se ca. 0 svarte og 0 hvite rader per grad av synsfeltet. Vårt synsfelt er ca º horisontalt og 9º vertikalt for hvert øye Vi ser i landscape-format A-ark holdt ca. 0 cm foran øyet. 50º horisontalt synsfelt => 50*0 = 000 vertikale linjer -> 000 piksler 0º vertikalt synsfelt => 0*0 = 2 00 horisontale linjer -> 800 piksler 000 piksler / tommer (A) 550 DPI (dots per inch) Vi kan fokusere på avstander 9 cm 0 cm 200 cm alder DPI OK Kan bruke 200 DPI 00 DPI er bra INF00-Bilde- INF00-Bilde-2
4 Bildedannelse og energikilder Det elektromagnetiske spektrum; gammastråling, røntgen, synlig lys, mikrobølger, radiobølger, kan beskrives som bølger med en bestemt bølgelengde Bølgelengden λ kan være veldig kort eller veldig lang Andre sensorer enn øyet Aktive og passive sensorer: belyse og se eller bare se. Optisk satellittbilde: Landsat Radarbilde fra satellitt: SAR, Infrarødt satellittbilde Medisinsk ultralyd NMR magnetisk resonnans Røntgen og CT Sonar, seismikk lyd Mikroskopi CCD-kamera Laser avstand scanner INF00-Bilde- INF00-Bilde- Det elektromagnetiske spekteret Fiolett: µm Blå: µm Grønn: µm Gul: µm Oransje: µm Rød: µm Sammenheng mellom bølgelengde og frekvens: c=λv c lysets hastighet (x0 8 m/s) λ - bølgelengde (m) v frekvens (sykler pr. sek, Hz) Eksempel: bilde fra Landsat-satellitten Måler lys i 7 bølgelengder samtidig Blå Grønn Rød Middel infrarød Termisk infrarød Middel infrarød Nærinfrarød Max. penetrasjon av vann Planter og friskhet Vegetasjonstype Biomasse Fuktighet i bakke og vegetasjon Temperatur Mineraler INF00-Bilde-5 INF00-Bilde-
5 Eksempel: radarbilde vs. optisk Eksempel: radarbilde av oljesøl fra M/S Prestige Bilde fra ERS- SAR-satellitten Radaren viser røffheten på overflater Landsat-bilde fra samme område INF00-Bilde-7 INF00-Bilde-8 Eksempel: Magnetisk resonnans-bilde Viktige begreper Et digitalt bilde er en funksjon av to (eller flere) heltallsvariable f(x,y) (x og y er heltall) Et 2-dimensjonalt digitalt bilde er en 2-dimensjonal array/matrise. Dette kalles raster-representasjon. Hvert element i matrisen kalles et piksel, og angis ved koordinater x og y. y x MR-bilder av hjernen Klassifisert i vevstyper, svulst markert i rødt Tallverdien til hvert piksel angir intensiteten (hvor lyst/mørkt) til pikslet. Merk: origo (0,0) er ofte oppe i venstre hjørne i bildet. Det første pikslet kan ha indekser (0,0) eller (,) INF00-Bilde-9 INF00-Bilde-20
6 Matematisk representasjon av digitale bilder Eksempel - Pikseltyper f(x,y) er bildeverdien i piksel (x,y). f(x,y) er et tall som forteller noe om intensiteten (lysstyrken) målt i punkt (x,y). f(x,y) kan være en vektor, f.eks. r,g,b for et fargebilde. 0,0 y x Bit Byte Real f(x,y) må representeres med en gitt datatype (integer, byte, float etc.). INF00-Bilde-2 INF00-Bilde-22 Bilder med flere bånd Flere bånd: Ulike frekvenser/bølgelengder Mange egenskaper Fargebilder lagres vanligvis som RGB-bilder Notasjon: f(,x,y) bånd f(,x,y) bånd f(x,y) et bånd Naturen er kontinuerlig. Digitalt bilde består av et endelig 2D rutenett med punkter. Sampling: prosessen som plukker ut punkter fra et kontinuerlig objekt som avbildes til et 2D rutenett. Samplingsproblem: hvor tett må punktene i rutenettet ligge? Sampling av bilder 0,0 y x INF00-Bilde-2 INF00-Bilde-2
7 Frekvens i bilder Naturlige frekvenser i bilder Periodiske bilder: et begrenset sett av frekvenser Naturlige bilder: et uendelig sett av frekvenser. Fourier-teori: et bilde kan beskrives ved en endelig sum av sinus og cosinussignaler med ulike frekvenser. Bildet består av et endelig sett frekvenser. INF00-Bilde-25 INF00-Bilde-2 Sampling Valg av rutenett/gridstørrelser Bildet varierer i intensitet med ulike frekvenser. Antar bildet inneholder av et endelig antall frekvenser. En høy frekvens beskriver et mønster som varierer hurtig i bildet, lav frekvens noe som varierer langsomt. Nyquist-kriteriet: Samplingsraten må minst være dobbelt så stor som den høyeste frekvensen i bildet. Dette betyr: Vi må sample minst to ganger pr. periode av det objektet som varierer hurtigst i det kontinuerlige bildet. Det digitale bildet må altså ha minst to piksler pr periode for den minste periodisk struktur i det kontinuerlige bildet. I tillegg må vi ha god nok optikk til å avbilde slike strukturer! Gridstørrelsen er ofte gitt av sensorer: Video: f.eks. 0x80 (kolonner x linjer) Digitalt kamera: f.eks. 02 x78 (0.7 megapixel) Bedre kamera:70 x 8 (2. megapixel) Enda bedre: 2272 x 70 (.0 megapixel) Gridstørrelse og fokallengde bestemmer den romlige oppløsningen, gitt som en vinkel. Hvis vi kjenner avstand fra kamera til objektet som avbildes, kan vi angi romlig oppløsning som størrelsen av hvert piksel på objektet, for eksempel i meter. INF00-Bilde-27 INF00-Bilde-28
8 Vinkel-oppløsning til en linse En punktkilde avbildes som et diffraksjonsmønster, som er bestemt av form og størrelse til aperturen. Sirkulær apertur => en sentral lys disk med vekselvis mørke og lyse ringer rundt, med avtagende intensitet. To lys-punkter kan akkurat adskilles i bildet hvis de ligger slik at sentrum i det ene diffraksjonsmønstret faller sammen med den første mørke ringen i det andre. Vinkelen er gitt ved sin θ =.22 x λ / D (Rayleigh-kriteriet) Hvis vi skal se 0 lyse linjer pr grad, må vi ha en apertur D gitt ved sin(/0)º= /D => D = meter = 2. mm. Dette gjelder for en helt perfekt linse. Øyets pupille er litt større. Avstand mellom punkter i objekt og bilde Anta at en f=5 mm linse har et har et forhold mellom fokallengde og aperturdiameter f/d =. Vi avbilder et objekt som er.5 meter unna. Vi antar at λ= meter (grønt lys). Q: Hva er den minste avstand y mellom to punkter på objektet som kan adskilles, og hva er den tilsvarende avstand y i bildeplanet? Aperturen er D=f/ = 5 mm/ =.7 mm = meter. y/.5 m = / => y = m 0.2 mm. y /5mm = / => y = mm 2 µm Bytter til et kompakt digital-kamera med f = 5.8 mm, f/d =. Nå er D=f/. = 5.8 mm/. =.87 mm = meter y/.5 m = / => y = m. mm. y /5.8mm = / => y = mm 2 µm Kravene til samplingstetthet i bildeplanet er omtrent de samme, men kompakt-kameraet gir mye dårligere oppløsning av detaljer i objektet. Hvis man blender ned aperturen, blir oppløsningen dårligere. INF00-Bilde-29 INF00-Bilde-0 Kommentar om sampling av bilder Når et kamera tar bilde av et objekt, vil hvert piksel i bildet vanligvis inneholde lys målt fra hele det området som pikselet dekker. Eksempel: la oss si at piksel dekker det området som er vist til høyre, og at dette lille området inneholder noe fin-struktur: Dette representeres etter samplingen ved gjennomsnittlig lysstyrke i området: Dermed er all struktur som er mindre enn pikselstørrelsen blitt visket ut. Vi har målt en middelverdi over et areal, og gjengir det likedan. Dette er forskjellig fra sampling av lyd, der samplet lages ved at man fryser lydstyrken på et gitt tidspunkt. Romlig oppløsning avhenger av anvendelsen Et kamera på mobiltelefon skal sende bildet over en GSMlinje og har relativt dårlig oppløsning. Bilder på Internett skal også overføres raskt og ligger ofte lagret med dårlig oppløsning. Skal vi skanne inn et håndtegnet kart, må vi ha god nok oppløsning til at tekst og linjer kommer korrekt med. Skal vi ta bilder av jorden fra satellitt, kan vi enten dekke et stort område med liten oppløsning (km) eller dekke et mindre område med høy oppløsning (m). INF00-Bilde- INF00-Bilde-2
9 Eksempel: Ledningskart Eksempler - romlig oppløsning 52x52 25x25 28x28 x 2x2 x INF00-Bilde- INF00-Bilde- Dette er Mona Lisa Eksempler - antall bit pr. piksel Dette er Mona Lisa genskapt i mosaik. Forbenede reaktionære bagtaler denne teknik. 2 sorte og hvite kvadrater 8 bit, 25 nivåer 7 bit, 28 nivåer bit, nivåer anbragt på rette sted! Man påstår at noget i smilet -- ikke helt kommer med. 5 bit, 2 nivåer bit, nivåer bit, 8 nivåer INF00-Bilde-5 INF00-Bilde-
10 Kvantisering f(x,y) er intensitet/lysstyrke i (x,y) og i naturen en kontinuerlig variabel Må velge datatype for lagring (byte, short, int, float, double) Kvantisering: prosessen som transformerer et kontinuerlig sampel f k (x,y) til et diskret sampel f(x,y) To stikkord sentrale: Lagringsplass Behov for presisjon/akseptabelt informasjonstap Merk: Display og videre bildeanalyse av det kvantiserte bildet stiller ulike krav til presisjon. Digitalisering i tre enkle steg Et kontinuerlig bilde er en reell funksjon f(x,y) av to (eller flere) reelle og kontinuerlige variable.. Vi legger på et rutenett, og beregner gjennomsnittsverdien av f(x,y) i hver rute: Rutenettet er vanligvis kvadrater. Vi har nå en reell funksjon f (x,y ), der heltallene x og y gir nummereringen av rutene. 2. Vi skalerer f (x,y ) slik at den passer innenfor det område vi skal bruke som gråtoneskala.. Vi kvantiserer verdiene av f (x,y ) til nærmeste heltalls verdi i gråtoneskalaen. Vi har nå funnet f (x,y ), som er en heltalls funksjon av to heltalls variable. INF00-Bilde-7 INF00-Bilde-8 Kvantisering og datatyper Eksempel: plassbehov Hvert piksel lagres vha. n bit Pikselet kan da inneholde verdier fra 0 til 2 n - Radarbilde fra ERS-satellitten: Dekker 00x00 km 8 bits bilder: 25 ulike verdier (0-255) Pikselstørrelse 20x20m bits bilder: 55 verdier 5000x5000 piksler unsigned: fra -278 til 277 signed: fra 0 til bits integer 8-bit per pixel: 25 MB Utsnitt av ERS SAR bilde 2 bits float bit per pixel: 50 MB 2 bit per pixel: 00 MB INF00-Bilde-9 INF00-Bilde-0
11 Bilder tar mye plass Dette bør du ha fått med deg i dag En side i læreboka er på 50 linjer a 80 tegn. Et 2-dimensjonalt digitalt bilde er en 2-dimensjonal heltalls matrise (array). Hvor mange bok-sider svarer et Mpix fargebilde til? ( x 0 x x 8) /(50 x 80 x 8) bok-sider = x 0 bok-sider Hvert tall i matrisen svarer til et lite (oftest kvadratisk) område i det opprinnelige analoge bildet. Hvert tall i matrisen kalles et piksel ( picture element ). Hvor stort må et 2 bits fargebilde være for at utsagnet et bilde sier mer enn ord skal være riktig? ord x tegn/ord x 8 bits/tegn / 2 bits/pixel = pixler, altså et kvadratisk bilde med piksler hver vei. For et gråtonebilde: x x 8 / 8 = piksler, altså et kvadratisk bilde med 25 pixler langs aksene. I gråtone-bilder angir piksel-verdien hvor lyst / mørkt det lille området i det opprinnelige bildet er. I fargebilder er piksel-verdien en vektor ( heltall). Hvert piksel har implisitte romlike koordinater (x,y), gitt ved posisjonen i matrisen. INF00-Bilde- INF00-Bilde-2 Dette bør du også ha fått med deg Det digitale bildet må ha minst to piksler pr periode for den minste periodisk struktur i det kontinuerlige bildet. Vi må ha god nok optikk til å avbilde slike strukturer! Vinkeloppløsningen er gitt ved sin θ =.22 x λ / D. Vi velger en kvantisering som tilfredsstiller de krav som display og/eller senere bildebehandling og analyse stiller. Digitale bilder tar generelt stor plass. Senere skal vi se på metoder for koding og kompresjon. Neste uke: Forelesningsfri! Uke : Mer om bilder. INF00-Bilde-
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
DetaljerTemaer 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.
DetaljerViktige 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
DetaljerINF 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
DetaljerTema nr 1: Synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Øyet og synssystemet vårt
INF 040 Syn, avbildning og digitale bilder Temaer i dag :. Synssystemet vårt hvordan fungerer det 2. Avbildning. Digitalisering av bilder Tema nr : Synssystemet vårt Pensumlitteratur: Kompendiet, kapittel,
DetaljerØyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:
INF 040 Syn, avbildning og digitale bilder Temaer i dag :. Synssystemet vårt hvordan fungerer det 2. Avbildning. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 2, og 4. Øyet og synssystemet
DetaljerØyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:
INF 4 Syn, avbildning og digitale bilder Temaer i dag :. Synssystemet vårt 2. Avbildning. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 2, og 4. Øyet og synssystemet vårt Motivasjon for
DetaljerINF 1040 Syn, avbildning og digitale bilder
INF 1040 Syn, avbildning og digitale bilder Temaer i dag : 1. Synssystemet vårt 2. Avbildning 3. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 12, 13 og 14. INF1040-Bilde1-1 Øyet og synssystemet
DetaljerINF 1040 Syn, avbildning og digitale bilder
INF 1040 Syn, avbildning og digitale bilder Temaer i dag : 1. Synssystemet vårt hvordan fungerer det 2. Avbildning 3. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 12, 13 og 14. INF1040-Bilde1-1
DetaljerINF 1040 Syn, avbildning og digitale bilder
INF 1040 Syn, avbildning og digitale bilder Temaer i dag : 1. Synssystemet vårt 2. Avbildning 3. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 12, 13 og 14. INF1040-Bilde1-1 Øyet og synssystemet
DetaljerØyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:
INF 040 Syn, avbildning og digitale bilder Temaer i dag :. Synssystemet vårt 2. Avbildning. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 2, og 4. Øyet og synssystemet vårt Motivasjon for
DetaljerTemaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen 27.01.2014 INF2310 1 Temaer i dag Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål
DetaljerLøsningsforslag 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
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerTDT4105/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
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerUNIVERSITETET 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
DetaljerSampling, kvantisering og lagring av lyd
Litteratur : Temaer i dag: Neste uke : Sampling, kvantisering og lagring av lyd Cyganski kap 11-12 Merk: trykkfeilliste legges på web-siden Sampling av lyd Kvantisering av lyd Avspilling av samplet og
DetaljerUNIVERSITETET 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
DetaljerGrunnleggende om Digitale Bilder (ITD33515)
Grunnleggende om Digitale Bilder (ITD33515) Lars Vidar Magnusson January 13, 2017 Delkapittel 2.2, 2.3, 2.4 og 2.5 Lys og det Elektromagnetiske Spektrum Bølgelengde, Frekvens og Energi Bølgelengde λ og
DetaljerINF1040 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.
DetaljerFor J kvantiseringsnivåer er mean square feilen:
Slide 1 Slide 2 Kap. 6 Bilde kvantisering Kap. 6.1 Skalar kvantisering Desisons og rekonstruksonsnivåer velges ved å minimalisere et gitt kvantiseringsfeilmål mellom f og ˆf. Kvantisering: Prosessen som
DetaljerDIGITALISERING 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
DetaljerLØSNINGSFORSLAG, KAPITTEL 2
ØNINGFORAG, KAPITTE REVIEW QUETION: Hva er forskjellen på konduksjon og konveksjon? Konduksjon: Varme overføres på molekylært nivå uten at molekylene flytter på seg. Tenk deg at du holder en spiseskje
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesere våren 2010: Anne Schistad Solberg Are Jensen Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerFYS 2150.ØVELSE 15 POLARISASJON
FYS 2150.ØVELSE 15 POLARISASJON Fysisk institutt, UiO 15.1 Polarisasjonsvektorene Vi skal i denne øvelsen studere lineært og sirkulært polarisert lys. En plan, lineært polarisert lysbølge beskrives ved
DetaljerKanter, kanter, mange mangekanter
Kanter, kanter, mange mangekanter Nybegynner Processing PDF Introduksjon: Her skal vi se på litt mer avansert opptegning og bevegelse. Vi skal ta utgangspunkt i oppgaven om den sprettende ballen, men bytte
DetaljerNoen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1.
FYS2130 Våren 2008 Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1. Vi har på forelesning gått gjennom foldingsfenomenet ved diskret Fourier transform, men ikke vært pinlig nøyaktige
DetaljerTemaer i dag. Kontakter. Lærebok. INF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesere våren 2008: Are Jensen Fritz Albregtsen Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerINF 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
DetaljerINF 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
DetaljerFarger 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
DetaljerOblig 11 - Uke 15 Oppg 1,3,6,7,9,10,12,13,15,16,17,19
Oblig 11 - Uke 15 Oppg 1,3,6,7,9,10,12,13,15,16,17,19 Dersom du oppdager feil i løsningsforslaget, vennligst gi beskjed til Arnt Inge og Maiken. Takk! Oppgave 1 Youngs dobbeltspalteeksperiment med lyd?
DetaljerINF 1040 Syn, avbildning og digitale bilder. Øyet og synssystemet vårt. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:
INF 1040 Syn, avbildning og digitale bilder Øyet og synssystemet vårt Motivasjon or å kunne noe om dette: Mesteparten av vår sensoriske input kommer via synssansen. Temaer i dag : 1. Synssystemet vårt
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesere våren 2011: Fritz Albregtsen Are Jensen F1 18.01.2011 INF 2310 1 Temaer i dag Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling?
DetaljerOrdliste. Adaptiv filtrering (adaptive filtering) Et filter som endrer oppførsel etter det lokale innholdet i bildet eller signalet.
Ordliste Dette er et forsøk på å gi forklaringer til ord og uttrykk som brukes i forbindelse med lyd, bilder og kompresjon i kurset INF1040 høsten 2004. En del av nøkkelordene er IKKE brukt i kurset INF1040,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Fredag 29. mars 2019 Tid for eksamen : 14:30 18:30 (4 timer) Oppgavesettet er
DetaljerLøsningsforslag, 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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Løsningsforslaget
DetaljerGråtonehistogrammer. 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
DetaljerINF 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
DetaljerTemaer i dag. Kontakter. Lærebok. INF 2310 Digital bildebehandling
Temaer i dag INF 230 Digital bildebehandling Forelesere våren 2009: Anne Schistad Solberg Fritz Albregtsen Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerUNIVERSITETET 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
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesere våren 2019: Fritz Albregtsen Are Jensen F1 16.01.2019 INF 2310 1 Temaer i dag Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling?
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesere våren 2018: Fritz Albregtsen Are Jensen INF 2310 1 Temaer i dag Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i
DetaljerTemaer i dag. Lærebok. Kontakter. INF 2310 Digital bildebehandling
Temaer i dag INF 230 Digital bildebehandling Forelesere våren 202: Fritz Albregtsen Andreas Kleppe Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerDen gule flekken er det området på netthinnen som har flest tapper, og her ser vi skarpest og best i dagslys.
Netthinnen inneholder to typer sanseceller: staver og tapper. Når lyset treffer dem, dannes det nerveimpulser som går videre til hjernen gjennom synsnerven. Det området på netthinnen hvor synsnervene går
DetaljerMidtveiseksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt
Detaljer21.09.2015. 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
DetaljerUNIVERSITETET 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
DetaljerGJØR DEG KLAR! Svein Roar Kvamme, Personlig Trener Sprek og Blid Knarvik
GJØR DEG KLAR! Svein Roar Kvamme, Personlig Trener Sprek og Blid Knarvik KLAR PÅ 26 UKER BESKRIVELSE AV INTENSITETEN PÅ ØKTENE Jeg kommer til å bruke puls- og soneinndeling som beregnes i forhold til din
DetaljerUNIVERSITETET 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
DetaljerBilder og bildebruk. for nettsider og nettbutikker! Uni Micro Web - 6. mai 2014 BILDER OG BILDEBRUK - UNI MICRO WEB
Bilder og bildebruk for nettsider og nettbutikker Uni Micro Web - 6. mai 2014 1 Innledning En nettside blir aldri bedre enn bildematerialet som fremvises En nettside består av mange bilder. Både reklamebannere,
DetaljerTallinjen FRA A TIL Å
Tallinjen FRA A TIL Å VEILEDER FOR FORELDRE MED BARN I 5. 7. KLASSE EMNER Side 1 Innledning til tallinjen T - 2 2 Grunnleggende om tallinjen T - 2 3 Hvordan vi kan bruke en tallinje T - 4 3.1 Tallinjen
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesere våren 2014: Fritz Albregtsen Andreas Kleppe Praktisk k informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : :3 8:3 Løsningsforslaget er på : 9
DetaljerINF 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
DetaljerFunksjoner og andregradsuttrykk
88 4 Funksjoner og andregradsuttrykk Mål for opplæringen er at eleven skal kunne bruke matematiske metoder og hjelpemidler til å løse problemer fra ulike fag og samfunnsområder løse likninger, ulikheter
Detaljer1 Adobe Photoshopkurs høsten 2009 - del 1 - Gøy med Photoshop
Vi lager en Snemann! Dette er bildet vi skal lage! Her er alle delene vi skal bruke: 1 Vi begynner med å lage et nytt dokument i Photoshop. File - New Størrelsen skal være: bredde 11cm - høyde 15,2cm og
DetaljerDet du skal gjøre i denne oppgava er først å sette opp bakgrunnen til spillet og så rett og slett å få firkanter til å falle over skjermen.
Tetris Introduksjon Processing Introduksjon Lag starten på ditt eget tetris spill! Det du skal gjøre i denne oppgava er først å sette opp bakgrunnen til spillet og så rett og slett å få firkanter til å
DetaljerForkunnskapskrav. Hva handler kurset om. Kontaktinformasjon. Kurset er beregnet på en student som kan
Velkommen til INF4, Digital signalbehandling Hilde Skjevling (Kursansvarlig) Svein Bøe (Java) INSTITUTT FOR INFORMATIKK Kontaktinformasjon E-post: hildesk@ifi.uio.no Telefon: 85 4 4 Kontor: 4 i 4.etasje,
DetaljerHermann-gitteret. og de usynlige prikkene. Se på ett av de hvite kryssene i rutenettet på veggen. Ser du de svarte prikkene i de andre kryssene?
Hermanngitteret og de usynlige prikkene Se på ett av de hvite kryssene i rutenettet på veggen. Ser du de svarte prikkene i de andre kryssene? Hva skjer med prikkene om du flytter blikket? Forandrer effekten
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : irsdag 29. mars 2011 id for eksamen : 15:00 19:00 Oppgavesettet er på : 5
DetaljerAnalog. INF 1040 Sampling, kvantisering og lagring av lyd. Kontinuerlig. Digital
INF 14 Sampling, kvantisering og lagring av lyd Temaer i dag : 1. Analog eller digital, kontinuerlig eller diskret 2. Sampling, kvantisering, digitalisering 3. Nyquist-Shannon teoremet 4. Oversampling,
DetaljerINF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11)
INF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det
DetaljerMidtveiseksamen. 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:
DetaljerINF 1040 høsten 2008: Oppgavesett 10 Digitale bilder (kapittel 12,13,14)
INF 1040 høsten 2008: Oppgavesett 10 Digitale bilder (kapittel 12,13,14) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det er ikke
DetaljerSnake Expert Scratch PDF
Snake Expert Scratch PDF Introduksjon En eller annen variant av Snake har eksistert på nesten alle personlige datamaskiner helt siden slutten av 1970-tallet. Ekstra populært ble spillet da det dukket opp
DetaljerTetris. Introduksjon. Skrevet av: Kine Gjerstad Eide. Lag starten på ditt eget tetris spill!
Tetris Skrevet av: Kine Gjerstad Eide Kurs: Processing Introduksjon Lag starten på ditt eget tetris spill! Det du skal gjøre i denne oppgava er først å sette opp bakgrunnen til spillet og så rett og slett
DetaljerINF 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
DetaljerUNIVERSITETET 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
DetaljerPAGE OUT QUIT MARKØR ENTER / MARK NRST / FIND MENU DIRECT TO POWER
PAGE Trykk for å bla gjennom hovedsidene og komme tilbake til bildet fra submeny side. Trykk og hold for å bytte mellom Aviation, Marine og Bil modus. QUIT Trykk for å bla gjennom hovedsidene bakover,
DetaljerHøgskoleni østfold EKSAMEN. ITD33506 Bildebehandling og monstergjenkjenning. Dato: Eksamenstid: kl 9.00 til kl 12.00
Or Høgskoleni østfold EKSAMEN Emnekode: Emne: ITD33506 Bildebehandling og monstergjenkjenning Dato: 25.11.2013 Eksamenstid: kl 9.00 til kl 12.00 Hjelpemidler: Læreboken, ett A4-ark skrevet på begge sider
DetaljerGeometri Mona Røsseland Nasjonalt senter for matematikk i Opplæringen Leder i LAMIS Lærebokforfatter, MULTI Geometri i skolen Geometri etter 4.
Geometri Mona Røsseland Nasjonalt senter for matematikk i Opplæringen Leder i LAMIS Lærebokforfatter, MULTI 15-Apr-07 Geometri i skolen dreier seg blant annet om å analysere egenskaper ved to- og tredimensjonale
DetaljerBrukerveiledning Windows Movie Maker
Brukerveiledning Windows Movie Maker Dette er en enkel veiledning i hvordan man kan bruke Windows Movie Maker.Det er et program som følger med Windows XP, og som er veldig enkelt å bruke. Det egner seg
DetaljerSentry. Brukerhåndbok. Bo Jo Tveter AS. Akersbakken 12 A, 0172 Oslo Norge ! 23 32 75 00! 23 32 75 01
Sentry Brukerhåndbok Bo Jo Tveter AS. Akersbakken 12 A, 0172 Oslo Norge! 23 32 75 00! 23 32 75 01 e-post: post@bojo.no http://www.bojo.no versjon 0503 INNHOLDSFORTEGNELSE INNHOLDSFORTEGNELSE 2 1 Generelt
DetaljerSprettende ball Introduksjon Processing PDF
Sprettende ball Introduksjon Processing PDF Introduksjon: I denne modulen skal vi lære et programmeringsspråk som heter Processing. Det ble laget for å gjøre programmering lett for designere og andre som
DetaljerGangemesteren Nybegynner Scratch PDF
Gangemesteren Nybegynner Scratch PDF Introduksjon I dag skal vi lage et nyttig spill, nemlig et spill som hjelper oss å lære andre ting. Vi skal få hjelp til å lære gangetabellen! Steg 1: Læremesteren
DetaljerIntroduksjon til lyd. Det ytre øret. Fra lydbølger til nerveimpulser. INF1040 - Digital representasjon 23.09.2009: Introduksjon til lyd.
Foreleser: INF1040 - Digital representasjon 23.09.2009: Introduksjon til lyd Martin Giese Kontakt: martingi@ifi.uio.no, 22852737 Det blir en del stoff per forelesning Er det matematikk eller praktisk regning?
DetaljerObligatorisk oppgave nr 4 FYS-2130. Lars Kristian Henriksen UiO
Obligatorisk oppgave nr 4 FYS-2130 Lars Kristian Henriksen UiO 23. februar 2015 Diskusjonsoppgaver: 3 Ved tordenvær ser vi oftest lynet før vi hører tordenen. Forklar dette. Det finnes en enkel regel
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesere våren 2013: Fritz Albregtsen Andreas Kleppe INF 2310 1 Temaer i dag Praktisk k informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter
DetaljerMatematisk morfologi III
Matematisk morfologi III Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 4. desember 2003 Copyright Lars Aurdal, NTNU/NR Oversikt, kursdag 3 Sammensatte operasjoner: Hit-or-miss-transformen. Skjeletter.
DetaljerUltralyd, fysiske prinsipper
Ultralyd, fysiske prinsipper Reidar Bjørnerheim Kardiologisk avdeling Oslo universitetssykehus, Ullevål R Bjørnerheim, ekkokurs 2010 1 Ultralyd Definisjon: > 20.000 Hz I praksis: >1,5 MHz Egenskaper: retningsdirigeres
DetaljerSoloball. Steg 1: En roterende katt. Sjekkliste. Test prosjektet. Introduksjon. Vi begynner med å se på hvordan vi kan få kattefiguren til å rotere.
Soloball Introduksjon Scratch Introduksjon Vi skal nå lære hvordan vi kan lage et enkelt ballspill med Scratch. I soloball skal du styre katten som kontrollerer ballen, slik at ballen ikke går i nettet.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : XXX sider
DetaljerRepetisjon 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
DetaljerOpprydding og Vedlikehold av Windows
Opprydding og Vedlikehold av Windows Innledning Hvis du synes at PC en går tregt kan det være på sin plass med en diskopprydding. Windows selv og de fleste programmer som arbeider under Windows benytter
Detaljer( x+ π 2) Bakgrunn: Sinus og cosinus. Bakgrunn: Samplet sinus i 1D. Bakgrunn: Samplet sinus i 2D. Bakgrunn: Sinus i 2D. sin( x)=cos.
Bakgrunn: Samplet sinus i 1D Bakgrunn: Sinus og cosinus En generell samplet sinusfunksjon kan skrives som: y(t) = A sin(2πut/n + φ) t : tid; 0, 1,..., N-1 A : amplitude u : antall hele perioder* N : antall
DetaljerRadarmåling ved Avaldsnes
Radarmåling ved Avaldsnes Pål-Aanund Sandnes og Egil Eide 3d-Radar AS Dato: 3. september 004 Oppdragsgiver: Avaldsnesprosjektet, v/marit Synnøve Vea. Innledning Denne rapporten inneholder data fra georadarmålinger
DetaljerBruksanvisning IDEA Tempus HD
HD Bruksanvisning IDEA Tempus HD Forstørrende Videosystem Innholdsregister Montering... s. 3 Nettledningen... s. 3 Justering av skjermen... s. 3 Frigjør XY leseplaten... s. 3 Bruk av lese-tv... s. 4 Av
DetaljerGrunnleggende begreper. Frode Slettum
Grunnleggende begreper Frode Slettum Tiden det tar å registrere lyset/bildet. Lukkertiden stilles i trinn (Eksponeringstrinn). Ett trinn tilsvarer en halvering eller dobling av lysmengden som slipper inn
DetaljerLYS OG SYN - auget som ser. Gjennomføre forsøk med lys, syn og fargar, og beskrive og forklare resultata
LYS OG SYN - auget som ser Gjennomføre forsøk med lys, syn og fargar, og beskrive og forklare resultata Lys og syn Kva er lys? Korleis beveg lyset seg? Kva er det som gjer at vi kan sjå? Kan vi vere sikre
DetaljerIntroduksjon. «Diskret» sinus/cosinus i 1D. Funksjonen sin(θ) INF april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4
Introduksjon INF 2310 13. april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4 Fourier: Vi kan uttrykke ethvert bilde som en vektet sum av sinus- og cosinus-signaler med ulik frekvens og orientering
DetaljerKonvolusjon og filtrering og frevensanalyse av signaler
Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33505 Bildebehandling og mønstergjenkjenning Laboppgave nr 2 Konvolusjon og filtrering og frevensanalyse av signaler Sarpsborg 21.01.2005 20.01.05
DetaljerGrunnleggende Matematiske Operasjoner
Grunnleggende Matematiske Operasjoner Lars Vidar Magnusson January 16, 2017 Delkapittel 2.6 Array vs Matrise Operasjoner Det er vanlig med både array- og matrise-operasjoner på bilder. Array-multiplikasjon
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 2007 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : 5 sider
Detaljeroppgaver fra abels hjørne i dagbladet
oppgaver fra abels hjørne i dagbladet sett 4 dag 1 1. Hvor mange av de ett hundre første positive heltallene, 1, 2, 3,, 99, 100, er delelig med 2, 3, 4 og 5? A)0 B) 1 C) 2 D) 3 E) 4 2. Ett tusen terninger
Detaljer