INF 1040 Syn, avbildning og digitale bilder. Øyet og synssystemet vårt. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:

Størrelse: px
Begynne med side:

Download "INF 1040 Syn, avbildning og digitale bilder. Øyet og synssystemet vårt. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:"

Transkript

1 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 2. Avbildning 3. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 12, 13 og 14. Fleksibel optikk: Deormerbar linse Adaptiv detektor: Variabel oppløsning Logaritmisk respons s Pre-prosessering Separate systemer or høylys- og lavlyssyn Enorm prosesserings- og lagringskapasitet i hjernen INF1040-Bilde1-1 INF1040-Bilde1-2 Øyets linsesystem Iris og pupillen Øyets linsesystem okuserer lyset. Iris er den argede delen av øyet. Øyelinsen har en okallengde,, som er ca 1.5 cm. Linsestyrken angis ote i dioptre, d=1/, der er gitt i meter. Den ungerer som en blender: Kratig lys: lukker seg til diameter 2 mm Øyelinsen er vanligvis 67 d (1/ ), hvorav hornhinna (cornea) står or 45 d. Q: Hva betyr det at man korrigerer langsynthet t med en +3.0 brille? A: Man bruker en konvergerende linse med = 1/3 m. Svakt lys: åpner seg til ca 8 mm Digitale bilder av iris kan brukes til veriikasjon ved adgangskontroll Q: Hva er okallengden or en 4.0 brille? A: = 1/d = -1/4 = m, divergerende linse. mønstret er tilstrekkelig unikt or hver person. Øyelinsen er veldig spesiell: den kan endre okallengde. Evnen til å skite okus raskt (akkomodasjon) svekkes med alderen. Pupillen er den svarte åpningen -midt i iris i - som slipper lys inn i øyet INF1040-Bilde1-3 INF1040-Bilde1-4

2 Netthinna (retina) Netthinna er det lysølsomme laget bak i øyet. Dekker omtrent 65% av den indre laten. Omtrent 130 millioner detektorer. To typer: staver ( rods ) og tapper ( cones ). Tappene er konsentrert i ovea. Stavene er ordelt over resten av netthinna. Detektorene vender bort ra lyset! Der synsnerven går ut av øyet, har netthinna en blind lekk. Egenskaper ved synet Vi kan se lysintensiteter over et intervall på 10 dekader Blendings-intensiteten i i er ganger så åhøy som den svakeste intensitet vi kan oppatte. Vi ser bare et visst antall nivåer samtidig. Den minste gråtone-orskjellen vi kan oppatte er ca 2%. Vi ser ca 50 orskjellige gråtoner samtidig. Vi kan se mange lere argernyanser samtidig. Når øyet skiter okus til et annet sted i bildet tilpasser synet seg et annet intensitetsnivå. Vi ser lokale intensitets-orskjeller, både i høylys og lav-lys. lys. INF1040-Bilde1-5 INF1040-Bilde1-6 Staver og tapper Fovea To klasser av reseptorer: Ca 120 millioner staver ( rods ) ), spredt over hele netthinna. Flere koblet til hver nerve-ende => lav geometrisk oppløsning Scotopisk (lav-lys) l syn: dekker nedre 5-6d dekader d Gir bare gråtoner (½ time mørke => ganger høyere ølsomhet) Er ikke ølsomme or rødt lys Ca 7 millioner tapper ( cones ), konsentrert i ovea Koblet til hver sin nerve-ende => høy geometrisk oppløsning Fotopisk (høy-lys) syn: dekker øvre 5-6 dekader Den gule lekken (macula) er ca 3 mm i diameter. Fovea centralis er ca 0.3 mm i diameter. Overliggende cellelag borte Mer lys til detektorene Bare tapper (høylys, argesyn) Veldig høy tetthet => høy geometrisk oppløsning. Hver tapp er koblet til en nerve-ende. Når vi ser direkte på et objekt, øker oppløsningen, ordi øyet oveerer lytter bildet til ovea. Farge-ølsomme: 3 typer (R=700 nm, G=546nm, B=436 nm) INF1040-Bilde1-7 INF1040-Bilde1-8

3 Nevrale prosessorer i netthinna Netthinna orsterker kanter. Optiske illusjoner Illusoriske konturer Rette og buete linjer Stimulering av én del av netthinna undertrykker stimulering av en annen del. Dette øker kontrasten ved overgang mellom uniorme regioner i bildet. Multistabile bilder Simultan kontrast Kalles Mach-bånd INF1040-Bilde1-9 INF1040-Bilde1-10 Optiske illusjoner bevegelse Farge-ergonomi Øynene stiller krav til arbeidsmiljøet Farger gir mer inormasjon, hurtig identiikasjon, gir sammenhenger og assosiasjoner, øker motivasjonen. Jo lere arger, desto bedre? Sannheten er som vanlig noe mer nyansert. Rødt øker blodtrykk, puls og svette midlertidig. Blått virker motsatt. Viktig at ikke overlesset argebruk orvirrer. Få og lett gjenkjennelige arger. Samme lysstyrke og argemetning. Stabile arger minst mulig påvirket av rombelysning. Minst mulig arge-stereopsi: Forskjellige arger okuserer i ulike plan. Resultat: Øye-hjerne arbeider med re-okusering => hodepine og trøtthet. INF1040-Bilde1-11 INF1040-Bilde1-12

4 T-Rex and Me I synshjernebarken (visual cortex) sitter lere sett av kant-detektorer, som inner kanter og linjer med orskjellige orienteringer (vinkler) og orskjellige tykkelser. Separate sett detektorer or høyre og venstre øye. Øyet skanner over objektet, og konsentrerer seg om de interessante, krumme kantene. I tillegg har vi lere typer raske øyebevegelser. Når øyet beveger seg raskt, er synet slått av. Uten de raske øyebevegelsene, som gir nye reseptorer muligheten til å se bekretet konturene av objektet, aller synet ut i løpet av sekunder. Hvor ine detaljer kan vi se? Vi kan se ca. 60 svarte og 60 hvite rader per grad av synseltet. Et A4-ark holdt ca. 30 cm oran øyet dekker et synselt på ca. 50º horisontalt og 40º vertikalt 50º horisontalt synselt => = vertikale linjer -> piksler 40º vertikalt synselt => = horisontale linjer -> piksler piksler / 11 tommer (A4) 550 DPI (dots per inch) Alder: Vi kan okusere skarpt ned til avstander: 10 cm 30 cm 100 cm Kan bruke 1200 DPI DPI er bra 150 DPI OK INF1040-Bilde1-13 INF1040-Bilde1-14 Avbildning er en prosess som produserer et bilde av en del av våre omgivelser. Visualisering er ikke avbildning. Avbildning Vi konsentrerer oss om digitale bilder. 3-dimensjonal virkelighet Kamera og optikk okallengde Bildet blir en 2-dimensjonal projeksjon av objektet Motivasjon or å kunne noe om dette: Hvor små må detektorene i bildeplanet være or å å med seg alle detaljene? Da må vi inne hvor store de minste synlige detaljene i bildet er, når vi kjenner linsens diameter og lysets bølgelengde. Bilde Hvordan skal vi sample og kvantisere disse detaljene? Nyqvist-teoremet en gang g til! Hvor mange detektorer trenger vi or å dekke hele bildet? Da må vi inne ut hvor stort bildet av objektet blir, gitt at vi kjenner okallengden til linsen, avstanden til objektet og objektets størrelse. Objekt Linse.eks. øyelinse kameralinse Bildeplan INF1040-Bilde1-15 INF1040-Bilde1-16

5 Linser En konveks linse vil samle lysstråler som er parallelle med optisk akse i okalpunktet. Fokalpunkt Aperturediameter Avstanden ra okalpunktet til midten av linsen Optisk er okallengden. akse Bildet av et jernt objekt dannes i okalplanet. okalplan Linsen kan blendes ned til en aperture-diameter ysisk diameter. Fokallengden avhenger av krumningen på linselatene: En veldig krummet linse har kort okallengde En latere linse har lang okallengde. Objekt-bilde relasjonen (avsnitt ) Lysstråler parallelle med optisk akse går gjennom okalpunktet. y Lysstråler gjennom linsens sentrum avbøyes ikke. En trekant til venstre og en til høyre or linsen gir oss s s y y' = s s' y' y s' = s To trekanter med elles toppunkt i okalpunktet til høyre or linsen gir y y' y' s' = = s ' y To uttrykk or y /y settes lik hverandre og gir s ' s = ' s Rydder vi litt og år objekt-bilde relasjonen : = s s ' y INF1040-Bilde1-17 INF1040-Bilde1-18 Objekt-bilde relasjonen (avsnitt ) Hvor stort blir bildet av Månen? Hvor stort blir bildet av månen med = 50 mm? y F 1 F 2 s s y Månen har en diameter på km, og avstanden ra jorda til månen er km. s = km, = 50 mm, y = km i iguren vår Objekt-bilde relasjon: 1/s + 1/s = 1/ Mer praktisk: k s ' = s s Forstørrelse: m = y /y = s /s ( ) Hvor stort blir bildet? y = ys /s. y' = y ( s ) y s s y Setter vi inn det uttrykket vi har or s ovenor, inner vi et nyttig uttrykk or størrelsen på bildet i okalplanet: y ' = y ( s ) Da blir y =y/(s- ) = km 50 mm/ ( km - 50 mm) = 045mm 0.45 mm. Dette bildet yller bare 0.2 promille av arealet på en mm ilm! INF1040-Bilde1-19 INF1040-Bilde1-20

6 Synselt og perspektiv Apertur og dybdeskarphet For et gitt bildeutsnitt vil okallengden bestemme hvor stort synselt vi år. Hvis bildeutsnittet i okalplanet er mm: = 28 mm gir et vidvinklet synselt: 75º = 300 mm zoomer inn synseltet til bare 8º. Fokallengden kan orvrenge perspektivet. Kort brennvidde gir stor nese i en ace portrett. Telelinser komprimerer dybden i bildet. Normalobjektiver gir samme perspektiv som øyet Stor linse-aperture D, liten /D - verdi: Mindre dybdeskarphet Fokus er mer kritisk Kortere eksponeringstid Mindre bevegelses-uskarphet Bedre oppløsning av detaljer Liten linse-aperture D, stor /D-verdi: Bedre dybdeskarphet Fokus mindre kritisk = 50 mm gir 47º synselt på mm ilm Lengere eksponeringstid En liten detektor-brikke i et digitalkamera kan gi normalt perspektiv med en liten linse med kort brennvidde, men oppløsningen vil bli dårligere. Mer bevegelses-uskarphet Dårligere oppløsning av detaljer INF1040-Bilde1-21 INF1040-Bilde1-22 Punktspredningsproil (PSF) En linse avbilder ikke en punktkilde (or eksempel en stjerne) som et lite punkt. På grunn av diraksjon vil en sirkulær linse avbilde en punktkilde som en lys lekk med mørke og lyse ringer rundt, der intensiteten til ringene avtar ganske raskt utover. Hver aperture har en punktspredningsproil (PSF) eller diraksjonsproil. PSF or en gitt aperture kan beregnes ved hjelp av enkle ligninger Rayleigh-kriteriet To lys-punkter kan akkurat adskilles i bildet hvis de ligger slik at sentrum i det ene diraksjonsmønstret aller sammen med den ørste mørke ringen i det andre. Linse med diameter D, bølgelengde λ. La maksimum til den ene alle i ørste minimum 0 til PSF or den andre. Vinkelen mellom dem er da gitt ved sin θ = 1.22 λ / D radianer. Dette er Rayleigh-kriteriet. Vi kan ikke se detaljer mindre enn dette INF1040-Bilde1-23 INF1040-Bilde1-24

7 Den minste detalj i et bilde... Fokallengde: = 35 mm. F-tall: /D = 3 => D = /3. y Avstand til objektet: s = 3.5 meter. Bølgelengde: λ = 500 nm. θ s s Vinkeloppløsningen, sett ra linsens sentrum, er gitt ved Rayleigh-kriteriet: sin(θ) = 1.22 λ / D = / = (radianer). Q: Hva er avstanden y mellom to akkurat adskillbare punkter på objektet? A: Gitt ved: tg (θ) = (y/s). For små vinkler er sin(θ) = tg(θ) = θ, når θ er gitt i radianer. y = m = m 0.2 mm. Q: Hva er den tilsvarende avstanden y i okalplanet? A: y = y / (s - ) y = /( ) mm mm = 2 μm. y Andre sensorer enn øyet Aktive og passive sensorer: belyse og se eller bare se. Optisk satellittbilde: Landsat Radarbilde ra satellitt: SAR Inrarødt satellittbilde Medisinsk ultralyd Røntgen og CT NMR magnetisk resonnans Sonar, seismikk lyd Mikroskopi Laser avstand scanner INF1040-Bilde1-25 INF1040-Bilde1-26 Det elektromagnetiske spekteret Eksempel: radarbilde av oljesøl ra skipsorlis Fiolett: μm Blå: μm Grønn: μm Gul: μm Oransje: μm Rød: μm Sammenheng mellom bølgelengde og rekvens: c=λ λ (bølgeligningen) c = lysets hastighet ( m/s) λ = bølgelengde (m) = rekvens (svingninger pr. sekund, Hz) Radar detekterer overlatens røhet. Olje demper vindbølger på vann. Radarbilder ra satellitt og ly kan overvåke oljesøl l Fra skipsorlis Utslipp ra skip Utslipp ra oljerigger Eksempel: M/S Prestige, ESA INF1040-Bilde1-27 INF1040-Bilde1-28

8 Satellittbilder med lav og høy oppløsning Lavoppløsningsbilder gir oversikt,.eks innen meteorologi. Medisinsk mikroskopi Eksemplet viser mikroskopi-bilder av cellekjerner ra kretsvulst i eggstokkene (ovarie) or en pasient med god prognose (venstre) og en pasient med dårlig prognose (høyre). Visuelt kan man ikke se orskjell, men med matematisk analyse av teksturen kan man klassiisere dem riktig. Høyoppløselige bilder nyttige til kartlegging, arealplanlegging, spionasje, detaljert overvåking, er INF1040-Bilde1-29 INF1040-Bilde1-30 Funksjonell MR Flerdimensjonale bilder Funksjonell MR ( MRI) avbilder de delene av vevet hvor oksygenorbruket er høyt eller endres mens man gjør opptaket. Kan.eks avbilde de delene av hjernen som er i aktivitet når man utører en spesiell oppgave. Et 2-D bilde er en projeksjon av et 3-D objekt. For å gjenskape objektet i 3-D må vi ha lere 2-D projeksjoner. j Vi må løse korrespondanseproblemet, hvilke punkter i bildene svarer til samme punkt i virkeligheten. Dette gjør hjernen vår. Kombinerer høyre og venstre bilde - stereo-syn. Laser avstandsmåler gir 2-D avbildning av den tredje dimensjonen. Eksempel: axialt snitt ra lyttende person (Miami Childrens Hospital) Tilsvarende verbal aktivitet ligger nær dette området i hjernen (ved venstre tinning). CT og MR gir 3-D bilder av organer inne i kroppen vår. Mikroskopi konokal mikroskopi belyser og avbilder på lere dyp i vevet, serielle tynne snitt av cellepreparater gir 3D bilder med meget høy oppløsning. En tidssekvens av 2-D bilder kan sees på som et 3-D datasett. En tidssekvens av 3-D bilder kan betraktes som et 4-D bilde. Avbildning på lere bølgelengder or hvert tidspunkt gir et 5-D bilde. INF1040-Bilde1-31 INF1040-Bilde1-32

9 Digitalisering i tre enkle steg Et kontinuerlig bilde er en reell unksjon (x,y) av to (eller lere) reelle og kontinuerlige variable. 1. Vi legger på et rutenett, og beregner gjennomsnittsverdien av (x,y) i hver rute. Dette er samplingen. Rutenettet er vanligvis kvadrater. Vi har nå en reell unksjon (x,y ), der heltallene x og y gir nummereringen av rutene. 2. Vi skalerer (x,y ) slik at den passer innenor det tall-området vi skal bruke som gråtoneskala. 3. Vi kvantiserer verdiene av (x (x,y y ) til nærmeste heltall i gråtoneskalaen. Vi har nå unnet (x,y ), som er en heltalls unksjon av to heltalls variable. Viktige begreper Et digitalt bilde er en unksjon av to (eller lere) heltallsvariable (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. Tallverdien til hvert piksel angir intensiteten til pikslet. Lagres pikselverdiene i matriser, trenger vi ikke ta vare på koordinatene. y x Merk: origo (0,0) er ote oppe i venstre hjørne i bildet. Det ørste pikslet kan ha indekser (0,0) eller (1,1) INF1040-Bilde1-33 INF1040-Bilde1-34 Representasjon av digitale bilder (x,y) er bildeverdien di i piksel (x,y). (x,y) er et tall som orteller noe om intensiteten it t (lysstyrken) målt i punktet (x,y). (x,y) kan også være en vektor,.eks. (r,g,b) or et argebilde. (x,y) må representeres med en gitt datatype (integer, byte, loat etc.). y 0,0 x (x,y) Sampling Nyquist igjen Antar at bildet inneholder av et endelig antall rekvenser. En høy rekvens beskriver et mønster som varierer hurtig i bildet, lav rekvens noe som varierer langsomt. Nyquist-kriteriet: kit i t Samplingsraten må minst være dobbelt så stor som den høyeste rekvensen 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 or den minste periodisk struktur i det kontinuerlige bildet. I tillegg må vi ha god nok optikk til å avbilde slike strukturer! INF1040-Bilde1-35 INF1040-Bilde1-36

10 Kommentar om sampling av bilder Nyquist på et stakitt Når et kamera tar bilde av et objekt, vil hvert piksel i bildet inneholde lys målt ra hele det området som pikselet dekker. Ta et analogt bilde av et stakitt med 10 cm sprosser og 10 cm mellomrom. Anta at det er to piksler per periode Eksempel: la oss si at 1 piksel dekker det området som er vist til høyre, og at dette lille området inneholder noe in-struktur: Vi inner gjennomsnittsintensiteten i hvert piksel Dette representeres etter samplingen ved gjennomsnittlig lysstyrke i området: Så orskyver vi pikslene ¼ periode Vi har målt en middelverdi over et areal, og gjengir det likedan. Dermed er all struktur mindre enn pikselstørrelsen l blitt visket ut. Og ser at pikselverdiene blir helt annerledes Dette er orskjellig ra sampling av lyd, der samplet lages ved at man ryser lydstyrken på et gitt tidspunkt. Vi må ha MINST to piksler per periode! INF1040-Bilde1-37 INF1040-Bilde1-38 Et undersamplet Nyquist-stakitt Ta et analogt bilde av et stakitt med 5 sprosser og 5 mellomrom per meter. Vi har en periodisk struktur = 5 svingninger per meter Periode T = 20 cm Anta at pikslene svarer til cm, dvs s = 4 sampler per meter. Finner gjennomsnitt i hvert piksel Amplituden reduseres Vi år aliasing, a = s = 4-5 = 1 Perioden T a = 1/ a = 1 meter Dette er annerledes enn ved sampling av lyd! Vi år redusert amplitude i orhold til lydsampling Vi år samme aliasingrekvens Vi kan å aseorskyvning Hvor store kan pikslene være hvis vi skal garantere at målt intensitet it t skal bli riktig? Valg av rutenett/gridstørrelser Gridstørrelsen er ote gitt av teknologiske standarder: Video: 640 x 480 (4:3 aspektorhold) 720 x 576 (CCIR NTSC digital video) x 720 (16:9 Progressiv 60Hz HDTV) x 1080 (16:9 Interlaced 60Hz HDTV) Container-ormater (bildet yller ikke hele ormatet) x ( 2Ki digital kino) x ( 4Ki digital kino) Digitalt kamera: 4 Mpix og oppover, aspektorhold 36:24 INF1040-Bilde1-39 INF1040-Bilde1-40

11 Romlig oppløsning avhenger av anvendelsen Eksempler - romlig oppløsning Et kamera på mobilteleon skal sende bildet over en GSM-linje og har relativt dårlig oppløsning. Bilder på Internett tt skal også overøres raskt og ligger ote lagret med dårlig oppløsning. Skal vi skanne inn et håndtegnet t kart, må vi ha god nok oppløsning til at tekst og linjer kommer korrekt med piksler piksler piksler Skal vi ta bilder av jorden ra satellitt, kan vi enten dekke et stort område med liten oppløsning (1km) et mindre område med moderat oppløsning (10m) et enda mindre område med veldig høy oppløsning (10 cm) INF1040-Bilde piksler piksler piksler INF1040-Bilde1-42 Eksempler - antall biter pr. piksel Bitplan i et gråtonebilde Et 8 bits bilde har 8 bitplan. LSB orrest i iguren - bare tileldig støy. MSB bakerst i iguren. Pikselverdien i (x,y) er gitt ved: (x,y) = b 0 (x,y) b 7 (x,y) 2 7 = b i (x,y) 2 i 8 biter 6 biter 4 biter Se representasjon av tall, kapittel 7. Hvis bit 0-6 i (x,y) = 1: (x,y) = = 127. MSB = 0 (svart) => (x,y) Є [0,127]. MSB = 1(hvit) => (x,y) Є [128, 255]. MSB-planet er en terskling av (x,y). 3 biter 2 biter 1 bit INF1040-Bilde1-43 INF1040-Bilde1-44

12 Kvantisering og datatyper Eksempel: plassbehov Hvert piksel lagres med en ordlengde på n biter Pikselet kan da inneholde verdier ra 0 til 2 n -1 Radarbilde ra ERS-satellitten: Dekker km 8 bits bilder: 256 ulike verdier (0-255) 16 bits bilder: verdier Pikselstørrelse 20 20m piksler unsigned: ra til signed: ra 0 til bits integer 8-biter per piksel: 25 MB Utsnitt av ERS1 SAR bilde 32 bits loat Merk: Display og videre bildeanalyse av det kvantiserte bildet stiller ulike krav til presisjon. 16 biter per piksel: 50 MB 32 biter per piksel: 100 MB INF1040-Bilde1-45 INF1040-Bilde1-46 Bilder tar mye plass To representasjoner or bilder Anta at en side i en lærebok er på 50 linjer a 80 tegn. Det er to undamentalt orskjellige måter å representere et bilde på: Hvor mange bok-sider svarer et 4 Mega-piksels argebilde til? ( ) /( ) bok-sider = bok-sider Hvor stort må et bilde være or at utsagnet et bilde sier mer enn ord skal være riktig? 1. Lagre alle pikselverdiene (gråtoneverdi, eller argekomponenter) Rasterbilde 2. Lagre en parametrisert beskrivelse av bildets innhold Vektorbilde (SVG, digitale kart, 3D-representasjoner, etc.) Fargebilde : ord 6 tegn/ord 8 biter/tegn / (24 biter/piksel) = piksler, altså et kvadratisk bilde med 141 piksler hver vei. Gråtonebilde: / 8 = piksler, altså et kvadratisk bilde med 245 piksler langs aksene. INF1040-Bilde1-47 INF1040-Bilde1-48

13 Dette bør du ha ått med deg i dag Hornhinna og øyelinsen danner et bilde på netthinna. Øyelinsen kan orandre orm slik at den kan okusere på objekter på ulike avstander uten å endre avstanden mellom linsen og bildet. I netthinna er det ca 130 millioner lysølsomme detektorer. Ca 120 millioner staver er svært lysølsomme, men ser ikke arger. 6-7 millioner tapper gir oss et argesyn med høy geometrisk oppløsning. I synshjernebarken sitter mengder av kantdetektorer som inner kanter og linjer i bildet Separate detektorer or hvert øye, or ulike orienteringer og tykkelser. Vi kan se ca 60 svarte linjer på hvit bunn per grad i synseltet. Dette bør du ha ått med deg i dag Et 2-dimensjonalt digitalt bilde er en 2-dimensjonal heltalls ll matrise (array). Hvert tall i matrisen svarer til et lite (otest kvadratisk) område i det opprinnelige analoge bildet. Hvert tall i matrisen kalles et piksel ( picture element ). I gråtone-bilder angir piksel-verdien hvor lyst / mørkt det lille området i det opprinnelige bildet er. I argebilder er piksel-verdien en vektor (3 heltall). Hvert piksel har implisitte romlige koordinater (x,y), gitt ved posisjonen i matrisen. INF1040-Bilde1-49 INF1040-Bilde1-50 Dette bør du også ha ått med deg Det digitale bildet må ha minst to piksler pr periode or den minste periodisk struktur i det kontinuerlige bildet. Vi må ha god nok optikk til å avbilde slike strukturer! Vinkeloppløsningen l i er gitt ved sin θ = λ /D. Vi velger en kvantisering som tilredsstiller de krav som display og/eller senere bildebehandling og analyse stiller. Digitale bilder krever generelt mye lagringsplass. Vektorrepresentasjon kan være et alternativ til rasterbilder. INF1040-Bilde1-51

Litteratur : I dag og neste uke: Cyganski kap. 5-6

Litteratur : I dag og neste uke: Cyganski kap. 5-6 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

Detaljer

INF 1040 Syn, avbildning og digitale bilder

INF 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

Detaljer

Øyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:

Øyet 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

Detaljer

Øyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:

Øyet 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

Detaljer

INF 1040 Syn, avbildning og digitale bilder

INF 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

Detaljer

Øyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:

Øyet 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

Detaljer

INF 1040 Syn, avbildning og digitale bilder

INF 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

Detaljer

Tema nr 1: Synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Øyet og synssystemet vårt

Tema 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,

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

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

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

INF 1040 høsten 2008: Oppgavesett 10 Digitale bilder (kapittel 12,13,14)

INF 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

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 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.

Detaljer

INF 2310 Digital bildebehandling

INF 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

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 2310 Digital bildebehandling

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.

Detaljer

INF 2310 Digital bildebehandling

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.

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

INF 2310 Digital bildebehandling

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.

Detaljer

Temaer i dag. Kontakter. Lærebok. INF 2310 Digital bildebehandling

Temaer 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

Detaljer

INF 2310 Digital bildebehandling

INF 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

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

INF 2310 Digital bildebehandling

INF 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?

Detaljer

Temaer i dag. Kontakter. Lærebok. INF 2310 Digital bildebehandling

Temaer 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

Detaljer

INF 2310 Digital bildebehandling

INF 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

Detaljer

INF 2310 Digital bildebehandling

INF 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

Detaljer

Temaer i dag. Lærebok. Kontakter. INF 2310 Digital bildebehandling

Temaer 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

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

INF 2310 Digital bildebehandling

INF 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?

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

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

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

INF 2310 Digital bildebehandling

INF 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

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

EKSAMEN Løsningsforslag

EKSAMEN Løsningsforslag 7 desember EKSAMEN Løsningsorslag Emnekode: ITD5 Dato: 6 desember Hjelpemidler: Emne: Matematikk ørste deleksamen Eksamenstid: 9 Faglærer: To A-ark med valgritt innhold på begge sider Formelhete Kalkulator

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

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

- Det er trygt å oppholde seg i en bil når det lyner. Dersom bilen blir truffet, vil den føre lynet videre ned i bakken.

- Det er trygt å oppholde seg i en bil når det lyner. Dersom bilen blir truffet, vil den føre lynet videre ned i bakken. "Hvem har rett?" - Været 1. Om lyn - Det er trygt å oppholde seg i en bil når det lyner. Dersom bilen blir truffet, vil den føre lynet videre ned i bakken. - Man bør stå under et tre når det lyner, slik

Detaljer

Legg merke til at at over de blå klossene er det flere kategorier av kommandoer i forskjellige farger, for eksempel

Legg merke til at at over de blå klossene er det flere kategorier av kommandoer i forskjellige farger, for eksempel Astrokatt Introduksjon Scratch Introduksjon Katten vår har så lyst å være en astronaut, la oss se om vi kan hjelpe ham? Underveis vil vi lære hvordan vi flytter figurer rundt på skjermen, og hvordan katter

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

Kanter, kanter, mange mangekanter

Kanter, 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Oversikt. Miljøovervåkning av havet Hvordan lære datamaskinen å se oljesøl. Bakgrunn - oljesøl. Eksempler på radarbilder

Oversikt. Miljøovervåkning av havet Hvordan lære datamaskinen å se oljesøl. Bakgrunn - oljesøl. Eksempler på radarbilder Oversikt Miljøovervåkning av havet Hvordan lære datamaskinen å se oljesøl Anne H. Schistad Solberg Insitutt for informatikk, Universitetet i Oslo E-mail: anne@ifi.uio.no Radaravbildning Eksempler på radarbilder

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

FYS 2150.ØVELSE 15 POLARISASJON

FYS 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

Detaljer

Oblig 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 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?

Detaljer

EKSAMEN RF5100, Lineær algebra

EKSAMEN RF5100, Lineær algebra Side av 5 Oppgavesettet består av 5 (fem) sider. EKSAMEN RF500, Lineær algebra Tillatte hjelpemidler: Godkjent kalkulator og utdelt formelark Varighet: 3 timer Dato: 4. oktober 04 Emneansvarlig: Lars Sydnes

Detaljer

Labyrint Introduksjon Scratch Lærerveiledning. Steg 1: Hvordan styre figurer med piltastene

Labyrint Introduksjon Scratch Lærerveiledning. Steg 1: Hvordan styre figurer med piltastene Labyrint Introduksjon Scratch Lærerveiledning Introduksjon I dette spillet vil vi kontrollere en liten utforsker mens hun leter etter skatten gjemt inne i labyrinten. Dessverre er skatten beskyttet av

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

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

Sampling, kvantisering og lagring av lyd

Sampling, 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

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

Hermann-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?

Hermann-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

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

UNIVERSITETET I OSLO

UNIVERSITETET 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

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 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11)

INF 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

Detaljer

Mesteparten av kodingen av Donkey Kong skal du gjøre selv. Underveis vil du lære hvordan du lager et enkelt plattform-spill i Scratch.

Mesteparten av kodingen av Donkey Kong skal du gjøre selv. Underveis vil du lære hvordan du lager et enkelt plattform-spill i Scratch. Donkey Kong Ekspert Scratch Introduksjon Donkey Kong var det første virkelig plattform-spillet da det ble gitt ut i 1981. I tillegg til Donkey Kong var det også her vi første gang ble kjent med Super Mario

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Repetisjon: høydepunkter fra første del av MA1301-tallteori.

Repetisjon: høydepunkter fra første del av MA1301-tallteori. Repetisjon: høydepunkter fra første del av MA1301-tallteori. Matematisk induksjon Binomialteoremet Divisjonsalgoritmen Euklids algoritme Lineære diofantiske ligninger Aritmetikkens fundamentalteorem Euklid:

Detaljer

PRIMTALL FRA A TIL Å

PRIMTALL FRA A TIL Å PRIMTALL FRA A TIL Å VEILEDER FOR FORELDRE MED BARN I 5. 7. KLASSE EMNER Side 1 Innledning til primtall P - 2 2 Grunnleggende om primtall P - 2 3 Hvordan finne et primtall P - 5 Innledning til primtall

Detaljer

Grunnleggende om Digitale Bilder (ITD33515)

Grunnleggende 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

Detaljer

Sircon People. Utvidelse til WordPress

Sircon People. Utvidelse til WordPress Sircon People Utvidelse til WordPress Innhold Om Sircon People... 2 Praktisk bruk... 3 Legg til en person... 3 Egenskapene til en person... 4 Vise personer på nettsiden... 6 Vis personer på en side eller

Detaljer

Avbildning med optikk

Avbildning med optikk Avbildning med optikk Torbjørn Skauli og Arnt Inge Vistens 22. april 2017 1 Innledning Øyet, en av naturens mest antastiske oppinnelser, danner et bilde av verden på netthinnen. I et kamera brukes en linse

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / aine transormer Resampling og interpolasjon Samregistrering i av bilder

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Nøkkelspørsmål: Hvor lang er lengden + bredden i et rektangel sammenlignet med hele omkretsen?

Nøkkelspørsmål: Hvor lang er lengden + bredden i et rektangel sammenlignet med hele omkretsen? Omkrets For å finne omkretsen til en mangekant, må alle sidelengdene summeres. Omkrets måles i lengdeenheter. Elever forklarer ofte at omkrets er det er å måle hvor langt det er rundt en figur. Måleredskaper

Detaljer

Ultralyd, fysiske prinsipper

Ultralyd, 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

Detaljer

Andre del av forelesningen om funksjoner bygger på dette notatet. Notatet bygger på læreboken og er noe mer utfyllende enn forelesningen.

Andre del av forelesningen om funksjoner bygger på dette notatet. Notatet bygger på læreboken og er noe mer utfyllende enn forelesningen. NOTAT TIL FORELESNING OM FUNKSJONER, DEL Andre del av orelesningen om unksjoner bygger på dette notatet. Notatet bygger på læreboken og er noe mer utyllende enn orelesningen. GRENSEVERDI Man kan or eksempel

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / aine transormer Resampling og interpolasjon Samregistrering i av bilder

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

Repeterbarhetskrav vs antall Trails

Repeterbarhetskrav vs antall Trails Repeterbarhetskrav vs antall Trails v/ Rune Øverland, Trainor Automation AS Artikkelserie Dette er første artikkel i en serie av fire som tar for seg repeterbarhetskrav og antall trials. Formålet med artikkelserien

Detaljer

Preken 14. august 2016 13. s i treenighet Kapellan Elisabeth Lund. Tekst: Joh. 15, 13-17

Preken 14. august 2016 13. s i treenighet Kapellan Elisabeth Lund. Tekst: Joh. 15, 13-17 Preken 14. august 2016 13. s i treenighet Kapellan Elisabeth Lund Tekst: Joh. 15, 13-17 I dag har vi fått høre en prekentekst som handler om kjærlighet, om å bli kalt venner og om å bære frukt. Den er

Detaljer

LYS 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 - 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

Detaljer

NyGIV Regning som grunnleggende ferdighet

NyGIV Regning som grunnleggende ferdighet NyGIV Regning som grunnleggende ferdighet Yrkesfaglærere Hefte med utdelt materiell Tone Elisabeth Bakken 3.april 2014 På denne og neste fire sider er det kopier fra Tangentens oppgavehefte: MATEMATISKE

Detaljer

Forelesning 9 mandag den 15. september

Forelesning 9 mandag den 15. september Forelesning 9 mandag den 15. september 2.6 Største felles divisor Definisjon 2.6.1. La l og n være heltall. Et naturlig tall d er den største felles divisoren til l og n dersom følgende er sanne. (1) Vi

Detaljer

Introduksjon til lyd. Det ytre øret. Fra lydbølger til nerveimpulser. INF1040 - Digital representasjon 23.09.2009: Introduksjon til lyd.

Introduksjon 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?

Detaljer

Linser og avbildning. Brennpunkter

Linser og avbildning. Brennpunkter Linser og avildning I dette orienteringsstoffet er det en del matematikk. Du kan ha godt utytte av å lese stoffet selv om du hopper over matematikken. Vi ruker linser i fotografiapparater, kikkerter, luper,

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

STATISTIKK FRA A TIL Å

STATISTIKK FRA A TIL Å STATISTIKK FRA A TIL Å VEILEDER FOR FORELDRE MED BARN I 5. 7. KLASSE EMNER Side 1 Innledning til statistikk S - 2 2 Grunnleggende om statistikk S - 3 3 Statistisk analyse S - 3 3.1 Gjennomsnitt S - 4 3.1.1

Detaljer

Forstørrelse og skjermforsterkning programvare for øye trykk/press lettelse. Hurtigveiledning

Forstørrelse og skjermforsterkning programvare for øye trykk/press lettelse. Hurtigveiledning Forstørrelse og skjermforsterkning programvare for øye trykk/press lettelse Hurtigveiledning Velkommen til ZoomText Express ZoomText Express er en rimelig og enkel å bruke forstørrelse program for datamaskinen

Detaljer

Ordliste. Adaptiv filtrering (adaptive filtering) Et filter som endrer oppførsel etter det lokale innholdet i bildet eller signalet.

Ordliste. 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,

Detaljer

Motivasjon INF Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) OCR-gjennkjenning: Problem: gjenkjenn alle tall i bildet automatisk.

Motivasjon INF Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) OCR-gjennkjenning: Problem: gjenkjenn alle tall i bildet automatisk. INF 230 Morologi Morologiske operasjoner på binære bilder:. Basis-begreper 2. Fundamentale operasjoner på binære bilder 3. Sammensatte operasjoner 4. Eksempler på anvendelser lettet inn GW, Kapittel 9.-9.4

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

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

Analog. INF 1040 Sampling, kvantisering og lagring av lyd. Kontinuerlig. Digital

Analog. 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,

Detaljer

NASJONALE PRØVER 2015. En presentasjon av resultatene til 5.trinn ved Jåtten skole, skoleåret 2015-16

NASJONALE PRØVER 2015. En presentasjon av resultatene til 5.trinn ved Jåtten skole, skoleåret 2015-16 NASJONALE PRØVER 2015 En presentasjon av resultatene til 5.trinn ved Jåtten skole, skoleåret 2015-16 Gjennomføring av nasjonale prøver 2015 Nasjonale prøver for 5.trinn ble gjennomført i oktober 2015.

Detaljer

Obligatorisk oppgave i MAT 1100, H-03 Løsningsforslag

Obligatorisk oppgave i MAT 1100, H-03 Løsningsforslag Oppgave : Obligatorisk oppgave i MAT, H- Løsningsforslag a) Vi skal regne ut dx. Substituerer vi u = x, får vi du = x dx. De xex nye grensene er gitt ved u() = = og u() = = 9. Dermed får vi: 9 [ ] 9 xe

Detaljer

Mønsterkonstruksjon i GIMP.

Mønsterkonstruksjon i GIMP. Mønsterkonstruksjon i GIMP. Av Peter Haakonsen, Høgskolen i Oslo og Akershus 2013 Åpne en ny fil (File-New ) Avhengig av hvordan mønsteret ditt skal se ut, velger du antall pixler i høyde og bredde. Her

Detaljer

For J kvantiseringsnivåer er mean square feilen:

For 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

Detaljer

Illusjonsutstillingen Du tror det ikke når du har sett det. Elevhefte. Vitensenteret. Nils Kr. Rossing. Revisjon 4.3. Trondheim

Illusjonsutstillingen Du tror det ikke når du har sett det. Elevhefte. Vitensenteret. Nils Kr. Rossing. Revisjon 4.3. Trondheim Illusjonsutstillingen Du tror det ikke når du har sett det Elevhefte Revisjon 4.3 Vitensenteret Trondheim Nils Kr. Rossing 8 8 Utstillingen Elevark Gå gjennom utstillingen og les oppgavene ved hver modell.

Detaljer

1.8 Digital tegning av vinkler

1.8 Digital tegning av vinkler 1.8 Digital tegning av vinkler Det går også an å tegne mangekanter digitalt når vi kjenner noen vinkler og sider. Her tegner vi ABC når A = 50, AB = 6 og AC = 4. I GeoGebra setter vi først av linjestykket

Detaljer

Fysikkolympiaden 1. runde 26. oktober 6. november 2015

Fysikkolympiaden 1. runde 26. oktober 6. november 2015 Norsk Fysikklærerforening i samarbeid med Skolelaboratoriet Universitetet i Oslo Fysikkolympiaden. runde 6. oktober 6. november 05 Hjelpemidler: Tabell og formelsamlinger i fysikk og matematikk Lommeregner

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 28. mars 2007 Tid for eksamen : 13:30 16:30 Oppgavesettet er på : 4 sider

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

Grafisk kryptografi (hemmelig koding av bilder)

Grafisk kryptografi (hemmelig koding av bilder) Grafisk kryptografi (hemmelig koding av bilder) Legg den løse platen nøyaktig den faste og se hva som skjer. Hvordan kan det brukes? Grete skal til Australia, og mens hun er der kan hun få behov for å

Detaljer

Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 2 Innleveringsfrist Tirsdag 1. april 2014 kl. 12:45 Antall oppgaver: 8+2

Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 2 Innleveringsfrist Tirsdag 1. april 2014 kl. 12:45 Antall oppgaver: 8+2 Innlevering BYPE2000 Matematikk 2000 HIOA Obligatorisk innlevering 2 Innleveringsfrist Tirsdag 1. april 2014 kl. 12:45 Antall oppgaver: 8+2 1 Bestem den naturlige denisjonsmengden til følgende funksjoner.

Detaljer