Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling
|
|
- Jakob Andersson
- 7 år siden
- Visninger:
Transkript
1 Introduksjon Digital bildebehandling Forelesning 4 Morologiske operasjoner på binære bilder Andreas Kleppe Repetisjon av grunnleggende mengdeteori Fundamentale operatorer ammensatte operatorer Eksempler på anvendelser G&W: og , ogdelera av 264og / 40 Matematisk morologi brukes ote som et steg i analyse av bilder. Modiiserer ormen (eng.: shape) ) til objekter v.b.a. lokale operasjoner. Kan brukes til å jerne uønskede eekter etter segmentering: Fjerne små objekter (antas å være stø. Glatte omrisset til større objekter. Fylle hull i objekter. Lenke sammen objekter. Kan brukes som et steg or å beskrive/analysere av objekter: Finne omriss av objekter. Tynne objekter. Finne objekter som inneholder en viss struktur. Finne mønstre i et bilde. Operasjonene er ote enkle og kan utøres svært raskt. Kan generaliseres til gråtonebilder (har da enda lere anvendelser). 2/ 40 Eksempel: Lenke sammen objekter Litt mengdeteori Morologiske operasjoner er ote velegnet til å orbedre en segmentering. Eks.: Lenke sammen deragmentere objekter: En mengde (eng.: set) består av elementer. Rekkeølgen av elementene og antallet av hver element er ubestemt. Dersom elementet a er inneholdt i mengden A skriver vi: Dersom elementet a ikke er inneholdt i mengden A skriver vi: a A a A er mengden uten noen elementer og kalles den tomme mengden. A c er komplementet til A og består av alle elementene som ikke er i A. A er en delmengde av B dersom alle elementene i A også er elementer i B, og dette betegnes: Unionen av to mengder A og B er mengden som består av alle elementer som er i A og/eller B, og dette betegnes: nittet av to mengder A og B er mengden som består av alle elementer som er i både A og B, dette betegnes: A B A B A B 3/ 40 4/ 40
2 Mengder og binære bilder La A være en mengde i Z 2. Hvert element i A er da et punkt (a,a 2 ) der a og a 2 er heltall. Et binært bilde kan beskrives ved orgrunnspikslenes koordinater. Mengden av disse pikslene er en mengde i Z 2. Komplementet til et binært bilde : hvis (x, 0 h (x, 0 hvis (x, Unionen av to bilder og gg: hvis (x, eller h g h (x, 0 nittet av to bilder og g: h g hvis (x, og h (x, 0 g(x, g(x, Konturen av to binære bilder, A og B Komplementet I igurene markerer grått med i mengden, til A og hvitt ikke med. (Fra igur 2.3 i G&W) nittet av A og B Unionen av A og B 5/ 40 Et strukturelement or et binært bilde er et naboskap. Tre sentrale begrep Typisk deinert ved en binær matrise der markerer med i naboskapet. Når vi ører strukturelementet over det binære bildet vil vi inne: Posisjoner der strukturelementet ikke overlapper objektet. Posisjoner der strukturelementet delvis overlapper objektet, vi sier at elementet treer objektet. Posisjoner der strukturelementet ligger inni objektet, vi sier at elementet passer i objektet. I igurene markerer grått med i mengden (orgrunnspiksel), og hvitt ikke med. 6/ 40 trukturelementenes orm og origo Passer strukturelementet til det binære bildet? trukturelementer kan ha ulik orm og størrelse. Må bestemme et origo. Origo markerer pikselen som evt. endrer verdi. Origo kan ligge utenor strukturelementet. I igurene markerer grått med i naboskapet / strukturelementet, og hvitt ikke med. Vi lytter strukturelementet rundt over et binært bilde. trukturelementet passer i posisjonen (x, i bildet hvis hvert element 0i strukturelementet overlapper en pikselverdi 0 i bildet. Kan tenkes på som en «minimums-korrelasjon». I denne sammenhengen vil vi alltid: Ignorere pikselverdier som overlapper 0 i strukturelementet. Et bilde To orskjellige struktur- elementer To orskjellige resultater Origo bør markeres når man an strukturelementet,.eks. ved 0 markerer jo «ikke er med i naboskapet». Anta at piksler utenor bildet er 0. 7/ 40 8/ 40
3 Erosjon Eekter av erosjon Plasser strukturelementet slik at origo overlapper posisjon (x, inn-bildet, og beregn ut-bildet g ved å bruke regelen: g( x, 0 hvis passer erodert med Erodering krymper objekter. Piksler jernes også innenra, hvis objektet har hull. Erosjon jerner «små» utstikk i objektets omriss erodert med Erosjon av et bilde med strukturelementet betegnes: θ Mer presist: Erosjonen av mengden A med strukturelementet B er deinert som posisjonene til alle piksler z som er slik at B er inkludert i A når origo i B plasseres i z: A θ B z ( B ) z A z «må» er relativt til størrelsen av strukturelementet. Erosjon utvider innbuktninger i objektets omriss. Resultatet er avhengig av strukturelementet. tørre strukturelement mer erosjon/jerning. j / 40 0 / 40 Iterativ erosjon Anvendelse av erosjon: Kantdeteksjon Vi sa at «tørre strukturelement mer erosjon/jerning». Resultatet av erosjon med et stort strukturelement er (nesten) lik resultatet av gjentatt erosjon med et mindre strukturelement med samme orm. Hvis s 2 er ormlik s, men dobbelt så stort, så er: ө s 2 ( ө s ) ө s erodert 2 ganger med Erodering jerner piksler langs omrisset av et objekt. Vi kan inne kantene av objektene i bildet ved å subtrahere et erodert bilde ra originalbildet: g = - ( ө ) trukturelementet t t avgjør 4- eller 8-tilkoblet: t Et bilde erodert med => dieranse ammenhengende kanter dersom man bruker 8-tilkobling ammenhengende kanter ved bruk av 4-tilkobling / 40 2 / 40
4 Eksempel: Kantdeteksjon ved erosjon Treer strukturelementet det binære bildet? Et bilde erodert med => dieranse Vi lytter strukturelementet rundt over et binært bilde. trukturelementet treer i posisjonen (x, i bildet hvis et element 0 i strukturelementet overlapper en pikselverdi 0 i bildet. Her relekterer vi (roterer 80 ) strukturelementet ør vi lytter det rundt. Kan tenkes på som en «maximums-konvolusjon». Et bilde To orskjellige struktur- elementer To orskjellige resultater Fortsatt vil vi: Ignorere pikselverdier som overlapper 0 i strukturelementet. Anta at piksler utenor bildet er 0. 3 / 40 4 / 40 Dilasjon (dilatasjon) Eekter av dilasjon Roter og plasser det slik at origo overlapper (x, i inn-bildet, og beregn ut-bildet g ved: g( x, 0 hvis treer Dilasjon av et bilde med strukturelementet betegnes: Mer presist: Dilasjonen av mengden A med strukturelementet B er deinert som posisjonene til alle piksler z som er slik at en 80 rotert B har minst ett elles element med A når origo i B plasseres i z: A B z ( Bˆ) A Ø z dilatert med / 40 Dilasjon utvider objekter. Dilasjon yller i hull i objektet. Fyller igjen hullet hvis strukturelementet er stort nok i orhold til hullet dilatert med Dilasjon glatter ut innbuktninger i objektets omriss. Resultatet er avhengig av strukturelementet. tørre strukturelement større dilasjons-eekt / 40
5 Anvendelse av dilasjon: Region-ylling La X 0 inneholde et punkt i regionen som skal ylles. c Deretter iterer X ( X ) inntil konvergens: k k X 0 c Eekter av sirkulære strukturelementer på hjørner Både dilatering og erodering med kvadratiske strukturelementer bevarer ormen til hjørner. Dilatering av konkave hjørner med sirkulære strukturelementer bevare hjørnenes orm. ( X ) ) ( X X 2 X 3 X 4 X (Bildene er hentet ra 7 / 40 Dilatering av konvekse hjørner med sirkulære strukturelementer avrunde hjørnene. irkulære strukturelementer avrundede hjørner ved erosjon av konkave hjørner. Konvekse hjørner bevares. 8 / 40 Dualitet Dualitet og eekter av sirkulære strukturelementer på hjørner Dilasjon og erosjon er duale med hensyn til komplementering og relektering (80 rotering), d.v.s. at dilasjon og erosjon kan uttrykkes ved hverandre: θ c c θ Ŝ c c Ŝ For å dilatere med symmetrisk kan vi erodere komplementet til med, og ta komplementet av resultatet. Tilsvarende or å erodere. => Dilasjon og erosjon kan utøres av samme prosedyre, orutsatt at vi kan 80 rotere et strukturelement og inne komplementet t til et binært bilde. et bilde dilatert med komplementet erodert med og disse bildene er komplementære Erosjon er å inne de posisjonene der strukturelementet passer inni orgrunnen. Dilasjon er å inne de posisjonene der (det 80 roterte) strukturelementet passer inni bakgrunnen, og så komplementere resultatet. Det er dette den ene dualitetsormelen sier. => iden erosjonen av konkave hjørner med et sirkulært strukturelement avrunder hjørnene, så vil dilasjonen avrunde konvekse hjørner når vi benytter samme strukturelement. Merk: Et konvekst orgrunns-hjørne er også et konkavt bakgrunns-hjørne. Logikken ungerer like bra omvendt vei. 9 / / 40
6 Dilasjon: Andre egenskaper Dilasjon er kommutativ. elv om det er en konvensjon at ørste operand er bildet og andre er strukturelementet, så har dette altså ingen betydning. Dilasjon er assosiativ. ( 2 ) ( ) Hvis kan dekomponeres, d.v.s. at er dilatert med 2, kan vi spare en del regnetid, spesielt hvis og 2 er én-dimensjonale. Eksempel: 2 Erosjon: Andre egenskaper Erosjon er IKKE kommutativ: θ θ Erosjon er heller IKKE assosiativ, men suksessiv erosjon av bildet med A og så med B er ekvivalent med erosjon av bildet med A dilatert med B: ( θ A) θ B θ (A B) Passer det med denne tidligere påstanden? «Hvis s 2 er ormlik s, men dobbelt så stort, så er ө s 2 ( ө s ) ө s» 2 / / 40 Åpning Geometrisk tolkning av åpning Erosjon av et bilde jerner alle strukturer som ikke kan inneholde strukturelementet, og «krymper» alle andre strukturer. Hvis vi dilaterer resultatet av en erosjon med samme strukturelement, vil de strukturene som «overlevde» erosjonen bli omtrentlig gjenskapt. Dette er en morologisk åpning; θ Navnet kommer av at operasjonen kan skape en åpning (et mellomrom) mellom to strukturer som bare henger sammen ved en tynn «bro», uten å krympe disse to strukturene i noen betydelig grad. Bare erosjon kan også skape en slik åpning/mellomrom, men vil også krympe begge strukturene. 23 / 40 Tenk at strukturelementet deinerer størrelsen og ormen til spissen av en tusjpenn. Det er bare tillatt å argelegge innenor objekter. Et par detaljer: Man må holde tusjen vinkelrett på tegnelaten og med samme rotasjon som strukturelementet. Åpningen er resultatet av å argelegge så mye man har lov til. For runde strukturelementer: Konvekse hjørner blir avrundet, konkave hjørner beholdes rette. Akkurat som ved dilasjon (skyldes at enhver åpning avsluttes med en dilasjon). (Deler av igur 9.8 i G&W) Åpning er idempotent: ( ) d.v.s. at gjentatte anvendelser med samme strukturelement ingen endring. 24 / 40
7 Lukking Geometrisk tolkning av lukking Dilasjon av et bilde utvider strukturer, yller i hull og innbuktninger i omrisset. Hvis vi eroderer resultatet av en dilasjon med samme strukturelement, vil strukturene stort sett å gjenskapt sin opprinnelige størrelse og orm, men hull og innbuktninger som ble ylt igjen ved dilasjonen vil ikke gjenoppstå. Dette er en morologisk lukking; θ Navnet kommer av at operasjonen kan lukke en åpning mellom to strukturer som bare er adskilt med et lite gap, uten at de to strukturene vokser i noen betydelig grad. Bare dilasjon kan også lukke en slik åpning, men vil også orstørre begge strukturene. Vi kan benytte samme metaor som or åpning: trukturelementet deinerer størrelsen og ormen til spissen av en tusjpenn. Man holder tusjen vinkelrett tegnelaten og argelegger så mye man har lov til. Denne gangen er det bare tillatt å argelegge utenor objekter. En detalj: Denne gangen skal tusjen holdes speilvendt (80 rotert) av strukturelementet. Lukkingen er det som ikke argelegges. Denne gangen argelegger vi altså bakgrunnen, sist argela vi orgrunnen. For runde strukturelementer: Konkave hjørner blir avrundet, konvekse hjørner beholdes rette. Akkurat som ved erosjon (skyldes at enhver lukking avsluttes med en erosjon). (Deler av igur 9.9 i G&W) Også lukking er idempotent: ( ) 25 / / 40 Lukking lukker små åpninger Dualitet mellom åpning og lukking binært bilde dilatert med erodert med samme strukturelement Lukking er en dual operasjon til åpning med hensyn til komplementering og relektering (80 rotering), og omvendt: ( ˆ c c ) ( ˆ c c ) Lukking kan utøres ved å komplementere bildet, åpne det med det speilvendte (80 rotere) strukturelementet, og ta komplementet av resultatet. Tilsvarende or åpning. Vi kan altså utøre begge operasjonene med kode bare or den ene, hvis vi har kode å speilvende og komplementere et binært bilde. Lukking er en ekstensiv transormasjon (piksler legges til). trukturelementets størrelse og orm, og strukturenes mellomrommer er avgjørende or resultatet. Åpning er en antiekstensiv transormasjon (piksler jernes). 27 / / 40
8 Eksempel: tøyjerning med åpning Eksempel: Formseparering ved åpning Åpning med et (7x7) sirkulært strukturelement Åpning med et sirkulært strukturelement (Bildene er hentet ra 29 / / 40 Eksempel: Filtrering ved lukking Eksempel: Filtrering ved åpning og lukking Lukking med et (3x3) kvadratisk strukturelement 3 / / 40
9 9.5.9 Morologisk rekonstruksjon Tidligere: Bilde og strukturelement Nå: Markørbilde F (startpunktene), maskebilde G og et strukturelement B som deinerer tilkoblingstypen Morologisk rekonstruksjon Åpning ved rekonstruksjon Tidligere: Bilde og strukturelement Nå: Markørbilde F (startpunktene), maskebilde G og et strukturelement B som deinerer tilkoblingstypen Morologisk rekonstruksjon ved dilasjon: k k F ( F B) G der F 0 = F. Morologisk rekonstruksjon ved dilasjon: k k F ( F B) G der F 0 = F. Med ord: Iterativt t dilater F med B, og begrens resultatet med G, inntil ingen endring. Med ord: Iterativt t dilater F med B, og begrens resultatet med G, inntil ingen endring. B = deinerer 4-tilkobling 8-tilkobling i markørbildet Merk: Omvendt som or kantdeteksjonen! ordi ut-bildet da var det som ble erodert v.b.a. strukturelementet. Åpning ved rekonstruksjon ( med ): Lag markørbildet F ved å n ganger erodere med (n er en tilleggsparameter). Kunne vært deinert uten parameteren n. Da må deinerer hele eroderingen. Utør morologisk rekonstruksjon ved dilasjon der G =. Tilsvarer vanlig åpning, bare at de gjenværende objektene blir nøyaktig bevart. 33 / / Morologisk rekonstruksjon Helautomatisk hullylling Morologisk rekonstruksjon Kantrydding (a) () Reconstruction-by-dilation o marker image. Tidligere: Bilde og strukturelement Nå: Markørbilde F (startpunktene), maskebilde G og et strukturelement B som deinerer tilkoblingstypen Tidligere: Bilde og strukturelement Nå: Markørbilde F (startpunktene), maskebilde G og et strukturelement B som deinerer tilkoblingstypen Morologisk rekonstruksjon ved dilasjon: k k F ( F B) G der F 0 = F. Morologisk rekonstruksjon ved dilasjon: k k F ( F B) G der F 0 = F. Med ord: Iterativt t dilater F med B, og begrens resultatet med G, inntil ingen endring. Med ord: Iterativt t dilater F med B, og begrens resultatet med G, inntil ingen endring. Helautomatisk hullylling (av bildet ): Kantrydding (av bildet ) (er også helautomatisk): La markørbildet F(x, være -(x, når (x, er på bildekanten, og 0; La markørbildet F være lik på bildekanten, og 0; ( x, F( x, 0 hvis (x, er på bildekanten ( x, F( x, 0 hvis (x, er på bildekanten Utør morologisk rekonstruksjon ved dilasjon der G = c og komplementer resultatet. Utør morologisk rekonstruksjon ved dilasjon der G = og subtraher resultatet ra. 35 / / 40
10 «Hit-or-miss»-transormasjonen Tilbake til den opprinnelige situasjonen: Bilde og strukturelement Men strukturelementet er nå deinert ved et par [, 2 ] binære strukturelementer som har ingen elles elementer. «Hit-or-miss»-transormasjonen av med = [, 2 2] er deinert som: C, ( θ ) ( θ ) ( ) ( ) 2 2 Et orgrunnspiksel iut-bildet oppnås kun hvis: passer orgrunnen rundt pikselet og 2 passer bakgrunnen rundt pikselet. Kan brukes til å inne/behandle bestemte mønstre i et bilde,.eks. til å: Finne bestemte strukturer. Fjerne enkeltpiksler. Benyttet i tynning (om to slides). Eksempel: «Hit-or-miss» Et bild A trukturelement Et bilde A Resultat etter erosjon med trukturelement 2 A c - komplementet til bildet A c erodert med 2 «Hit-or-miss»-resultatet Logisk AND av de to delresultatene 37 / / 40 Morologisk tynning: Morologisk tynning ( ( ) ) gjentatt med en sekvens av strukturelementer, k or k=,..,n, inntil ingen av strukturelementene skaper noen endring. Fjerner grovt sett alle piksler utenom de som: er isolerte, deinerer utstrekningen av et objekt, eller En vanlig sekvens or tynning: x = don t care (<=> verken med i eller 2 ) Eksempel på bruk av denne sekvensen på bildet A: Grunnleggende begreper: Oppsummering trukturelement (med origo) Erosjon Dilasjon Dualitet Åpning (erosjon etterulgt av dilasjon) Lukking (dilasjon etterulgt av erosjon) Morologisk rekonstruksjon Hit-or-miss trengs or å ikke dele et objekt. og markerer to korreksjoner. (Figur 9.2 i G&W) 39 / 40 Eksempler på anvendelser. 40 / 40
Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling
Introduksjon Digital bildebehandling Forelesning 3 Morologiske operasjoner på binære bilder Fritz Albregtsen Repetisjon av grunnleggende mengdeteori Fundamentale operatorer ammensatte operatorer Eksempler
DetaljerIntroduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling
Digital bildebehandling Forelesning 3 Morfologiske operasjoner på binære bilder Andreas Kleppe Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 13 Morfologiske operasjoner på binære bilder Andreas Kleppe Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 15 Morfologiske operasjoner på binære bilder Fritz Albregtsen Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
DetaljerIntroduksjon. Morfologiske operasjoner på binære bilder. Litt mengdeteori. Eksempel: Lenke sammen objekter INF
INF230 5.05.202 Morfologiske operasjoner på binære bilder Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser er flettet inn DIP: 9.-9.4, 9.5.,
DetaljerMotivasjon 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
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 9-209 Morfologiske operasjoner på binære bilder Fritz Albregtsen Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på
DetaljerMotivasjon. Litt sett-teori. Eksempel. INF Mesteparten av kap i DIP Morfologiske operasjoner på binære bilder.
1 Motivasjon INF 2310 Mesteparten av kap 9.1-9.5 i DIP Morfologiske operasjoner på binære bilder Basis-begreper Fundamentale operasjoner på binære bilder Sammensatte operasjoner Eksempler på anvendelser
DetaljerMotivasjon. INF 2310 Morfologi. Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) Problem: gjenkjenn alle tall i bildet automatisk.
INF 230 Morfologi Morfologiske operasjoner på binære bilder:. Basis-begreper 2. Fundamentale operasjoner på binære bilder 3. ammensatte operasjoner 4. Eksempler på anvendelser flettet inn GW, Kapittel
DetaljerMorfologiske operasjoner. Motivasjon
INF 230 Digital bildebehandling orelesning nr 2-9.04.2005 Morologiske operasjoner Litteratur : Eord, Kap. Temaer : Neste gang : Basis-begreper Fundamentale operasjoner på binære bilder ammensatte operasjoner
DetaljerMotivasjon. Litt sett-teori. Eksempel. INF Kap. 11 i Efford Morfologiske operasjoner. Basis-begreper
Basis-begreper INF 2310 08.05.2006 Kap. 11 i Efford Morfologiske operasjoner Fundamentale operasjoner på binære bilder Sammensatte operasjoner Morfologisk filtrering Morfologiske operasjoner på gråtonebilder
DetaljerINF 2310 Digital bildebehandling. Rayleigh-kriteriet. Samplingsteoremet (Shannon/Nyquist) Hvor små detaljer kan en linse oppløse?
INF 3 Digital bildebehandling Raleigh-kriteriet Avbildning ampling og kvantisering Geometriske operasjoner Oppsummering FA, mai 5: F F F3 Filtrering i i bildedomenet d F6, F7 Morologiske operasjoner Farger
DetaljerOversikt, kursdag 3. Matematisk morfologi III. Hit-or-miss transformen og skjeletter. Hit-or-miss transformen og skjeletter
Matematisk morfologi III Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 4. desember 2003 Sammensatte operasjoner: Hit-or-miss-transformen. Skjeletter. Oversikt, kursdag 3 Copyright Lars Aurdal, NTNU/NR
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
DetaljerMorfologi i Binære Bilder
Morfologi i Binære Bilder Lars Vidar Magnusson February 26, 2018 Delkapittel 9.1 Preliminaries Delkapittel 9.2 Dilation and Erosion Delkapittel 9.3 Opening and Closing Delkapittel 9.4 The Hit-or-Miss Transformation
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
DetaljerMatematisk morfologi IV
Matematisk morfologi IV Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no. desember 3 Copyright Lars Aurdal, NTNU/NR Oversikt, kursdag Geodesi-transformasjoner: Geodesi-dilasjon. Geodesi-erosjon. Geodesi-rekonstruksjon.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Mandag 1. juni 2015 Tid for eksamen: 14:30 18:30 Oppgavesettett er på: 6 sider Vedlegg:
DetaljerOversikt, kursdag 4. Matematisk morfologi IV. Geodesi-transformasjoner: Dilasjon. Geodesi-transformasjoner
Matematisk morfologi IV Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no. desember Geodesi-transformasjoner: Oversikt, kursdag Geodesi-dilasjon. Geodesi-erosjon. Geodesi-rekonstruksjon.. Åpning/lukning
DetaljerMatematisk Morfologi Lars Aurdal
Matematisk Morfologi Lars Aurdal FORSVARETS FORSKNINGSINSTITUTT Motivasjon. Plan Grunnleggende setteori. Grunnleggende operasjoner. Dilasjon. Erosjon. Sammensatte operasjoner Åpning Lukning Algoritmer.
DetaljerMatematisk morfologi II
Matematisk morfologi II Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 4. desember 2003 Copyright Lars Aurdal, NTNU/NR Oversikt, kursdag 2 Elementære operasjoner: Erosjon. Dilasjon. Sammensatte operasjoner:
DetaljerOversikt, kursdag 2. Matematisk morfologi II. Morfologiske operatorer, erosjon og dilasjon. Morfologiske operatorer, erosjon og dilasjon
Matematisk morfologi II Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 4. desember 2003 Elementære operasjoner: Erosjon. Dilasjon. Oversikt, kursdag 2 Sammensatte operasjoner: Åpning. Lukning. Flosshatt-transformasjoner.
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 1. juni 2015 Tid for eksamen: 14:30 18:30 Løsningsforslaget
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.
DetaljerINF 2310 Digital bildebehandling
INF 3 Digital bildebehandling Oppsummering FA, mai 6: Avbildning Sampling og kvantisering Geometriske operasjoner F F F3 Filtrering i bildedomenet F6, F7 Segmentering ved terskling Morfologiske operasjoner
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF30 Digital bildebehandling Eksamensdag : Fredag 9. mars 09 Tid for eksamen : :30 8:30 ( timer) Løsningsforslaget
DetaljerFiltrering i bildedomenet. Middelverdifilter (lavpass) Lavpassfiltre. INF2310 Digital bildebehandling FORELESNING 15 REPETISJON
Filtrering i bildedomenet INF3 Digital bildebehandling FORELESNING 5 REPETISJON Andreas Kleppe Filtrering i bildedomenet D diskret Fourier-transform (D DFT) Kompresjon og koding Morfologiske operasjoner
DetaljerMorfologi i Binære Bilder II
Morfologi i Binære Bilder II Lars Vidar Magnusson March 28, 2017 Delkapittel 9.3 Opening and Closing Delkapittel 9.4 The Hit-or-Miss Transformation Opening (Åpning) Opening er en morfologisk operasjon
DetaljerINF2310 Digital bildebehandling
INF230 Digital bildebehandling Forelesning 5 Repetisjon Andreas Kleppe Filtrering i bildedomenet 2D diskret Fourier-transform (2D DFT) Kompresjon og koding Morfologiske operasjoner på binære bilder F5
DetaljerEKSAMEN. Bildebehandling og mønstergjenkjenning
EKSAMEN Emnekode: ITD33514 Dato: 18. mai 2015 Hjelpemidler: Alle trykte og skrevne. Emne: Bildebehandling og mønstergjenkjenning Eksamenstid: 4 timers eksamen Faglærer: Jan Høiberg Eksamensoppgaven: Oppgavesettet
DetaljerMorfologi i Binære Bilder
Morfologi i Binære Bilder Lars Vidar Magnusson March 20, 2017 Delkapittel 9.1 Preliminaries Delkapittel 9.2 Dilation and Erosion Bakgrunn Morfologiske operasjoner på binære bilder beskrives med mengdeteori.
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
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
DetaljerOversikt, matematisk morfologi. Matematisk morfologi. Oversikt, matematisk morfologi. Oversikt, matematisk morfologi. Praktisk informasjon
Matematisk morfologi Lars urdal Norsk regnesentral aurdal@nr.no 9. august 2005 Litt praktisk informasjon.. Historie. Matematisk grunnlag. Fundamentale operatorer: Dilasjon. Erosjon. 1 Sammensatte operatorer:
DetaljerINF 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
DetaljerPrøve- EKSAMEN med løsningsforslag
Prøve- EKSAMEN med løsningsforslag Emnekode: ITD33514 Dato: Vår 2015 Hjelpemidler: Alle trykte og skrevne. Emne: Bildebehandling og mønstergjenkjenning Eksamenstid: 4 timers eksamen Faglærer: Jan Høiberg
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
DetaljerMorfologi i Binære Bilder III
Morfologi i Binære Bilder III Lars Vidar Magnusson March 28, 2017 Delkapittel 9.5 Some Basic Morphological Algorithms Boundary Extraction (Grenseuthenting) Vi kan hente ut grensen til et sett (boundary)
DetaljerFiltrering i bildedomenet. 2D-konvolusjons-eksempel. 2D-konvolusjons-eksempel. INF2310 Digital bildebehandling
Filtrering i bildedomenet INF2310 Digital bildebehandling FORELESNING 16 REPETISJON DEL I Andreas Kleppe Filtrering i bildedomenet 2D diskret Fourier-transform (2D DFT) Kompresjon og koding Morfologiske
DetaljerINF 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
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
DetaljerUNIVERSITETET 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 :
DetaljerMorfologi i Gråskala-Bilder
Morfologi i Gråskala-Bilder Lars Vidar Magnusson April 3, 2017 Delkapittel 9.6 Gray-Scale Morphology Generelt Gråskala morfologiske operasjoner har mye til felles med binære morfologiske operasjoner. Vi
DetaljerINF 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
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
DetaljerLokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I
Lokale operasjoner INF 30 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre GW Kap. 3.4-3.5 + Kap. 5.3 Vi skal
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF230 Digital bildebehandling Eksamensdag : Onsdag 6. juni 202 Tid for eksamen : 09:00 3:00 Oppgavesettet er på : 6 sider Vedlegg
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Oppgavesettet er på : 7 sider
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
DetaljerMatematisk morfologi NTNU
Matematisk morfologi Lars Aurdal Norsk regnesentral aurdal@nr.no 19. april 2004 Oversikt, matematisk morfologi Litt praktisk informasjon. Motivasjon. Historie. Matematisk grunnlag. Fundamentale operatorer:
DetaljerEKSAMEN Bildebehandling
EKSAMEN 6121 Bildebehandling 31.05.2016 Tid: 4 timer, 9 13 Målform: Bokmål/nynorsk Sidetall: 5 (denne forside + 2 + 2) Hjelpemiddel: Merknader: Vedlegg: Sensuren finner du på StudentWeb. Eksamen 6121 Bildebehandling
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF210 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 1:00 Løsningsforslaget
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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Løsningsforslaget
DetaljerEksamen i IN 106, Mandag 29. mai 2000 Side 2 Vi skal i dette oppgavesettet arbeide med et bilde som i hovedsak består av tekst. Det binære originalbil
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i IN 106 Introduksjon til signal- og bildebehandling Eksamensdag: Mandag 29. mai 2000 Tid for eksamen: 29. mai 2000 kl 09:0031.
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 INF 160 Digital bildebehandling Eksamensdag: Mandag 13. mai - mandag 27. mai 2002 Tid for eksamen: 13. mai 2002 kl 09:00 27. mai
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
DetaljerEksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Eksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Torsdag 1. juni 2017 Tidspunkt for eksamen:
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30-Digital bildebehandling Eksamensdag: Tirsdag 5. mars 06 Tid for eksamen: 09:00-3:00 Løsningsforslaget er på: 4 sider Vedlegg:
DetaljerDagens plan. INF3170 Logikk. Induktive definisjoner. Eksempel. Definisjon (Induktiv definisjon) Eksempel
INF3170 Logikk Dagens plan Forelesning 2: Induktive definisjoner, utsagnslogikk og sekventkalkyle Christian Mahesh Hansen Institutt for informatikk, Universitetet i Oslo 1 Induktive definisjoner 2 29.
DetaljerINF Kap og i DIP
INF 30 7.0.009 Kap..4.4 og.6.5 i DIP Anne Solberg Geometriske operasjoner Affine transformer Interpolasjon Samregistrering av bilder Geometriske operasjoner Endrer på pikslenes posisjoner o steg:. Finn
DetaljerForelesning 2: Induktive definisjoner, utsagnslogikk og sekventkalkyle Christian Mahesh Hansen januar 2007
Forelesning 2: Induktive definisjoner, utsagnslogikk og sekventkalkyle Christian Mahesh Hansen - 29. januar 2007 1 Induktive definisjoner Induktive definisjoner Definisjon 1.1 (Induktiv definisjon). Å
DetaljerSEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING
SEGMENTERING IN 106, V-2001 Segmentering er en prosess som deler opp bildet i meningsfulle regioner. I det enkleste tilfelle har vi bare to typer regioner BILDE-SEGMENTERING DEL I Forgrunn Bakgrunn Problemet
DetaljerINVERST FUNKSJONSTEOREM MAT1100 KALKULUS
INVERST FUNKSJONSTEOREM MAT1100 KALKULUS Simon Foldvik 29. Oktober 2017 1. Introduksjon Vi skal i dette dokumentet bevise en global og en lokal versjon av inverst unksjonsteorem i én variabel. Kort oppsummert
DetaljerLokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I
Lokale operasjoner INF 30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre
DetaljerOversikt, kursdag 1. Matematisk morfologi I. Praktisk informasjon om kurset. Praktisk informasjon om kurset
Matematisk morfologi I Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 1. mars 2005 Praktisk informasjon om kurset Forelesninger. Øvinger. Pensum. Eksamen. Oversikt, kursdag 1 Tema for forelesningene.
DetaljerR for alle a A. (, så er a, En relasjon R på en mengde A er en Ekvivalensrelasjon hvis den er refleksiv, symmetrisk og transitiv.
Repetisjon fra siste uke: Relasjoner En relasjon R på en mengde A er en delmengde av produktmengden A A. La R være en relasjon på en mengde A. R er refleksiv hvis R er symmetrisk hvis R er antisymmetrisk
DetaljerMatematisk morfologi V
Matematisk morfologi V Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 4. desember 2003 Copyright Lars Aurdal, NTNU/NR Oversikt, kursdag 5 Segmentering: Watershedtransformen. Copyright Lars Aurdal, NTNU/NR
DetaljerOversikt, kursdag 5. Matematisk morfologi V. Hva er segmentering. Hva er segmentering. Lars Aurdal Norsk regnesentral
Matematisk morfologi V Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 4. desember 2003 Segmentering: Watershedtransformen. Oversikt, kursdag 5 Copyright Lars Aurdal, NTNU/NR Copyright Lars Aurdal, NTNU/NR
DetaljerDET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE. Forfatter: Magnus Kopperud
1 DET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE Studieprogram/spesialisering: Kybernetikk/Signalbehandling Vårsemesteret, 2011 Åpen / Konfidensiell Forfatter: Magnus Kopperud Fagansvarlig: Kjersti
DetaljerVi startet forelesningen med litt repetisjon fra forrige uke: Det omvendte, kontrapositive og inverse utsagnet. La p og q være to utsagn, og p -> q
Vi startet forelesningen med litt repetisjon fra forrige uke: Det omvendte, kontrapositive og inverse utsagnet. La p og q være to utsagn, og p -> q Begrepene «tilstrekkelig», «nødvendig» og «bare hvis».
DetaljerMatematisk morfologi I
Matematisk morfologi I Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 4. desember 2003 Copyright Lars Aurdal, NTNU/NR Oversikt, kursdag 1 Praktisk informasjon om kurset Forelesninger. Øvinger. Pensum.
DetaljerMengdelære INF1800 LOGIKK OG BEREGNBARHET FORELESNING 2: MENGDELÆRE. Læreboken. Mengder. Definisjon (Mengde) Roger Antonsen
INF1800 LOGIKK OG BEREGNBARHET FORELESNING 2: MENGDELÆRE Roger Antonsen Mengdelære Institutt for informatikk Universitetet i Oslo 20. august 2008 (Sist oppdatert: 2008-09-03 12:36) Læreboken Mengder Definisjon
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 13:00 Oppgavesettet er på: 6 sider Vedlegg:
DetaljerINF1800 LOGIKK OG BEREGNBARHET
INF1800 LOGIKK OG BEREGNBARHET FORELESNING 2: MENGDELÆRE Roger Antonsen Institutt for informatikk Universitetet i Oslo 20. august 2008 (Sist oppdatert: 2008-09-03 12:36) Mengdelære Læreboken Det meste
DetaljerUNIVERSITETET 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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30 Digital bildebehandling Eksamensdag: Mandag 6. juni 06 Tid for eksamen: 4:30 8:30 Løsningsforslaget er
DetaljerINF1800 Forelesning 2
INF1800 Forelesning 2 Mengdelære Roger Antonsen - 20. august 2008 (Sist oppdatert: 2008-09-03 12:36) Mengdelære Læreboken Det meste av det vi gjør her kan leses uavhengig av boken. Følgende avsnitt i boken
DetaljerDagens plan. INF3170 Logikk. Mengder. Definisjon. Notasjon. Forelesning 0: Mengdelære, Induksjon. Martin Giese. 23. januar 2008.
INF3170 Logikk Dagens plan Forelesning 0:, Induksjon Martin Giese 1 Institutt for informatikk, Universitetet i Oslo 2 23. januar 2008 Institutt for informatikk (UiO) INF3170 Logikk 23.01.2008 2 / 47 1
DetaljerR for alle a A. (, så er a, En relasjon R på en mengde A er en Ekvivalensrelasjon hvis den er refleksiv, symmetrisk og transitiv.
Repetisjon fra siste uke: Relasjoner En relasjon R på en mengde A er en delmengde av produktmengden A A. La R være en relasjon på en mengde A. R er refleksiv hvis R er symmetrisk hvis R er antisymmetrisk
DetaljerTemaer i dag. Geometriske operasjoner. Anvendelser. INF 2310 Digital bildebehandling
Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder
DetaljerTo mengder S og T er like, S = T, hvis de inneholder de samme elementene. Notasjon. Mengden med elementene a, b, c og d skrives ofte {a, b, c, d}.
Forelesning 0: Mengdelære, Induksjon Martin Giese - 23. januar 2008 1 Mengdelære 1.1 Mengder Mengder Definisjon 1.1. En mengde er en endelig eller uendelig samling objekter der innbyrdes rekkefølge og
DetaljerAnalysedrypp I: Bevis, mengder og funksjoner
Analysedrypp I: Bevis, mengder og funksjoner Hensikten med Analysedrypp er å bygge en bro mellom MAT1100 og MAT1110 på den ene siden og MAT2400 på den andre. Egentlig burde det være unødvendig med en slik
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
DetaljerTDT4195 Bildeteknikk
TDT495 Bildeteknikk Grafikk Vår 29 Forelesning 5 Jo Skjermo Jo.skjermo@idi.ntnu.no Department of Computer And Information Science Jo Skjermo, TDT423 Visualisering 2 TDT495 Forrige gang Attributter til
DetaljerNorsk informatikkolympiade runde
Norsk informatikkolympiade 2016 2017 1. runde Sponset av Uke 46, 2016 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
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
DetaljerFilter-egenskaper INF Fritz Albregtsen
Filter-egenskaper INF 60-04.03.2002 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 2: - Lineær filtrering - Gradient-detektorer - Laplace-operatorer Linearitet H [af (x, y) + bf 2 (x, y)] ah [f (x, y)]
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 26: Trær Roger Antonsen Institutt for informatikk, Universitetet i Oslo 5. mai 2009 (Sist oppdatert: 2009-05-06 22:27) Forelesning 26 MAT1030 Diskret Matematikk 5.
DetaljerNorsk informatikkolympiade runde. Sponset av. Uke 46, 2016
Norsk informatikkolympiade 2016 2017 1. runde Sponset av Uke 46, 2016 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
DetaljerGeometriske avbildninger og symmetri. A2A/A2B Høgskolen i Vestfold
Geometriske avbildninger og symmetri A2A/A2B Høgskolen i Vestfold 6. november 2009 Innhold 1. Symmetri 2. Avbildninger 3. Isometrier 4. Egenskaper ved avbildninger 5. Symmetrigrupper Kilde for forelesningen:
DetaljerOppgaver MAT2500 høst 2011
Oppgaver MAT2500 høst 2011 31. oktober 2011 Oppgaver avsnitt 1 Oppgave 1. Bruk cosinussetningen til å se at definisjonen av vinkel i planet blir riktig. Oppgave 2. Vis at d(x, y) = 0 hvis og bare hvis
DetaljerRepetisjon og mer motivasjon. MAT1030 Diskret matematikk. Repetisjon og mer motivasjon
Repetisjon og mer motivasjon MAT030 Diskret matematikk Forelesning 22: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 4. april 2008 Først litt repetisjon En graf består av noder og
DetaljerGrublegruppe 19. sept. 2011: Algebra I
Grublegruppe 19. sept. 2011: Algebra I Ivar Staurseth ivarsta@math.uio.no Innledning, definisjoner Vi har så langt jobbet med mengder, X, hvor vi har hatt et avstandsbegrep og hvor vi har vært i stand
DetaljerAndre 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
DetaljerLøsningsforslag, 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
DetaljerDagens plan. INF3170 Logikk. Noen begreper. Automatisk bevissøk i førsteordens logikk
INF3170 Logikk Dagens plan Forelesning 10: introduksjon, substitusjoner og uniisering Christian Mahesh Hansen 1 Institutt or inormatikk, Universitetet i Oslo 16. april 2007 Institutt or inormatikk (UiO)
DetaljerRepetisjonsforelesning - INF1080
Repetisjonsforelesning - INF1080 Mengder, relasjoner og funksjoner 18. november 2015 1 Grunnleggende mengdelære 1.1 Elementært om mengder 1.1.1 Hva er en mengde? Definisjon 1.1 (Mengde). En mengde er en
DetaljerForelesning 10. Mengdelære. Dag Normann februar Venn-diagrammer. Venn-diagrammer. Venn-diagrammer. Venn-diagrammer
Forelesning 10 Mengdelære Dag Normann - 13. februar 2008 Venn-diagrammer Mandag innførte vi de Booleske operasjonene Union Snitt Komplement A Mengdedifferens A B samt de faste mengdene og E. Venn-diagrammer
Detaljer