Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling

Størrelse: px
Begynne med side:

Download "Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling"

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. 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

Detaljer

Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling

Introduksjon. 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

Detaljer

Morfologiske operasjoner på binære bilder

Morfologiske 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

Detaljer

Morfologiske operasjoner på binære bilder

Morfologiske 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

Detaljer

Introduksjon. Morfologiske operasjoner på binære bilder. Litt mengdeteori. Eksempel: Lenke sammen objekter INF

Introduksjon. 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.,

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

Morfologiske operasjoner på binære bilder

Morfologiske 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

Detaljer

Motivasjon. Litt sett-teori. Eksempel. INF Mesteparten av kap i DIP Morfologiske operasjoner på binære bilder.

Motivasjon. 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

Detaljer

Motivasjon. INF 2310 Morfologi. Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) Problem: gjenkjenn alle tall i bildet automatisk.

Motivasjon. 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

Detaljer

Morfologiske operasjoner. Motivasjon

Morfologiske 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

Detaljer

Motivasjon. Litt sett-teori. Eksempel. INF Kap. 11 i Efford Morfologiske operasjoner. Basis-begreper

Motivasjon. 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

Detaljer

INF 2310 Digital bildebehandling. Rayleigh-kriteriet. Samplingsteoremet (Shannon/Nyquist) Hvor små detaljer kan en linse oppløse?

INF 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

Detaljer

Oversikt, kursdag 3. Matematisk morfologi III. Hit-or-miss transformen og skjeletter. Hit-or-miss transformen og skjeletter

Oversikt, 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

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

Morfologi i Binære Bilder

Morfologi 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

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

Matematisk morfologi IV

Matematisk 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.

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

Oversikt, kursdag 4. Matematisk morfologi IV. Geodesi-transformasjoner: Dilasjon. Geodesi-transformasjoner

Oversikt, 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

Detaljer

Matematisk Morfologi Lars Aurdal

Matematisk Morfologi Lars Aurdal Matematisk Morfologi Lars Aurdal FORSVARETS FORSKNINGSINSTITUTT Motivasjon. Plan Grunnleggende setteori. Grunnleggende operasjoner. Dilasjon. Erosjon. Sammensatte operasjoner Åpning Lukning Algoritmer.

Detaljer

Matematisk morfologi II

Matematisk 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:

Detaljer

Oversikt, kursdag 2. Matematisk morfologi II. Morfologiske operatorer, erosjon og dilasjon. Morfologiske operatorer, erosjon og dilasjon

Oversikt, 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.

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

Matematisk morfologi III

Matematisk 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.

Detaljer

INF 2310 Digital bildebehandling

INF 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Filtrering i bildedomenet. Middelverdifilter (lavpass) Lavpassfiltre. INF2310 Digital bildebehandling FORELESNING 15 REPETISJON

Filtrering 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

Detaljer

Morfologi i Binære Bilder II

Morfologi 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

Detaljer

INF2310 Digital bildebehandling

INF2310 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

Detaljer

EKSAMEN. Bildebehandling og mønstergjenkjenning

EKSAMEN. 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

Detaljer

Morfologi i Binære Bilder

Morfologi 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.

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

Oversikt, matematisk morfologi. Matematisk morfologi. Oversikt, matematisk morfologi. Oversikt, matematisk morfologi. Praktisk informasjon

Oversikt, 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:

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

Prøve- EKSAMEN med løsningsforslag

Prøve- 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

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

Morfologi i Binære Bilder III

Morfologi 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)

Detaljer

Filtrering i bildedomenet. 2D-konvolusjons-eksempel. 2D-konvolusjons-eksempel. INF2310 Digital bildebehandling

Filtrering 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

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 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

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

Morfologi i Gråskala-Bilder

Morfologi 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

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

Høgskoleni østfold EKSAMEN. ITD33506 Bildebehandling og monstergjenkjenning. Dato: Eksamenstid: kl 9.00 til kl 12.00

Høgskoleni 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

Detaljer

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I

Lokale 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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

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

Matematisk morfologi NTNU

Matematisk 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:

Detaljer

EKSAMEN Bildebehandling

EKSAMEN 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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Eksamen 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

Eksamen 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.

Detaljer

Grunnleggende Matematiske Operasjoner

Grunnleggende 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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

Eksamen Løsningsforslag

Eksamen 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:

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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:

Detaljer

Dagens plan. INF3170 Logikk. Induktive definisjoner. Eksempel. Definisjon (Induktiv definisjon) Eksempel

Dagens 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.

Detaljer

INF Kap og i DIP

INF 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

Detaljer

Forelesning 2: Induktive definisjoner, utsagnslogikk og sekventkalkyle Christian Mahesh Hansen januar 2007

Forelesning 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

Detaljer

SEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING

SEGMENTERING 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

Detaljer

INVERST FUNKSJONSTEOREM MAT1100 KALKULUS

INVERST 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

Detaljer

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I

Lokale 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

Detaljer

Oversikt, kursdag 1. Matematisk morfologi I. Praktisk informasjon om kurset. Praktisk informasjon om kurset

Oversikt, 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.

Detaljer

R for alle a A. (, så er a, En relasjon R på en mengde A er en Ekvivalensrelasjon hvis den er refleksiv, symmetrisk og transitiv.

R 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

Detaljer

Matematisk morfologi V

Matematisk 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

Detaljer

Oversikt, kursdag 5. Matematisk morfologi V. Hva er segmentering. Hva er segmentering. Lars Aurdal Norsk regnesentral

Oversikt, 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

Detaljer

DET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE. Forfatter: Magnus Kopperud

DET 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

Detaljer

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

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 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».

Detaljer

Matematisk morfologi I

Matematisk 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.

Detaljer

Mengdelære INF1800 LOGIKK OG BEREGNBARHET FORELESNING 2: MENGDELÆRE. Læreboken. Mengder. Definisjon (Mengde) Roger Antonsen

Mengdelære 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

Detaljer

UNIVERSITETET I OSLO

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

Detaljer

INF1800 LOGIKK OG BEREGNBARHET

INF1800 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

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

UNIVERSITETET 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

Detaljer

INF1800 Forelesning 2

INF1800 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

Detaljer

Dagens plan. INF3170 Logikk. Mengder. Definisjon. Notasjon. Forelesning 0: Mengdelære, Induksjon. Martin Giese. 23. januar 2008.

Dagens 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

Detaljer

R for alle a A. (, så er a, En relasjon R på en mengde A er en Ekvivalensrelasjon hvis den er refleksiv, symmetrisk og transitiv.

R 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

Detaljer

Temaer i dag. Geometriske operasjoner. Anvendelser. INF 2310 Digital bildebehandling

Temaer 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

Detaljer

To 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}.

To 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

Detaljer

Analysedrypp I: Bevis, mengder og funksjoner

Analysedrypp 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

Detaljer

Geometri 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 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

Detaljer

TDT4195 Bildeteknikk

TDT4195 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

Detaljer

Norsk informatikkolympiade runde

Norsk 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.

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Filter-egenskaper INF Fritz Albregtsen

Filter-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)]

Detaljer

MAT1030 Diskret Matematikk

MAT1030 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.

Detaljer

Norsk informatikkolympiade runde. Sponset av. Uke 46, 2016

Norsk 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.

Detaljer

Geometriske avbildninger og symmetri. A2A/A2B Høgskolen i Vestfold

Geometriske 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:

Detaljer

Oppgaver MAT2500 høst 2011

Oppgaver 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

Detaljer

Repetisjon og mer motivasjon. MAT1030 Diskret matematikk. Repetisjon og mer motivasjon

Repetisjon 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

Detaljer

Grublegruppe 19. sept. 2011: Algebra I

Grublegruppe 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

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

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

Dagens plan. INF3170 Logikk. Noen begreper. Automatisk bevissøk i førsteordens logikk

Dagens 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)

Detaljer

Repetisjonsforelesning - INF1080

Repetisjonsforelesning - 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

Detaljer

Forelesning 10. Mengdelære. Dag Normann februar Venn-diagrammer. Venn-diagrammer. Venn-diagrammer. Venn-diagrammer

Forelesning 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