INF 2310 Digital bildebehandling. Rayleigh-kriteriet. Samplingsteoremet (Shannon/Nyquist) Hvor små detaljer kan en linse oppløse?
|
|
- Karoline Engen
- 7 år siden
- Visninger:
Transkript
1 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 og argerom F3 F4 To punkt-kilderkilder kan adskilles hvis de ligger slik at sentrum i det ene diraksjonsmønstret aller sammen med den ørste mørke ringen i det andre. Vinkelen mellom dem er da gitt ved sin =. / D radianer. Dette er Raleigh-kriteriet. Vi kan ikke se detaljer som er mindre enn dette F INF3 / 4 F INF3 / 4 Hvor små detaljer kan en linse oppløse? amplingsteoremet hannon/nquist Vinkeloppløsningen er gitt ved Tangens til vinkelen θ er gitt ved θ s sin. tg s D D Anta at det kontinuerlige bildet er båndbegrenset, dvs. det inneholder ikke høere rekvenser enn ma Det kontinuerlige bildet kan rekonstrueres ra det digitale bildet dersom samplingsraten s =/T s er større enn ma altså T s < ½T For små vinkler er sin = tgθ =, når vinkelen er gitt i radianer. ma kalles Nquist-raten => Den minste detaljen vi kan oppløse: s s.. D D I praksis oversampler vi med en viss aktor or å kunne å god rekonstruksjon F INF3 3/ 4 F INF3 4/ 4
2 Anti-aliasing Kvantisering Ved anti-aliasing jerner/demper vi de høere rekvensene i bildet ør vi sampler Hvert piksel lagres vha. n biter Pikselet kan da inneholde heltallsverdier ra til n - Eks 3 biter: F INF3 5/ 4 F INF3 6/ 4 Kvantiseringseil Geometriske operasjoner Kvantiseringseil ummen av hver piksels avrundingseil Kan velge intervaller og tilhørende rekonstruksjonsintensiteter or å minimere i denne => Ikke nødvendigvis di i uniorm ordeling entrale stikkord: Lagringsplass Behov or presisjon/akseptabelt inormasjonstap Hardware-kompleksitet, eller siske begrensninger Merk: Fremvisning og videre analse av det kvantiserte bildet kan stille ulike krav til presisjon Endrer på pikslenes posisjoner Første steg i denne prosessen: Transormer pikselkoordinatene, til, : = T, = T, T og T er ote gitt som polnomer. iden pikselkoordinatene må være heltall, må vi deretter bruke interpolasjon til å inne pikselverdien gråtonen i den ne posisjonen. F INF3 7/ 4 F INF3 8/ 4
3 Aine transormer Eksempler på enkle transormer - I Transormerer pikselkoordinatene, til, : = T, = T, Aine transormer beskrives ved: På matriseorm: = a + a + a = b +b +b Transormasjon a a a b b b Uttrkk Identitet = = kalering s s =s = s Rotasjon cosθ -sinθ sinθ cosθ =cosθ-sinθ =sinθ+cosθ F F eller F INF3 9/ 4 F INF3 / 4 Eksempler på enkle transormer - II Alternativ måte å inne transormkoeisientene Transormasjon a a a b b b Uttrkk Translasjon = + = + Horisontal shear s =+s med aktor s = Vertikal shear s = med aktor s = s + F En ain transorm kan bestemmes ved å spesiisere tre punkter ør og etter avbildningen inn-bildet resultat-bildet Med disse tre punktparene kan vi inne de 6 koeisientene; a, a, a, b, b, b Med lere enn 3 punktpar velger man den transormasjonen som minimerer i kvadrat-eilen summert over alle punktene. F INF3 / 4 F INF3 / 4
4 Forlengs-mapping Baklengs-mapping or all ',' do g',' = a = cos θ a = -sin θ b = sin θ Eksempel: Enkel rotasjon ved transormen: a = cos -θ a = -sin -θ b = sin -θ b = cos -θ amme eksempel som ved orlengs-mappingen. NB:rotertmedθ, θ ga,, rotert med -θ gir, b = cos θ or all, do = rounda +a = roundb +b i, insideg g, =, end Fltter de posisjonstransormerte pikselposisjonene til nærmeste pikselposisjon i utbildet. kriver innbildets, inn i g, or alle, do = rounda +a = roundb +b i, inside g, =, else g, = end Resample bildet. Her; or hvert utbilde-piksel, invers-transormér, og velg verdien til nærmeste piksel ra innbildet. For hver pikselposisjon i ut-bildet: Hent pikselverdi ra innbildet. F INF3 3 / 4 F INF3 4 / 4 Baklengs-mapping, orts. Trilineær interpolasjon Utvidelsen ra D til 3D kalles trilineær interpolasjon, og er en lineær interpolasjon mellom resultatene av to bilineære interpolasjoner. Resultatet er uavhengig av rekkeølgen. F INF3 5 / 4 F INF3 6 / 4
5 Interpolasjon en sammenligning Utregning av -D konvolusjon Nærmeste nabo gir D trappeunksjon. Diskontinuitet midt mellom punktene. g, w w jw k w h j, k j, k Bi-lineær interpolasjon bruker 4 piksler. Derivert blir ikke kontinuerlig over bilde-laten. Bi-kubisk interpolasjon gir glattere later. Er mer regnekrevende: 44=6 piksler. For å regne ut resultatet av en konvolusjon or posisjon, : Roter konvolusjonsilteret 8 grader Legg ilteret over bildet slik at origo overlapper posisjon, i bildet. Multipliser hver vekt i ilteret med underliggende pikselverdi. ummen av produktene gir verdien or g, i posisjon,. For å regne ut resultatet or alle posisjoner: Fltt ilteret piksel or piksel og gjenta operasjonene over. Vi bruker notasjonen g = h * F INF3 7 / 4 F INF3 8 / 4 Praktiske problemer Hva gjør vi langs randen? Kan ut-bildet ha samme piksel-representasjon som inn-bildet? Trenger vi et mellom-lager? Hva gjør vi langs bilde-randen? Anta at bildet er M N piksler Anta at ilteret er m n m=m +, n=n + Uberørt av rand-eekt: M-m+N-n+ 33: M-N- 55: M-4N-4 Alternativer:. ett g,=. ett g,=, 3. Trunker ut-bildet 4. Trunker konvolusjons-masken h 5. Utvid bildet ved relected indeing 6. Circular indeing F INF3 9 / 4 F INF3 / 4
6 Et lite tips om konvolusjon Egenskaper ved konvolusjon Når vi konvolverer et ilter med et bilde: Er vi interessert i å lage et ntt bilde med samme størrelse som input-bildet. Vi bruker en av teknikkene ra orrige oil. Når vi konvolverer en ilter-kjerne med en annen ilter-kjerne: Vi vil lage eektiv implementasjon av et stort ilter ved å kombinere enkle, separable iltre. Vi beregner resultatet or alle posisjoner der de to ilter-kjernene gir overlapp. Kommutativ *g = g* Assosiativ *g*h = *g*h Distributiv *g+h = *g + *h Assosiativ ved skalar multiplikasjon a*g = a*g = *ag Kan utnttes i sammensatte konvolusjoner! F INF3 / 4 F INF3 / 4 Lavpass-iltre Ikke-uniormt lavpass-ilter lipper gjennom lave rekvenser, og demper eller jerner høe rekvener. Høe rekvenser = skarpe kanter, stø, detaljer. Eekt: blurring eller utsmøring av bildet Utordring: bevare kanter samtidig som homogene områder glattes. Uniorme lavpass-iltre kan implementeres raskt. Ikke-uniorme iltre, or eksempel: D Gauss-ilter: h, ep Parameter er standard-avviketbredden Filterstørrelse må tilpasses F INF3 3 / 4 F INF3 4 / 4
7 Rang-iltrering Vi lager en en-dimensjonal liste av alle piksel-verdiene innenor vinduet. Vi sorterer listen i stigende rekkeølge. Responsen i, er pikselverdien i en bestemt posisjon i listen, eller en veiet sum av en bestemt del av listen. Dette er ikke-lineære iltre. Median-ilter g, = median av verdiene i et vindu rundt inn-pikslet. Median = den midterste verdien i sortert liste. Vindu: kvadrat, rektangel, pluss. Rask implementasjon kan gjøres vha. histogram, med histogram-oppdatering etter hvert som vinduet lttes. Et av de mest brukte kant-bevarende stø-iltre. pesielt godt til å jerne impuls-stø salt og pepper Problemer: Tnne kanter kan orsvinne Hjørner kan rundes av Objekter kan bli litt mindre Valg av vindus-størrelse og orm er viktig! F INF3 5 / 4 F INF3 6 / 4 Median og hjørner Høpass-iltere lipper gjennom høe rekvenser. Demper eller jerner lav-rekvente variasjoner. Med kvadratisk vindu rundes hjørnet av Med pluss -vindu bevares hjørnet Eekt: Fjerner langsomt varierende bakgrunn Framheve kanter, linjer og skarpe detaljer. F INF3 7 / 4 F INF3 8 / 4
8 Høpass-iltre Et høpass-ilter må ha positive vekter i midten, og negative vekter lenger ut. 8 Vi lar summen av vektene være null Hvis vi lar middelverdien av ut-bildet bli null, må noen deler av ut-bildet være <. Det er ingen god ide å bentte g,. For ramvisning, skaler g, og legg til en konstant slik at vi år positive pikselverdier. Gradient-operatorer Asmmetrisk D-operator: P: Vi angir konvolusjonsiltre h i, j h i, j i den hensikt at de skal brukes til konvolusjon. G&W angir mmetrisk D-operator: iltermasker som skal brukes til korrelasjon. Filtrene vil deror h i, j h i, j avvike med en 8 graders rotasjon. Roberts-operatoren også kalt Roberts krssgradient-operator: h i, j h i, j F INF3 9 / 4 F INF3 3 / 4 Gradient-operatorer g, g og gradient-magnituden, G Prewitt-operatoren: P: Vi angir konvolusjonsiltre i den hensikt at de skal brukes til h i, j h i, j konvolusjon. obel-operatoren: h i, j h i, j Frei-Chen-operatoren: F h i, j h i, j INF3 G&W angir iltermasker som skal brukes til korrelasjon. Filtrene vil deror avvike med en 8 graders rotasjon. 3 / 4 Vi inner de horisontale kantene: Beregn g,=h *, Vi inner de vertikale kantene: Beregn g,=h *, Beregn gradient-magnitude it d og retning: F G, g, g,, tan g, g, INF3 Gradient-magnitude Gradient retning 3 / 4
9 Laplace-operatoren Laplace-operatoren er gitt ved:, Den endrer ortegn der, har et vendepunkt. har to ekstremverdier per kant smooth [- -] = markerer kant-posisjon. 5 5 [- -] Kantens eksakte posisjon er nullgjennomgangen. D tt i ikk b d k t - Dette gir ikke brede kanter. Vi inner bare magnitude, ikke retning. 33 / 4 INF3 F Flere Laplace-operatorer Merk at Laplace-operatorene kan uttrkkes som senter-verdi minus et veiet middel over et lokalt naboskap. p D 3,, i i j j i j i j i j i i D pluss 5 4 D pluss D kvadrat / 4 INF3 F Laplace vs. obel obel-iltrert => bred kant Laplace-iltrert => dobbelt-kant 35 / 4 INF3 F Fra Laplace til LoG Vi gjorde gradient-operatorene stø-robuste ved å bgge inn en lavpassiltrering. Eksempel: obel-operator, h h Vi kan gjøre det samme med Laplace-operatoren Vi bruker et Gauss-ilter G LoG G G Der LoG er resultatet av å anvende LoG G G 36 / 4 INF3 Laplace-operatoren på en Gauss-unksjon. F
10 Canns algoritme Erosjon: Passer strukturelementet til det binære bildet?. Lavpassiltrer med Gauss-ilter med gitt.. Finn gradient-magnituden g og gradient-retningen. g 3. Tnning av gradient-magnitude ortogonalt på kant. F.eks.: Hvis en piksel i gradient-magnitude-bildet it d t har en 8-nabo i eller mot gradient-retningen med høere verdi, så settes pikselverdien til. 4. Hsterese-terskling to terskler, T h og T l : a. Merk alle piksler der g, T h b. For alle piksler der g, [T l,t h : Hvis 4 eller 8-nabo til en merket piksel, så merkes denne pikselen også. Vi ltter strukturelementet tu e e tet rundt over et binært bilde. Et bilde trukturelementet passer i posisjonen, i bildet hvis alle elementer i strukturelementet overlapper en pikselverdi i bildet. I denne sammenhengen vil vi alltid: Ignorere pikselverdier som overlapper i strukturelementet. markerer jo «ikke er med i naboskapet». Anta at piksler utenor bildet er. To orskjellige resultater c. Gjenta ra trinn b til konvergens. F INF3 37 / 4 F INF3 38 / 4 Anvendelse av erosjon: Kantdeteksjon 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 Det benttede strukturelementet t t avgjør kantens tilkoblingstpe: t Et bilde erodert med gir => dieranse ammenhengende kanter hvis og bare hvis man bruker 8-tilkobling ammenhengende kanter ved bruk av 4-tilkobling Dilasjon: Treer strukturelementet det binære bildet? Vi ltter strukturelementet rundt over et binært bilde. Et bilde trukturelementet treer i posisjonen, i bildet hvis et element i strukturelementet overlapper en pikselverdi i bildet. Her relekterer vi roterer 8 strukturelementet ør vi ltter det rundt. To orskjellige struktur- elementer To orskjellige struktur- elementer To orskjellige resultater Fortsatt vil vi: Ignorere pikselverdier som overlapper i strukturelementet. Anta at piksler utenor bildet er. F INF3 39 / 4 F INF3 4 / 4
11 Anvendelse av dilasjon: Region-lling La X inneholde et punkt i regionen som skal lles. c Iterativt beregn X X inntil konvergens: X F k k X c X X X 3 X 4 X INF3 I bildene markerer hvit orgrunn og svart bakgrunn. Bildene er hentet ra trukturelement ved 8-tilkoblet region / 4-tilkoblet kant. 4 / 4 Dilasjon og erosjon er duale med hensn til komplementering og relektering 8 rotasjon, dvs. at dilasjon og erosjon kan uttrkkes ved hverandre: θ c c θ Ŝ c c Ŝ Dualitet For å dilatere med smmetrisk kan vi erodere komplementet til med, og ta komplementet av resultatet. Tilsvarende or å erodere. => Dilasjon og erosjon kan utøres av samme prosedre, orutsatt at vi kan rotere et strukturelement 8 og inne komplementet t til et binært bilde. F INF3 et bilde dilatert med gir komplementet erodert med gir og disse bildene er komplementære. De to matrisene til høre er utenor randen. 4 / 4 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 betdning. Dilasjon er assosiativ. Hvis kan dekomponeres, dvs. at er dilatert med, kan vi spare en del regnetid, spesielt hvis og er én-dimensjonale. Eksempel: 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 er ormlik s, men dobbelt så stort, så er ө s ө s ө s» F INF3 43 / 4 F INF3 44 / 4
12 Åpning Lukking Erosjon av et bilde jerner alle strukturer som ikke kan inneholde strukturelementet, og «krmper» alle andre strukturer. Hvis vi dilaterer resultatet av en erosjon med samme strukturelement, vil de strukturene som «overlevde» erosjonen bli omtrentlig gjenskapt. Dilasjon av et bilde utvider strukturer, ller 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 lt igjen ved dilasjonen vil ikke gjenoppstå. Dette er en morologisk åpning; Dette er en morologisk lukking; θ θ Navnet kommer av at operasjonen kan skape en åpning et mellomrom mellom to strukturer som bare henger sammen ved en tnn «bro», uten å krmpe disse to strukturene i noen betdelig grad. 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 betdelig grad. Bare erosjon kan også skape en slik åpning/mellomrom, men vil også krmpe begge strukturene. Bare dilasjon kan også lukke en slik åpning, men vil også orstørre begge strukturene. F INF3 45 / 4 F INF3 46 / 4 Dualitet mellom åpning og lukking «Hit-or-miss»-transormasjonen Lukking er en dual operasjon til åpning med hensn til komplementering og relektering 8 rotering, og omvendt: ˆ c c ˆ c c Tilbake til den opprinnelige situasjonen: Bilde og strukturelement Men strukturelementet er nå deinert ved et par [, ]av binære strukturelementer som ikke har noen elles elementer. Lukking kan utøres ved å komplementere bildet, åpne det med det speilvendte 8 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 or å speilvende og komplementere et binært bilde. «Hit-or-miss»-transormasjonen av med = [, ] er deinert som: C, θ θ En orgrunnspiksel iut-bildet oppnås kun hvis: passer orgrunnen rundt pikselen og passer bakgrunnen rundt pikselen. Lukking er en ekstensiv transormasjon piksler legges til. Åpning er en antiekstensiv transormasjon piksler jernes. Kan brukes til å inne/behandle bestemte mønstre i et bilde,.eks. til å: Finne bestemte strukturer. Fjerne enkeltpiksler. Benttet i tnning om to slides. F INF3 47 / 4 F INF3 48 / 4
13 Eksempel: «Hit-or-miss» Et bild A trukturelement Et bilde A Resultat etter erosjon med trukturelement A c - komplementet til bildet er utenor randen A c erodert med «Hit-or-miss»-resultatet Logisk AND av de to delresultatene Tre integraler gir RGB Ls ra en kilde med spektralordeling E treer et objekt med spektral releksjonsunksjon. Relektert ls detekteres av tre tper tapper med spektral lsølsomhetsunksjon q i. Tre analoge signaler kommer ut av dette: R E qr d G B E q G d E q B d B F INF3 49 / 4 F INF3 5 / 4 Beskrivelse av arger RGB-kuben En arge kan beskrives på orskjellige måter argerom RGB,, blå can HI Hue, aturation, Intensit CMY Can, Magenta, Yellow pluss mange lere.. HI er viktig or hvordan vi beskriver og skiller arger. I Intensitet: hvor ls eller mørk er den saturation/metning: hvor sterk er argen Gråtonebilder: r=g=b magenta,, svart hvit grønn,, H dominerende arge bølgelengde H og beskriver sammen argen og kalles kromatisitet,, rød gul F INF3 5 / 4 F INF3 5 / 4
14 RGB og CMY Hue, aturation, Intensit HI RGB og CMY er i prinsippet sekundærarger or hverandre. hvit Hue: ren arge - gir bølgelengden i det elektromagnetiske spektrum. can grønn gul H rød H er vinkel og ligger mellom og : Rød: H=, grønn: H= /3, blå= 4/3, gul: H=/3, can=, magenta= 5/3 blå magenta I Hvis vi skalerer H-verdiene til 8-bits: Rød: H=, grønn: H= 85, blå= 7, gul: H=4, can= 7, magenta= 3. svart F INF3 53 / 4 F INF3 54 / 4 Fargebilder og argetabeller RGB kan lagres med like mange biter or r, g, b,.eks elv = 9 biter gir oss = 5 kombinasjoner, men bare 8 orskjellige nivåer av rødt, grønt og blått, og dermed også bare 8 orskjellige gråtoner. Et scene med mange nanser av én arge vil da se ille ut! Hvoror? Jo ordi denne argen bare år 8 orskjellige nanser! Det er ikke sikkert at alle de 5 argene innes i bildet. Alternativt kan man bruke 8 biter og argetabeller. Hver rad i tabellen beskriver en r, g, b-arge med 4 biter. Tabellen inneholder de 56 argene som best beskriver bildet. I bilde-ilen ligger pikselverdiene som tall mellom og 55. F Når vi skal vise bildet, slår vi bare opp i samme rad som pikselverdien, og inner de tilsvarende r, g, b-verdiene. INF3 55 / 4 Midtveiseksamen Noen oppgaver var vanskeligere enn andre, μ,σ or del-oppgaver:, 9, 8, 7, 6, 5, 4, 3,,,, Dette kullet gjorde det bra, normalisert histogram over normert poengsum: F INF / 4
15 Kontakt oss Hvis du lurer på noe i INF3-pensum Hvis du tenker på lere kurs i digital bildeanalse Hvis du tenker på å ta en Master-oppgave Takk or ølget, og lkke til med eksamen!!! F INF3 57 / 4
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
Introduksjon Digital bildebehandling Forelesning 4 Morologiske operasjoner på binære bilder Andreas Kleppe Repetisjon av grunnleggende mengdeteori Fundamentale operatorer ammensatte operatorer Eksempler
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
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
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
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
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
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
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
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. 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
DetaljerINF 2310 Digital bildebehandling
Raleigh-kriteriet INF 3 Digital bildebehandling EN KORT MIDTVEIS-REPETISJON Anta en perekt linse med aperture-diameter D, og at lsets bølgelengde er. To punkter i et objekt kan akkurat adskilles i bildet
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
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 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
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
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
DetaljerINF 2310 Digital bildebehandling
INF 230 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 05.02.203 INF230 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering
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
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 03.02.2014 INF2310 1 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon
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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Tirsdag. mars Tid for eksamen : :3 :3 ( timer) Løsningsforslaget
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)]
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
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
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
DetaljerINF februar 2017 Ukens temaer (Kap og i DIP)
1. februar 2017 Ukens temaer (Kap 2.4.4 og 2.6.5 i DIP) Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder 1 / 30 Geometriske operasjoner Endrer
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : :3 8:3 Løsningsforslaget er på : 9
DetaljerINF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein
INF2310 - Stikkord over pensum til midtveis 2017 Kristine Baluka Hein 1 Forhold mellom størrelse i bildeplan y og "virkelighet"y y y = s s og 1 s + 1 s = 1 f Rayleigh kriteriet sin θ = 1.22 λ D y s = 1.22
DetaljerOppsummering, mai 2014: Sampling og kvantisering Geometriske operasjoner Gåt Gråtone- og histogramoperasjoner F4,5. Segmentering ved terskling
INF 310 Digital bildebehandling Oppsummering, mai 014: Avbildning F1 Sampling og kvantisering F Geometriske operasjoner F3 Gåt Gråtone- og histogramoperasjoner F4,5 Segmentering ved terskling Farger og
DetaljerINF januar 2018 Ukens temaer (Kap og i DIP)
31. januar 2018 Ukens temaer (Kap 2.4.4 og 2.6.5 i DIP) Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder 1 / 30 Geometriske operasjoner Endrer
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 :
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
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
DetaljerSampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP
INF 2310 22.01.2008 Ukens temaer Hovedsakelig fra kap. 2.4 i DIP Romlig oppløsning og sampling av bilder Kvantisering Introduksjon til pikselmanipulasjon i Matlab (i morgen på onsdagstimen) Naturen er
DetaljerHovedsakelig fra kap. 3.3 i DIP
Repetisjon av histogrammer INF 231 1.2.292 29 Hovedsakelig fra kap. 3.3 i DIP Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for billedserier Litt om histogramtransformasjoner
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
DetaljerTemaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
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: Mandag 1. juni 2015 Tid for eksamen: 14:30 18:30 Oppgavesettett er på: 6 sider Vedlegg:
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
DetaljerRepetisjon av histogrammer
Repetisjon av histogrammer INF 231 Hovedsakelig fra kap. 3.3 i DIP Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for billedserier Litt om histogramtransformasjoner
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
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
DetaljerINF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER
Temaer i dag INF 231 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for
DetaljerINF januar 2017 Ukens temaer (Kap med drypp fra kap. 4. i DIP)
25. januar 2017 Ukens temaer (Kap 2.3-2.4 med drypp fra kap. 4. i DIP) Romlig oppløsning Sampling av bilder Kvantisering av pikselintensiteter 1 / 27 Sampling av bilder Naturen er kontinuerlig (0,0) j
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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Løsningsforslaget
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
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
DetaljerTemaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5.
Temaer i dag INF 231 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for
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:
DetaljerMidtveiseksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt
DetaljerINF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER
Temaer i dag INF 231 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for
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
DetaljerHvor små detaljer kan en linse oppløse?
IN 31 Digial bildebehandling Raleigh-krierie e Oppsummering, mai 14: Avbildning 1 Sampling og kvanisering Geomeriske operasjoner 3 Gå Gråone- og hisogramoperasjoner 4,5 Segmenering ved erskling 13 arger
DetaljerObjekt-bilde relasjonen. Vinkeloppløsnings-kriterier. Forstørrelse. INF 2310 Digital bildebehandling
Objekt-bilde relasjonen IN 3 Digital bildebehandling Oppsummering II, våren 7: y f f s s y Avbildning Naboskapsoperasjoner og konvolusjon Segmentering Kompresjon og koding av bilder argerom og bildebehandling
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : irsdag 9. mars id for eksamen : 5: 9: Oppgavesettet er på : 5 sider
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
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
DetaljerMidtveiseksamen. INF Digital Bildebehandling
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt for eksamen:
DetaljerTemaer i dag. Repetisjon av histogrammer I. Gjennomgang av eksempler. INF2310 Digital bildebehandling. Forelesning 5. Pensum: Hovedsakelig 3.
emaer i dag Digital bildebehandling Forelesning 5 Histogram-transformasjoner Ole Marius Hoel Rindal omrindal@ifi.uio.no Etter orginale foiler av Fritz Albregtsen. Histogramtransformasjoner Histogramutjevning
DetaljerGråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF Hovedsakelig fra kap. 6.3 til 6.6
Hvordan endre kontrasten i et bilde? INF 230 Hovedsakelig fra kap. 6.3 til 6.6 Histogrammer Histogramtransformasjoner Histogramutjevning Histogramtilpasning Histogrammer i flere dimensjoner Matematisk
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
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Temaer i dag Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for
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
DetaljerINF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15)
INF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det er ikke nødvendigvis meningen
DetaljerFlater, kanter og linjer INF Fritz Albregtsen
Flater, kanter og linjer INF 160-11.03.2003 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 3: - Canny s kant-detektor - Rang-filtrering - Hybride filtre - Adaptive filtre Litteratur: Efford, DIP, kap.
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:
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.
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.
DetaljerKantdeteksjon og Fargebilder
Kantdeteksjon og Fargebilder Lars Vidar Magnusson April 25, 2017 Delkapittel 10.2.6 More Advanced Techniques for Edge Detection Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Marr-Hildreth
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
DetaljerUtkast med løsningshint inkludert UNIVERSITETET I OSLO
Utkast med løsningshint inkludert UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00
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:
DetaljerTemaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
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
DetaljerObligatorisk oppgave 1
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Obligatorisk oppgave 1 INF2310, vår 2017 Dette oppgavesettet er på 9 sider, og består av 2 bildebehandlingsoppgaver. Besvarelsen av denne og neste obligatoriske
DetaljerFiltrering. Konvolusjon. Konvolusjon. INF2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDEDOMENET I
Filtrering INF30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDEDOMENET I Andreas Kleppe Naboskaps-operasjoner Konvolusjon og korrelasjon Lavpassfiltrering og kant-bevaring G&W:.6., 3., 3.4-3.5,
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : irsdag 29. mars 2011 id for eksamen : 15:00 19:00 Oppgavesettet er på : 5
DetaljerINF2310 Digital bildebehandling
INF230 Digital bildebehandling Forelesning 6 Filtrering i bildedomenet I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Lavpassfiltrering og kant-bevaring G&W: 2.6.2, 3., 3.4-3.5, deler
DetaljerINF2310 Digital bildebehandling
Filtrering INF30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDEDOMENET I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Lavpassfiltrering og kant-bevaring G&W:.6., 3., 3.4-3.5,
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
DetaljerINF2310 Digital bildebehandling
INF3 Digital bildebehandling Forelesning 8 Repetisjon: Filtrering i bildedomenet Andreas Kleppe Filtrering og konvolusjon Lavpassfiltrering og kant-bevaring Høypassfiltrering: Bildeforbedring og kantdeteksjon
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
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 27.2.27 Kap. 9 (samt 5.5.2) Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,) tl
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
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 29..28 Kap. 2.4.4 og 2.6.5 DIP Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,)
DetaljerDIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. IN 106, V-2001 BILDE-DANNING. SAMPLING og KVANTISERING
IN 06, V-200 DIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. BILDE-DANNING SAMPLING og KVANTISERING BILDE-FORBEDRING I BILDE-DOMENET 2/3 200 Fritz Albregtsen. Trinn: Legg
DetaljerINF 1040 løsningsforslag til kapittel 17
INF 1040 løsningsforslag til kapittel 17 Oppgave 1: Bilder og histogrammer Her ser du pikselverdiene i et lite bilde. Kan du regne ut histogrammet til bildet, dvs. lage en tabell over hvor mange piksler
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
Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet INF 160 Digital bildebehandling Eksamensdag: Mandag 12. mai - mandag 26. mai 2003 Tid for eksamen: 12. mai 2003 kl 09:00 26. mai
DetaljerINF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver
INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver I disse oppgavene er det oppgitt fem svaralternativer der bare ett svar er riktig. 8. Fargerommet som brukes
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
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. Dette er et løsningsforslag
Midtveiseksamen: INF3. april 9 UNIVERSITETET I OSLO Det matematisk-naturvitenskapelie fakultet Eksamen i : INF3 Diital bildebeandlin Eksamensda : Onsda. april 9 Tid for eksamen : 5: 8: Løsninsforslaet
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF-Digital bildebehandling Eksamensdag: Tirsdag. mars 5 Tid for eksamen: 5:-9: Løsningsforslaget er på: sider Vedlegg: Ingen
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
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.
Detaljer