Tema nr 1: Synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Øyet og synssystemet vårt
|
|
- Mari Hansen
- 7 år siden
- Visninger:
Transkript
1 INF 040 Syn, avbildning og digitale bilder Temaer i dag :. Synssystemet vårt hvordan fungerer det 2. Avbildning. Digitalisering av bilder Tema nr : Synssystemet vårt Pensumlitteratur: Kompendiet, kapittel, 2 og. INF040-Bilde- INF040-Bilde-2 Øyet og synssystemet vårt Motivasjon for å kunne noe om dette: Mesteparten av vår sensoriske input kommer via synssansen. Fleksibel optikk: Deformerbar linse Adaptiv detektor: Variabel oppløsning Logaritmisk respons Pre-prosessering Separate systemer for høylys- og lavlyssyn Enorm prosesserings- og lagringskapasitet i hjernen Øyets linsesystem Øyets linsesystem fokuserer lyset. Øyelinsen har en fokallengde, f, som er ca.5 cm. Linsestyrken angis ofte i dioptre, d=/f, der f er gitt i meter. Øye-insen er vanligvis 67 d (/.5x0-2 67), hvorav hornhinna (cornea) står for 45 d. Q: Hva betyr det at man korrigerer langsynthet med en +.0 brille? A: Man bruker en konvergerende linse med f=0.m. Q: Hva er fokallengden for en 4.0 brille? A: f = /d = -/4 = m. Øyelinsen er veldig spesiell: den kan endre fokallengde. Evnen til å skifte fokus raskt (akkomodasjon) svekkes med alderen. INF040-Bilde- INF040-Bilde-4
2 Iris og pupillen Netthinna (retina) Iris er den fargede delen av øyet. Netthinna er det lysfølsomme laget bak i øyet. Den fungerer som en blender: Dekker omtrent 65% av den indre flaten. Kraftig lys: lukker seg til diameter 2 mm Svakt lys: åpner seg til ca 8 mm Digitale bilder av iris kan brukes til verifikasjon ved adgangskontroll Omtrent 0 millioner detektorer. To typer: staver ( rods ) og tapper ( cones ). Tappene er konsentrert i fovea. mønstret er tilstrekkelig unikt for hver person. Stavene er fordelt over resten av netthinna. Pupillen er den svarte åpningen - midt i iris - som slipper lys inn i øyet lyset som går gjennom den blir absorbert i øyet og kommer ikke ut igjen Detektorene vender bort fra lyset! Der synsnerven går ut av øyet, har netthinna en blind flekk. INF040-Bilde-5 INF040-Bilde-6 Staver og tapper Fovea To klasser av reseptorer: Ca 20 millioner staver ( rods ), spredt over hele netthinna. Flere koblet til hver nerve-ende => lav geometrisk oppløsning Scotopisk (lav-lys) syn: dekker nedre 5-6 dekader Gir bare gråtoner (½ time mørke => ganger høyere følsomhet) Er ikke følsomme for rødt lys Ca 7 millioner tapper ( cones ), konsentrert i fovea Koblet til hver sin nerve-ende => høy geometrisk oppløsning Fotopisk (høy-lys) syn: dekker øvre 5-6 dekader Den gule flekken (macula) er ca mm i diameter. Fovea centralis er ca 0. mm i diameter. Overliggende cellelag borte Mer lys til detektorene Bare tapper (høylys, fargesyn) Veldig høy tetthet => høy geometrisk oppløsning. Hver tapp er koblet til en nerve-ende. Når vi ser direkte på et objekt, øker oppløsningen, fordi øyet foveerer flytter bildet til fovea. Farge-følsomme: typer (R=700 nm, G=546nm, B=46 nm) INF040-Bilde-7 INF040-Bilde-8
3 Egenskaper ved synet Vi kan se lysintensiteter over et stort intervall, 0 dekader Blendings-intensiteten er 0 0 ganger så høy som den svakeste intensitet vi kan oppfatte. Vi ser bare et visst antall nivåer samtidig : - den minste gråtone-forskjellen vi kan oppfatte er ca 2% => ca 50 forskjellige gråtoner, men mange flere farger. Når øyet skifter fokus til et annet sted i bildet som har et annet bakgrunnsintensitetsnivå, tilpasser øyet seg dette og ser fint lokale intensitets-forskjeller. Nevrale prosessorer i netthinna Netthinna forsterker kanter. Stimulering av én del av netthinna undertrykker stimulering av en annen del. Dette øker kontrasten ved overgang mellom uniforme regioner i bildet. Kalles Mach-bånd INF040-Bilde-9 INF040-Bilde-0 Optiske illusjoner Optiske illusjoner bevegelse Illusoriske konturer Rette og buete linjer Multistabile bilder Simultan kontrast INF040-Bilde- INF040-Bilde-2
4 Øynene stiller krav til arbeidsmiljøet Farge-ergonomi Farger gir mer informasjon, hurtig identifikasjon, gir sammenhenger og assosiasjoner, øker motivasjonen. Jo flere farger, desto bedre? Sannheten er som vanlig noe mer nyansert. Rødt øker blodtrykk, puls og svette midlertidig. Blått virker motsatt. Viktig at ikke overlesset fargebruk forvirrer. Få og lett gjenkjennelige farger. Samme lysstyrke og fargemetning. Stabile farger minst mulig påvirket av rombelysning. Minst mulig farge-stereopsi: Forskjellige farger fokuserer i ulike plan. Resultat: Øye-hjerne arbeider med re-fokusering => hodepine og trøtthet. T-Rex and Me I synshjernebarken (visual cortex) sitter flere sett av kantdetektorer, som finner kanter og linjer med forskjellige orienteringer (vinkler) og forskjellige tykkelser. Separate sett detektorer for høyre og venstre øye. Øyet skanner over objektet, og konsentrerer seg om de interessante, krumme kantene. I tillegg har vi flere typer raske øyebevegelser. Når øyet beveger seg raskt, er synet slått av. Uten de raske øyebevegelsene, som gir nye reseptorer muligheten til å se bekrefte konturene av objektet, faller synet ut i løpet av sekunder. INF040-Bilde- INF040-Bilde-4 Hvor fine detaljer kan vi se? Vi kan se ca. 60 svarte og 60 hvite rader per grad av synsfeltet. Et A4-ark holdt ca. 0 cm foran øyet dekker et synsfelt på ca. 50º horisontalt og 40º vertikalt 50º horisontalt synsfelt => 50*60 = 000 vertikale linjer -> piksler 40º vertikalt synsfelt => 40*60 = horisontale linjer -> piksler piksler / tommer (A4) 550 DPI (dots per inch) Tema nr 2: Avbildning Vi kan fokusere skarpt ned til avstander: 0 cm 0 cm 00 cm alder Kan bruke 200 DPI 600 DPI er bra 50 DPI OK INF040-Bilde-5 INF040-Bilde-6
5 Avbildning Avbildning er en prosess som produserer et bilde av en del av våre omgivelser. Visualisering av en funksjon er ikke avbildning. Vi konsentrerer oss om bilder som kan lagres digitalt. Motivasjon for å kunne noe om dette: Hvor små må detektorene i bildeplanet være for å få med seg alle detaljene? -dimensjonal virkelighet Kamera og optikk fokallengde f Bildet blir en 2-dimensjonal projeksjon av objektet Da må vi finne hvor store de minste synlige detaljene i bildet er, når vi kjenner linsens diameter og lysets bølgelengde. Bilde Hvor mange detektorer trenger vi for å dekke hele bildet? Da må vi finne ut hvor stort bildet av objektet blir, gitt at vi kjenner fokallengden til linsen, avstanden til objektet og objektets størrelse. Objekt Linse, f.eks. øyet eller et kamera Bildeplan INF040-Bilde-7 INF040-Bilde-8 The lensmakers equation Objekt-bilde relasjonen En konveks linse vil samle lysstråler som er parallelle med optisk akse i fokalpunktet. Avstanden fra fokalpunktet til midten av linsen er fokallengden. Bildet av et fjernt objekt dannes i fokalplanet. Linsen kan blendes ned til en aperture-diameter. Lensmakers equation gir linsestyrken i dioptre, invers fokallengde: n = brytningsindeksen for glasset i linsen, R og R 2 er krumningsradiene til linseflatene på forsiden og baksiden av linsen. En tykk og veldig krummet linse har kort fokallengde, mens en tynn linse har lang fokallengde. d Fokalpunkt fokalplan = = ( n )( f Aperturediameter Optisk akse R R2 ) Objekt-bilde relasjon: /s + /s = /f y Mer praktisk: Forstørrelse: m = y /y = s /s Hvor stort blir bildet? y = ys /s. F F 2 f f s s s' = s f ( s f ) Setter vi inn det uttrykket vi har for s ovenfor, finner vi et nyttig uttrykk for størrelsen på bildet i fokalplanet: y' = y f ( s f ) y INF040-Bilde-9 INF040-Bilde-20
6 Hvor stort blir bildet av Månen? Synsfelt og perspektiv Hvor stort blir bildet av månen med f=50 mm? For et gitt bildeutsnitt vil fokallengden bestemme hvor stort synsfelt vi får. Månen har en diameter på 476 km, og avstanden fra jorda til månen er km. s = km, f = 50 mm, y=476 km i figuren vår Hvis bildeutsnittet i fokalplanet er 24 x 6 mm, så gir fokallengde 50 mm et synsfeltet på 47º (målt langs diagonalen), fokallengde 28 mm et vidvinklet synsfelt (75º), mens fokallengde 00 mm zoomer inn synsfeltet til bare 8º. y f s s Da blir y = yf / (s-f) = 476 km x 50 mm/ (84405 km - 50 mm) = 0.45 mm. y Fokallengden kan forvrenge perspektivet. En face portrett med kort brennvidde (vidvinkel) forstørrer nesen. Telelinser vil tilsynelatende komprimere dybden i bildet. Såkalte normalobjektiver gir omtrent samme perspektiv som øyet vårt. Fokallengden må være omtrent lik lengden av diagonalen i bildeplanet. Dette beskjedne bildet fyller bare knapt 0.2 promille av bildearealet på 24 x 6 mm! 24 x 6 mm film gir diagonal = 4 mm: mm kalles normal fokallengde. En liten detektor-brikke i et digitalkamera kan gi normalt perspektiv med en liten linse med kort brennvidde, men oppløsningen vil bli dårligere. INF040-Bilde-2 INF040-Bilde-22 Punktspredningsprofil (PSF) Rayleigh-kriteriet Gitt to like punktkilder ved siden av hverandre. En linse avbilder ikke en punktkilde som et lite punkt. På grunn av diffraksjon vil en sirkulær linse avbilde en punktkilde som en lys flekk med mørke og lyse ringer rundt, der intensiteten til ringene avtar ganske raskt utover. Hver aperture har en punktspredningsprofil (PSF) eller diffraksjonsprofil Linse med diameter D, bølgelengde λ. La maksimum til den ene falle i første minimum til PSF for den andre. Vinkelen mellom dem er da gitt ved sin θ =.22 λ/d radianer. Dette svarer til Rayleigh-kriteriet. Vi kan ikke se detaljer mindre enn dette. Skyv punktkildene sammen til dip forsvinner Vinkelen mellom dem er da sin θ = 0.95 λ/d. Dette kalles Sparrow-kriteriet INF040-Bilde-2 INF040-Bilde-24
7 Hvor små detaljer kan vi se med øyet? Anta D=2.5 mm, og λ = 550 nm, Rayleigh s kriterium sier at vinkeloppløsningen er gitt ved For små vinkler er sin(θ) = θ, når vinkelen θ er gitt i radianer. Omformer vi θ fra radianer til grader, ser vi at oppløsningen er Vi sa tidligere at vi kan se 60 linjer per grad. Nå har vi altså sett at denne erfaringen stemmer med teorien λ.22 x550 x0 sin θ = = = 2.7 x0 D 2.5 x0 θ = 2.7 x grad π 60 4 De minste detaljer i et bilde tatt med et f=5mm objektiv, f/d=? Anta s =.5 meter og λ=500 x 0-9 meter. Q: Hva er den geometriske oppløsningen (y) på objektet? A: Aperturen er D=f/ = 5 mm/ =.67 mm =.67x0-2 meter. Rayleigh-kriteriet gir: sin(θ)=.22 λ/d =.22 x 500 x 0-9 /.67x0-2. Men tangens til denne vinkelen må være lik (y/.5). For små vinkler er sin(θ) = tg(θ) = θ, når vinkelen θ er gitt i radianer. Det gir y =.5 x.22 x 500 x 0-9 /.67x0-2 =.8 x0-4 m 0.2 mm. Q: Hva er den tilsvarende avstand y i bildeplanet? A: Vi husker at y =yf/(s-f). y = 0.2 x 5 /(500 5) mm mm = 2 µm. INF040-Bilde-25 INF040-Bilde-26 De minste detaljer i et bilde De minste detaljer i et bilde tatt med et kompakt digitalkamera? i et bilde tatt med et mobil-kamera? Kortere brennvidde, f = 5.8 mm, og f/d =.. Anta f=4 mm og f/d 4. Da er D=f/4 =. Q: Hva er nå den minste avstand y mellom to punkter på objektet som kan adskilles? A: Nå er linsediameteren D=f/. = 5.8 mm/. =.87 x 0- meter. Rayleigh-kriteriet: sin(θ)=.22 λ/d =.22 x 500 x 0-9 /.87x0 - Men vi må fortsatt ha at tg(θ) = (y/.5), og sin(θ) = tg(θ) = θ. Da får vi at y =.5 x.22 x 500 x 0-9 /.87x0-2. mm. Det mer moderne kameraet gir altså 5.5 ganger dårligere oppløsning. Q: Hva er den tilsvarende avstand y i bildeplanet? På.5 meters avstand vil den minste synlige detaljen være y =.5 x.22 x 500 x 0-9 /.0x0 - m 2. mm. En faktor 2 dårligere oppløsning enn det kompakte digitalkameraet. I bildeplanet er den minste detaljen gitt ved y =yf/(s-f) = 2. x 4 /(500-4) 2.4 µm. Synsfelt er 47 x 4 grader, med 640 x 480 detektorer i fokalplanet. På.5 meters avstand vil én detektor dekke 0.45 x 0.45 mm. A: Vi husker y =yf/(s-f), altså: y =. x 5.8 /( ) mm 2 µm. Kravene til fysisk samplingstetthet i bildeplanet er altså omtrent de samme. Mer enn nok detektorer til å utnytte oppløsningen. 2. ganger oversampling (2. / 0.45 /2 2.). INF040-Bilde-27 INF040-Bilde-28
8 Eksempel på ekstremt høy oppløsning Et teleskop med meter diameter har tatt noen av de aller beste bildene av Sola. For λ = 600 x 0-9 meter og D = meter gir Rayleigh-kriteriet θ = 4.2 x 0-5 grader Med en avstanden Jord - Sol 50 x 0 6 km blir teoretisk oppløsning ca 00 km. Eksempel: del av en solflekk. Merke langs bildekanten for hver 000 km. Teleskopet benytter et aktivt speil : bølgefronten til lyset analyseres på vei inn i teleskopet, og små stempler på baksiden av speilet korrigerer dets fasong i nær sann tid, slik at det kompenseres for luft-uroen. Swedish -meter Solar Telescope (SST), Royal Swedish Academy of Sciences. Andre sensorer enn øyet Aktive og passive sensorer: belyse og se eller bare se. Optisk satellittbilde: Landsat Radarbilde fra satellitt: SAR Infrarødt satellittbilde Medisinsk ultralyd Røntgen og CT NMR magnetisk resonnans Sonar, seismikk lyd Mikroskopi Laser avstand scanner INF040-Bilde-29 INF040-Bilde-0 Det elektromagnetiske spekteret Fiolett: µm Blå: µm Grønn: µm Gul: µm Oransje: µm Rød: µm Sammenheng mellom bølgelengde og frekvens: c=λv c lysets hastighet (x0 8 m/s) λ - bølgelengde (m) v frekvens (sykler pr. sek, Hz) Eksempel: radarbilde vs. optisk Bilde fra ERS- SAR-satellitten Radaren viser røffheten på overflater Landsat-bilde fra samme område INF040-Bilde- INF040-Bilde-2
9 Eksempel: radarbilde av oljesøl fra skipsforlis Radar detekterer overflatens røffhet. Olje demper vindbølger på vann. Radarbilder fra satellitt og fly kan overvåke oljesøl Fra skipsforlis Utslipp fra skip Utslipp fra oljerigger Eksempel: M/S Prestige, ESA Eksempel: bilde fra Landsat-satellitten Måler lys i 7 bølgelengder samtidig Blå Grønn Rød Middel infrarød Termisk infrarød Middel infrarød Nærinfrarød Max. penetrasjon av vann Planter og friskhet Vegetasjonstype Biomasse Fuktighet i bakke og vegetasjon Temperatur Mineraler INF040-Bilde- INF040-Bilde-4 Satellittbilder med lav og høy oppløsning Lavoppløsningsbilder gir oversikt, f.eks innen meteorologi. Medisinsk mikroskopi Eksemplet viser mikroskopi-bilder av cellekjerner fra kreftsvulst i eggstokkene (ovarie) for en pasient med god prognose (venstre) og en pasient med dårlig prognose (høyre). Visuelt kan man ikke se forskjell, men med matematisk analyse av teksturen kan man klassifisere dem riktig. Høyoppløselige bilder er nyttige til kartlegging, detaljert arealplanlegging, overvåking, spionasje, INF040-Bilde-5 INF040-Bilde-6
10 CT og MR Eksempel: Diagnostisk MR Plasser røntgenkilden foran en pasient, og en detektor-matrise bak. Roter dette oppsettet sakte rundt pasienten ta flere bilder. Etterpå kan vi regne oss fram til absorbsjonen i hvert punkt i pasienten. Vi får altså et -D røntgenbilde. Kan ta snitt-bilder av dette volumet i de plan og de retninger vi ønsker. Dette kalles Computed Tomography, forkortet CT. Magnetisk resonans avbildning (MR) avbilder protonene i kroppen. Dette gjøres ved å eksitere hydrogen-atomene, Registrerer hvordan atomene de-eksiteres. Tiden dette tar er avhengig av vevstype og av sykdomstilstand. MR-bilder av hjernen Klassifisert i vevstyper, svulst markert i rødt INF040-Bilde-7 INF040-Bilde-8 Funksjonell MR Flerdimensjonale bilder Funksjonell MR (fmri) avbilder de delene av vevet hvor oksygenforbruket er høyt eller endres mens man gjør opptaket. Et 2-D bilde er en projeksjon av et -D objekt. For å gjenskape objektet i -D må vi ha flere 2-D projeksjoner. Vi må løse korrespondanseproblemet, hvilke punkter i bildene svarer til samme punkt i virkeligheten. Kan f.eks avbilde de delene av hjernen som er i aktivitet når man utfører en spesiell oppgave. Eksempel: axialt snitt fra lyttende person (Miami Childrens Hospital) Dette gjør hjernen vår. Kombinerer høyre og venstre bilde - stereo-syn. Laser avstandsmåler gir 2-D avbildning av den tredje dimensjonen. CT og MR gir -D bilder av organer inne i kroppen vår. Mikroskopi konfokal mikroskopi belyser og avbilder på flere dyp i vevet, Tilsvarende verbal aktivitet ligger nær dette området i hjernen. serielle tynne snitt av cellepreparater gir D bilder med meget høy oppløsning. En tidssekvens av 2-D bilder kan sees på som et -D datasett. En tidssekvens av -D bilder kan betraktes som et 4-D bilde. INF040-Bilde-9 Avbildning på flere bølgelengder for hvert tidspunkt gir et 5-D bilde. INF040-Bilde-40
11 Tema nr : Digitalisering av bilder Viktige begreper Et digitalt bilde er en funksjon av to (eller flere) heltallsvariable f(x,y) (x og y er heltall) Et 2-dimensjonalt digitalt bilde er en 2-dimensjonal array/matrise. Dette kalles raster-representasjon. Hvert element i matrisen kalles et piksel, og angis ved koordinater x og y. Tallverdien til hvert piksel angir intensiteten (hvor lyst/mørkt) til pikslet. y x Merk: origo (0,0) er ofte oppe i venstre hjørne i bildet. Det første pikslet kan ha indekser (0,0) eller (,) INF040-Bilde-4 INF040-Bilde-42 Matematisk representasjon av digitale bilder Eksempel - Pikseltyper f(x,y) er bildeverdien i piksel (x,y). f(x,y) er et tall som forteller noe om intensiteten (lysstyrken) målt i punkt (x,y). f(x,y) kan være en vektor, f.eks. r,g,b for et fargebilde. 0,0 y x Bit Byte Real f(x,y) må representeres med en gitt datatype (integer, byte, float etc.). INF040-Bilde-4 INF040-Bilde-44
12 Naturen er kontinuerlig. Digitalt bilde består av et endelig 2D rutenett med punkter. Sampling: prosessen som plukker ut punkter fra et kontinuerlig objekt som avbildes til et 2D rutenett. Sampling av bilder 0,0 y x Periodiske bilder: et begrenset sett av frekvenser Frekvens i syntetiske bilder Samplingsproblem: hvor tett må punktene i rutenettet ligge? INF040-Bilde-45 INF040-Bilde-46 Naturlige frekvenser i bilder Sampling Bildet varierer i intensitet med ulike frekvenser. Naturlige bilder: et uendelig sett av frekvenser. Fourier-teori: et bilde kan beskrives ved en endelig sum av sinus og cosinussignaler med ulike frekvenser. Bildet består av et endelig sett frekvenser. Antar bildet inneholder av et endelig antall frekvenser. En høy frekvens beskriver et mønster som varierer hurtig i bildet, lav frekvens noe som varierer langsomt. Nyquist-kriteriet: Samplingsraten må minst være dobbelt så stor som den høyeste frekvensen i bildet. Dette betyr: Vi må sample minst to ganger pr. periode av det objektet som varierer hurtigst i det kontinuerlige bildet. Det digitale bildet må altså ha minst to piksler pr periode for den minste periodisk struktur i det kontinuerlige bildet. I tillegg må vi ha god nok optikk til å avbilde slike strukturer! INF040-Bilde-47 INF040-Bilde-48
13 Valg av rutenett/gridstørrelser Gridstørrelsen er ofte gitt av sensorer: Video: f.eks. 640x480 (kolonner x linjer) Digitalt kamera: f.eks. 024 x768 (0.7 megapixel) Bedre kamera:760 x 68 (2. megapixel) Enda bedre: 2272 x 704 (4.0 megapixel) Gridstørrelse og fokallengde bestemmer den romlige oppløsningen, gitt som en vinkel. Hvis vi kjenner avstand fra kamera til objektet som avbildes, kan vi angi romlig oppløsning som størrelsen av hvert piksel på objektet, for eksempel i meter. Vinkel-oppløsning til en linse En punktkilde avbildes som et diffraksjonsmønster, som er bestemt av form og størrelse til aperturen. Sirkulær apertur => en sentral lys disk med vekselvis mørke og lyse ringer rundt, med avtagende intensitet. To lys-punkter kan akkurat adskilles i bildet hvis de ligger slik at sentrum i det ene diffraksjonsmønstret faller sammen med den første mørke ringen i det andre. Vinkelen er gitt ved sin θ =.22 x λ / D (Rayleigh-kriteriet) INF040-Bilde-49 INF040-Bilde-50 Kommentar om sampling av bilder Når et kamera tar bilde av et objekt, vil hvert piksel i bildet vanligvis inneholde lys målt fra hele det området som pikselet dekker. Eksempel: la oss si at piksel dekker det området som er vist til høyre, og at dette lille området inneholder noe fin-struktur: Dette representeres etter samplingen ved gjennomsnittlig lysstyrke i området: Dermed er all struktur som er mindre enn pikselstørrelsen blitt visket ut. Vi har målt en middelverdi over et areal, og gjengir det likedan. Dette er forskjellig fra sampling av lyd, der samplet lages ved at man fryser lydstyrken på et gitt tidspunkt. Romlig oppløsning avhenger av anvendelsen Et kamera på mobiltelefon skal sende bildet over en GSMlinje og har relativt dårlig oppløsning. Bilder på Internett skal også overføres raskt og ligger ofte lagret med dårlig oppløsning. Skal vi skanne inn et håndtegnet kart, må vi ha god nok oppløsning til at tekst og linjer kommer korrekt med. Skal vi ta bilder av jorden fra satellitt, kan vi enten dekke et stort område med liten oppløsning (km) eller dekke et mindre område med høy oppløsning (m). INF040-Bilde-5 INF040-Bilde-52
14 Eksempel: Ledningskart Eksempler - romlig oppløsning 52x52 256x256 28x28 64x64 2x2 6x6 INF040-Bilde-5 INF040-Bilde-54 Eksempler - antall bit pr. piksel Bitplan i et gråtonebilde Et 8 bits bilde har 8 bitplan. LSB forrest i figuren - bare tilfeldig støy. MSB bakerst i figuren. Pikselverdien i (x,y) er gitt ved: f(x,y) = b 0 (x,y)* b 7 (x,y)*2 7 = b i (x,y)*2 i 8 bit, 256 nivåer 7 bit, 28 nivåer 6 bit, 64 nivåer Se representasjon av tall, kapittel 7. Hvis bit -6 i (x,y) = : f(x,y) = = 27. MSB = 0 (svart) => f(x,y) Є [0,27]. MSB = (hvit) => f(x,y) Є [28, 255]. MSB-planet er en terskling av f(x,y). 5 bit, 2 nivåer 4 bit, 6 nivåer bit, 8 nivåer INF040-Bilde-55 INF040-Bilde-56
15 Dette er Mona Lisa Dette er Mona Lisa genskapt i mosaik. Forbenede reaktionære bagtaler denne teknik. 2 sorte og hvite kvadrater anbragt på rette sted! Man påstår at noget i smilet -- ikke helt kommer med. Kvantisering f(x,y) er intensitet/lysstyrke i (x,y) og i naturen en kontinuerlig variabel Må velge datatype for lagring (byte, short, int, float, double) Kvantisering: prosessen som transformerer et kontinuerlig sampel f k (x,y) til et diskret sampel f(x,y) To stikkord sentrale: Lagringsplass Behov for presisjon/akseptabelt informasjonstap Merk: Display og videre bildeanalyse av det kvantiserte bildet stiller ulike krav til presisjon. INF040-Bilde-57 INF040-Bilde-58 Digitalisering i tre enkle steg Kvantisering og datatyper Et kontinuerlig bilde er en reell funksjon f(x,y) av to (eller flere) reelle og kontinuerlige variable.. Vi legger på et rutenett, og beregner gjennomsnittsverdien av f(x,y) i hver rute: Rutenettet er vanligvis kvadrater. Vi har nå en reell funksjon f (x,y ), der heltallene x og y gir nummereringen av rutene. 2. Vi skalerer f (x,y ) slik at den passer innenfor det område vi skal bruke som gråtoneskala.. Vi kvantiserer verdiene av f (x,y ) til nærmeste heltalls verdi i gråtoneskalaen. Vi har nå funnet f (x,y ), som er en heltalls funksjon av to heltalls variable. Hvert piksel lagres vha. n bit Pikselet kan da inneholde verdier fra 0 til 2 n - 8 bits bilder: 256 ulike verdier (0-255) 6 bits bilder: 6556 verdier unsigned: fra til signed: fra 0 til bits integer 2 bits float INF040-Bilde-59 INF040-Bilde-60
16 Eksempel: plassbehov Radarbilde fra ERS-satellitten: Dekker 00x00 km Pikselstørrelse 20x20m Bilder tar mye plass En side i en lærebok er på 50 linjer a 80 tegn. Hvor mange bok-sider svarer et 4 Mpix fargebilde til? (4 x 0 6 x x 8) /(50 x 80 x 8) bok-sider = x 0 bok-sider 5000x5000 piksler 8-bit per pixel: 25 MB Utsnitt av ERS SAR bilde Hvor stort må et 24 bits fargebilde være for at utsagnet et bilde sier mer enn ord skal være riktig? ord x 6 tegn/ord x 8 bits/tegn / 24 bits/pixel = pixler, altså et kvadratisk bilde med 4 piksler hver vei. 6 bit per pixel: 50 MB 2 bit per pixel: 00 MB For et gråtonebilde: x 6 x 8 / 8 = piksler, altså et kvadratisk bilde med 245 pixler langs aksene. INF040-Bilde-6 INF040-Bilde-62 Dette bør du ha fått med deg i dag Et 2-dimensjonalt digitalt bilde er en 2-dimensjonal heltalls matrise (array). Hvert tall i matrisen svarer til et lite (oftest kvadratisk) område i det opprinnelige analoge bildet. Hvert tall i matrisen kalles et piksel ( picture element ). I gråtone-bilder angir piksel-verdien hvor lyst / mørkt det lille området i det opprinnelige bildet er. I fargebilder er piksel-verdien en vektor ( heltall). Dette bør du også ha fått med deg Det digitale bildet må ha minst to piksler pr periode for den minste periodisk struktur i det kontinuerlige bildet. Vi må ha god nok optikk til å avbilde slike strukturer! Vinkeloppløsningen er gitt ved sin θ =.22 x λ / D. Vi velger en kvantisering som tilfredsstiller de krav som display og/eller senere bildebehandling og analyse stiller. Digitale bilder tar generelt stor plass. Senere skal vi se på metoder for koding og kompresjon. Hvert piksel har implisitte romlige koordinater (x,y), gitt ved posisjonen i matrisen. INF040-Bilde-6 INF040-Bilde-64
Litteratur : I dag og neste uke: Cyganski kap. 5-6
Bilder Litteratur : I dag og neste uke: Cyganski kap. 5- -dimensjonal virkelighet Kamera og optikk fokallengde f Bildet blir en 2-dimensjonal projeksjon av objektet Temaer : Hvordan dannes bilder? Hvordan
DetaljerØyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:
INF 040 Syn, avbildning og digitale bilder Temaer i dag :. Synssystemet vårt hvordan fungerer det 2. Avbildning. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 2, og 4. Øyet og synssystemet
DetaljerØyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:
INF 4 Syn, avbildning og digitale bilder Temaer i dag :. Synssystemet vårt 2. Avbildning. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 2, og 4. Øyet og synssystemet vårt Motivasjon for
DetaljerINF 1040 Syn, avbildning og digitale bilder
INF 1040 Syn, avbildning og digitale bilder Temaer i dag : 1. Synssystemet vårt 2. Avbildning 3. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 12, 13 og 14. INF1040-Bilde1-1 Øyet og synssystemet
DetaljerINF 1040 Syn, avbildning og digitale bilder
INF 1040 Syn, avbildning og digitale bilder Temaer i dag : 1. Synssystemet vårt 2. Avbildning 3. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 12, 13 og 14. INF1040-Bilde1-1 Øyet og synssystemet
DetaljerØyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:
INF 040 Syn, avbildning og digitale bilder Temaer i dag :. Synssystemet vårt 2. Avbildning. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 2, og 4. Øyet og synssystemet vårt Motivasjon for
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
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.
DetaljerINF 1040 Syn, avbildning og digitale bilder
INF 1040 Syn, avbildning og digitale bilder Temaer i dag : 1. Synssystemet vårt hvordan fungerer det 2. Avbildning 3. Digitalisering av bilder Pensumlitteratur: Læreboka, kapittel 12, 13 og 14. INF1040-Bilde1-1
DetaljerINF 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
DetaljerTemaer i dag. Kontakter. Lærebok. INF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesere våren 2008: Are Jensen Fritz Albregtsen Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerViktige begreper. Viktige begreper, illustrasjon. Matematisk representasjon av digitale bilder. INF Introduksjon og Kap.
Viktige begreper INF 23. 25 Introduksjon og Kap. 2 Introduksjon - hva er et digitalt bilde Avbildning Det elektromagnetiske spekteret Litt om bildeformater Kamera og optikk Øyet og egenskaper ved synet
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesere våren 2010: Anne Schistad Solberg Are Jensen Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesere våren 2011: Fritz Albregtsen Are Jensen F1 18.01.2011 INF 2310 1 Temaer i dag Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling?
DetaljerTemaer i dag. Kontakter. Lærebok. INF 2310 Digital bildebehandling
Temaer i dag INF 230 Digital bildebehandling Forelesere våren 2009: Anne Schistad Solberg Fritz Albregtsen Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesere våren 2018: Fritz Albregtsen Are Jensen INF 2310 1 Temaer i dag Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i
DetaljerTemaer i dag. Lærebok. Kontakter. INF 2310 Digital bildebehandling
Temaer i dag INF 230 Digital bildebehandling Forelesere våren 202: Fritz Albregtsen Andreas Kleppe Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerTemaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesere våren 2019: Fritz Albregtsen Are Jensen F1 16.01.2019 INF 2310 1 Temaer i dag Praktisk informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling?
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesere våren 2014: Fritz Albregtsen Andreas Kleppe Praktisk k informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter i bildebehandling
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen 27.01.2014 INF2310 1 Temaer i dag Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 231 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Oppgavesettett er på : 6 sider
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
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesere våren 2013: Fritz Albregtsen Andreas Kleppe INF 2310 1 Temaer i dag Praktisk k informasjon Kursopplegg Motivasjon for kurset Hva er bildebehandling? Aktiviteter
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
DetaljerTDT4105/TDT4110 Informasjonsteknologi grunnkurs:
1 TDT4105/TDT4110 Informasjonsteknologi grunnkurs: Uke 38 Digital representasjon, del 2 - Representasjon av lyd og bilder - Komprimering av data Rune Sætre satre@idi.ntnu.no 2 Digitalisering av lyd Et
DetaljerINF 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
DetaljerINF1040 Digital representasjon
INF1040 Digital representasjon av tekster, tall, former, lyd, bilder og video Forelesere: Gerhard Skagestein Fritz Albregtsen Første forelesning: Onsdag 23. august 12:15 14:00, Sophus Lies Auditorium.
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
DetaljerGrunnleggende om Digitale Bilder (ITD33515)
Grunnleggende om Digitale Bilder (ITD33515) Lars Vidar Magnusson January 13, 2017 Delkapittel 2.2, 2.3, 2.4 og 2.5 Lys og det Elektromagnetiske Spektrum Bølgelengde, Frekvens og Energi Bølgelengde λ og
DetaljerDen gule flekken er det området på netthinnen som har flest tapper, og her ser vi skarpest og best i dagslys.
Netthinnen inneholder to typer sanseceller: staver og tapper. Når lyset treffer dem, dannes det nerveimpulser som går videre til hjernen gjennom synsnerven. Det området på netthinnen hvor synsnervene går
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
DetaljerINF 1040 Digital representasjon 2006 Utkast til - Obligatorisk oppgave nr 3
INF 1040 Digital representasjon 2006 Utkast til - Obligatorisk oppgave nr 3 Utlevering: fredag 3. november 2006, kl. 12:00 Innlevering: fredag 17. november 2006, kl. 23:59:59 Formaliteter Besvarelsen skal
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
DetaljerBINGO - Kapittel 6. Refleksjon av lys fra en jevn overflate (bilde side 108) Den ytterste linsen i et øye (hornhinne)
BINGO - Kapittel 6 Bingo-oppgaven anbefales som repetisjon etter at kapittel 6 er gjennomgått. Klipp opp tabellen (nedenfor) i 24 lapper. Gjør det klart for elevene om det er en sammenhengende rekke vannrett,
DetaljerIllusjonsutstillingen Du tror det ikke når du har sett det. Elevhefte. Vitensenteret. Nils Kr. Rossing. Revisjon 4.3. Trondheim
Illusjonsutstillingen Du tror det ikke når du har sett det Elevhefte Revisjon 4.3 Vitensenteret Trondheim Nils Kr. Rossing 8 8 Utstillingen Elevark Gå gjennom utstillingen og les oppgavene ved hver modell.
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
DetaljerLøsningsforslag til kapittel 15 Fargerom og fargebilder
Løsningsforslag til kapittel 15 Fargerom og fargebilder Oppgave 1: Representasjon av et bilde Under har vi gitt et lite binært bilde, der svart er 0 og hvit er 1. a) Kan du skrive ned på et ark binærrepresentasjonen
DetaljerFor J kvantiseringsnivåer er mean square feilen:
Slide 1 Slide 2 Kap. 6 Bilde kvantisering Kap. 6.1 Skalar kvantisering Desisons og rekonstruksonsnivåer velges ved å minimalisere et gitt kvantiseringsfeilmål mellom f og ˆf. Kvantisering: Prosessen som
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
DetaljerHermann-gitteret. og de usynlige prikkene. Se på ett av de hvite kryssene i rutenettet på veggen. Ser du de svarte prikkene i de andre kryssene?
Hermanngitteret og de usynlige prikkene Se på ett av de hvite kryssene i rutenettet på veggen. Ser du de svarte prikkene i de andre kryssene? Hva skjer med prikkene om du flytter blikket? Forandrer effekten
DetaljerRefraksjon. Heron of Alexandria (1. C): Snells lov (1621):
Optikk 1 Refraksjon Heron of Alexandria (1. C): ' 1 1 Snells lov (1621): n1sin 1 n2sin 2 n er refraksjonsindeks (brytningsindeks) og oppgis ofte ved λ = 0.58756 μm (gul/orange) Dessuten: c0 n r c Refleksjonskoeffisient:
DetaljerINF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 16 og 17) 13. Lagring av video på DVD
INF 040 høsten 2009: Oppgavesett 2 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 6 og 7) 3. Lagring av video på DVD a) Med en bitrate på 250 Mbit/s, hvor lang tidssekvens av en digital
DetaljerINF1040 Digital representasjon Oppsummering 2008 del II
INF040 Digital representasjon Oppsummering 2008 del II Fritz Albregtsen INF040-Oppsum-FA- Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I 0 = 0-2 W/m 2,tilSmerteterskelen,0
DetaljerINF1040 Digital representasjon Oppsummering 2008 del II
INF igital representasjon Oppsummering 8 del II Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I - W/m,tilSmerteterskelen, W/m Oftest angir vi ikke absolutt lydintensitet
Detaljer( x+ π 2) Bakgrunn: Sinus og cosinus. Bakgrunn: Samplet sinus i 1D. Bakgrunn: Samplet sinus i 2D. Bakgrunn: Sinus i 2D. sin( x)=cos.
Bakgrunn: Samplet sinus i 1D Bakgrunn: Sinus og cosinus En generell samplet sinusfunksjon kan skrives som: y(t) = A sin(2πut/n + φ) t : tid; 0, 1,..., N-1 A : amplitude u : antall hele perioder* N : antall
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 :
DetaljerAST1010 En kosmisk reise. Forelesning 9: Teleskoper
AST1010 En kosmisk reise Forelesning 9: Teleskoper De viktigste punktene i dag: Optikk og teleskop Linse- og speilteleskop De viktigste egenskapene til et teleskop Detektorer og spektrometre Teleskop for
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
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
DetaljerForkunnskapskrav. Hva handler kurset om. Kontaktinformasjon. Kurset er beregnet på en student som kan
Velkommen til INF4, Digital signalbehandling Hilde Skjevling (Kursansvarlig) Svein Bøe (Java) INSTITUTT FOR INFORMATIKK Kontaktinformasjon E-post: hildesk@ifi.uio.no Telefon: 85 4 4 Kontor: 4 i 4.etasje,
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : :3 8:3 Løsningsforslaget er på : 9
DetaljerUNIVERSITETET I OSLO
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
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
DetaljerAST1010 En kosmisk reise. Forelesning 6: Teleskoper
AST1010 En kosmisk reise Forelesning 6: Teleskoper Innhold Optikk og teleskop Linse- og speilteleskop De viktigste egenskapene til et teleskop Detektorer og spektrometre Teleskop for andre bølgelengder
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
DetaljerNoen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1.
FYS2130 Våren 2008 Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1. Vi har på forelesning gått gjennom foldingsfenomenet ved diskret Fourier transform, men ikke vært pinlig nøyaktige
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:
DetaljerMidtveiseksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt
DetaljerRaster VS Vektor. Stian Larsen Raster
Raster VS Vektor. Stian Larsen 29.09.10 Raster Raster grafikk, også kalt punktgrafikk, presenterer et bilde i biter av informasjon. Denne informasjonen blir til piksler som har fargekoder og informasjon
DetaljerNORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR FYSIKK
Side 1 av 7 NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR FYSIKK Faglig kontakt under eksamen: Institutt for fysikk, Realfagbygget Professor Catharina Davies 73593688 BOKMÅL EKSAMEN I EMNE
DetaljerIntroduksjon. «Diskret» sinus/cosinus i 1D. Funksjonen sin(θ) INF april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4
Introduksjon INF 2310 13. april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4 Fourier: Vi kan uttrykke ethvert bilde som en vektet sum av sinus- og cosinus-signaler med ulik frekvens og orientering
DetaljerLøsningsforslag til ukeoppgave 12
Oppgaver FYS1001 Vår 018 1 Løsningsforslag til ukeoppgave 1 Oppgave 16.0 Loddet gjør 0 svingninger på 15 s. Frekvensen er da f = 1/T = 1,3 T = 15 s 0 = 0, 75 s Oppgave 16.05 a) Det tar et døgn for jorda
DetaljerLøsningsforslag til ukeoppgave 13
Oppgaver FYS1001 Vår 2018 1 Løsningsforslag til ukeoppgave 13 Oppgave 14.01 3 er innfallsvinkelen og 2 er refleksjonsvinkelen. b) Innfallsplanet er planet som den innfallende strålen og innfallsloddet
DetaljerInnholdsfortegnelse. 1. Innledning 1.1. Forord 1.2. Problemstilling. 2. Om kamera 2.1. Blender 2.2. Lukker 2.3. ISO
Innholdsfortegnelse 1. Innledning 1.1. Forord 1.2. Problemstilling 2. Om kamera 2.1. Blender 2.2. Lukker 2.3. ISO 3. Digital fotografering I bevegelse 3.1. Motivbevegelse med stativ 3.2. Kamerabevegelse
DetaljerNATURFAG. Lys og syn øyet som ser (Tellus 10, side 116 132) Rita Sirirud Strandbakke, Dokka ungdomsskole
NATURFAG Lys og syn øyet som ser (Tellus 10, side 116 132) BAKGRUNNSKUNNSKAP / FØRLESINGSAKTIVITET Se på bildene. Hva ser du? Skriv tre stikkord: ORDKUNNSKAP Nedenfor ser du ei liste med ord som finnes
DetaljerINF mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4
INF 2310 22. mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4 I dag: Sinus-funksjoner i 1D og 2D 2D diskret Fouriertransform (DFT) Mandag 27. mars: Supplementsforelesning holdt av
DetaljerINF 1040 Syn, avbildning og digitale bilder. Øyet og synssystemet vårt. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:
INF 1040 Syn, avbildning og digitale bilder Øyet og synssystemet vårt Motivasjon or å kunne noe om dette: Mesteparten av vår sensoriske input kommer via synssansen. Temaer i dag : 1. Synssystemet vårt
Detaljer21.09.2015. Mer enn bare et kamera (Publisert versjon, inneholder bare FFIs egne bilder.) Bilder kommer fra mange kilder
Bilder kommer fra mange kilder Mer enn bare et kamera (Publisert versjon, inneholder bare FFIs egne bilder.) Torbjørn Skauli og Trym Haavardsholm Optisk avbildning - et felt i forandring Hva kan et kamera
DetaljerHøgskoleni østfold EKSAMEN. ITD33506 Bildebehandling og monstergjenkjenning. Dato: Eksamenstid: kl 9.00 til kl 12.00
Or Høgskoleni østfold EKSAMEN Emnekode: Emne: ITD33506 Bildebehandling og monstergjenkjenning Dato: 25.11.2013 Eksamenstid: kl 9.00 til kl 12.00 Hjelpemidler: Læreboken, ett A4-ark skrevet på begge sider
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
DetaljerEksamen i INF 1040, 5. desember Det matematisk-naturvitenskapelige fakultet
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Fredag 5. desember 2008 Tid for eksamen : 09.00 12.00 Oppgavesettet er på
DetaljerGRUNNLEGGENDE KAMERAINNSTILLINGER
GRUNNLEGGENDE KAMERAINNSTILLINGER Når jeg er ferdig med dette minikurset skal dere skjønne betydningen av følgende begreper: Lysmåling Lysfølsomhet ISO Manuell innstilling Blenderprioritert innstilling
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
DetaljerGeometri Mona Røsseland Nasjonalt senter for matematikk i Opplæringen Leder i LAMIS Lærebokforfatter, MULTI Geometri i skolen Geometri etter 4.
Geometri Mona Røsseland Nasjonalt senter for matematikk i Opplæringen Leder i LAMIS Lærebokforfatter, MULTI 15-Apr-07 Geometri i skolen dreier seg blant annet om å analysere egenskaper ved to- og tredimensjonale
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
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
DetaljerLøsning av øvingsoppgaver, INF2310, 2005, kompresjon og koding
Løsning av øvingsoppgaver, INF230, 2005,. Vi har gitt følgende bilde: kompresjon og koding 0 2 2 2 3 3 3 2 3 3 3 0 2 2 2 3 3 2 2 2 3 2 3 4 4 2 2 3 2 2 3 4 4 2 2 2 3 3 3 4 3 4 a. Finn Huffman-kodingen av
DetaljerFORSØK I OPTIKK. Forsøk 1: Bestemmelse av brytningsindeks
FORSØK I OPTIKK Forsøk 1: Bestemmelse av brytningsindeks Hensikt I dette forsøket skal brytningsindeksen bestemmes for en sylindrisk linse ut fra måling av brytningsvinkler og bruk av Snells lov. Teori
DetaljerAST1010 En kosmisk reise. De viktigste punktene i dag: Optikk 1/30/2017. Forelesning 6: Optikk Teleskoper
AST1010 En kosmisk reise Forelesning 6: Optikk Teleskoper De viktigste punktene i dag: Optikk og teleskop Linse- og speilteleskop De viktigste egenskapene til et teleskop Detektorer og spektrometre Teleskop
Detaljersin(2 ui/n) starter på 0 og repeteres u ganger per N samples. cos(2 ui/n) starter på 1 og repeteres u ganger per N samples
0700 Foreløbig versjon! INF 0 mars 07 Fourier I -- En litt annen vinkling på stoffet i kapittel I dag: Sinus-funksjoner i D og D D diskret Fouriertransform (DFT) Introduksjon I/II Et gråtonebilde Typisk
DetaljerSampling, kvantisering og lagring av lyd
Litteratur : Temaer i dag: Neste uke : Sampling, kvantisering og lagring av lyd Cyganski kap 11-12 Merk: trykkfeilliste legges på web-siden Sampling av lyd Kvantisering av lyd Avspilling av samplet og
DetaljerINF 1040 høsten 2009: Oppgavesett 8 Introduksjon til lyd (kapittel 9 og 10)
INF 1040 høsten 2009: Oppgavesett 8 Introduksjon til lyd (kapittel 9 og 10) Vi regner med at decibelskalaen og bruk av logaritmer kan by på enkelte problemer. Derfor en kort repetisjon: Absolutt lydintensitet:
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
DetaljerFYS 2150.ØVELSE 14 GEOMETRISK OPTIKK
FYS 250ØVELSE 4 GEOMETRISK OPTIKK Fysisk institutt, UiO 4 Teori 4 Sfæriske speil Figur 4: Bildedannelse med konkavt, sfærisk speil Speilets krumningssenter ligger i punktet C Et objekt i punktet P avbildes
DetaljerGrunnleggende begreper. Frode Slettum
Grunnleggende begreper Frode Slettum Tiden det tar å registrere lyset/bildet. Lukkertiden stilles i trinn (Eksponeringstrinn). Ett trinn tilsvarer en halvering eller dobling av lysmengden som slipper inn
DetaljerINF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11)
INF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det
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
DetaljerLøsningsforslag til øving 9
NTNU Institutt for Fysikk Løsningsforslag til øving 9 FY0001 Brukerkurs i fysikk Oppgave 1 a) Etter første refleksjon blir vinklene (i forhold til positiv x-retning) henholdsvis 135 og 157, 5, og etter
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
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
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
DetaljerKort innføring i kart, kartreferanser og kompass
Kort innføring i kart, kartreferanser og kompass UTM Universal Transverse Mercator (UTM) er en måte å projisere jordas horisontale flate over i to dimensjoner. UTM deler jorda inn i 60 belter fra pol til
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
Detaljer1.Raster(bitmap) versus vektorer
1.Raster(bitmap) versus vektorer Raster er oftest brukt ved fotografier. Det er et rutenett bestående av små ruter, pixler, hvor hver pixel består av en fargekode. Når man forstørrer et bitmap bilde vil
Detaljer