INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 16 og 17) 13. Lagring av video på DVD
|
|
- Helge Holm
- 7 år siden
- Visninger:
Transkript
1 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 film kan du lagre på en to-lags enkeltsidig DVD? En enkeltsidig to-lags DVD kan lagre 8.5 milliarder byte. Med en bitrate på 250 Mbit/s kan vi lagre 8* 8.5 *0 9 / 250 * 0 6 = 272 sekunder = 272/60 minutter = 4 minutter 32 sekunder. b) Hvor lang tidssekvens av en slik digital film kan du lagre på en ettlags dobbeltsidig DVD? En ett-lags dobbeltsidig DVD kan lagre 9.4 milliarder byte. Med en bitrate på 250 Mbit/s kan vi lagre. 8* 9.4 *0 9 / 250 * 0 6 = sekunder=300.8/60 minutter = 5 minutter 0.8 sekunder. c) Hvor mange ettlags dobbeltsidige DVD er trenger du til en halvannen times fim med denne bitraten? 90 minutter / 5 minutter/dvd = 8 DVD er 4. Nummerering av mange bilder a) Anta at du er i stand til å oppfatte 50 bilder per sekund, og at du har øynene åpne 6 timer i døgnet. Hvor mange biters ordlengde ville du trenge dersom du skulle nummerere alle de bildene du teoretisk kan ha sett i løpet av de siste 20 år? 50 bilder/s * 60 s/min * 60 min/t * 6 t/dg *365 dg/år * 20 år = bilder Altså litt over 2 milliarder bilder. Den første toerpotensen som er større enn 2 * 0 9 er 2 35 = Altså holder det med en ordlengde på 35 biter. b) Med 36 biters ordlengde, i hvor mange år kan du da fortløpende nummerere bilder med en frekvens på 50 Hz? Med 36 biters ordlengde kan vi nummerere bilder. Antall år vi kan holde på blir / 50 / 60 / 60 / 6 / år
2 5. Plassbehov ved YCbCr subsampling Subsamplingen i YCbCr betegnes med talltriplene 4:2:2, 4:: og 4:2:0. Fellesbetegnelsen for disse er 4:n:n (se avsnitt i læreboken). Hva er forholdet mellom plassbehovet ved 4:n:n subsampling i forhold til 4:4:4 hvis vi antar at ordlengden i hver komponent ikke endres? a. For 4:n:n = 4:2:2 4:2:2 indikerer en horisontal subsampling av Cb og Cr med en faktor 2, mens Y ikke er subsamplet. Forholdet mellom plassbehovene etter og før subsampling blir da (+/2+ /2 )/3 = 2/3. b. For 4:n:n = 4:: 4:: betyr at Cb og Cr samples med en fjerdedel av den horisontale oppløsningen til Y. Forholdet mellom plassbehovene etter og før subsampling blir da (+/4+ /4 )/3 = /2. c. For 4:n:n = 4:2:0 4:2:0 betyr at Cb og Cr er subsamplet med en faktor 2 både horisontalt og vertikalt, enten ved subsampling horisontalt og en midling vertikalt, eller ved en midling begge veier. Plassbehovet reduseres altså med en faktor 4 i begge kromasi-komponentene. Forholdet mellom plassbehovene etter og før subsampling blir da (+/4+ /4 )/3 = /2. 6. Bitrater i HDTV Anta at du skal implementere et HDTV-system med piksler per bilde med 30 Hz bilderate og progressiv skanning. Anta at bildene tas med et biters RGB-kamera og at bildene konverteres til YCbCr og subsamples til 4:2:0, før både Y, Cb og Cr komprimeres. Anta også at det skal overføres stereo lyd samplet med 44. khz og 6 biter per kanal, før lyden komprimeres med en faktor 0. Med hvilken faktor må du å komprimere bildene i tillegg til den kompresjonen som oppnås ved YCbCr subsampling, hvis kravet er at den samlede bitraten skal være maksimalt 20 Mbit/s? Lyden gir * 6 * 2 / 000 / 000 / 0 = 0.42 Mbit/s. Da har vi = Mbit/s igjen til bildene. 4:2:0 subsampling gir en reduksjon av bitraten med en faktor 2. Etter konverteringen til YCbCr og subsampling har vi 920*080*30*36/2/000/000 Mbit/s = Mbit/s Skal vi få plass til dette innenfor Mbit/s må vi komprimere med en faktor / =
3 7. Digital kino Digital Cinema Initiatives (DCI) som ble startet i 2002 av sju store amerikanske filmstudioer (Buena Vista Group, 20th Century Fox, Metro-Goldwyn-Mayer, Paramount, Sony Pictures Entertainment, Universal Studios og Warner Bros. Pictures) har angitt en systemspesifikasjon for komprimert digital film. Spesifikasjonen forutsetter: Video: o Format 2K : x 080 piksler i 24 Hz eller 48 Hz o Format 4K : x 2 60 piksler i 24 Hz o Fargerom: CIE XYZ med 2 biter per komponent ved innspilling prekorrigert med gamma= / 2.6. o Kompresjon med JPEG 2000 Kompresjonsrater: 4.7 biter/piksel (2K, 24 Hz), 2.35 biter/piksel (2K, 48 Hz),.7 biter/piksel (4K, 24 Hz) Audio: o 24 biter per sample, 48 khz eller 96kHz o Opp til 6 simultane lydkanaler a) Vis at dette gir en maksimal bitrate på 250 * 0 6 biter/s for bildene (dette er faktisk en del av spesifikasjonen). Ett sekund av en 2K digital film med 48 bilder a x 080 piksler a 2.35 biter gir: 48 * 2048 * 080 * 2.35 = biter/sekund Ett sekund av en 4K digital film med 24 bilder a x 2 60 piksler a.7 biter gir: 24 * 4096 * 260 *.7 = biter/sekund b) Hvor mange GB diskplass vil en slik 90 minutters spillefilm ta? 90 minutter*60 s/minutt*250 Mbiter/s / 8 biter/byte / 000 MB/GB = GB. c) Hvor mange 920 x 080 HD-bilder kan vi få plass til i ett 4K format stillbilde? 4 bilder tar x 2 80 piksler i en 2 x 2 oppstilling,, mens 4K formatet er et containerformat for x 2 60 piksler. Fire fulloppløsnings HD-bilder får altså plass, med 28 svarte piksler på hver side. 3
4 8. 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 bildet har av hver gråtone? Histogrammet er en tabell over pikselverdier og antall piksler med hver verdi. Tabellen går vanligvis fra 0 til den maksimale gråtoneverdien vi kan lagre med dette antall biter. Bare verdier mellom og 9 forekommer. For å lagre pikselverdien 9 trenger vi 4 biter. Histogrammet for dette bildet som 4-bits bilde blir: Pikselverdi Antall forekomster Svar med tabell fra til 9 godtas selvfølgelig også. Histogrammet omfatter da bare de verdiene som faktisk finnes i bildet, ikke en toerpotens gråtoneskala. 4
5 9. Kontrastendring og histogrammer i gråtonebilder Middelverdien av alle pikselverdiene i et digitalt gråtonebilde kan vi finne ved å legge sammen alle pikselverdiene i bildet, og så dividere denne summen med antall piksler i bildet. a) Hvordan kan vi finne denne middelverdien fra histogrammet til bildet? Middelverdien kan uttrykkes som en sum av alle pikselverdiene dividert med antall piksler i bildet. Hvis størrelsen på bildet er M N, og pikselverdiene betegnes med f(x,y), så er middelverdien gitt ved at vi summerer alle pikselverdiene i både x- og y- M N retning: μ f = f ( x, y) M N x= 0 y= 0 Men dette bildet har også et histogram. Histogramverdien h(0) forteller hvor mange piksler det er med pikselverdi 0, h() hvor mange piksler vi har med pikselverdi, osv. opp til h(g-) som forteller hvor mange piksler vi har med pikselverdi (G-), der G er antall gråtoner i bildet. Vi har altså h(0) ganger verdien (0), h() ganger verdien (),, h(g-) ganger verdien (G-). Til sammen kan det skrives som en sum av pikselverdi ganger tilhørende histogramverdi, for alle mulige pikselverdier i bildet: G μ f = f h( f ) M N f = 0 Dette er en mye enklere sum. Vi trenger bare å løpe gjennom G verdier i histogrammet istedenfor gjennom alle M N pikslene i bildet. b) Anta at vi har funnet middelverdien i et 8-biters gråtonebilde, og at den er μ f. Men vi ønsker et ut-bilde med middelverdi midt på gråtoneskalaen, uten å endre kontrasten i bildet. Hva må vi gjøre med pikselverdiene i bildet for å oppnå dette? I avsnitt 7.2. har vi sett at vi kan gjøre et bilde lysere eller mørkere ved å addere en bias til hver pikselverdi i bildet. Vi kan også endre kontrasten i bildet ved å multiplisere hver pikselverdi med en fast faktor. Men det skal vi altså ikke gjøre her. Hvis vi adderer en bias b får vi et nytt bilde, der pikselverdiene i utbildet er gitt ved g(x,y) = f(x,y) + b Middelverdien av det nye bildet finner vi ved å summere pikselverdiene i det nye bildet. M N μ g = g x y = f + M N (, ) M N x= 0 y= 0 [ f ( x, y) + b] = μ b Det er denne nye middelverdien vi ønsker skal bli 27.5: 27.5 = μ f + b => b = μ f Vi må altså addere en bias som er μ f til hver pikselverdi i gråtonebildet. M N x= 0 y= 0 5
6 c) Hvordan vil figur 7-3 a i læreboken se ut hvis den skal illustrere at du ikke har gjort noen endring av gråtonene i bildet, verken addisjon av bias eller endring av kontrast? La oss først slå fast at figuren viser sammenhengen mellom pikselverdien i inn-bildet (den horisontale f-aksen) og pikselverdien til den samme pikselen i utbildet etter at vi har gjort en eller annen transformasjon av gråtoneskalaen. Hvis vi ikke har gjort noe som helst, vil figuren vise en rett linje gjennom origo, med stigningstall. En piksel med pikselverdi f(x,y) i innbildet vil finnes igjen i utbildet som g(x,y) = f(x,y). Dette er også ligningen for den rette linjen i figuren til høyre. g g 2 g f f 2 f d) Hvordan vil figur 7-3 a se ut hvis den skal illustrere at du har lagt til en bias b til alle pikselverdiene i innbildet, uten å endre kontrasten? Nå vil vi ha g(x,y) = f(x,y) + b, som er ligningen for den rette linjen som viser sammenhengen mellom f og g i figuren til høyre. Linjen har fortsatt stigningstall, men nå går den ikke gjennom origo; den skjærer y-aksen ved verdien b. Nå blir f i innbildet til g = f + b i utbildet, og f2 i innbildet blir til g2 = f2 + b i utbildet. Men differansen mellom to vilkårlige pikselverdier g2 og g er fortsatt (f+b) (f2 b) = f2 f. Kontrasten er altså uendret. g g 2 g b f f 2 f e) Hva skjer med histogrammet ved en lineær avbildning som den som er illustrert i figur 7-3 b? Her har vi en situasjon hvor et lite område av gråtoneskalaen i innbildet mappes til å bruke hele gråtoneskalaen i utbildet. Histogrammet innenfor denne lille delen av gråtoneskalaen i innbildet vil da bli strukket ut slik at det fyller hele gråtoneskalaen til utbildet, slik som vist i figuren til høyre. f) I figur 7-3 c har vi vist hvordan sammenhengen mellom pikselverdi i inn- og ut-bilde blir hvis vi inverterer gråtonene og får et negativt bilde. Hvordan er da sammenhengen mellom histogrammene til inn- og ut-bildet? 6
7 Sammenhengen er veldig enkel. Speiler man det ene histogrammet om midten av gråtoneskalaen, så får man det andre histogrammet, som illustrert i figuren nedenfor. 20. Histogram-begreper I avsnitt 7. har vi omtalt begrepene histogram og normalisert histogram. a. Hva mener vi med kumulativt histogram, og hvordan kan vi lage det hvis vi har det vanlige histogrammet til bildet? Et kumulativt histogram H(v) viser hvor mange piksler det finnes i et bilde med pikselverdi mindre eller lik en gitt verdi v. Vi har altså H(0) = h(0), H() = h(0) + h(), og videre har vi H(v) = H(v-) + h(v). Nedenfor ser vi et gråtonebilde og til høyre histogrammet av gråtonene og et (skalert) kumulativt histogram. b. Hvordan må bildet og bildets histogram se ut for at det kumulative histogrammet skal stige som en rett linje etter som vi går oppover gråtoneskalaen? For at dette skal skje, må vi få et konstant nytt bidrag til det kumulative histogrammet etter hvert som vi går skrittvis oppover gråtoneskalaen. Og da må bildets histogram være flatt, dvs at det finnes (omtrent) like mange piksler i bildet for hver gråtone. Men dette sier ikke noe om hvordan bildet ser ut, om det er rutete, stripete eller hva det nå er, bare at det er like mange piksler for hver gråtone. 7
8 2. Gråtone-transformasjoner Anta at et gråtonebilde f inneholder piksler med verdier i intervallet [f, f2]. I faktadelen av oppgaven er følgende opplysninger gitt (hentet fra kapittel 6..2): Hvis et gråtonebilde f inneholder piksler med verdier i intervallet [f, f2], er den generelle formelen for en lineær mapping til et nytt gråtonebilde g med verdier i intervallet [g, g2]: g(x,y) = g + (g2-g)/(f2-f) * (f(x,y) f) a) Hvordan blir formelen hvis vi ønsker å gjøre gråtonebildet lysere ved å addere en bias til alle pikselverdiene? g(x,y) = f(x,y) + b b) Hvordan blir formelen hvis vi ønsker å øke kontrasten? g(x,y) = a f(x,y), der a >. c) Hvordan blir formelen hvis vi ønsker å mappe et lite område av pikselverdier til å bruke hele gråtoneskalaen? Uttrykket g(x,y) = g + (g 2 -g )/(f 2 -f ) * (f(x,y) f ) beskriver en situasjon som vist til venstre nedenfor, mens vi skal ha en ligning for situasjonen til høyre. Dette får vi ved å endre ligningen til g(x,y) = 255/(f 2 -f ) * (f(x,y) f ), og klippe resultatet, dvs sette g(x,y)=0 hvis vi får en negativ verdi, og g(x,y)=255 dersom vi får verdier >255. g g 2 g b g a = f 2 2 g f g (255,255) f f 2 f (0,0) d) Hvordan blir formelen hvis vi ønsker å invertere gråtonene, slik at vi får et negativt bilde? g (255 g(x,y) =255- f(x,y) beskriver den rette linjen i figuren til høyre. f (0 f e) Hvorfor er det uhensiktsmessig å bruke denne mappingen på RGBkomponentene i et fargebilde? Hva bør vi gjøre istedenfor for å endre kontrast og lyshet i et fargebilde? Hvis vi endrer på hver av RGB-komponentene på denne måten for å få et lysere bilde eller for å endre kontrasten, så endres også fargen. Det er bedre å transformere fra RGB til IHS, endre I-komponenten slik som vi nå har beskrevet, og så transformere tilbake til RGB. Dermed har vi endret kontrast og lyshet i bildet, mens fargene er bevart. 8
9 22. Et sykehusproblem Et sykehus er i ferd med å anskaffe kostbart digitalt videoutstyr og disker for pasientundersøkelser og lagring av data, og du blir nå spurt om råd. a. Man ønsker å bruke et 6:9 format progressivt 64 Hz RGB-kamera med 280 piksler horisontalt i bildet og 6 biter per kanal. Hvor stor blir en datafil som inneholder ett sekunds opptak? Angi filstørrelsen i MiB. Format 6:9 betyr at forholdet mellom bredde og høyde er 6:9. Dividerer vi 280 med 6 får vi 80. Multipliserer vi 80 med 9 får vi 720. Formatet er altså 280 x 720 piksler, eller (6 * 80) x (9 * 80) piksler. Antall MiB per sekund er da gitt ved 6 * 80 * 9 * 80 * 64 * 3 * 6 /(024 * 024 * 8) Nå er jo 6 * 64 = 024, 80 * 80 = 64 * 00 og 3 * 9 = 27, så her kan mye forkortes: (6 * 8 * 8) * 900 * 3 * (6 * 64) / (024 * 024 * 8) =2700 / 8 MiB/s = MiB/s. b. Overlegen begynner nå å få kalde føtter! Diskene kommer til å fylles veldig fort. Men en konsulent har fortalt ham at RGB-bildene kan transformeres til IHS, og deretter subsamples ved at man beregner middelverdien av fire og fire pikselverdier i H og S. Hvor mye kompresjon oppnår men ved dette? Ved denne subsamplingen tar H og S ¼ så mye plass som I. Kompresjonsraten blir: CR =(++)/(+/4+/4) = 3/.5 = 2. c. Dette var ikke nok til å få varmen i beina! Nå mener overlegen å ha lest noe om hvor mange rene farger, metningsgrader og intensitetsnivåer vi kan oppfatte. Men han husker ikke tallene. Han vil være på den sikre siden, og vil kunne lagre minst 200 rene farger, minst 50 metningsgrader og minst 60 intensitetsnivåer. Han spør derfor konsulenten hvor mange bytes han da trenger for å lagre en makroblokk (MB) etter RGB-IHS transformasjon, subsampling av H og S, og rekvantisering til færrest mulig biter per kanal. Hva er det korrekte svaret, og hvilken kompresjonsrate gir dette? For å beskrive minst 200 rene farger trenger vi 8 biter (2 8 = 256) til H-kanalen. For å beskrive minst 50 metningsgrader trenger vi 8 biter (2 8 = 256) til S-kanalen. For å beskrive minst 60 intensitetsverdier trenger vi 6 biter (2 6 = 64) til I-kanalen. Med den reduserte geometriske oppløsningen i H og S blir lagringsbehovet for en 6 6 piksler makroblokk, uttrykt i byte: 6 * 6 * (6 + 8/4 + 8/4) / 8 = 6 * 6 * 0 / 8 = 2 * 6 * 0 = 320 byte. 9
10 En makroblokk er 6 x 6 piksler. I det opprinnelige bildet var det 6 biter (2 byte) for hver av de tre kanalene, altså var en makroblokk her 6 * 6 * 2 * 3 byte. Dette gir en kompresjonsrate som man kan regne ut uten kalkulator: CR = 6*6*2*3 / 320 =6*3/0 = 4.8. d. Analog Devices Inc. reklamerer med high performance AD-converters med hhv 00, 80 og 60 MSPS (mega sampler per sekund) med 6 biters presisjon. Hvilken konverter trenger du for å håndtere én kanal fra et 024*024 piksels 50 Hz RGB-kamera? Begrunn svaret. 024 * 024 * 50 = * 50 = sampler per sekund. Det greier seg med 60 MSPS. 0
INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (kapittel 16 og 17)
Fasitoppgaver INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (kapittel 16 og 17) Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet.
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 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
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
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
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
DetaljerMidtveiseksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt
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
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
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 :
DetaljerINF februar 2017 Ukens temaer (Hovedsakelig fra kap. 3.1 og 3.2 i DIP) (Histogrammer omtales i kap. 3.3)
8. februar 2017 Ukens temaer (Hovedsakelig fra kap. 3.1 og 3.2 i DIP) (Histogrammer omtales i kap. 3.3) Histogrammer Lineære gråtonetransformer Standardisering av bilder med lineær transform Ikke-lineære,
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
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
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
DetaljerLøsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II
Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II 1. En fax-oppgave: a. Et ark med tekst og enkle strektegninger skal sendes pr digital fax over en modemlinje med kapasitet
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
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
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
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:
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: 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 : 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: INF-Digital bildebehandling Eksamensdag: Tirsdag. mars 5 Tid for eksamen: 5:-9: Løsningsforslaget er på: sider Vedlegg: Ingen
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
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
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
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
DetaljerEksamen i INF 1040, 5. desember Det matematisk-naturvitenskapelige fakultet. Ditt kandidatnr: DETTE ER ET LØSNINGSFORSLAG
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
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Oppgavesettet er på : 7 sider
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30-Digital bildebehandling Eksamensdag: Tirsdag 5. mars 06 Tid for eksamen: 09:00-3:00 Løsningsforslaget er på: 4 sider Vedlegg:
DetaljerLøsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I
Løsningsforslag, Ukeoppgaver 9 INF23, våren 2 6. Vi har gitt følgende bilde: kompresjon og koding del I 2 2 2 3 3 3 2 3 3 3 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
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
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
DetaljerINF 1040 Løsningsforslag til kapittel
INF 040 Løsningsforslag til kapittel 8 Oppgave : Huffmankoding med kjente sannsynligheter Gitt en sekvens av symboler som er tilstrekkelig lang, og som inneholder de 6 symbolene A, B, C, D, E, F. Symbolene
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 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 : 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 : INF2310 Digital bildebehandling Eksamensdag : Onsdag 4. juni 2008 Tid for eksamen : 14:30 17:30 (3 timer) Oppgavesettet er på
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.
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 februar 2017 Ukens temaer (Kap 3.3 i DIP)
15. februar 2017 Ukens temaer (Kap 3.3 i DIP) Kjapp repetisjon av gråtonetransformasjon Histogramtransformasjoner Histogramutjevning Histogramtilpasning/histogramspesifikasjon Standardisering av histogram
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
DetaljerRepetisjon av histogrammer. Repetisjon av histogrammer II. Repetisjon av gråtonetransform. Tommelfingerløsning
2017.02.10. Repetisjon av histogrammer Foreløbig versjon! 15. februar 2017 Ukens temaer h(i) = antall piksler i bildet med pikselverdi i, og følgelig er (Kap 3.3 i DIP) Kjapp repetisjon av gråtonetransformasjon
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
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
DetaljerINF 1040 Digital video digital bildeanalyse
INF 1040 Digital video digital bildeanalyse Tema i dag : 1. Fra stillbilder til videosekvenser 2. Digital video 3. Hvorfor kan video komprimeres? 4. Digitale videostandarder, lagring på DVD 5. Digital
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
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:
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
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
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Torsdag 7. desember 2006 Tid for eksamen : 09.00 12.00 Oppgavesettet er
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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF210 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 1:00 Løsningsforslaget
DetaljerUNIVERSITETET I OSLO
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
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Torsdag 7. desember 2006 Tid for eksamen : 09.00 12.00 Oppgavesettet er
DetaljerINF 1040 høsten 2009: Oppgavesett 13 Kompresjon og koding (løsningsforslag) (kapittel 18) Tenk selv -oppgaver
IN høsten : Oppgavesett Kompresjon og koding (løsningsforslag) (kapittel ) Tenk selv -oppgaver. Heksadesimal Sudoku Vi har en kvadratisk matrise med * elementer som igjen er delt opp i * blokker på * elementer.
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 Digital video digital bildeanalyse. Fra bilder til video. Fra Lumiere og Edison til moderne kino. Digital Light Processing og DMD
INF 040 Digital video digital bildeanalyse Tema i dag :. Fra stillbilder til videosekvenser 2. Digital video 3. Hvorfor kan video komprimeres? 4. Digitale videostandarder, lagring på DVD 5. Digital bildebehandling
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
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
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
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
DetaljerHistogramprosessering
Histogramprosessering Lars Vidar Magnusson January 22, 2018 Delkapittel 3.3 Histogram Processing Histogram i Bildeanalyse Et histogram av et digitalt bilde med intensitet i intervallet [0, L) er en diskret
DetaljerINF 1040 Digital video digital bildeanalyse
INF 1040 Digital video digital bildeanalyse Tema i dag : 1. Fra stillbilder til videosekvenser 2. Digital video 3. Hvorfor kan video komprimeres? 4. Digitale videostandarder, lagring på DVD 5. Digital
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
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Temaer i dag Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for
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
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.
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
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
DetaljerFra bilder til video. INF 1040 Digital video digital bildeanalyse. Fra Lumiere og Edison til moderne kino. Luminans-integrasjon
INF 1040 Digital video digital bildeanalyse Tema i dag : 1. Fra stillbilder til videosekvenser 2. Digital video 3. Hvorfor kan video komprimeres? 4. Digitale videostandarder, lagring på DVD 5. Digital
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF23 Digital bildebehandling Eksamensdag : Fredag 7. juni 29 Tid for eksamen : 9: 3: (4 timer) Løsningsskissen er på : 8 sider
DetaljerFra bilder til video. INF 1040 Digital video digital bildeanalyse. Fra Lumiere og Edison til moderne kino. Luminans-variasjon
INF 1040 Digital video digital bildeanalyse Tema i dag : 1. Fra stillbilder til videosekvenser 2. Digital video 3. Hvorfor kan video komprimeres? 4. Digitale videostandarder, lagring på DVD 5. Digital
DetaljerINF 1040 Digital video digital bildeanalyse
INF 1040 Digital video digital bildeanalyse Tema i dag : 1. Fra stillbilder til videosekvenser 2. Digital video 3. Hvorfor kan video komprimeres? 4. Digitale videostandarder, lagring på DVD 5. Digital
DetaljerLæringsmål tall. Prefikser for potenser av Store tall. Kunne prefikser for store tall i. det binære tallsystemet
Tall Kunne prefikser for store tall i Læringsmål tall 0000 000 titallsstemet t t 0 0-2 - 0 2-3 3 000 00 det binære tallsstemet Forstå ulike prinsipper for representasjon av 00-4 4 000 negative heltall
DetaljerDV - CODEC. Introduksjon
DV - CODEC EN KORT PRESENTASJON I INF 5080 VED RICHARD MAGNOR STENBRO EMAIL: rms@stenbro.net 21. April 2004 Introduksjon Dv-codecen ble utviklet spesielt for bruk i både profesjonelle og konsumer kamera.
DetaljerUNIVERSITETET I OSLO
Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet INF 2310 Digital bildebehandling Eksamensdag: Tirsdag 18. mai - tirsdag 1. juni 2004 Tid for eksamen: 18. mai 2004 kl 09:00 1.
DetaljerØVINGER 2017 Løsninger til oppgaver. Øving 1
ØVINGER 017 Løsninger til oppgaver Øving 1.1. Frekvenstabell For å lage en frekvenstabell må vi telle antall observasjoner av hvert antall henvendelser. Siden antall henvendelser på en gitt dag alltid
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
DetaljerHistogrammetoder. Lars Aurdal Norsk regnesentral. Histogrammetoder p.1/91
Histogrammetoder Lars Aurdal Norsk regnesentral aurdal@nr.no Histogrammetoder p.1/91 Oversikt 1 Litt praktisk informasjon. Grånivåtransformasjoner. Grunnleggende transformasjoner. Negativer. Log-transformasjoner.
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
Detaljerda INF 2310 Digital bildebehandling
Ulike typer redundans da INF 2310 Digital bildebehandling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon av gråtonebilder JPEG-kompresjon av fargebilder Rekonstruksjonsfeil i
DetaljerLæringsmål tall. Kunne prefikser for store tall i. det binære tallsystemet. Forstå ulike prinsipper for representasjon av.
Tall 1111 0000 0001 1101 1110-2 -1 0 1 2 0010 0011-3 3 1100-4 4 0100 1011-5 -6 6 5 0101 1010-7 -8 7 0110 1001 1000 0111 (Kapittel 7.1, 7.4-7.8, 8 + Appendiks B) INF1040-Tall-1 Kunne prefikser for store
DetaljerTall. Ulike klasser tall. Læringsmål tall. To måter å representere tall. De naturlige tallene: N = { 1, 2, 3, }
1111 Tall 0000 0001 De naturlige tallene: N = { 1, 2, 3, } Ulike klasser tall 1101 1110-3 -2-1 0 1 2 3 0010 0011 De hele tallene: Z = {, -2, -1, 0, 1, 2, } 1100-4 4 0100 1011 1010-5 -6-7 -8 7 6 5 0110
DetaljerFra bilder til video. INF 1040 Digital video digital bildeanalyse. Fra Lumiere og Edison til moderne kino. Digital Light Processing og DMD
INF 040 Digital video digital bildeanalyse Tema i dag :. Fra stillbilder til videosekvenser 2. Digital video 3. Hvorfor kan video komprimeres? 4. Digitale videostandarder, lagring på DVD 5. Digital bildebehandling
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
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
DetaljerBilder del 2. Farger og fargesyn. Tre-farge syn. Farger og fargerom. Cyganski, kapittel 5. Fargesyn og fargerom. Fargetabeller
Litteratur : Tema i dag: Neste uke : Bilder del 2 Cyganski, kapittel 5 Fargesyn og fargerom Fargetabeller Endre kontrasten i et bilde Histogrammer Terskling Video og grafikk, litt enkel bildebehandling
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Noen begreper 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding 7. Lempel-Ziv koding 8. JPEG koding
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
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
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 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
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Hvor mye informasjon inneholder en melding? 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding
DetaljerRepetisjon: Kompresjon
Repetisjon: Kompresjon INF2310 Digital bildebehandling FORELESNING 11 KOMPRESJON OG KODING II Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon Tapsfri prediktiv koding
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
Detaljer