Intensitetstransformasjoner og Spatial Filtrering
|
|
- Ivar Ervik
- 7 år siden
- Visninger:
Transkript
1 Intensitetstransformasjoner og Spatial Filtrering Lars Vidar Magnusson January 23, 2017 Delkapittel 3.1 Background Delkapittel 3.2 Some Basic Intensity Tranformation Functions
2 Spatial Domain Som vi allerede har diskutert så refererer spatial domain (det romlige domenet) til rommet som utspennes av koordinatene i et bilde. Operasjoner utført i spatial domain er ofte mer effektive enn i alternative domener. Noen operasjoner er fornuftige i spatial domain, mens andre hører naturlig til i alternative domener.
3 Operasjoner i Spatial Domain Alle operasjonene vi skal lære om de neste forelesningene kan beskrives med følgende ligning. g(x, y) = T [f (x, y)] f (x, y) er input bildet, g(x, y) er ouput bildet, og T er en operasjon definert for et naboskap rundt hver pixel (x, y). En operasjon kan utføres på et enkelt bilde, eller på en rekke eller serie av bilder.
4 Operasjoner i Spatial Domain Figuren under viser hvordan operasjoner utføres i spatial domain Figuren viser hvordan et 3 3 vindu brukes som input for to punkter (6, 6) og (13, 11). Dette er bare to eksempler; vinduet flyttes rundt til hvert punkt i bildet.
5 Operasjoner i Spatial Domain Illustrasjonen på forrige slide brukte 3 3 vinduer. I praksis kan vinduet variere i størrelse og form. Det minste vinduet rektangulære vinduet mulig er 1 1. Det vanligste er rektangulære vinduer sentrert på (x, y). Andre former kan også benyttes, men felles er at de alltid er vesentlig mindre enn bildet.
6 Spatial Filtering Operasjonen beskrevet på de forrige sidene refereres ofte til som spatial filtering når prosessen benytter seg av et predefinert statisk spatial filter. Et spatial filter refereres også til som en mask (maske) eller kernel (kjerne). Vi kommer tilbake til dette senere i detalj.
7 Intensitetstransformasjoner Når en transformasjon-funksjon bare er avhengig av én verdi (vindu er 1 1) så kalles det en instensity transformation function (intenstitetstransformasjon-funksjon). s = T (r) s og r er intensiteten til det samme punkt i henholdsvis output- og input-bildet. Itensitetstransformasjoner er blandt de enkleste operasjonene brukt i bildebehandling, men de er svært nyttige. Merk at siden vi jobber med diskrete verdier kan vi ofte representere transformasjoner som et enkelt oppslag i en tabell.
8 Ulike Typer Intensitetstransformasjoner Det finnes en rekke ulike typer intenstitetstransformasjoner. Funksjonen på høyre side kalles en threshold funksjon.
9 Bildenegativer Den første intensitetstransformasjonen vi skal se på er bildenegativ-operasjonen. s = L 1 r L er antall intensitetsnivåer, og r og s er som nevnt intensiteten i henholdsvis input- og output-bildet. Spesielt godt egnet for å fremheve hvite og grå detaljer i mørke områder.
10 Bildenegativer - Eksempel Boka gir et fint eksempel med mammografi. Forskjellen kommer ikke like tydelig frem med vårt eksempel.
11 Log Transformasjoner Log transformasjoner har følgende matematisk og geometriske form. s = c log(1 + r) Strekker ut lave intensiteter Komprimerer høye intensiteter Egner seg til å fremheve detaljer i mørke områder, og eventuelt for å skjule detaljer i lyse områder. Benyttes også for å komprimere bilder med høy dynamic range.
12 Gamma Transformasjoner Gamma transformasjoner har følgende matematisk og geometriske form. s = cr γ Figuren over viser et utvalg av γ hvor γ {0.1, 0.4, 1, 2.5}. Lavere verdier for γ strekker ut lave intensiteter og komprimerer høye Høyere verdier for γ komprimerer lave intensiteter og strekker ut høye Merk at de er speilet rundt linjen for γ = 1.
13 Gamma Korreksjon Gamma korreksjon benytter seg av en gamma tranformasjon for å kalibrere skjermer.
14 Delvis-Lineære Transformasjoner Man kan kombinere de ulike intensitetstransformasjonene ved hjelp av såkalte delvis-lineære (piecewise-linear) transformasjoner. I eksempelet under har vi tre ulike funksjoner som kombineres til en intensitetstransformasjon.
15 Kontraststrekking med Delvis-Lineære Transformasjoner Man har ofte lyst til å strekke ut intensitetsforskjellene i et bilde. Det finnes flere måter å gjøre dette på, men en enkel måte er å benytte seg av en transformasjonsfunksjon som dette. (r 2, s 2 ) (r 1, s 1 ) Denne transformasjonen kontrolleres av de to punktene (r 1, s 1) og (r 2, s 2). Hvis r 1 = s 1 og r 2 = s 2 så har vi en lineær funksjon Hvis r 1 = r 2, s 1 = 0 og s 2 = L 1 så har vi en threshold funksjon
Mer om Histogramprosessering og Convolution/Correlation
Mer om Histogramprosessering og Convolution/Correlation Lars Vidar Magnusson January 30, 2017 Delkapittel 3.3 Histogram Processing Delkapittel 3.4 Fundementals of Spatial Filtering Lokal Histogramprosessering
DetaljerGrunnleggende Matematiske Operasjoner
Grunnleggende Matematiske Operasjoner Lars Vidar Magnusson January 16, 2017 Delkapittel 2.6 Array vs Matrise Operasjoner Det er vanlig med både array- og matrise-operasjoner på bilder. Array-multiplikasjon
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
DetaljerFiltrering i Frekvensdomenet III
Filtrering i Frekvensdomenet III Lars Vidar Magnusson March 13, 2017 Delkapittel 4.9.5 Unsharp Masking, Highboost Filtering, and High-Frequency-Emphasis Filtering Delkapittel 4.10 Unsharp Masking og Highboost
DetaljerSpatial Filtere. Lars Vidar Magnusson. February 6, Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters
Spatial Filtere Lars Vidar Magnusson February 6, 207 Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters Hvordan Lage Spatial Filtere Det er å lage et filter er nokså enkelt;
DetaljerHistogramprosessering
Histogramprosessering Lars Vidar Magnusson January 24, 217 Delkapittel 3.3 Histogram Processing Histogram i Bildeanalyse Et histogram av et digitalt bilde med intensitet i intervallet [, L) er en diskret
DetaljerMorfologi i Binære Bilder
Morfologi i Binære Bilder Lars Vidar Magnusson February 26, 2018 Delkapittel 9.1 Preliminaries Delkapittel 9.2 Dilation and Erosion Delkapittel 9.3 Opening and Closing Delkapittel 9.4 The Hit-or-Miss Transformation
DetaljerMorfologi i Binære Bilder II
Morfologi i Binære Bilder II Lars Vidar Magnusson March 28, 2017 Delkapittel 9.3 Opening and Closing Delkapittel 9.4 The Hit-or-Miss Transformation Opening (Åpning) Opening er en morfologisk operasjon
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
DetaljerPunkt, Linje og Kantdeteksjon
Punkt, Linje og Kantdeteksjon Lars Vidar Magnusson April 18, 2017 Delkapittel 10.2 Point, Line and Edge Detection Bakgrunn Punkt- og kantdeteksjon er basert på teorien om skjærping (forelesning 7 og 8).
DetaljerFiltrering i Frekvensdomenet II
Filtrering i Frekvensdomenet II Lars Vidar Magnusson March 7, 2017 Delkapittel 4.8 Image Smoothing Using Frequency Domain Filters Delkapittel 4.9 Image Sharpening Using Frequency Domain Filters Low-Pass
DetaljerFourier-Transformasjoner II
Fourier-Transformasjoner II Lars Vidar Magnusson February 27, 2017 Resten av Delkapittel 4.2 Preliminary Concepts Delkapittel 4.3 Sampling and the Fourier Transform of Sampled Functions Delkapittel 4.4
DetaljerMorfologi i Gråskala-Bilder
Morfologi i Gråskala-Bilder Lars Vidar Magnusson April 3, 2017 Delkapittel 9.6 Gray-Scale Morphology Generelt Gråskala morfologiske operasjoner har mye til felles med binære morfologiske operasjoner. Vi
DetaljerFilter-egenskaper INF Fritz Albregtsen
Filter-egenskaper INF 60-04.03.2002 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 2: - Lineær filtrering - Gradient-detektorer - Laplace-operatorer Linearitet H [af (x, y) + bf 2 (x, y)] ah [f (x, y)]
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30-Digital bildebehandling Eksamensdag: Tirsdag 5. mars 06 Tid for eksamen: 09:00-3:00 Løsningsforslaget er på: 4 sider Vedlegg:
DetaljerMorfologi i Binære Bilder III
Morfologi i Binære Bilder III Lars Vidar Magnusson March 28, 2017 Delkapittel 9.5 Some Basic Morphological Algorithms Boundary Extraction (Grenseuthenting) Vi kan hente ut grensen til et sett (boundary)
DetaljerMorfologi i Binære Bilder
Morfologi i Binære Bilder Lars Vidar Magnusson March 20, 2017 Delkapittel 9.1 Preliminaries Delkapittel 9.2 Dilation and Erosion Bakgrunn Morfologiske operasjoner på binære bilder beskrives med mengdeteori.
DetaljerHensikt: INF Metode: Naboskaps-operasjoner Hvorfor: Hvor:
Standardisering av bildets histogram INF 60-8.02.2003 Fritz Albregtsen Tema: Naboskaps-operasjoner Del : - Standardisering av bilder - Konvolusjon Litteratur: Efford, DIP, kap. 7. - 7.2 Hensikt: Sørge
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 13 Morfologiske operasjoner på binære bilder Andreas Kleppe Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
DetaljerOversikt. Beskrivelse Bash. 1 UNIX shell. 2 Kommandolinje som brukergrensesnitt. 3 Input og output. 4 Bash builtins. 5 Linux utilities.
Oversikt UNIX shell 1 UNIX shell Beskrivelse Bash 2 Kommandolinje som brukergrensesnitt 3 Input og output 4 Bash builtins 5 Linux utilities Lars Vidar Magnusson () Forelesning i Operativsystemer 30.08.2011
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
DetaljerFargebilder. Lars Vidar Magnusson. March 12, 2018
Fargebilder Lars Vidar Magnusson March 12, 2018 Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Delkapittel 6.3 Bildeprosessering med Pseudofarger Delkapittel 6.4 Prosessering av Fargebilder
DetaljerKantdeteksjon og Fargebilder
Kantdeteksjon og Fargebilder Lars Vidar Magnusson April 25, 2017 Delkapittel 10.2.6 More Advanced Techniques for Edge Detection Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Marr-Hildreth
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 15 Morfologiske operasjoner på binære bilder Fritz Albregtsen Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
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.
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
DetaljerLokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I
Lokale operasjoner INF 30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre
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
Detaljer12 Lineære transformasjoner
2 Lineære transformasjoner 2 Funksjoner Definisjon 2 En funksjon ( a function) f : A B er en regel, som tilordner en entydig bestemt verdi f (a) B til ethvert element a A Mengden A kalles domenet til f
DetaljerDagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling
Dagens mål Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 IF2310 - Digital bildebehandling Ole Marius Hoel Rindal, slides av Andreas Kleppe Dagens mål Forstå
DetaljerKONTINUASJONSEKSAMEN I EMNE TDT4195 BILDETEKNIKK LØRDAG 15. AUGUST 2009 KL LØSNINGSFORSLAG - GRAFIKK
Side 1 av 8 KONTINUASJONSEKSAMEN I EMNE TDT4195 BILDETEKNIKK LØRDAG 15. AUGUST 2009 KL. 09.00 13.00 LØSNINGSFORSLAG - GRAFIKK OPPGAVE 1 Grafikk diverse spørsmål a) Fargeoppslagstabeller brukes for å minimere
DetaljerMinnehåndtering. Lars Vidar Magnusson. October 4, 2011. Lars Vidar Magnusson () Forelesning i Operativsystemer 04.10.2011 October 4, 2011 1 / 20
Minnehåndtering Lars Vidar Magnusson October 4, 2011 Lars Vidar Magnusson () Forelesning i Operativsystemer 04.10.2011 October 4, 2011 1 / 20 Oversikt Introduksjon 1 Introduksjon Beskrivelse Terminologi
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 9-209 Morfologiske operasjoner på binære bilder Fritz Albregtsen Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på
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
DetaljerFourier-Transformasjoner
Fourier-Transformasjoner Lars Vidar Magnusson February 5, 2018 Delkapittel 4.1 Background Delkapittel 4.2 Preliminary Concepts Delkapittel 4.3 Sampling and the Fourier Transform of Sampled Functions Delkapittel
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
DetaljerIntroduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling
Digital bildebehandling Forelesning 3 Morfologiske operasjoner på binære bilder Andreas Kleppe Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
DetaljerFourier-Transformasjoner IV
Fourier-Transformasjoner IV Lars Vidar Magnusson March 1, 2017 Delkapittel 4.6 Some Properties of the 2-D Discrete Fourier Transform Forholdet Mellom Spatial- og Frekvens-Intervallene Et digitalt bilde
DetaljerØvingsforelesning 7. Resten av kombinatorikk, litt modulusregning, rekurrenser og induksjon og MP13 eller MP18. TMA4140 Diskret Matematikk
Resten av kombinatorikk, litt modulusregning, rekurrenser og induksjon og MP13 eller MP18 Øvingsforelesning 7 TMA4140 Diskret Matematikk 15. og 17. oktober 2018 Dagen i dag Generaliserte permutasjoner
DetaljerEksamensoppgave MAT juni 2010 (med løsningsforslag)
Eksamensoppgave MAT-4 juni (med løsningsforslag) Contents OPPGAVE OPPGAVE 4 OPPGAVE 5 4 OPPGAVE 6 5 Fasit 7 5 Oppgave 7 5 Oppgave 7 5 Oppgave 8 54 Oppgave 8 6 Løsningsforslag 9 6 Oppgave 9 6 Oppgave 6
DetaljerVektorligninger. Kapittel 3. Vektorregning
Kapittel Vektorligninger I denne uken skal vi bruke enkel vektorregning til å analysere lineære ligningssystemer. Vi skal ha et spesielt fokus på R, for det går an å visualisere; klarer man det, går 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
DetaljerFourier-Transformasjoner
Fourier-Transformasjoner Lars Vidar Magnusson February 21, 2017 Delkapittel 4.1 Background Delkapittel 4.2 Preliminary Concepts Fourier Fourier var en fransk matematiker/fysiker som levde på 1700/1800-tallet.
DetaljerMidtveiseksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt
DetaljerGrunnleggende Grafalgoritmer
Grunnleggende Grafalgoritmer Lars Vidar Magnusson 19.3.2014 Kapittel 22 Representere en graf Bredde-først søk Grafer i Informatikken Problem med grafer går ofte igjen i informatikkens verden, så det å
DetaljerSEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING
SEGMENTERING IN 106, V-2001 Segmentering er en prosess som deler opp bildet i meningsfulle regioner. I det enkleste tilfelle har vi bare to typer regioner BILDE-SEGMENTERING DEL I Forgrunn Bakgrunn Problemet
DetaljerOppgave 3c Konvolusjonsteoremet: f Λ g, F G og f g, F Λ G F rste del sier at konvolusjon i det romlige domenet (f Λ g) er det samme som pixelvis multi
Oppgave 3a 1 P N 1 N x=0 P N 1 y=0 f (x; y) e j2ß(ux+vy)=n Oppgave 3b 2D diskret konvolusjon for x =0to M for y =0to N h(x; y) =0 for m =0to M for n =0to N h(x; y)+ = f (m; n) Λ g(x m; y n) h(x; y) =h(x;
DetaljerMAT Grublegruppen Notat 11
MAT1100 - Grublegruppen Notat 11 Jørgen O. Lye Matrisegrupper Den store gruppen vi skal se på er GL(n, K) = {inverterbare n n matriser med koesienter i K} Forkortelsen står for den generelle lineære gruppen
DetaljerFakta om fouriertransformasjonen
Fakta om fouriertransformasjonen TMA413/TMA415, V13 Notasjon Fouriertransformasjonen til funksjonen f er F[f](ω) = ˆf(ω) = 1 Den inverse fouriertransformasjonen er F 1 [g](x) = 1 f(x)e iωx dx g(ω)e iωx
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
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30 Digital bildebehandling Eksamensdag: Mandag 6. juni 06 Tid for eksamen: 4:30 8:30 Løsningsforslaget er
DetaljerINF 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
DetaljerMotivasjon. INF 2310 Morfologi. Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) Problem: gjenkjenn alle tall i bildet automatisk.
INF 230 Morfologi Morfologiske operasjoner på binære bilder:. Basis-begreper 2. Fundamentale operasjoner på binære bilder 3. ammensatte operasjoner 4. Eksempler på anvendelser flettet inn GW, Kapittel
DetaljerUke 4: z-transformasjonen
Uke 4: z-transformasjonen Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2012 2/30 Dagens temaer z-dometet; ett av tre domener z-transformasjonen; definisjon og egenskaper
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
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
DetaljerTMA Matlab Oppgavesett 2
TMA4123 - Matlab Oppgavesett 2 18.02.2013 1 Fast Fourier Transform En matematisk observasjon er at data er tall, og ofte opptrer med en implisitt rekkefølge, enten i rom eller tid. Da er det naturlig å
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:
DetaljerLineærtransformasjoner
Kapittel 8 Lineærtransformasjoner I forrige kapittel begynte vi å formulere lineær algebra på en generell måte, ved å gi en abstrakt definisjon av vektorrom For å beskrive sammenhenger mellom forskjellige
DetaljerAnvendelser av potensrekker
Anvendelser av potensrekker Forelest: 6 Okt, 2004 Vi kan bare skrape på toppen av isfjellet som er anvendelsene av potensrekker En spesielt viktig anvendelse er innenfor enhver form for differensialligninger
DetaljerEn (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x).
Funksjoner En (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x). Mengden D kalles definisjonsmengden (eng.: domain) til f. Merknad Dersom
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
DetaljerForelesning 25. MAT1030 Diskret Matematikk. Litt repetisjon. Litt repetisjon. Forelesning 25: Trær. Dag Normann
MAT1030 Diskret Matematikk Forelesning 25: Trær Dag Normann Matematisk Institutt, Universitetet i Oslo Forelesning 25 27. april 2010 (Sist oppdatert: 2010-04-27 14:16) MAT1030 Diskret Matematikk 27. april
DetaljerOversikt, kursdag 4. Matematisk morfologi IV. Geodesi-transformasjoner: Dilasjon. Geodesi-transformasjoner
Matematisk morfologi IV Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no. desember Geodesi-transformasjoner: Oversikt, kursdag Geodesi-dilasjon. Geodesi-erosjon. Geodesi-rekonstruksjon.. Åpning/lukning
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
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 25: Trær Dag Normann Matematisk Institutt, Universitetet i Oslo 27. april 2010 (Sist oppdatert: 2010-04-27 14:15) Forelesning 25 MAT1030 Diskret Matematikk 27. april
DetaljerMatematisk morfologi IV
Matematisk morfologi IV Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no. desember 3 Copyright Lars Aurdal, NTNU/NR Oversikt, kursdag Geodesi-transformasjoner: Geodesi-dilasjon. Geodesi-erosjon. Geodesi-rekonstruksjon.
DetaljerVelkommen til TMA4100 Matematikk 1 for MTDESIG, MTIØT-PP og MTPROD høsten 2010
Velkommen til TMA4100 Matematikk 1 for MTDESIG, MTIØT-PP og MTPROD høsten 2010 Toke Meier Carlsen Institutt for matematiske fag 19. august 2010 2 Hvorfor skal dere studere matematikk? Det står i studiehåndboken.
DetaljerDivide-and-Conquer. Lars Vidar Magnusson 13.1.2015
Divide-and-Conquer Lars Vidar Magnusson 13.1.2015 Kapittel 4 Maximum sub-array problemet Matrix multiplikasjon Analyse av divide-and-conquer algoritmer ved hjelp av substitusjonsmetoden Divide-and-Conquer
DetaljerLøsningsforslag for Obligatorisk Oppgave 2. Algoritmer og Datastrukturer ITF20006
Løsningsforslag for Obligatorisk Oppgave 2 Algoritmer og Datastrukturer ITF20006 Lars Vidar Magnusson Frist 28.02.14 Den andre obligatoriske oppgaven tar for seg forelesning 5, 6, og 7 som dreier seg om
DetaljerMA1201 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3. desember 2007
Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag MA101 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3 desember 007 Oppgave 1 a) Vi ser på ligningssystemet x +
DetaljerLokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I
Lokale operasjoner INF 30 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre GW Kap. 3.4-3.5 + Kap. 5.3 Vi skal
DetaljerUNIVERSITETET I OSLO
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
DetaljerDivide-and-Conquer II
Divide-and-Conquer II Lars Vidar Magnusson 1712014 Kapittel 4 Analyse av divide-and-conquer algoritmer ved hjelp av rekursjonstrær Analyse av divide-and-conquer algoritmer ved hjelp av masterteoremet Løse
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Plenumsregning 8: Ukeoppgaver Mathias Barra Matematisk institutt, Universitetet i Oslo 6. mars 2009 (Sist oppdatert: 2009-03-06 19:11) Oppgave 5.9 La A = {a, b, c} og B = {p,
DetaljerLineær uavhengighet og basis
Lineær uavhengighet og basis NTNU, Institutt for matematiske fag 19. oktober, 2010 Lineær kombinasjon En vektor w sies å være en lineær kombinasjon av vektorer v 1, v 2,..., v k hvis det finnes tall c
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:
DetaljerSortering i Lineær Tid
Sortering i Lineær Tid Lars Vidar Magnusson 5.2.2014 Kapittel 8 Counting Sort Radix Sort Bucket Sort Sammenligningsbasert Sortering Sorteringsalgoritmene vi har sett på så langt har alle vært sammenligningsbaserte
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 INF 160 Digital bildebehandling Eksamensdag: Mandag 13. mai - mandag 27. mai 2002 Tid for eksamen: 13. mai 2002 kl 09:00 27. mai
DetaljerLøsningsforslag til øving 5
FY1002/TFY4160 Bølgefysikk. Institutt for fysikk, NTNU. Høsten 2009. Løsningsforslag til øving 5 Oppgave 1 a) var C er korrekt. Fasehastigheten er gitt ved v ω k og vi ser fra figuren at dette forholdet
DetaljerForelesning 13. Funksjoner. Dag Normann februar Opphenting. Opphenting. Opphenting. Opphenting
Forelesning 13 Dag Normann - 25. februar 2008 Forrige forelesning fortsatte vi innføringen av ekvivalensrelasjoner. Vi definerte hva vi mener med partielle ordninger og med totale ordninger. Deretter snakket
DetaljerMAT1030 Diskret matematikk
MAT1030 Diskret matematikk Forelesning 13: Funksjoner Dag Normann Matematisk Institutt, Universitetet i Oslo 25. februar 2008 Opphenting Forrige forelesning fortsatte vi innføringen av ekvivalensrelasjoner.
DetaljerTMA4115 Matematikk 3 Vår 2017
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4115 Matematikk Vår 2017 Obligatoriske oppgaver Lay, avsnitt 1.6 5. Bor-sulfid reagerer voldsomt med vann for å danne borsyre
DetaljerMorfologi i Gråskala-Bilder II
Morfologi i Gråskala-Bilder II Lars Vidar Magnusson April 4, 2017 Delkapittel 9.6 Gray-Scale Morphology Top-Hat (Topphatt) Transformasjon Et eksempel på bruk av top-hat transformasjonen Top-Hat (Topphatt)
DetaljerOppgaver i funksjonsdrøfting
Oppgaver i funksjonsdrøfting To av oppgavene er merket med *. Det betyr at de er ekstra interessante. Oppgave 1 Gitt funksjonen f(x) = x + 4. a) Finn nullpunktene til funksjonen. b) Bruk definisjonen på
DetaljerRepetisjon: Eksempel. Repetisjon: Aliasing. Oversikt, 26.februar Gitt. Alle signaler. Ettersom. vil alle kontinuerlig-tid signaler.
Oversikt, 6.februar Tilhørende pensum i boken er. -.. Repetisjon regning med aliasing og folding rekonstruksjon ved substitusjon FIR-filtre glidende middel et generelt FIR-filter enhetsimpulsresponsen
DetaljerEksponensielle klasser og GLM
!! 3 ksponensielle klasser, Dobson, Kap 3 ksponensielle klasser GLM n stokastisk variabel sies å ha fordeling i den eksponensielle fordelingsklasse som tettheten pktsannsh til kan skrives på formen STK3-3
DetaljerConcurrency. Lars Vidar Magnusson. September 20, Lars Vidar Magnusson () Forelesning i Operativsystemer September 20, / 17
Concurrency Lars Vidar Magnusson September 20, 2011 Lars Vidar Magnusson () Forelesning i Operativsystemer 20.09.2011 September 20, 2011 1 / 17 Oversikt Concurrency 1 Concurrency Beskrivelse Prinsipper
DetaljerMAT1120 Oppgaver til plenumsregningen torsdag 18/9
MAT1120 Oppgaver til plenumsregningen torsdag 18/9 Magnus Dahler Norling (magnudn@math.uio.no) September 2014 Oppgave 4.6.4 rank A = rank B = 5 (teorem 13+14). dim Nul A = n - rank A = 6-5 = 1 (teorem
DetaljerGrunnleggende Grafalgoritmer II
Grunnleggende Grafalgoritmer II Lars Vidar Magnusson March 17, 2015 Kapittel 22 Dybde-først søk Topologisk sortering Relasjonen til backtracking Dybde-Først Søk Dybde-først søk i motsetning til et bredde-først
DetaljerTEP 4160 AERODYNAMIKK. Program VortexLattice; brukerveiledning
Norges teknisk naturvitenskapelige universitet NTNU Fakultet for Ingeniørvitenskap og teknologi Institutt for Energi- og Prosessteknikk TEP 4160 AERODYNAMIKK Program VortexLattice; brukerveiledning Per-Åge
DetaljerMatematikk 1 (TMA4100)
Matematikk 1 (TMA4100) Forelesning 4: Grenseverdi (fortsettelse) Eirik Hoel Høiseth Stipendiat IMF NTNU 20. august, 2012 Formell definisjon av grenseverdi Formell definisjon av grenseverdi Uformell definisjon
Detaljerpraktiske eksempler DOM Document Object Model DOM og Høst 2013 Informasjonsteknologi 2 Læreplansmål Gløer Olav Langslet Sandvika VGS
DOM og praktiske eksempler Gløer Olav Langslet Sandvika VGS Høst 2013 Informasjonsteknologi 2 DOM Document Object Model Læreplansmål Eleven skal kunne programmere med enkle og indekserte variabler eller
DetaljerMinimum Spenntrær - Kruskal & Prim
Minimum Spenntrær - Kruskal & Prim Lars Vidar Magnusson 4.4.2014 Kapittel 23 Kruskal algoritmen Prim algoritmen Kruskal Algoritmen Kruskal algoritmen kan beskrives med følgende punkter. Vi har en en sammenkoblet
DetaljerMAT1030 Forelesning 25
MAT1030 Forelesning 25 Trær Dag Normann - 27. april 2010 (Sist oppdatert: 2010-04-27 14:16) Forelesning 25 Litt repetisjon Vi har snakket om grafer og trær. Av begreper vi så på var følgende: Eulerstier
DetaljerKonvertering av kulturminnedata Kernel density-analyser ArcGis 9.X
Konvertering av kulturminnedata Kernel density-analyser ArcGis 9.X 1 Før start Den beskrevne prosessen krever følgende extensions hvis en ikke har ArcInfo-nivå på installasjonen av ESRI's programvarepakke:
DetaljerFlater, kanter og linjer INF Fritz Albregtsen
Flater, kanter og linjer INF 160-11.03.2003 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 3: - Canny s kant-detektor - Rang-filtrering - Hybride filtre - Adaptive filtre Litteratur: Efford, DIP, kap.
DetaljerØvingsforelesning 2. Mengdelære, funksjoner, rekurrenser, osv. TMA4140 Diskret Matematikk. 10. og 12. september 2018
Mengdelære, funksjoner, rekurrenser, osv. Øvingsforelesning 2 TMA4140 Diskret Matematikk 10. og 12. september 2018 Dagens øvingsforelesning Spørsmål til emnene i forrige uke Oppgaver fra midtsemesterprøver
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
Detaljer