Hvor små detaljer kan en linse oppløse?
|
|
- Elisabeth Langeland
- 7 år siden
- Visninger:
Transkript
1 IN 31 Digial bildebehandling Raleigh-krierie e Oppsummering, mai 14: Avbildning 1 Sampling og kvanisering Geomeriske operasjoner 3 Gå Gråone- og hisogramoperasjoner 4,5 Segmenering ved erskling 13 arger og argerom 15 To punk-kilder kilder kan adskilles hvis de ligger slik a senrum i de ene diraksjonsmønsre aller sammen med den ørse mørke ringen i de andre. Vinkelen mellom dem er da gi ved sin = 1 1. /D radianer. Dee er Raleigh-krierie. Vi kan ikke se dealjer som er mindre enn dee Hvor små dealjer kan en linse oppløse? Vinkeloppløsningen er gi ved Tangens il vinkelen θ er gi ved θ s sin 1. g or små vinkler er sin = gθ =, når vinkelen er gi i radianer. => Den minse dealjen vi kan oppløse: s D D s s D D Samplingseoreme Shannon/Nquis Ana a de koninuerlige bilde er båndbegrense, dvs. de inneholder ikke høere rekvenser enn max De koninuerlige bilde kan rekonsrueres ra de digiale bilde dersom samplingsraen s =1/T s er sørre enn max alså T s < ½T max kalles Nquis-raen I praksis oversampler vi med en viss akor or å kunne å god rekonsruksjon 3 4
2 Ani-aliasing Ved ani-aliasing jerner/demper vi de høere rekvensene i bilde ør vi sampler Kvanisering Hver piksel lagres vha. n bier Piksele kan da inneholde helallsverdier ra il n -1 Eks 3 bier: 5 6 Kvaniseringseil Geomeriske operasjoner Kvaniseringseil Summen av hver piksels avrundingseil Kan velge inervaller og ilhørende rekonsruksjonsinensieer or å minimere denne => Ikke nødvendigvis uniorm ordeling Senrale sikkord: Lagringsplass ehov or presisjon/aksepabel inormasjonsap Hardware-kompleksie, eller siske begrensninger Merk: remvisning og videre analse av de kvanisere bilde kan sille ulike krav il presisjon 7 Endrer på pikslenes posisjoner ørse seg i denne prosessen: Transormer pikselkoordinaene il x, : x = T x = T T x og T er oe gi som polnomer. Siden pikselkoordinaene må være helall, må vi dereer bruke inerpolasjon il å inne pikselverdien gråonen i den ne posisjonen. 8
3 Aine ransormer Transormerer pikselkoordinaene ilx x, : x = T x = T Aine ransormer beskrives ved: På mariseorm: x = a x + a 1 + a =bx+b+b b 1 + b Eksempler på enkle ransormer - I Transormasjon a a 1 a b b 1 b Urkk Idenie 1 1 x = x = Skalering s 1 s x = s 1 x = s Roasjon cosθ -sinθ sinθ cosθ x =xcosθ-sinθ =xsinθ+cosθ eller 9 1 Eksempler på enkle ransormer - II Transormasjon a a 1 a b b 1 b Urkk Translasjon 1 x 1 x = x+ x = + = Horisonal shear 1 s 1 x x+s 1 med akor s 1 1 = Verikal shear med dakor s 1 s 1 x = x = s x+ Alernaiv måe å inne ransormkoeisienene i i En ain ransorm kan besemmes ved å spesiisere re punker ør og eer avbildningen inn-bilde resula-bilde Med disse re punkparene p kan vi inne de 6 koeisienene; a, a 1, a, b, b 1, b Med lere enn 3 punkpar velger man den ransormasjonen som minimerer kvadra-eilen summer over alle punkene. 11 1
4 orlengs-mapping aklengs-mapping or all x',' do gx',' = a = cos θ a 1 = -sin θ b = sin θ b 1 =cosθ θ or all do x = rounda x+a 1 = roundb x+b 1 i x, inside g gx, = end Eksempel: Enkel roasjon ved ransormen: ler de posisjonsransormere pikselposisjonene il nærmese pikselposisjon i ubilde. Skriver innbildes inn i gx, a = cos -θ a 1 = -sin -θ b = sin -θ b 1 = cos -θ or alle x, do x = rounda x +a 1 = roundb x +b 1 i inside gx, = else gx, = end Samme eksempel som ved orlengs-mappingen. N: roer med θ ga x, x, roer med -θ gir Resample bilde. Her; or hver ubilde-piksel, invers-ransormér, og velg nærmese piksel ra innbilde. or hver pikselposisjon i u-bilde: Hen pikselverdi ra innbilde aklengs-mapping, ors. Trilineær inerpolasjon Uvidelsen ra D il 3D kalles rilineær inerpolasjon, og er en lineær inerpolasjon mellom resulaene av o bilineære inerpolasjoner. Resulae e er uavhengig av rekkeølgen
5 Inerpolasjon en sammenligning Nærmese nabo gir D rappeunksjon. Diskoninuie mid mellom punkene. i-lineær inerpolasjon bruker x=4 piksler. Deriver er ikke koninuerlig over bilde-laen. i-kubisk inerpolasjon gir glaere laer. Er mer regnekrevende. ruker 4x4=164 piksler. Normaliser hisogram Vi har a De normalisere hisogramme: pi kan ses på som en sannsnlighesordeling or pikselinensieene Uavhengig av anall piksler i bilde Kumulaiv hisogram Lineær gråoneransorm Hvor mange piksler har gråone mindre enn eller lik gråone j? Lineær srekking T [ i ] ai b g a b Normaliser kumulaiv hisogram: Sannsnligheen or a en ileldig valg piksel er mindre eller lik gråone j a regulerer konrasen, og b lsheen a>1: mer konras a<1: mindre konras Q: Når og hvordan påvirker a middelverdien? di b: ler alle gråoner b nivåer Negaiver: a=-1, b =maxverdi or bildepe 19
6 Endre lsheen brighness Endre konrasen Legge il en konsan b il alle pikselverdiene g Muliplisere hver pikselverdi med en akor a: g g b Hvis b>, alle pikselverdiene øker, og bilde blir lsere Hi Hvis b<, bilde blir mørkere Hisogramme les opp eller ned med b Middelverdien endres! hg h g a Hvis a > 1, konrasen øker Hvis a < 1, konrasen minker Eks: ruke hele inensiesskalaen Q: Hva skjer med middelverdien? hg h 1 Jusering av μ og σ Logarimiske ransormasjoner Gi inn-bilde med middelverdi μ og varians σ Ana en lineær gråone-ransorm T[i]=ai+b N middelverdi μ T og varians σ T er da gi ved G 1 T[ i] p i a b T i T G1 T[ i] p i G1 i i T[ i] p i G1 G1 Dvs. a i aib b p i ai b a=σ T /σ b= -aμ i i T/, μ T μ Vi kan alså G1 G1 a i p i i p i a velge ne μ T og σ T, i i beregne a og b, anvende T[i]=ai + b på inn-bilde og å e u-bilde med rikig μ T og σ T p i Q: Hvilken av ransormasjonene il høre er bruk her? ig 3.3 i DIP 3 4
7 Power-law gamma-ransormasjoner Hisogramujevning hisogram equalizaion Mange bildeproduserende apparaer har e inpu/oupuorhold som kan beskrives som: s ci der s er u-inensieen i ved en inpu i Kan korrigeres ved gråoneransormen T[i] = i 1/γ Generell konras-manipulasjon rukervennlig med kun én variabel ig 3.6 i DIP Mål: Maksimere konrasen Gjøre hisogramme uniorm la Kumulaive hisogramme en re linje Middel: Global gråoneransorm; T[i] Alså le på hele hisogramsøler Tilnærming ved å spre sølene mes mulig uover de søede inensiesinervalle i i 5 6 Algorime or hisogramujevning or e nm bilde med G gråoner: Lag arra h, p, c og T av lengde G med iniialverdi inn bildes normalisere hisogram Gå igjennom bilde piksel or piksel. Hvis piksel har inensie i, la h[i]=h[i]+1 Dereer skalér, p[i] = h[i]/n*m, i=,1,,g-1 Lag L de kumulaive hisogramme c c[] = p[] c[i] = c[i-1]+p[i], i=1,,...,g-1 Se inn verdier i ransormarra T T[i] = Round G-1*c[i], i=,1,...,g-1 Gå igjennom bilde piksel or piksel, Hvis bilde har inensie i, se inensie i ubilde il s=t[i] Hisogramilpasning Hisogramujevning gir la hisogram Kan spesiisere annen orm på resulahisogramme: 1.Gjør hisogramujevning på innbilde, inn s=ti.spesiiser ønske n hisogram gz 3.inn den ransormen T g som hisogramujevner gz og inversransormen T -1 g 4.Inversransormer de hisogramujevnede bilde ra punk 1 ved z=t -1 g s 7 8
8 Terskling Hvis vi har grunn il å ana a objekene.eks. er lsere enn bakgrunnen, kan vi see en erskel T og lage oss e binær u-bilde g ved mappingen: hvis g 1 hvis T T Da har vi å e u-bilde g med bare o mulige verdier. Med rikig valg av T vil nå alle piksler med g=1 være objek-piksler. g 9 Klassiikasjonseil ved erskling Ana a hisogramme er en sum av o ordelinger bz og z, b og er normalisere bakgrunns- og orgrunns-hisogrammer. La og være a priori sannsnlighe or bakgrunn og orgrunn +=1 De normalisere hisogramme il bilde kan da skrives p z b z z Sannsnligheene or å eilklassiisere e piksel, gi en erskelverdi, inner vi ra de normalisere ordelingene: E z dz E b z dz 3 Den oale eilen Vi har unne andelen eilklassiikasjon i hver ordeling. Den oale eilen inner vi ved å muliplisere med a priori sannsnligheene or orgrunn og bakgrunn: E E E z dz b z dz Legges erskelen veldig hø eller veldig lav, blir eilen sor. De er rimelig å ana a eilen har e minimum or en besem verdi =T. inn den T som minimerer eilen E z dz b z dz Deriverer E mhp. vha. Leibniz regel or derivasjon av inegraler. Seer den derivere lik og år: de d T b T VIKTIG!!! Merk a dee er en generell løsning som gir mins eil. De er ingen resriksjoner mh. ordelingene b og!! 31 3
9 De er IKKE skjæringen mellom de normalisere hisogrammene vi er ue eer! Hvilke hisogram?, Normalized hisograms orskjellige sandardavvik? Hvis sandardavvikene i de o Gauss-ordelingene er orskjellige og skjæringspunkene mellom ordelingene skaler med a priori sannsnlighe ligger innenor gråoneskalaen i bilde En erskelverdi or hver skjæringspunk.,3,4 De er skjæringen mellom de a priori-skalere normalisere hisogrammene som gir rikig erskelverdi!!! Scaled normalized hisograms De er bare mellom de o ersklene a leralle av pikslene er bakgrunnspiksler! Hvor ligger opimal erskel? Vi har en annengradsligning i T: T T ln Hvis sandard-avvikene i de o ordelingene er like = = år vi en enklere ligning: T ln T ln Hvis a priori sannsnligheene og er omren like eller hvis = har vi en veldig enkel løsning: T 35 En enkel ersklings-algorime Sar med erskel-verdi =middelverdien il alle pikslene i bilde. inn middelverdien 1 av alle piksler som er mørkere enn erskelen inn middelverdien av alle piksler som er lsere enn erskelen. La n erskel-verdi være 1 1 Gjena de o punkene ovenor il erskelen ikke ler seg mer. Dee kalles Ridler og Calvard s meode Hvilke beingelser må være oppl or a meoden skal virke? 36
10 Osu s s meode - moivasjon Ana a vi har e gråonebilde med G gråoner, med normaliser hisogram pi. Ana a bilde inneholder o populasjoner av piksler, slik a pikslene innenor hver populasjon er noenlunde like, mens populasjonene p er orskjellige. Målseing: Vi vil inne en erskel T slik a hver av de o klassene som oppsår ved ersklingen blir mes mulig homogen, mens de o klassene bli mes mulig orskjellige. Klassene er homogene: variansen i hver av de o klassene er mins mulig. Separasjonen mellom klassene er sor: avsanden mellom middelverdiene di er sørs mulig. 37 Osu s s meode; oppsummering Gi e NxM pikslers bilde med G gråoner. inn bildes hisogram, hk, k=,1,,..,g-1. inn bildes normalisere hisogram: h k p k, k,1,,..., G MN 1 eregn kumulaiv normaliser hisogram: eregn kumulaiv middelverdi, μk: eregn global middelverdi, μ: eregn variansen mellom klassene, σ k: inn erskelen, T, der σ k har si maksimum. eregn separabiliesmåle, ηt: k P1 k p i, k,1,,..., G 1 i k ip i, k i k,1,,..., G 1 G 1 i ip i k P P1 k P k1 P k k k 1 1 T T, T 1 38 To Adapiv erskling ved inerpolasjon Globale erskler gir oe dårlig resula. Globale meoder kan benes lokal. Dee virker ikke der vindue bare inneholder en klasse! Oppskri: NIVÅ I: Del opp bilde i del-bilder. or del-bilder med bi-modal hisogram: inn lokal erskelverdi e T c i,j og ilordne den il senerpiksele i,j i del-bilde. or del-bilder med uni-modal hisogram: inn lokal l erskelverdi ved inerpolasjon. NIVÅ II: Piksel-or-piksel inerpolasjon: Gå gjennom alle piksel-posisjoner p besem adapiv erskelverdi T ved inerpolasjon mellom de lokale erskelverdiene T c i,j. Terskle så hver piksel i bilde i erskelverdiene T. Tre inegraler ae gir RG Ls ra en kilde med spekralordeling E reer e objek med spekral releksjonsunksjon S. Releker ls deekeres av re per apper med spekral lsølsomhesunksjon q i. Tre analoge signaler kommer u av dee: R E S qr d G E S q d G E S q d 39 4
11 RG primærarger Commision Inernaionale de l Eclairage Eclairage, CIE The Inernaional Commision o Illuminaion har deiner primærargene: lå: nm Grønn: nm Rød: 7 nm eskrivelse av arger En arge kan beskrives på orskjellige måer kalles argerom RG HSI Hue, Sauraion, Inensi CMY Can, Magena, Yellow pluss mange lere.. HSI er vikig or hvordan vi beskriver og skiller arger. I Inensie: hvor ls eller mørk er den S sauraion/mening: hvor serk er argen H dominerende arge bølgelengde H og S beskriver sammen argen og kalles kromaisie 41 4 RG-kuben RG og CMY,,1 magena blå hvi can RG og CMY er i prinsippe i sekundærarger or hverandre. Gråonebilder: r=g=b,, svar grønn,1, 1,, rød gul 43 44
12 Hue, Sauraion, Inensi HSI hvi Hue: ren arge - gir bølgelengden l ide elekromagneiske spekrum. S H grønn gul H er vinkel og ligger mellom og : can rød Rød: H=, grønn: H= /3, blå= 4/3, gl:h gul: H=/3, can=, magena= 5/3 blå magena I Hvis vi skalerer H-verdiene il 8-bis verdier vil Rød: H=, grønn: H= 85, blå= 17, gul: H=4, can= 17, magena= 13. svar 45 argebilder agebde ogargeabeller ageabee RG kan lagres med like mange bier or r, g, b,.eks Selv = 9 bier gir oss = 51 kombinasjoner, men bare 8 orskjellige nivåer av rød, grøn og blå, og dermed også bare 8 orskjellige gråoner. E scene med mange nanser av én arge vil da se ille u! Hvoror? Jo ordi denne argen bare år 8 orskjellige nanser! De er ikke sikker a alle de 51 argene innes i bilde. Alernaiv kan man bruke 8 bier og argeabeller. Hver rad i abellen beskriver en r, g, b-arge med 4 bier. Tabellen inneholder de 56 argene som bes beskriver bilde. I bilde-ilen ligger pikselverdiene som all mellom og 55. Når vi skal vise bilde, slår vi bare opp i samme rad som pikselverdien, og inner de ilsvarende r, g, b-verdiene. 46 Hisogramujevning av RG-bilder hvi Hisogramujevning på hver komponen R,G,, uavhengig gg av hverandre Oe dårlig resula H grønn gul can S rød E bedre alernaiv er å bene HSI: blå magena Transormér bilde ra RG il HSI I Gjør hisogramujevning g på I- komponenen Transormer HSI n ilbake il RG svar Terskling es gav argebilder agebde - I Ana a vi har observer samme scene på lere bølgelengder. Vi kan da uøre erskling baser på o-dimensjonale re-dimensjonale eller muli-dimensjonale hisogrammer Enkel meode: 1: esem erskler uavhengig or hver kanal. : Kombiner alle segmenere kanaler il e bilde. Dee svarer il a vi har del opp.eks. RG-romme ibokser bokser
13 Terskling es gav argebilder agebde - II En mer kompleks meode: Velg e punk i de mulidimensjonale romme som reeranse,.eks. R,G, Terskle baser på avsand ra dee reeransepunke. R G d R G Slik a 1hvis d dmax g hvis d x, d max Dee deinerer en kule med radius d max omkring punke R,G,. Kan le generaliseres il ellipsoide med orskjellige avsands-erskler i R,G, d Merk a da er R G R d R 1hvis d 1 g hi hvis d 11 G dg d Terskling es i HSI Transormer ra RG il HSI. Ana a vi vil segmenere u de delene av bilde som Har en gi arge H Er over en gi menings-erskel S Lag en maske ved å erskle S- bilde velg en percenil Mulipliser H-bilde med masken. Velg e inervall i H som svarer il ønske arge. Husk a H er sirkulær! 49 5 Konak oss Hvis du lurer på noe i IN31-pensum e-pos Hvis du enker på lere kurs i digial bildeanalse Hvis du enker på å a en Maser-oppgave Takk, og lkke il med eksamen!!! 51
INF april 2017
IN 310 19. april 017 Segmenering ved erskling Global erskling Kap 10.3 Generelle hisogramfordelinger og klassifikasjonsfeil To populære ersklingsalgorimer ruken av kaner, og effeken av søy og glaing Lokal
DetaljerOppsummering, mai 2014: Sampling og kvantisering Geometriske operasjoner Gåt Gråtone- og histogramoperasjoner F4,5. Segmentering ved terskling
INF 310 Digital bildebehandling Oppsummering, mai 014: Avbildning F1 Sampling og kvantisering F Geometriske operasjoner F3 Gåt Gråtone- og histogramoperasjoner F4,5 Segmentering ved terskling Farger og
DetaljerINF 2310 Digital bildebehandling
Raleigh-kriteriet INF 3 Digital bildebehandling EN KORT MIDTVEIS-REPETISJON Anta en perekt linse med aperture-diameter D, og at lsets bølgelengde er. To punkter i et objekt kan akkurat adskilles i bildet
DetaljerINF 2310 Digital bildebehandling. Hva er segmentering? forelesning nr 11 12/ Segmentering av bilder. To segmenterings-kategorier
INF 310 Digial bildebehandling forelesning nr 11 1/4 005 Segmenering av bilder Dagens ema: - Ikke-koneksuell erskling Lieraur: Efford, DIP, kap. 10.1-10. Friz Albregsen Deparmen of Informaics Universiy
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / aine transormer Resampling og interpolasjon Samregistrering i av bilder
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / aine transormer Resampling og interpolasjon Samregistrering i av bilder
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / aine transormer Resampling og interpolasjon Samregistrering i av bilder
DetaljerTemaer i dag. Geometriske operasjoner. Anvendelser. INF 2310 Digital bildebehandling
Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder
DetaljerINF 2310 Digital bildebehandling. Rayleigh-kriteriet. Samplingsteoremet (Shannon/Nyquist) Hvor små detaljer kan en linse oppløse?
INF 3 Digital bildebehandling Raleigh-kriteriet Avbildning ampling og kvantisering Geometriske operasjoner Oppsummering FA, mai 5: F F F3 Filtrering i i bildedomenet d F6, F7 Morologiske operasjoner Farger
DetaljerHva er segmentering? To segmenterings-kategorier. Segmenterings-problemer. INF mai 2010 Segmentering ved terskling Kap 10.
Hva er segmenering? IN 3. mai Segmenering ved ersling Kap.3 Global ersling Generelle hisogramfordelinger og lassifiasjonsfeil f il To populære erslingsalgorimer ruen av aner, og effeen av søy og glaing
DetaljerHva er segmentering? Segmenterings-problemer. To segmenterings-kategorier. Terskling, eksempel. Dagens verktøy: Terskling
Hva er segmenering? IN 3 5. mai 9 Segmenering ved ersling Kap.3 Global ersling Generelle hisogramfordelinger og lassifiasjonsfeil To populære erslingsalgorimer ruen av aner, og effeen av søy og glaing
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
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
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
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
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 Kap og i DIP
INF 30 7.0.009 Kap..4.4 og.6.5 i DIP Anne Solberg Geometriske operasjoner Affine transformer Interpolasjon Samregistrering av bilder Geometriske operasjoner Endrer på pikslenes posisjoner o steg:. Finn
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO De maemaisk-naurvienskapelige fakule Eksamen i INF3320 Meoder i grafisk daabehandling og diskre geomeri Eksamensdag: 2. desember 2009 Tid for eksamen: 14.30 17.30 Oppgavesee er på
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
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Temaer i dag Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 03.02.2014 INF2310 1 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon
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:
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
DetaljerINF 2310 Digital bildebehandling
INF 3 Digital bildebehandling Oppsummering FA, mai 6: Avbildning Sampling og kvantisering Geometriske operasjoner F F F3 Filtrering i bildedomenet F6, F7 Segmentering ved terskling Morfologiske operasjoner
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,
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
DetaljerAliasing: Aliasfrekvensene. Forelesning 19.februar Nyquist-Shannons samplingsteorem
Forelesning 9.februar 24 Delkapilene 4.4-4.6 fra læreboken, 4.3 er il selvsudium. Repeisjon om sampling og aliasing Diskre-il-koninuerlig omforming Inerpolasjon med pulser Oversamling bedrer inerpolasjon
DetaljerHarald Bjørnestad: Variasjonsregning en enkel innføring.
Haral Bjørnesa: Variasjonsregning en enkel innføring. Tiligere har vi løs oppgaven me å finne eksremalveriene ( maks./min. veriene) av en gi funksjon f () når enne funksjonen oppfyller beseme krav. Vi
Detaljert [0, t ]. Den er i bevegelse langs en bane. Med origo menes her nullpunktet
FAO 9 Forberedelse il skoleprøve Del Prakisk bruk av inegral Oppgave parikkelfar Hasigheen il en parikkel ved iden er gi ved v () = i m/min. Tiden er ( + ) + regne i min, for angivelse av posisjon. [,
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
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 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
Detaljer(x 0,y 0,0) α. Oppgave 3. Ved tiden t har vi følgende situasjon: α = ω1t β = ω2t
Oppgave 3 Ve ien har vi følgene siuasjon: oer vinkel om aksen parallell me -aksen: oer vinkel om aksen l: β l,, Punkes koorinaer ve ien kan besemmes ve hjelp av følgene serie av basisransformasjoner. ransformasjonene
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
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
DetaljerEksamensoppgave i TFY4190 Instrumentering
Insiu for fysikk Eksamensoppgave i TFY49 Insrumenering Faglig konak under eksamen: Seinar Raaen Tlf.: 482 96 758 Eksamensdao:. juni 26 Eksamensid (fra-il): 9: 3: Hjelpemiddelkode/Tillae hjelpemidler: Alernaiv
DetaljerMidtveiseksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt
Detaljer, og dropper benevninger for enkelhets skyld: ( ) ( ) L = 432L L = L = 1750 m. = 0m/s, og a = 4.00 m/s.
eegelse øsninger på blandede oppgaer Side - Oppgae Vi kaller lengden a en runde for Faren il joggerne er da: A = m/s = m/s 6 6 + 48 48 = m/s = m/s 7 6 + 4 Når de møes, ar de løp like lenge Da er + 5 m
DetaljerEksamensoppgave i TFY4190 Instrumentering
Insiu for fysikk Eksamensoppgave i TFY49 Insrumenering Faglig konak under eksamen: Seinar Raaen Tlf.: 482 96 758 Eksamensdao: 6. mai 27 Eksamensid (fra-il): 9: 3: Hjelpemiddelkode/Tillae hjelpemidler:
DetaljerEksamen R2, Hausten 2009
Eksamen R, Hausen 009 Del Tid: imar Hjelpemiddel: Vanlege skrivesaker, passar, linjal med cenimeermål og vinkelmålar er illane. Oppgåve a) Deriver funksjonen f x x sinx Vi bruker produkregelen for derivasjon
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
Detaljerav Erik Bédos, Matematisk Institutt, UiO, 25. mai 2007.
Om den diskree Fourier ransformen av Erik Bédos, Maemaisk Insiu, UiO,. mai 7. Vi lar H beegne indreproduk romme som besår av alle koninuerlige komplekse funksjoner definer på inervalle [, π] med indreproduke
DetaljerLøsningsforslag øving 6, ST1301
Løsningsforslag øving 6, ST1301 Oppgave 1 Løse Euler-Loka ligningen ved ruk av Newon's meode. Ana a vi har en organisme med maksimal alder lik n år. Vi ser kun på hunnene i populasjonen. La m i være anall
Detaljer1 Trigonometriske Funksjoner Vekt: 1. 2 Trigonometriske Funksjoner Vekt: 1
OPPGAVER TIL FORELESNINGSUKE NUMMER Ukeoppgavene skal leveres som selvsendige arbeider. De forvenes a alle har sa seg inn i insiues krav il innlevere oppgaver: Norsk versjon: hp://www.ifi.uio.no/sudinf/skjemaer/erklaring.pdf
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.
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
DetaljerLøsning: V = Ed og C = Q/V. Spenningen ved maksimalt elektrisk felt er
Gruppeøving 6 Elekrisie og magneisme Flervalgsoppgaver 1. Dersom en kondensaor har en kapasians på på 7.28 µf, hvor mye må plaene lades opp for a poensialdifferansen mellom plaene skal bli 25.0 V?. 15
DetaljerObjekt-bilde relasjonen. Vinkeloppløsnings-kriterier. Forstørrelse. INF 2310 Digital bildebehandling
Objekt-bilde relasjonen IN 3 Digital bildebehandling Oppsummering II, våren 7: y f f s s y Avbildning Naboskapsoperasjoner og konvolusjon Segmentering Kompresjon og koding av bilder argerom og bildebehandling
DetaljerØving 1: Bevegelse. Vektorer. Enheter.
Lørdagsverksed i fysikk. Insiu for fysikk, NTNU. Høsen 007. Veiledning: 8. sepember kl :5 5:00. Øving : evegelse. Vekorer. Enheer. Oppgave a) Per løper 800 m på minuer og 40 sekunder. Hvor sor gjennomsnisfar
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:
DetaljerKrefter og betinget bevegelser Arbeid og kinetisk energi 19.02.2013
Krefer og beinge beegelser Arbeid og kineisk energi 9..3 YS-MEK 9..3 obligaoriske innleeringer programmering er en esenlig del a oppgaen i kan ikke godkjenne en innleering uen programmering analyiske beregninger
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
DetaljerHva er segmentering? INF Fritz Albregtsen. Tema: Segmentering av bilder Del 1: - Ikke-kontekstuell terskling
Hva er segmentering? IN 160-80003 ritz Albregtsen Tema: Segmentering av bilder Del 1: - Ikke-kontekstuell terskling Litteratur: Efford, DIP, kap 101-10 Segmentering er en prosess som deler opp bildet i
DetaljerVed opp -og utladning av kondensatorer varierer strøm og spenning. Det er vanlig å bruke små bokstaver for å angi øyeblikksverdier av størrelser.
4.4 INNE- OG TKOPLING AV EN KONDENSATO 1 4.4 INN- OG TKOPLING AV EN KONDENSATO Ved opp -og uladning av kondensaorer varierer srøm og spenning. De er vanlig å bruke små boksaver for å angi øyeblikksverdier
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
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
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
DetaljerFYS3220 Oppgaver om Fourieranalyse
FYS3220 Oppgaver om Fourieranalyse Innhold Enkle fourieranalyse oppgaver... 1 1) egn frekvensspeker for e sammensa sinus signal... 1 2) Fra a n og b n il c n og θ... 2 Fourier serieanalyse... 2 3) Analyse
DetaljerRepetisjon Eksamensverksted i dag, kl , Entropia
Repeisjon 30.05.016 Eksamensverksed i dag, kl. 1 16, Enropia Emneevaluering: dialogmøe nese uke (eer eksamen) a konak med meg hvis du vil være med vikig for oss å få ilbakemelding FYS-MEK 1110 30.05.016
DetaljerForelesning nr.9 INF 1410
Forelesning nr.9 INF 141 29 espons il generelle C- og -kreser 3.3.29 INF 141 1 Oversik dagens emaer Naurlig espons respons il generelle C- og -kreser på uni-sep funksjonen Naurlig og vungen respons for
Detaljer~/stat230/teori/bonus08.tex TN. V2008 Introduksjon til bonus og overskudd
~/sa23/eori/bonus8.ex TN STAT 23 V28 Inrodukson il bonus og overskudd Bankinnskudd Ana a vi ønsker å see e viss beløp y i banken ved id = for å ha y n ved id = n. Med en reneinensie δ må vi see inn y =
DetaljerMAT1030 Forelesning 26
MAT030 Forelesning 26 Trær Roger Anonsen - 5. mai 2009 (Sis oppdaer: 2009-05-06 22:27) Forelesning 26 Li repeisjon Prims algorime finne de minse uspennende ree i en veke graf en grådig algorime i den forsand
DetaljerYF kapittel 3 Formler Løsninger til oppgavene i læreboka
YF kapiel 3 Formler Løsninger il oppgavene i læreoka Oppgave 301 a E 0,15 l 0,15 50 375 Den årlige energiproduksjonen er 375 kwh. E 0,15 l 0,15 70 735 Den årlige energiproduksjonen er 735 kwh. Oppgave
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
DetaljerLøsningsforslag til obligatorisk øvelsesoppgave i ECON 1210 høsten 06
Løsningsforslag il obligaorisk øvelsesoppgave i ECON 0 høsen 06 Oppgave (vek 50%) (a) Definisjon komparaive forrinn: Den ene yrkesgruppen produserer e gode relaiv mer effekiv enn den andre yrkesgruppen.
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
DetaljerForelesning 26. MAT1030 Diskret Matematikk. Trær med rot. Litt repetisjon. Definisjon. Forelesning 26: Trær. Roger Antonsen
MAT1030 Diskre Maemaikk Forelesning 26: Trær Roger Anonsen Insiu for informaikk, Universiee i Oslo Forelesning 26 5. mai 2009 (Sis oppdaer: 2009-05-06 22:27) MAT1030 Diskre Maemaikk 5. mai 2009 2 Li repeisjon
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Ole Marius Hoel Rindal Gråtonetrasformasjoner Histogramtransformasjoner 2D diskret Fourier-transform (2D DFT Filtrering i Fourierdomenet Kompresjon og koding Segmentering
DetaljerRepetisjon
Repeisjon 19.05.014 FYS-MEK 1110 19.05.014 1 Eksamen: Tirsdag, 3. Jni, 9:00 13:00 Tillae hjelpemidler: Øgrim og Lian: Sørrelser og enheer i fysikk og eknikk eller* Angell, Lian, Øgrim: Fysiske sørrelser
DetaljerKort om ny reguleringskurvelogikk. Trond Reitan 19/8-2013
Kor om ny reguleringskurvelogikk Trond Reian 19/8-2013 Hensik Hensiken med en reguleringskurver er å angi sammenhengen mellom en angi minimumsvannføring (apping) og nødvendig magasinvolum på årlig basis.
DetaljerMotivasjon INF Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) OCR-gjennkjenning: Problem: gjenkjenn alle tall i bildet automatisk.
INF 230 Morologi Morologiske operasjoner på binære bilder:. Basis-begreper 2. Fundamentale operasjoner på binære bilder 3. Sammensatte operasjoner 4. Eksempler på anvendelser lettet inn GW, Kapittel 9.-9.4
DetaljerForelesning 14 REGRESJONSANALYSE II. Regresjonsanalyse. Slik settes modellen opp i SPSS
Forelesning 4 REGRESJOSAALYSE II Regresjonsanalyse Saisisk meode for å forklare variansen i en avhengig variabel u fra informasjon fra en eller flere uavhengige variabler. Eksempel: Kjønn Udanning Alder
DetaljerSpesialisering: Anvendt makro 5. Modul
Spesialisering: Anvend makro 5. Modul 1.B Lineære regresjonsmodeller og minse kvadraers meode (MKM) Drago Berghol Norwegian Business School (BI) 10. november 2011 Oversik I. Inroduksjon il økonomeri II.
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
DetaljerNewtons lover i to og tre dimensjoner 09.02.2015
Newons loer i o og re dimensjoner 9..5 FYS-MEK 3..4 Innleering Oblig : på grunn a forsinkelse med deilry er frisen usa il onsdag,.., kl. Innleering Oblig : fris: mandag, 6.., kl. Mideiseksamen: 6. mars
DetaljerLøsningsforslag til øving 9 OPPGAVE 1 a)
Høgskole i Gjøvik vd for ek, øk og ledelse aemaikk 5 Løsigsforslag il øvig 9 OPPGVE ) Bereger egeverdiee: de I) ) ) ) Egeverdier: og ) ) Bereger egevekoree: vi ivi ii) vi ed λ : ) ) v Velger s som gir
DetaljerSystem 2000 HLK-Relais-Einsatz Bruksanvisning
Sysem 2000 HLK-Relais-Einsaz Sysem 2000 HLK-Relais-Einsaz Ar. Nr.: 0303 00 Innholdsforegnelse 1. rmasjon om farer 2 2. Funksjonsprinsipp 2 3. onasje 3 4. Elekrisk ilkopling 3 4.1 Korsluningsvern 3 4.2
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
DetaljerJernbaneverket. OVERBYGNING Kap.: 8 t Regler for prosjektering Utgitt:
e Hovedkonore Helsveis spor Side: 1 av 5 1 HENSIKT OG OMFANG... 2 2 KRAV... 3 2.1 Hovedspor... 3 2.1.1 Varig ufesing... 3 2.1.2 Minse kurveradius... 3 2.1.3 Ballas... 3 2.1.4 Sviller... 3 2.1.4.1 Svilleype...
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
DetaljerNewtons lover i to og tre dimensjoner
Newons loer i o og re dimensjoner 3..4 Innleering: på papir på ekspedisjonskonore: bruk forsiden elekronisk på froner én pdf fil nan på førse side egenerklæring med signaur innleeringsboks på ekspedisjon
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I TFY4160 BØLGEFYSIKK Torsdag 9. august 2007 kl
NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR FYSIKK Faglig konak under eksamen: Jon Andreas Søvneng Telefon: 73 59 36 63 / 45 45 55 33 LØSNINGSFORSLAG TIL EKSAMEN I TFY4160 BØLGEFYSIKK
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
DetaljerOppgave 1. = 2(1 4) = 6. Vi regner også ut de andre indreproduktene:
Løsning Eksamen i ELE 379 Maemaikk Valgfag Dao 7. juni 26 kl 9-4 Dee e e foreløpig løsningsforslag som ikke er komple. De skal ikke publiseres i denne form. Oppgave. (a) Vi ve a kolonnevekorene il A er
DetaljerSensorveiledning UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. ECON 1310 Obligatorisk øvelsesoppgave våren 2012
Sensorveiledning UNIVERSITETET I OSLO ØKONOMISK INSTITUTT ECON 3 Obligaorisk øvelsesoppgave våren 22 Ved sensuren illegges alle oppgavene lik vek For å få godkjen besvarelsen må den i hver fall: gi mins
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
DetaljerEksamensoppgave i TFY4190 Instrumentering
Iniu for fyikk Ekamenoppgave i TFY49 Inrumenering Faglig konak under ekamen: Seinar Raaen Tlf.: 482 96 758 Ekamendao: 3. juni 23 Ekamenid (fra-il): 9: 3: Hjelpemiddelkode/Tillae hjelpemidler: Alernaiv
DetaljerIntroduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling
Introduksjon Digital bildebehandling Forelesning 3 Morologiske operasjoner på binære bilder Fritz Albregtsen Repetisjon av grunnleggende mengdeteori Fundamentale operatorer ammensatte operatorer Eksempler
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
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 29..28 Kap. 2.4.4 og 2.6.5 DIP Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,)
DetaljerDEFINISJON. (Data-avhengig triangulering) En triangulering AÂPÃ, P = ÆÂx i,y i,z i ÃÇ, der valg av sidekanter i A avhenger av funksjonsverdiene
(Daa Dependen Triangulaions) DEFINISJON. (Daa-avhengig riangulering) En riangulering AÂPÃ, P = ÆÂx i,y i,z i ÃÇ, der valg av sidekaner i A avhenger av funksjonsverdiene F = Æz i Ç. (Æz i Ç er ypisk høydeverdiene
DetaljerRepetisjon 20.05.2015
Repeisjon 0.05.015 FYS-MEK 1110 0.05.015 1 Eksamen: Onsdag, 3. Juni, 14:30 18:30 Tillae hjelpemidler: Øgrim og Lian: Sørrelser og enheer i fysikk og eknikk eller* Angell, Lian, Øgrim: Fysiske sørrelser
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
DetaljerLøysingsforslag for oppgåvene veke 17.
Løysingsforslag for oppgåvene veke 17. Oppgåve 1 Reningsfel for differensiallikningar gi i oppg. 12.6.3 med numeriske løysingar for gi inialkrav (og ei par il). a) b) c) d) Oppgåve 2 a) c) b) Reningsfele
DetaljerEksamensoppgave i TFY4190 Instrumentering
Iniu for fyikk Ekamenoppgave i TFY49 Inrumenering Faglig konak under ekamen: Seinar Raaen Tlf.: 482 96 758 Ekamendao: 2. mai 25 Ekamenid (fra-il): 9: 3: Hjelpemiddelkode/Tillae hjelpemidler: Alernaiv C,
DetaljerEksamen i STK4060/STK9060 Tidsrekker, våren 2006
Eksamen i STK4060/STK9060 Tidsrekker, våren 2006 Besvarelsen av oppgavene nedenfor vil ugjøre de vesenlige grunnlage for karakergivningen, og ugangspunke for den munlige eksaminasjonen. De er meningen
DetaljerOppgave 1. (a) Vi utvikler determinanten langs første kolonne og dette gir. (b) Med utgangspunkt i de tre datapunktene denerer vi X og y ved
Sensorveiledning: ELE 37191 Maemaikk valgfag Eksamensdao: 13.06.2012 09:00 1:00 Toal anall sider: 5 Anall vedlegg: 0 Tillae hjelpemidler: BI-dener eksamenskalkulaor TEXAS INSTRUMENTS BA II Plus Innføringsark:
Detaljer