Kantdeteksjon og Fargebilder

Størrelse: px
Begynne med side:

Download "Kantdeteksjon og Fargebilder"

Transkript

1 Kantdeteksjon og Fargebilder Lars Vidar Magnusson April 25, 2017 Delkapittel More Advanced Techniques for Edge Detection Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models

2 Marr-Hildreth Kantdeteksjon Marr-Hildreth kantdeteksjon baserer seg på at endringer i et bilde er avhengig av størrelsen (scale). Den første vellykede kantdetektoren som inkluderer mer avansert analyse. De foreslår bruk av Laplacian of Gaussian (LoG) operator 2 G(x, y) = 2 G(x, y) + 2 G(x, y) x 2 y 2 x 2 +y 2 x 2 e 2σ 2 [ x = 2 = x σ 2 e [ x 2 = σ 1 4 σ 2 [ x 2 + y 2 2σ 2 = σ x 2 +y 2 y 2 e 2σ 2 ] x 2 +y 2 2σ 2 + y ] e x2 +y 2 2σ 2 + [ y 2 ] e x2 +y 2 2σ 2 [ y σ 2 e σ 4 1 σ 2 x 2 +y 2 2σ 2 ] ] e x2 +y 2 2σ 2

3 Marr-Hildreth Kantdeteksjon Marr-Hildreth foreslår å bruke 2 G(x, y) operatoren i ulike størrelser for å detektere de ulike kantene. [ x y 2 2σ 2 ] G(x, y) = e x2 +y 2 2σ 2 Maskene kan lages på ulike måter 1 Sample funksjonen over og normaliser koeffisientene slik at de summer til 0 2 Sample G(x, y) = e x2 +y 2 2σ 2 og bruk et Laplacian filter (resultatet av konvolusjon med et filter som summer til 0 summer også til 0) σ 4

4 Marr-Hildreth Kantdeteksjon Algoritmen består i å konvolere bildet med en eller flere utgaver av LoG g(x, y) = [ 2 G(x, y)] f (x, y) Dette kan like gjerne utføres i følgende rekkefølge (det er lineære operasjoner) g(x, y) = 2 [G(x, y) f (x, y)] Algoritmen oppsumert (for én størrelse) 1 Konvoler bildet med et Gaussian filter for å fjerne støy 2 Finn Laplacian bildet ved å konvolere med Laplacian filter 3 Zero-crossing (Nullkrysning) identifiserer kanter

5 Canny Kantdeteksjon Canny algoritmen er de facto standard for kantdeteksjon i mange av dagens platformer. Basert på følgende kriterier Low error rate - så lite feil som mulig) Good localization - identifiserte kanter skal ligge så nærme faktiske kanter som mulig Single edge respons - identifisere bare en kant for hver faktiske kant Kriteriene ble formulert matematisk slik at Canny kunne finnne beste løsning Kommentar HIOF har forsket de siste årene på å forbedre ytelsen til algoritmen på faktiske bilder

6 Canny Kantdeteksjon Canny kom frem til tre ulike steg i sin algoritme Finn et utjevnet gradientbilde ved å bruke førstederiverte av en Gaussian Utfør nonmax suppression (ikkemax-fjerning) Bruk hysteresis thresholding (dual threshold oppsett) for å finne Det finne ulike implementasjoner for hvert av disse stegene

7 Canny Kantdeteksjon - Gradientbildet Canny foreslå å bruke til å finne gradientbildet (gitt i en dimensjon) d x dx e 2 2σ 2 x 2 σ 2 e 2σ 2 = x Dette kan vi approksimere med å først utjevne f s(x, y) = G(x, y) f (x, y) og deretter konvolere med et deriveringsfilter e.g. Sobel Vi finner så og M(x, y) = g 2 x + g 2 y α(x, y) = tan 1 g y g x Det finnes også andre tilnærminger Matlab bruker en-dimensjonal Gaussian og deriveringsmaske

8 Canny Kantdeteksjon - Nonmax Suppression Nonmax suppression prøver å minimalisere antall doble kanter. Algoritmen fungerer ved å utføre følgende på hvert punkt (x, y). 1 Finn retningen d som passer best med kanten i α(x, y) 2 Hvis M(x, y) er mindre enn minst en av sine naboer langs d blir g N (x, y) = 0, hvis ikke g N (x, y) = M(x, y) g N (x, y) er det ikkemaks-fjernede (nonmax suppressed) bildet

9 Canny Kantdeteksjon - Hysteresis Thresholding Hysteresis thresholding er det det siste steget i algoritmen, og det er designet for å minimalisere uekte kanter. Fungerer med å bruke to threshold grenser T H og T L som angir henholdvis en høy og lav grense. Vi lager to nye bilder.. g NH (x, y) = g N (x, y) T H og g NL (x, y) = g N (x, y) T L && g N (x, y) < T H Vi har et bildet g NH (x, y) med strong (sterke) kanter, og et bildet G NL (x, y) med weak (svake) kanter Det endelige bildet g(x, y) inneholder alle kantene i g NH (x, y), samt alle kantene i g NL (x, y) som er koblet (8-koblet) med en kant i g NH (x, y).

10 Grunnleggende om Farger Det synlige lys er som vi har vært innom tidligere en del av det elektromagnetiske spektrum.

11 Grunnleggende om Farger Det finnes ingen entydig definisjon om hva som er hva når det gjelder farger CIE definerte i 1931 følgende.. Blå: nm Grønn: nm Rød: 700 nm

12 Grunnleggende om Farger Vi har to måter å blande farger på; additive og subtraktiv

13 Fargemodeller En fargemodel er en metode for å spesifisere en farge colorspace, color system... Hvert system lar deg spesifisere en farge i et koordinatsystem RGB CMY / CMYK HSI En modell er typisk tilpasset hardware eller for sluttvisning

14 Fargemodeller - RGB RGB er en modell som spesifiserer farger ved hjelp av primærfargene rød, grønn og blå En farge angis i et kartesisk system gitt under

15 Fargemodeller - RGB Et punkt består av en 3-tuple (alternativt kan vi se det som tre separate bilder) Hver kanal blir typisk representert med samme antall bits Det er vanlig med 8 bit Et bilde i full-color (fullfarge) har typisk 3 8 = 24 bits per element i bildet Dette gir totalt (2 8 ) 3 = mulige farger Angis enten som.. flyttall i intervallet [0, 1] decimal i intervallet [0, 255] hexadecimal i intervallet [0, ff ]

16 Fargemodeller - CMY CMY bruker sekundærfargene (primær pigmentfargene) til å angi en farge cyan, magenta og yellow En enhet som skal gi en farge (e.g. printer) konverterer typisk fra RGB til CMY C 1 R M = 1 G Y 1 B CMY modellen blir normalt utvidet med en dedikert svart farge (CMYK)

17 Fargemodeller - HSI HSI benytter seg av helt andre begreper for å spesifisere en farge Hue Saturation Intensity Modellen passer bedre med hvordan vi oppfatter farger Skiller farge fra intensitet!

18 Konvertere fra RGB til HSI Vi kan konvertere fra RGB til HSI. { θ if B G H = 360 θ if B > G hvor { } θ = cos 1 0.5[(R G) + (R B)] [(R G) 2 + (R B)(G B)] 1/2 S = 1 3 [min(r, G, B)] R + G + B I = 1 (R + G + B) 3

19 Konvertere fra HSI til RGB Vi kan konvertere fra HSI til RGB, men vi må ta høyde for vinkelen til hue Når 0 H < 120 konverterer vi på følgende vis... [ R = I 1 + S cos H ] cos(60 H) G = 3I (R + B) B = I (1 S)

20 Konvertere fra HSI til RGB Når 120 H < 240 konverterer vi på følgende vis... R = I (1 S) ] S cos H G = I [1 + cos(60 H ) H er H 120 B = 3I (R + G)

21 Konvertere fra HSI til RGB Når 240 H < 360 konverterer vi på følgende vis... R = 3I (G + B) G = I (1 S) H er H 240 ] S cos H B = I [1 + cos(60 H )

Punkt, Linje og Kantdeteksjon

Punkt, 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).

Detaljer

Repetisjon av histogrammer

Repetisjon 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

Detaljer

Midtveiseksamen Løsningsforslag

Midtveiseksamen Løsningsforslag INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt

Detaljer

Mer om Histogramprosessering og Convolution/Correlation

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

Detaljer

Spatial 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, 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;

Detaljer

Grunnleggende Matematiske Operasjoner

Grunnleggende 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

Detaljer

Løsningsforslag til kapittel 15 Fargerom og fargebilder

Løsningsforslag 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

Detaljer

Filter-egenskaper INF Fritz Albregtsen

Filter-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)]

Detaljer

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF Hovedsakelig fra kap. 6.3 til 6.6

Gråtonehistogrammer. 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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:

Detaljer

Obligatorisk oppgave 1

Obligatorisk oppgave 1 INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Obligatorisk oppgave 1 INF2310, vår 2017 Dette oppgavesettet er på 9 sider, og består av 2 bildebehandlingsoppgaver. Besvarelsen av denne og neste obligatoriske

Detaljer

Filtrering i Frekvensdomenet III

Filtrering 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

Detaljer

Hovedsakelig fra kap. 3.3 i DIP

Hovedsakelig 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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:

Detaljer

Fargetyper. Forstå farger. Skrive ut. Bruke farger. Papirhåndtering. Vedlikehold. Problemløsing. Administrasjon. Stikkordregister

Fargetyper. Forstå farger. Skrive ut. Bruke farger. Papirhåndtering. Vedlikehold. Problemløsing. Administrasjon. Stikkordregister Skriveren gir deg mulighet til å kommunisere i farger. Farger tiltrekker seg oppmerksomhet og gir trykt materiale og informasjon større verdi. Bruk av farger øker lesbarheten, og dokumenter med farger

Detaljer

RF5100 Lineær algebra Leksjon 10

RF5100 Lineær algebra Leksjon 10 RF5100 Lineær algebra Leksjon 10 Lars Sydnes, NITH 11. november 2013 I. LITT OM LYS OG FARGER GRUNNLEGGENDE FORUTSETNINGER Vi ser objekter fordi de reflekterer lys. Lys kan betraktes som bølger / forstyrrelser

Detaljer

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser INF 2310 Farger og fargerom Temaer i dag (Kapittel 6: Hovedfokus på 6.1 og 6.2): 1. Litt fysikk: sollys og reflektivitet 2. Farge, fargesyn og deteksjon av farge 3. Fargerom - fargemodeller 4. Overganger

Detaljer

Temaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5.

Temaer 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

Intensitetstransformasjoner og Spatial Filtrering

Intensitetstransformasjoner og Spatial Filtrering Intensitetstransformasjoner og Spatial Filtrering Lars Vidar Magnusson January 23, 2017 Delkapittel 3.1 Background Delkapittel 3.2 Some Basic Intensity Tranformation Functions Spatial Domain Som vi allerede

Detaljer

TMA4123/TMA4125 Matematikk 4M/4N Vår 2013

TMA4123/TMA4125 Matematikk 4M/4N Vår 2013 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA41/TMA415 Matematikk 4M/4N Vår 1 Løsningsforslag Øving 1 Skriv om følgende trigonometriske funksjoner til fourierrekker ved

Detaljer

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset. m cos( Zenit-distansen, z, er gitt ved

INF 2310 Farger og fargerom. Motivasjon. Fargen på lyset. Fargen på lyset. m cos( Zenit-distansen, z, er gitt ved Temaer i dag : INF 310 Farger og fargerom 1 Farge, fargesyn og deteksjon av farge Fargerom - fargemodeller 3 Overganger mellom fargerom 4 Fremvisning av fargebilder 5 Fargetabeller 6 Utskrift av fargebilder

Detaljer

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Spredning, absorbsjon, transmisjon. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Spredning, absorbsjon, transmisjon. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 310 Farger og fargerom 1. Farge, fargesyn og deteksjon av farge. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder 5. Fargetabeller 6. Utskrift av

Detaljer

Veiledning om fargekvalitet

Veiledning om fargekvalitet Side 1 av 6 Veiledning om fargekvalitet Veiledningen om fargekvalitet hjelper brukerne med å forstå hvordan funksjoner som er tilgjengelige på skriveren, kan brukes til å justere og tilpasse fargene på

Detaljer

Objekt-bilde relasjonen. Vinkeloppløsnings-kriterier. Forstørrelse. INF 2310 Digital bildebehandling

Objekt-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

Detaljer

Bilder del 2. Farger og fargesyn. Tre-farge syn. Farger og fargerom. Cyganski, kapittel 5. Fargesyn og fargerom. Fargetabeller

Bilder 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Fourier-Transformasjoner IV

Fourier-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

Detaljer

Valg av PC-skjerm til fotobruk

Valg av PC-skjerm til fotobruk Valg av PC-skjerm til fotobruk De fleste har nok skiftet ut de svære kassene som CRT-skjermene var med flatskjermer av LCD-typen. Så jeg tenkte kjapt i gå igjennom litt om de ulike teknologiene som brukes

Detaljer

Fourier-Transformasjoner II

Fourier-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

Detaljer

Flater, kanter og linjer INF Fritz Albregtsen

Flater, 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.

Detaljer

Kapittel Oktober Institutt for geofag Universitetet i Oslo. GEO En Introduksjon til MatLab. Kapittel 14.

Kapittel Oktober Institutt for geofag Universitetet i Oslo. GEO En Introduksjon til MatLab. Kapittel 14. og Institutt for geofag Universitetet i Oslo 17. Oktober 2012 i MatLab En funksjon vil bruke et gitt antall argumenter og produsere et gitt antall resultater og : Hvorfor Først og fremst bruker vi når

Detaljer

HØGSKOLEN I BERGEN Avdeling for ingeniørutdanning

HØGSKOLEN I BERGEN Avdeling for ingeniørutdanning HØGSKOLEN I BERGEN Avdeling for ingeniørutdanning Eksamen i SOD 165 Grafiske metoder Klasse : 3D Dato : 15. august 2000 Antall oppgaver : 4 Antall sider : 4 Vedlegg : Utdrag fra OpenGL Reference Manual

Detaljer

INF 1040 Farger og fargerom

INF 1040 Farger og fargerom INF 1040 Farger og fargerom Temaer i dag : 1. Fargesyn og deteksjon av farge 2. Digitalisering av fargebilder 3. Fargerom og overganger mellom dem 4. Fremvisning og utskrift av fargebilder 5. Fargetabeller

Detaljer

Motivasjon. INF 1040 Farger og fargerom. Fargen på et objekt. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 1040 Farger og fargerom. Fargen på et objekt. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 14 Farger og fargerom 1 Fargesyn og deteksjon av farge 2 Digitalisering av fargebilder 3 Fargerom og overganger mellom dem 4 Fremvisning og utskrift av fargebilder 5 Fargetabeller 6

Detaljer

Farger Introduksjon Processing PDF

Farger Introduksjon Processing PDF Farger Introduksjon Processing PDF Introduksjon På skolen lærer man om farger og hvordan man kan blande dem for å få andre farger. Slik er det med farger i datamaskinen også; vi blander primærfarger og

Detaljer

Generell informasjon om faget er tilgjengelig fra It s learning.

Generell informasjon om faget er tilgjengelig fra It s learning. Stavanger, 6. august 013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 5.1 Implementering av IIR filter....................

Detaljer

INF 2310 Digital it bildebehandling

INF 2310 Digital it bildebehandling INF 2310 Digital it bildebehandling b dli FARGER OG FARGEROM Temaer i dag : 1. Farge, fargesyn og deteksjon av farge 2. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder

Detaljer

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset fra sola. Vi kan skille mellom tusenvis av fargenyanser INF 310 Farger og fargerom Temaer i dag (Hovedfokus på 6.1 og 6.: 1. Farge, fargesyn og deteksjon av farge. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder 5. Fargetabeller

Detaljer

Grunnleggende om Digitale Bilder (ITD33515)

Grunnleggende 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

Detaljer

MAT1120 Notat 2 Tillegg til avsnitt 5.4

MAT1120 Notat 2 Tillegg til avsnitt 5.4 MAT1120 Notat 2 Tillegg til avsnitt 54 Dette notatet utfyller bokas avsnitt 54 om matriserepresentasjoner (også kalt koordinatmatriser) av lineære avbildninger mellom endeligdimensjonale vektorrom En slik

Detaljer

INF 2310 Digital it bildebehandling. Spredning, absorbsjon, transmisjon FARGER OG FARGEROM

INF 2310 Digital it bildebehandling. Spredning, absorbsjon, transmisjon FARGER OG FARGEROM INF 310 Digital it bildebehandling b dli FARGER OG FARGEROM Temaer i dag : 1. Farge, fargesyn og deteksjon av farge. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder

Detaljer

Grafisk profilhåndbok Retningslinjer for grafisk profil

Grafisk profilhåndbok Retningslinjer for grafisk profil Grafisk profilhåndbok Retningslinjer for grafisk profil Rudi Stensvold Versjon: 1 November 2013 Innhold Introduksjon Side 2 Logo Beskrivelse Side 3 Presentasjon Side 4 Fargekoder Side 5 Feil bruk Side

Detaljer

Triangle Colorscale. Created for design CMYK GUIDE. Intuitiv, nøyaktig og praktisk

Triangle Colorscale. Created for design CMYK GUIDE. Intuitiv, nøyaktig og praktisk Created for design CMYK GUIDE Intuitiv, nøyaktig og praktisk «Det er lett å finne en farge i CMYK GUIDE. Og den fargen du velger, blir nøyaktig lik på trykk!» INTUITIV Et hurtig verktøy for designere CMYK

Detaljer

MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag

MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag I kapittel 9 i kompendiet forklarte vi at maximum-likelihood er en av de viktige anvendelsene av ikke-lineær optimering. Vi skal se litt mer på hva

Detaljer

Motivasjon. Litt sett-teori. Eksempel. INF Kap. 11 i Efford Morfologiske operasjoner. Basis-begreper

Motivasjon. 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

Detaljer

6.6 Anvendelser på lineære modeller

6.6 Anvendelser på lineære modeller 6.6 Anvendelser på lineære modeller Skal først se på lineær regresjon for gitte punkter i planet: det kan formuleres og løses som et minste kvadraters problem! I mere generelle lineære modeller er man

Detaljer

PRAKTISK FARGESTYRING

PRAKTISK FARGESTYRING PRAKTISK FARGESTYRING Rapport 2 Malin Milder Mediedesign Vår 2008 1 Praktisk fargestyring Fargestyring er et viktig aspekt når det kommer til design, og noe som alle burde benytte seg av for å få best

Detaljer

INF 1040 Farger og fargerom

INF 1040 Farger og fargerom INF 1040 Farger og fargerom Temaer i dag : 1. Fargesyn og deteksjon av farge 2. Digitalisering av fargebilder 3. Fargerom og overganger mellom dem 4. Fremvisning og utskrift av fargebilder 5. Fargetabeller

Detaljer

Morfologi i Gråskala-Bilder II

Morfologi 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)

Detaljer

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 2310 Farger og fargerom. Fargen på lyset. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 310 Farger og fargerom 1. Farge, fargesyn og deteksjon av farge. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning av fargebilder 5. Fargetabeller 6. Utskrift av

Detaljer

arbeid - massesenter - Delvis integrasjon Forelesning i Matematikk 1 TMA4100

arbeid - massesenter - Delvis integrasjon Forelesning i Matematikk 1 TMA4100 arbeid - massesenter - Delvis integrasjon Forelesning i Matematikk 1 TMA4100 Hans Jakob Rivertz Institutt for matematiske fag 11. oktober 2011 Kapittel 6.6. Arbeid 3 Arbeid definisjon Definisjon (Arbeid

Detaljer

INF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER

INF 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

Detaljer

Motivasjon. Litt sett-teori. Eksempel. INF Mesteparten av kap i DIP Morfologiske operasjoner på binære bilder.

Motivasjon. 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i MAT-INF 1100 Modellering og beregninger. Eksamensdag: Mandag 5. desember 2011. Tid for eksamen: 9:00 13:00. Oppgavesettet er på

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Side Det matematisk-naturvitenskapelige fakultet Eksamen i: FYS4 Kvantefysikk Eksamensdag: 8. juni 5 Tid for eksamen: 9. (4 timer) Oppgavesettet er på fem (5) sider Vedlegg: Ingen

Detaljer

LO118D Forelesning 2 (DM)

LO118D Forelesning 2 (DM) LO118D Forelesning 2 (DM) Kjøretidsanalyse, matematisk induksjon, rekursjon 22.08.2007 1 Kjøretidsanalyse 2 Matematisk induksjon 3 Rekursjon Kjøretidsanalyse Eksempel Finne antall kombinasjoner med minst

Detaljer

Denne veiledningen hjelper deg med å forstå hvordan du kan bruke skriverens funksjoner til å justere og tilpasse fargene på utskriftene.

Denne veiledningen hjelper deg med å forstå hvordan du kan bruke skriverens funksjoner til å justere og tilpasse fargene på utskriftene. Side 1 av 5 Fargekvalitet Denne veiledningen hjelper deg med å forstå hvordan du kan bruke skriverens funksjoner til å justere og tilpasse fargene på utskriftene. Quality (Kvalitet), meny Print Mode (Utskriftsmodus)

Detaljer

Derivasjon Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 2. september 2011

Derivasjon Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 2. september 2011 Derivasjon Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 2. september 20 Kapittel 3.7. Derivasjon av inverse funksjoner 3 Derivasjon av inverse til deriverbare funksjoner

Detaljer

Matematikk 1 (TMA4100)

Matematikk 1 (TMA4100) Matematikk 1 (TMA4100) Forelesning 7: Derivasjon (fortsettelse) Eirik Hoel Høiseth Stipendiat IMF NTNU 23. august, 2012 Den deriverte som momentan endringsrate Den deriverte som momentan endringsrate Repetisjon

Detaljer

Institutt for informatikk Universitetet i Oslo

Institutt for informatikk Universitetet i Oslo Informasjon fra IT-driftsgruppen Lokalguidetilfargeri L A TEX Dag Langmyhr 18. november 2010 Institutt for informatikk Universitetet i Oslo Innhold 1 Angivelse av farger 1 2 Brukavfarger 2 2.1 Fargettekst...

Detaljer

Dagens temaer. Endelig lengde data. Tema. Time 11: Diskret Fourier Transform, del 2. Spektral glatting pga endelig lengde data.

Dagens temaer. Endelig lengde data. Tema. Time 11: Diskret Fourier Transform, del 2. Spektral glatting pga endelig lengde data. Dagens temaer Time : Diskret Fourier Transform, del Andreas Austeng@ifi.uio.no, INF37 Institutt for informatikk, Universitetet i Oslo Spektral glatting pga endelig lengde data Bruk av en Frekvensestimering

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Hashtabeller. Lars Vidar Magnusson Kapittel 11 Direkte adressering Hashtabeller Chaining Åpen-adressering

Hashtabeller. Lars Vidar Magnusson Kapittel 11 Direkte adressering Hashtabeller Chaining Åpen-adressering Hashtabeller Lars Vidar Magnusson 12.2.2014 Kapittel 11 Direkte adressering Hashtabeller Chaining Åpen-adressering Dictionaries Mange applikasjoner trenger dynamiske sett som bare har dictionary oparsjonene

Detaljer

Grunnleggende Grafalgoritmer

Grunnleggende 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

Detaljer

Konvolusjon og filtrering og frevensanalyse av signaler

Konvolusjon og filtrering og frevensanalyse av signaler Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33505 Bildebehandling og mønstergjenkjenning Laboppgave nr 2 Konvolusjon og filtrering og frevensanalyse av signaler Sarpsborg 21.01.2005 20.01.05

Detaljer

KONTINUASJONSEKSAMEN I EMNE TDT4195 BILDETEKNIKK ONSDAG 13. AUGUST 2008 KL. 09.00 13.00

KONTINUASJONSEKSAMEN I EMNE TDT4195 BILDETEKNIKK ONSDAG 13. AUGUST 2008 KL. 09.00 13.00 Side 1 av 5 NTNU Norges teknisk-naturvitenskapelige universitet Fakultet for informasjonsteknologi, matematikk og elektroteknikk Institutt for datateknikk og informasjonsvitenskap KONTINUASJONSEKSAMEN

Detaljer

kap. 8.6 Computational Geometry Hovedkapittelet (kap. 8) dreier seg generelt om devide-and-conquer eller splitt og hersk :

kap. 8.6 Computational Geometry Hovedkapittelet (kap. 8) dreier seg generelt om devide-and-conquer eller splitt og hersk : INF 4130, 17. november 2011 kap. 8.6 Computational Geometry Stein Krogdahl Hovedkapittelet (kap. 8) dreier seg generelt om devide-and-conquer eller splitt og hersk : Splitt problemet opp i mindre problemer.

Detaljer

Histogramprosessering

Histogramprosessering 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

Detaljer

Fourier-Transformasjoner

Fourier-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.

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. Kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling INF 2310 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Temaer i dag Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for

Detaljer

Fakta om fouriertransformasjonen

Fakta 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

Detaljer

Grafisk pakke dataseminar ARK6 12.feb 2008

Grafisk pakke dataseminar ARK6 12.feb 2008 Farger Fonter Raster og vektor Filtyper Komprimering Programmer FARGER : RGB-SKJERM - additiv fargemodell beregnet for bruk i skjerm, scanner og digitalkamera - Ulikt forhold mellom Rød, Grønn og Blå skaper

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamensdag: 13. desember 2011 Tid for eksamen: 14.30 18.30 Oppgavesettet er på 7 sider. Vedlegg: INF2220 lgoritmer og datastrukturer

Detaljer

Design. Manual. Mynte Medier. Svein Erik Rusten

Design. Manual. Mynte Medier. Svein Erik Rusten Design Manual Svein Erik Rusten 2. Innhold Logo Mynte medier logoen Logo Farger typografi 3 6 8 Logoen er bygged opp av de to forbokstavene i med spesialtegnede M er inne i en boks, med bedriftens navn

Detaljer

INF-MAT5370. Grafer og datastrukturer

INF-MAT5370. Grafer og datastrukturer INF-MAT5370 Grafer og datastrukturer Øyvind Hjelle oyvindhj@simula.no, +47 67 82 82 75 Simula Research Laboratory, www.simula.no August 3, 2009 Innhold Kort om grafer Topologiske operatorer og operasjoner,

Detaljer

Biseksjonsmetoden. biseksjonsmetode. Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt

Biseksjonsmetoden. biseksjonsmetode. Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt Biseksjonsmetoden Den første og enkleste iterativ metode for ikke lineære likninger er den så kalt biseksjonsmetode. Gitt en intervall [a, b] hvor f skifter fortegn, vi halverer [a, b] = [a, b + a 2 ]

Detaljer

SCANNING OG REPARASJON AV GAMLE BILDER Jessheim bibliotek 21. august 2007. Minikurs. Adobe Photoshop Elements. v/ Randi Lersveen - Krem reklame

SCANNING OG REPARASJON AV GAMLE BILDER Jessheim bibliotek 21. august 2007. Minikurs. Adobe Photoshop Elements. v/ Randi Lersveen - Krem reklame 1 Minikurs v/ Randi Lersveen - Krem reklame Adobe Photoshop Elements Viktige begrep for digitale bilder 2 FARGER (mode) Bitmap: Grayscale: RGB-color: CMYK: Bildet inneholder kun sorte og hvite punkter

Detaljer

Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen. Digitalt verktøy for Sigma 1T. Casio fx 9860

Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen. Digitalt verktøy for Sigma 1T. Casio fx 9860 Øgrim Bakken Pettersen Skrindo Thorstensen Thorstensen Digitalt verktøy for Casio fx 9860 Innhold 1 Innstillinger 4 2 Regning 5 2.1 Regnerekkefølge................................ 5 2.2 Tallet π.....................................

Detaljer

Skanning og avfotografering v/jim-arne Hansen. Grand Nordic Hotell, Tromsø 14. mai 2009

Skanning og avfotografering v/jim-arne Hansen. Grand Nordic Hotell, Tromsø 14. mai 2009 v/jim-arne Hansen Grand Nordic Hotell, Tromsø 14. mai 2009 Innhold: Innledning Tekniske begreper og faguttrykk Formater krav til formater Skanneteknologi: Flatbedskanner Trommelskanner Filmskanner Digitaliseringsbord

Detaljer

Funksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 18. august 2011

Funksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 18. august 2011 Funksjoner Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 8. august 20 2 Definisjon av funksjon Definisjon En funksjon er en regel f som til et hvert tall i definisjonsmengden

Detaljer

Morfologi i Binære Bilder II

Morfologi 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

Detaljer

Løsningsforslag AA6524/AA6526 Matematikk 3MX Elever/Privatister - 7. desember eksamensoppgaver.org

Løsningsforslag AA6524/AA6526 Matematikk 3MX Elever/Privatister - 7. desember eksamensoppgaver.org Løsningsforslag AA654/AA656 Matematikk 3MX Elever/Privatister - 7. desember 005 eksamensoppgaver.org eksamensoppgaver.org Om løsningsforslaget Løsningsforslaget for matematikk eksamen i 3MX er gratis,

Detaljer

Funksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 19. august 2010

Funksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 19. august 2010 Funksjoner Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 9. august 200 2 Funksjon som en maskin x Funksjon f f(x) 3 Definisjon- og verdimengde x f(x) 4 Funksjon som en

Detaljer

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser Temaer i dag : INF 4 Farger og fargerom Fargesyn og deteksjon av farge 2 Digitalisering av fargebilder 3 Fargerom - fargemodeller 4 Overganger mellom fargerom 5 Fremvisning av fargebilder 6 Fargetabeller

Detaljer

Fremdriftplan. I går. I dag. 1.1 Funksjoner og deres grafer 1.2 Operasjoner av funksjoner

Fremdriftplan. I går. I dag. 1.1 Funksjoner og deres grafer 1.2 Operasjoner av funksjoner 1 Fremdriftplan I går 1.1 Funksjoner og deres grafer 1.2 Operasjoner av funksjoner I dag 1.3 Trigonometriske funksjoner 1.4 Eksponentialfunksjoner 1.5 Omvendte funksjoner, logaritmiske funksjoner, inverse

Detaljer

INF 1040 Farger og fargerom

INF 1040 Farger og fargerom INF 14 Farger og fargerom Temaer i dag : 1. Fargesyn og deteksjon av farge 2. Digitalisering av fargebilder 3. Fargerom - fargemodeller 4. Overganger mellom fargerom 5. Fremvisning av fargebilder 6. Fargetabeller

Detaljer

PDF- og fargestyring. Onsdag 18. april. Hanne Josefsen

PDF- og fargestyring. Onsdag 18. april. Hanne Josefsen PDF- og fargestyring Onsdag 18. april v/ Hanne Josefsen Hanne Josefsen 1 er et samarbeid mellom: Aktietrykkeriet AS Aller Trykk AS Hjemmet Mortensen Trykkeri AS Color Print Norge AS I heatset rotasjon

Detaljer

Bruk fargemenyen til å justere utskriftskvaliteten og tilpasse fargeutskrifter. Velg et menyelement hvis du vil ha mer informasjon:

Bruk fargemenyen til å justere utskriftskvaliteten og tilpasse fargeutskrifter. Velg et menyelement hvis du vil ha mer informasjon: Bruk fargemenyen til å justere utskriftskvaliteten og tilpasse fargeutskrifter. Velg et menyelement hvis du vil ha mer informasjon: Fargejustering Utskriftsoppløsning 1 Manuell farge Utskriftsmodus Mørkhet

Detaljer

Eksamen i TMA4123/TMA4125 Matematikk 4M/N

Eksamen i TMA4123/TMA4125 Matematikk 4M/N Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 Faglig kontakt under eksamen: Anne Kværnø: mobil 92663824 Eksamen i TMA423/TMA425 Matematikk 4M/N Bokmål Mandag 2.

Detaljer

Lars Vidar Magnusson Kapittel 13 Rød-Svarte (Red-Black) trær Rotasjoner Insetting Sletting

Lars Vidar Magnusson Kapittel 13 Rød-Svarte (Red-Black) trær Rotasjoner Insetting Sletting Rød-Svarte Trær Lars Vidar Magnusson 21.2.2014 Kapittel 13 Rød-Svarte (Red-Black) trær Rotasjoner Insetting Sletting Rød-Svarte Trær Rød-Svarte trær (red-black trees) er en variasjon binære søketrær som

Detaljer

INF1040 Digital representasjon Oppsummering 2008 del II

INF1040 Digital representasjon Oppsummering 2008 del II INF igital representasjon Oppsummering 8 del II Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I - W/m,tilSmerteterskelen, W/m Oftest angir vi ikke absolutt lydintensitet

Detaljer

Lars Vidar Magnusson

Lars Vidar Magnusson B-Trær Lars Vidar Magnusson 5.3.2014 Kapittel 18 B-trær Standard operasjoner Sletting B-Trær B-trær er balanserte trær som er designet for å fungere bra på sekundære lagringsmedium e.g. harddisk. Ligner

Detaljer

INF1040 Digital representasjon Oppsummering 2008 del II

INF1040 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

Detaljer

Temaer i dag. Repetisjon av histogrammer I. Gjennomgang av eksempler. INF2310 Digital bildebehandling. Forelesning 5. Pensum: Hovedsakelig 3.

Temaer 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

Detaljer

TDT4105/TDT4110 Informasjonsteknologi grunnkurs:

TDT4105/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

Detaljer

PhotoShop Grunnleggende ferdigheter

PhotoShop Grunnleggende ferdigheter PhotoShop Grunnleggende ferdigheter Kurs for ansatte DMMH februar/mars 2009 Versjon 2 Svein Sando Åpne og lagre Åpne: to varianter File Open Ctrl+O Lagre: to varianter File Save Ctrl+S Lagre som: to varianter

Detaljer

INF 1040 Farger og fargerom. Motivasjon. Litt fysikk om lyskilder. Fargen på lyset. Vi oppfatter bare ca 50 gråtoner samtidig

INF 1040 Farger og fargerom. Motivasjon. Litt fysikk om lyskilder. Fargen på lyset. Vi oppfatter bare ca 50 gråtoner samtidig INF 4 Farger og fargerom Temaer i dag : Fargesyn og deteksjon av farge 2 Digitalisering av fargebilder 3 Fargerom - fargemodeller 4 Overganger mellom fargerom (se kompendiet) 5 Fremvisning av fargebilder

Detaljer