INF 1040 høsten 2009: Oppgavesett 13 Kompresjon og koding (løsningsforslag) (kapittel 18) Tenk selv -oppgaver
|
|
- Ole-Kristian Holte
- 6 år siden
- Visninger:
Transkript
1 IN høsten : Oppgavesett Kompresjon og koding (løsningsforslag) (kapittel ) Tenk selv -oppgaver. Heksadesimal Sudoku Vi har en kvadratisk matrise med * elementer som igjen er delt opp i * blokker på * elementer. I hvert element står et heksadesimalt siffer som for eksempel kan være en koding for en gråtone, en farge i en fargetabell, eller rett og slett et heltall. I alle linjer, kolonner og blokker skal alle de heksadesimale sifrene være forskjellige fra hverandre, slik som i eksemplet i figuren. a) Hvor mange biter trenger vi for å løpelengdetransformere det unormaliserte histogrammet for hele matrisen? lle de heksadesimale sifrene forekommer ganger, så det unormaliserte histogrammet består av kolonner som alle har verdien. Løpelengderepresentasjonen av dette er (,), som trenger += biter. b) Hvordan ser det normaliserte histogrammet for hele matrisen ut? et normaliserte histogrammet består også av kolonner, hver med verdien fra det unormaliserte histogrammet (som var ) dividert med summen av alle kolonnene i det unormaliserte histogrammet (som er *), altså /. c) Hva er forskjellen i første ordens entropi H mellom en linje i matrisen og hele matrisen? N: Vi angir ikke her formelen for H.
2 Her trenger man faktisk ikke å huske hvordan første ordens entropi regnes ut, bare at den kun er basert på det normaliserte histogrammet. Og det normaliserte histogrammet for en linje er det samme som for hele matrisen. ølgelig er forskjellen i første ordens entropi lik null. d) Hvor stor er kodingsredundansen hvis vi representerer alle sifrene i matrisen med bits kodeord? egrunn svaret kort! Vi har forskjellige siffer, altså trenger vi biter per siffer hvis kodeordene er like lange. et normaliserte histogrammet består av kolonner med verdien /. et gir en første ordens entropi H=*(/)log ()=. Så kodingsredundansen ved å bruke biter per symbol er lik null. et holder også å vise til at alle symbolene er like sannsynlige, for da er kodingsredundansen ved like lange koder generelt lik.. Huffmankoding av en spesiell tekst Hvorfor kan vi si at den gjennomsnittlige lengden på kodeordene vil bli lik entropien når vi Huffman-koder utsagnet digital overalt!? Vi har i alt, men bare forskjellige, og hyppighetene er enten (i,t,a,l) eller (d,g,,o,v,e,r,!). Så alle de N= sannsynlighetene kan skrives som brøker der telleren er og nevneren er en toerpotens ( eller ). ltså kan sannsynlighetene for hvert symbol uttrykkes som for heltalls verdier av k. ntropien til hvert symbol uttrykt i biter er jo gitt som h i = - p(s i ) log (p(s i )). Setter vi inn uttrykket for p(s i ) ovenfor får vi at h i = (/ k ) log (/ k ) = (/ k ) (log () log ( k )) = (/ k ) ( k) = k/ k der k er et heltall. p( s i ) = k ermed har vi vist at i dette tilfellet blir de ideelle lengdene av kodeordene gitt ved entropien sammenfallende med de faktiske kodeordlengdene b i som alltid er heltall. ermed har vi at N N R = p( si ) bi = p( si )log( p( si )) = H i= i=
3 . Huffmankoding med kjente sannsynligheter Gitt en sekvens av symboler som er tilstrekkelig lang, og som inneholder de symbolene,,,,,. Symbolene forekommer med sannsynligheter Symbol Sannsynlighet a) inn kodeboken for en Huffman-koding av disse symbolene. b) Hva er gjennomsnittlig antall biter pr. symbol i sekvensen etter Huffman-kodingen? c) Hva er entropien til symbol-sekvensen? ørst sorterer vi symbolene etter sannsynlighet (merkert med grønt), grupperer så de to-og-to minst sannsynlige, og slår sammen sannsynlighetene (markert med blått). Tilordner så bit nedenfra og oppover(markert med rødt): Symbol Sannsynlighet ette gir oss følgende tabell ofte kalt kodebok : : : : : : : Gjennomsnittlig kodelengde blir summen av produktene av sannsynlighet og kodelengde: R =.*+.*+.*+.*+.*+.* = =. biter pr. symbol. ntropien er gitt fra tabellen over sannsynlighetene for hvert symbol: H=. Vi ser at gjennomsnittlig kodelengde pr symbol er større enn entropien, så er Huffman-kodingen i dette tillfellet ikke helt optimal.
4 . Kodeboken til en Huffmankoding inn kodeboken for en Huffman-koding av igital overalt!, og opp kodeboken som en tre-struktur. r denne forskjellig fra det du ville fått med en Shannon-ano koding? et sorterte histogrammet og kodeboken blir som vist i tabellen nedenfor I T L G O V R! Se på tre-strukturen nedenfor og sammenlign med histogrammet ovenfor. Vi slår sammen (R og!) til, (V og ) til to, (O og ^) til ( og G) til Nå har vi symboler eller sammenslåtte symboler med hyppighet. Ved fire sammenslåinger har vi fire samlinger med hyppighet. eretter får vi samlinger med hyppighet, og endelig alle symbolene på toppen av strukturen. Så setter vi bit-verdiene og på alle forgreningene, til venstre og til høyre. Og deretter kan vi lese kodeordet for hvert symbol nedenfra og oppover i trestrukturen, med bakerste bit først, for eksempel V =. Resultatet er her akkurat det samme som en av mange mulige løsninger vi ville fått med Shannon-ano. I T L G ^ O V R!
5 . Huffmankoding av en oppgitt tekst enne setningen skal kodes. a) Hvordan ser kodeboken for en Huffman-koding ut? b) Hva er gjennomsnittlig antall biter pr. symbol etter kodingen? c) Hvordan ser bitstrømmen for symbol-sekvensen ut etter koding? are så det er helt klart: Her er det setningen enne setningen skal kodes som skal analyseres og kodes. Vi må ta med blanke mellom ordene for at motatt bitstrøm skal bli lesbar. Tegnene forekommer med følgende HYPPIGHT: N S T I G K L O Sortert på hyppighet (vi trenger ikke regne ut sannsynligheten (relativ frekvens): N S K T I G L O Merk: Her er det mange bokstaver med lik hypplighet. vhenger av hvordan man stokker/sorterer de bokstavene som har lik hyppighet, kan vi få forskjellig kode. Kodelengdene blir imidlertid de samme (gjennomsnittlig). Vi får en kodebok som er gitt i de to første kolonnene nedenfor: symbol kode kodelengde hyppighet Produkt N S K T I G L O sum Lengden av hvert kodeord er gitt i tredje kolonne i tabellen. Multipliserer vi dette med hyppighetene for hvert symbol og summerer, kommer vi til bits. biter fordelt på symboler gir oss et gjennomsnitt på. bits/symbol. itstrømmen blir da Her er kodeordene for hvert symbol adskilt med en blank for å øke lesbarheten. I virkeligheten mottas denne setningen som
6 . Vi har gitt følgende bilde: a. inn Huffman-kodingen av dette bildet. Hvor mange bits blir det per piksel i gjennomsnitt etter koding hvis vi ser bort fra at vi trenger plass til å lagre kodeboken? Vi har følgende forekomster, først i rekkefølge etter symbolverdiene, deretter sortert. Slår sammen først og, så dette med, så og sammen, så dette med resten, som vist i grafen nedenfor: : : : : : : : : : : Huffman-kodene blir da (her er det flere mulige riktige løsninger!): : : : : : Og det gjennomsnittlige antall bits pr piksel etter koding blir (*+*)/=(+)/=/=. bits per piksel. b. Ved differansetransform tar vi differansen mellom et piksel og dets nabo til venstre. Siden pikslene lengst til venstre i bildet ikke har noen venstre nabo, beholder vi pikselverdien her. inn differanse-transformen av bildet ovenfor. tter differansetransform vil bildet se slik ut:
7 c. inn så Huffman-koden for det differansetransformerte bildet, slik at du kan beregne det gjennomsnittlige antall bits per piksel for det differansetransformerte bildet. Vi har følgende forekomster, først i rekkefølge etter symbolverdiene, deretter sortert. Slår sammen først - og, så dette med, så dette med, som vist i grafen nedenfor: : : : : : -: -: : Huffman-kodene blir da (her er det igjen flere mulige riktige løsninger!): : : -: : Og det gjennomsnittlige antall bits pr piksel etter differansetransform og Huffmankoding blir (+*+*)/=(++)/=/=... bits per piksel. ltså færre bits pr symbol ved å gjøre differansekoding først og så Huffman, enn med bare Huffman. d. ntropien til bildet vi startet med i forrige oppgave er. biter. Hvorfor ble det gjennomsnittlige antall biter per piksel større enn entropien i deloppgave a), men mindre enn. i deloppgave c)? ntropien beregnet fra histogrammet til bildet er en nedre grense for hvor kompakt bildet kan kodes, hvis vi bare ser på ett piksel av gangen. enne grensen er bare mulig å oppnå hvis alle sannsynlighetene i det normaliserte histogrammet er av typen /k, der k er et heltall. ette kravet er ikke oppfylt her. erfor er ikke Huffman-transformen optimal, og vi får et gjennomsnittlig antall bits i deloppgave a som er litt større enn entropien. I deloppgave c ser vi ikke bare på ett piksel av gangen, men på differansen mellom to og to piksler. a kan vi kode mer kompakt enn det som er gitt av entropien for enkelt-piksler.. n fax-oppgave a) nta at en telefonsamtale har en båndbredde på khz, og at det analoge signalet samples i henhold til Nyqvist-kriteriet. nta også at det er mulige lydnivåer i hvert sample. Hvor stor overføringskapasitet må vi ha på telefon-linjen, uttrykt i k/s, når vi bruker naturlig bitkoding av amplituden? Nyqvist-kriteriet sier at vi skal sample med minst det doble av den høyeste frekvensen som finnes i signalet, dvs * khz = Hz.
8 Vi trenger biter til en naturlig bitkode for forskjellige amplitudeverdier. Vi får da ganske enkelt sampler/s * biter/sampel = biter/s = k/s b) nta at det er G= forskjellige nivåer på amplituden til hvert sample, og at når vi sorterer dem etter hvor ofte de forekommer i en telefon-samtale, så finner vi i dette spesielle tilfellet at sannsynlighetene er ½, ¼, /, /,, /, /, /. Hvor mange slike telefonsamtaler kan vi overføre i parallell på en kbits/s ISN-linje med Huffman-koding av amplitudene? Hint : ntropien er gitt ved H = G i= essuten: Og til slutt: p i log p i ( ) log(teller/nevner) = log(teller) log(nevner) log ( n ) = n Hint : Summen ½+/+/ +/+/ + konvergerer raskt mot. Her er det ikke nødvendig å finne Huffman-koden. Vi har terpet at en Huffman-koding der alle sannsynlighetene kan skrives som brøker der telleren er og nevneren er en toer-potens er optimal i den forstand at det gjennomsnittlige antall bits per sample er lik entropien til signalet. ntropien er her gitt ved H = - (½ log (/) +/ log (/) + / log (/) + ) (se Hint ) = ½ + / + / + = (som angitt i Hint ovenfor). et gjennomsnittlige antall bits per sampel blir altså bare bits/sampel. ntall samtaler blir: bits/s /( sampler/s * bits/sampel) =. c) t ark med tekst og enkle strekinger skal sendes pr digital fax over en modemlinje med kapasitet på biter/sekund. Vi bruker en standard fax med fotosensorer per linje og linjer per side. axmaskinen gjør en terskling av bildet av siden. Hvor lang tid tar det å overføre en side uten kompresjon? tter terskling trenger vi selvsagt bit per piksel for å representere og. bit/piksel * piksler/linje * linjer/side = bits/side. bits/side / bits/sekund = sekunder = min s. d) nta at vi hadde kunnet gjøre tekstgjenkjenning på den delen av arket som inneholder tekst, og representert symboler og mellomrom med bits SII. nta at det maksimalt er pr linje og linjer pr side. nta også at vi kunne beskrevet strekingene som maksimalt rektangler per side, og at sidene på rektanglene er parallelle med kantene på siden. Gi et worst case estimat av hvor mange biter du vil trenge for å beskrive innholdet på siden med en oppløsning som svarer til faxens oppløsning, og hvor lang tid det vil ta å overføre dette over modemlinjen.
9 or å representere et rektangel og dets plassering trengs følgende: en koordinat for et punkt på rektanglet, f eks øverste venstre hjørne rektanglets bredde og rektanglets høyde Kordinatene for øvre venstre hjørne til et rektangel vil ligge mellom (,) og (,). et betyr at begge koordinatene krever biter (). et samme gjelder høyde og bredde. Til sammen blir dette * biter = biter. a blir regnestykket slik: rektangler biter/rektangel* rektangler = biter * * biter/ = biter Worst case er altså at vi trenger biter pr side. Med en overføringskapasitet på bits/sekund tar dette t = biter / biter/s =, sekunder. e) Vi vil gjerne undersøke hvor mye det er å spare på å separere SII fra alt annet i en fax, og sende bits SII kode for hvert, mens resten sendes ukomprimert uansett hva det er. Hvis halvparten av hver side i gjennomsnitt er SII-, hvor mye sparer vi da i forhold til ordinær fax? ( biter/ * / + bit/pixel **/ piksler)/(*) = ( + ) / =, Vi sparer altså %-.% =.%. f) Utsnittet på * piksler av et binært bilde nedenfor kan representeres med biter. Ser vi på runlength-representasjonen av det samme utsnittet, finner vi at det består av runs med lengder mellom og piksler. Hvis vi bruker biter på hver, blir dette biter. Imidlertid er det mulig å gjøre dette litt mer kompakt ved å Huffman-kode de løpelengdene. Ved løpelengdetransformasjon av binære bilder trenger vi ikke å lagre tallpar (gråtone, løpelengde) slik som for gråtonebilder. Vi trenger bare løpelengdene, for det er bare to mulige intensitetsverdier. Løpelengdene finnes i tabellen til høyre. inn Huffmann-koden til løpelengdene i tabellen til høyre over, og finn det totale antall biter etter koding av løpelengdene.
10 Nedenfor har vi løpelengde, lengden på hvert kodeord, kodeordet, og antall forekomster av hver løpelengde. Og helt til høyre kodetreet. Og det totale antall bits etter koding blir *+*+*+*=+++= biter. Prøv selv -oppgaver. Kompresjon med diverse JV-programmer a) Se på bildene a.png, a.png og a.png som ligger på /ifi/midgard/k/inf/www_docs/bilder/. Prøv å komprimere bildene med JV-programmene ntropy, eltancoder, HuffmanTest og RunLengthncoder. isse programmene har du tilgang til hvis du fikk satt riktig LSSPTH i tidligere oppgaver). Sammenlign entropien for de tre bildene. (java ntropy a.png) Hvilket bilde har høyest entropi? Hvordan stemmer dette med det du trodde ved å se på bildene? ildet a.png har entropi., a.png., og a.png.. ildet a.png har lite støy, så øker støyen og blir størst i a.png. ette gjenspeiler seg i entropien, som øker med graden av støy. b) Sammenlign kompresjonsraten med differansekoding (eltancoder), Huffman-koding og run-length koding for de ulike bildene. Med differansekoding får a.png kompresjonsrate på., a.png., og a.png.. Vi ser altså at a.png og a.png tar mer plass ved binærlagring av differansetransformert bilde. Merk at vi ofte kombinerer differansetransform med annen koding, f.eks. Huffman. Med Huffman-koding får a.png kompresjonsrate., a.png. og a.png.. Igjen størst kompresjonsrate for bildet med lite støy. Med Run-length-koding får vi kompresjonsrate. for a.png,. for a.png, og. for a.png. Virker altså ypperlig for det støyfrie bildet, men dårlig i støyfylte bilder.
Løsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I
Løsningsforslag, Ukeoppgaver 9 INF2310, våren 2009 6. Vi har gitt følgende bilde: kompresjon og koding del I 1 0 1 2 2 2 3 3 3 1 1 1 2 1 1 3 3 3 1 0 1 1 2 2 2 3 3 2 1 2 2 3 2 3 4 4 2 1 2 3 2 2 3 4 4 2
DetaljerLøsning av øvingsoppgaver, INF2310, 2005, kompresjon og koding
Løsning av øvingsoppgaver, INF230, 2005,. Vi har gitt følgende bilde: kompresjon og koding 0 2 2 2 3 3 3 2 3 3 3 0 2 2 2 3 3 2 2 2 3 2 3 4 4 2 2 3 2 2 3 4 4 2 2 2 3 3 3 4 3 4 a. Finn Huffman-kodingen av
DetaljerINF 1040 Løsningsforslag til kapittel
INF 040 Løsningsforslag til kapittel 8 Oppgave : Huffmankoding med kjente sannsynligheter Gitt en sekvens av symboler som er tilstrekkelig lang, og som inneholder de 6 symbolene A, B, C, D, E, F. Symbolene
DetaljerLøsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I
Løsningsforslag, Ukeoppgaver 9 INF23, våren 2 6. Vi har gitt følgende bilde: kompresjon og koding del I 2 2 2 3 3 3 2 3 3 3 2 2 2 3 3 2 2 2 3 2 3 4 4 2 2 3 2 2 3 4 4 2 2 2 3 3 3 4 3 4 a. Finn Huffman-kodingen
DetaljerINF 1040 høsten 2009: Oppgavesett 13 Kompresjon og koding (kapittel 18)
asitoppgaver IN høsten : Oppgavesett Kompresjon og koding (kapittel ) enne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. et er ikke nødvendigvis meningen
DetaljerLøsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II
Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II 1. En fax-oppgave: a. Et ark med tekst og enkle strektegninger skal sendes pr digital fax over en modemlinje med kapasitet
DetaljerUNIVERSITETET I OSLO
okmål ksamen i IN igital representasjon. des. UNIVRSITTT I OSLO et matematisk-naturvitenskapelige fakultet ksamen i : IN igital representasjon ksamensdag : Onsdag. desember Tid for eksamen :.. Oppgavesettet
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : 4:3 8:3 Oppgavesettet er på : 5 sider Vedlegg : Ingen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 007 Tid for eksamen : 09:00 1:00 Oppgavesettet er på : 5 sider
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Mandag 1. juni 2015 Tid for eksamen: 14:30 18:30 Oppgavesettett er på: 6 sider Vedlegg:
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 13:00 Oppgavesettet er på: 6 sider Vedlegg:
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : :3 8:3 Løsningsforslaget er på : 9
DetaljerKOMPRESJON OG KODING
KOMPRESJON OG KODING Et kapittel fra boken Fritz Albregtsen & Gerhard Skagestein Digital representasjon av tekster, tall former, lyd, bilder og video 2. utgave Unipub 2007 - Med enkelte mindre endringer
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 2007 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : 5 sider
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Oppgavesettet er på : 7 sider
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 4. juni 2008 Tid for eksamen : 14:30 17:30 (3 timer) Oppgavesettet er på
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF210 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 1:00 Løsningsforslaget
DetaljerUNIVERSITETET I OSLO. Dette er et løsningsforslag
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF231 Digital bildebehandling Eksamensdag : Onsdag 3. juni 29 Tid for eksamen : 14:3 17:3 Løsningsforslaget er på :
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Torsdag 7. desember 2006 Tid for eksamen : 09.00 12.00 Oppgavesettet er
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Hvor mye informasjon inneholder en melding? 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding
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
DetaljerTallsystemer. Tallene x, y, z og u er gitt ved x = 2, y = 2, z = 4 og u = 2. Dermed blir =
Tallsystemer Heltall oppgis vanligvis i det desimale tallsystemet, også kalt 10-tallssystemet. Eksempel. Gitt tallet 3794. Dette kan skrives slik: 3 1000 + 7 100 + 9 10 + 4 = 3 10 3 + 7 10 2 + 9 10 1 +
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Forelesning 11 Kompresjon og koding I Andreas Kleppe Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman Kompendium: Frem t.o.m. 18.7.2
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 3. juni 2009 id for eksamen : 14:30 17:30 Oppgavesettet er på : 6 sider
DetaljerTallsystemer. Tallene x, y, z og u er gitt ved x = 2, y = 2, z = 4 og u = 2. Dermed blir =
Tallsystemer Heltall oppgis vanligvis i det desimale tallsystemet, også kalt 10-tallssystemet. Eksempel. Gitt tallet 3794. Dette kan skrives slik: 3 1000 + 7 100 + 9 10 + 4 = 3 10 3 + 7 10 2 + 9 10 1 +
DetaljerAlle hele tall g > 1 kan være grunntall i et tallsystem.
Tallsystemer Heltall oppgis vanligvis i det desimale tallsystemet, også kalt 10-tallssystemet. Eksempel. Gitt tallet 3794. Dette kan skrives slik: 3 1000 + 7 100 + 9 10 + 4 = 3 10 3 + 7 10 2 + 9 10 1 +
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Noen begreper 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding 7. Lempel-Ziv koding 8. JPEG koding
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
DetaljerEksamen i INF 1040, 5. desember Det matematisk-naturvitenskapelige fakultet
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Fredag 5. desember 2008 Tid for eksamen : 09.00 12.00 Oppgavesettet er på
DetaljerKonvertering mellom tallsystemer
Konvertering mellom tallsystemer Hans Petter Taugbøl Kragset hpkragse@ifi.uio.no November 2014 1 Introduksjon Dette dokumentet er ment som en referanse for konvertering mellom det desimale, det binære,
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Noen begreper 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding 7. Lempel-Ziv koding 8. JPEG koding
DetaljerAlle hele tall g > 1 kan være grunntall i et tallsystem.
Tallsystemer Heltall oppgis vanligvis i det desimale tallsystemet, også kalt 10-tallssystemet. Eksempel. Gitt tallet 3794. Dette kan skrives slik: 3 1000 + 7 100 + 9 10 + 4 = 3 10 3 + 7 10 2 + 9 10 1 +
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : XXX sider
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 1. juni 2015 Tid for eksamen: 14:30 18:30 Løsningsforslaget
DetaljerAnvendelser. Noen begreper. Kompresjon
Anvendelser INF 30 Digital it ildeehandling dli 7.04.0 Kompresjon og koding Del I Tre steg i kompresjon Redundans Bildekvalitet Transformer Koding og entropi Shannon-Fano og Huffman GW: Kap. 8 unntatt
DetaljerEksamen i INF 1040, 5. desember Det matematisk-naturvitenskapelige fakultet. Ditt kandidatnr: DETTE ER ET LØSNINGSFORSLAG
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Fredag 5. desember 2008 Tid for eksamen : 09.00 12.00 Oppgavesettet er på
DetaljerModulo-regning. hvis a og b ikke er kongruente modulo m.
Modulo-regning Definisjon: La m være et positivt heltall (dvs. m> 0). Vi sier at to hele tall a og b er kongruente modulo m hvis m går opp i (a b). Dette betegnes med a b (mod m) Vi skriver a b (mod m)
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 4. juni 2008 Tid for eksamen : 14:30 17:30 (3 timer) Oppgavesettet er på
DetaljerUtkast med løsningshint inkludert UNIVERSITETET I OSLO
Utkast med løsningshint inkludert UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00
DetaljerDiskret matematikk tirsdag 13. oktober 2015
Eksempler på praktisk bruk av modulo-regning. Tverrsum Tverrsummen til et heltall er summen av tallets sifre. a = 7358. Tverrsummen til a er lik 7 + 3 + 5 + 8 = 23. Setning. La sum(a) stå for tverrsummen
DetaljerPLASS og TID IN 106, V-2001 KOMPRESJON OG KODING 30/ Fritz Albregtsen METODER ANVENDELSER
IN 106, V-2001 PLASS og TID Digitale bilder tar stor plass Eksempler: a 512 512 8 bits 3 farger 63 10 6 bits KOMPRESJON OG KODING 30/4 2001 b 24 36 mm fargefilm digitalisert ( x = y=12µm) 2000 3000 8 3
DetaljerINF1040 Digital representasjon Oppsummering 2008 del II
INF040 Digital representasjon Oppsummering 2008 del II Fritz Albregtsen INF040-Oppsum-FA- Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I 0 = 0-2 W/m 2,tilSmerteterskelen,0
DetaljerINF1040 Digital representasjon Oppsummering 2008 del II
INF igital representasjon Oppsummering 8 del II Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I - W/m,tilSmerteterskelen, W/m Oftest angir vi ikke absolutt lydintensitet
DetaljerEksamen i IN 106, Mandag 29. mai 2000 Side 2 Vi skal i dette oppgavesettet arbeide med et bilde som i hovedsak består av tekst. Det binære originalbil
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i IN 106 Introduksjon til signal- og bildebehandling Eksamensdag: Mandag 29. mai 2000 Tid for eksamen: 29. mai 2000 kl 09:0031.
DetaljerINF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11)
INF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det
DetaljerNorsk informatikkolympiade runde. Sponset av. Uke 46, 2016
Norsk informatikkolympiade 2016 2017 1. runde Sponset av Uke 46, 2016 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF23 Digital bildebehandling Eksamensdag : Fredag 7. juni 29 Tid for eksamen : 9: 3: (4 timer) Løsningsskissen er på : 8 sider
DetaljerINF 1040 Digital video digital bildeanalyse. Noen begreper. Kompresjon. Kompresjon. Dekompresjonsalgoritme. Kompresjonsalgoritme
INF 4 Digital video digital ildeanalyse Tema i dag :. Hvor mye informasjon inneholder en melding?. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding
DetaljerPrøve- EKSAMEN med løsningsforslag
Prøve- EKSAMEN med løsningsforslag Emnekode: ITD33514 Dato: Vår 2015 Hjelpemidler: Alle trykte og skrevne. Emne: Bildebehandling og mønstergjenkjenning Eksamenstid: 4 timers eksamen Faglærer: Jan Høiberg
DetaljerNorsk informatikkolympiade runde
Norsk informatikkolympiade 2016 2017 1. runde Sponset av Uke 46, 2016 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
DetaljerKompresjon. Noen begreper. Plass og tid. Kompresjon. Digitale data kan ta stor plass. Eksemper : Overføring av data tar tid: Dekompresjonsalgoritme
Kompresjon Noen egreper Kompresjonsalgoritme Dekompresjonsalgoritme Litteratur : Cyganski kap. 7 Compressing Information kap. 8 Image Compression kap. 9 Digital Video Data Kompresjon Lagring eller oversending
DetaljerFysisk Lag. Overføringskapasitet. Olav Lysne med bidrag fra Kjell Åge Bringsrud, Pål Spilling og Carsten Griwodz
Fysisk Lag Olav Lysne med bidrag fra Kjell Åge Bringsrud, Pål Spilling og Carsten Griwodz Fysisk Lag 1 Overføringskapasitet r Faktorer som påvirker kvalitet og kapasitet: m Forvrengning av signal gjennom
DetaljerAnvendelser. Kompresjon. Noen begreper. INF 2310 Digital bildebehandling
Anvendelser IF 3 Digital ildeehandling Kompresjon og koding Del I Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman GW: Kap. 8 unntatt 8..7, 8.., 8..6, 8.., 8.3 Kompresjon
DetaljerINF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver
INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver I disse oppgavene er det oppgitt fem svaralternativer der bare ett svar er riktig. 8. Fargerommet som brukes
DetaljerINF Algoritmer og datastrukturer
INF2220 - Algoritmer og datastrukturer HØSTEN 2017 Ingrid Chieh Yu Institutt for informatikk, Universitetet i Oslo Forelesning 4: Prioritetskø og Heap Ingrid Chieh Yu (Ifi, UiO) INF2220 H2017, forelesning
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Torsdag 7. desember 2006 Tid for eksamen : 09.00 12.00 Oppgavesettet er
DetaljerEKSAMEN. Bildebehandling og mønstergjenkjenning
EKSAMEN Emnekode: ITD33514 Dato: 18. mai 2015 Hjelpemidler: Alle trykte og skrevne. Emne: Bildebehandling og mønstergjenkjenning Eksamenstid: 4 timers eksamen Faglærer: Jan Høiberg Eksamensoppgaven: Oppgavesettet
DetaljerINF2220: Time 4 - Heap, Huffmann
INF0: Time 4 - Heap, Huffmann Mathias Lohne mathialo Heap (prioritetskø) En heap (også kalt prioritetskø) er en type binært tre med noen spesielle struktur- og ordningskrav. Vi har to typer heap: min-
DetaljerTDT4105/TDT4110 Informasjonsteknologi grunnkurs:
1 TDT4105/TDT4110 Informasjonsteknologi grunnkurs: Uke 38 Digital representasjon, del 2 - Representasjon av lyd og bilder - Komprimering av data Rune Sætre satre@idi.ntnu.no 2 Digitalisering av lyd Et
DetaljerAnvendelser. Noen begreper. Kompresjon. INF 2310 Digital bildebehandling
Anvendelser INF 30 Digital ildeehandling Kompresjon og koding Del I Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman Kompendium: Frem t.o.m. 8.7. + Appendiks B Kompresjon
DetaljerINF2810: Funksjonell Programmering. Huffman-koding
INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen & Erik Velldal Universitetet i Oslo 22. februar, 2013 Tema 2 Forrige uke Data-abstraksjon Lister av lister Tre-rekursjon Prosedyrer som datastruktur
DetaljerEksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Eksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Torsdag 1. juni 2017 Tidspunkt for eksamen:
DetaljerINF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 16 og 17) 13. Lagring av video på DVD
INF 040 høsten 2009: Oppgavesett 2 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 6 og 7) 3. Lagring av video på DVD a) Med en bitrate på 250 Mbit/s, hvor lang tidssekvens av en digital
DetaljerMAT1030 Plenumsregning 3
MAT1030 Plenumsregning 3 Ukeoppgaver Mathias Barra - 30. januar 2009 (Sist oppdatert: 2009-02-02 14:26) Plenumsregning 3 Oppgave 2.7 - Horners metode (a) 7216 8 : 7 8+2 58 8+1 465 8+6 3726. Svar: 3726
DetaljerINF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15)
INF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det er ikke nødvendigvis meningen
DetaljerIT1101 Informatikk basisfag 4/9. Praktisk. Oppgave: tegn kretsdiagram. Fra sist. Representasjon av informasjon binært. Ny oppgave
IT Informatikk basisfag 4/9 Sist gang: manipulering av bits I dag: Representasjon av bilde og lyd Heksadesimal notasjon Organisering av data i hovedminne og masselager (elektronisk, magnetisk og optisk
DetaljerLøsningsforslag Matematikk for ungdomstrinnet Del 1, Modul 1, 4MX130UM1-K
Løsningsforslag Matematikk for ungdomstrinnet Del 1, Modul 1, 4MX130UM1-K ORDINÆR EKSAMEN 11.1.009 Oppgave 1 a) En følge av parallellaksiomet er at samsvarende vinkler ved parallelle linjer er like store.
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Løsningsforslaget
DetaljerUNIVERSITETET I OSLO
Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet INF 160 Digital bildebehandling Eksamensdag: Mandag 12. mai - mandag 26. mai 2003 Tid for eksamen: 12. mai 2003 kl 09:00 26. mai
DetaljerINF2810: Funksjonell Programmering. Huffman-koding
INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen & Erik Velldal Universitetet i Oslo 22. februar, 2013 Tema 2 Forrige uke Data-abstraksjon Lister av lister Tre-rekursjon Prosedyrer som datastruktur
Detaljerda INF 2310 Digital bildebehandling
Ulike typer redundans da INF 2310 Digital bildebehandling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon av gråtonebilder JPEG-kompresjon av fargebilder Rekonstruksjonsfeil i
DetaljerHøgskoleni østfold EKSAMEN. ITD33506 Bildebehandling og monstergjenkjenning. Dato: Eksamenstid: kl 9.00 til kl 12.00
Or Høgskoleni østfold EKSAMEN Emnekode: Emne: ITD33506 Bildebehandling og monstergjenkjenning Dato: 25.11.2013 Eksamenstid: kl 9.00 til kl 12.00 Hjelpemidler: Læreboken, ett A4-ark skrevet på begge sider
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Fredag 4. desember 2009 Tid for eksamen : 09.00 12.00 Oppgavesettet er på : 11
DetaljerØgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen. Digitalt verktøy for Sigma 2P. Microsoft Excel
Øgrim Bakken Pettersen Skrindo Dypbukt Mustaparta Thorstensen Thorstensen Digitalt verktøy for Microsoft Excel Innhold 1 Om Excel 4 2 Regning 4 2.1 Tallregning................................... 4 2.2
DetaljerINF1040 Digital representasjon TALL
TALL Dagens plan: Tallsystemer (kapittel 6) Titallsystemet Det binære tallsystemet Det heksadesimale tallsystemet Representasjon av tall (kapittel 7) Heltall Negative tall Reelle tall Gray-kode (les selv!)
DetaljerEksamen i fag SIF8010 Algoritmer og Datastrukturer Tirsdag 14. Desember 1999, kl
Student nr.: Side 1 av 7 Eksamen i fag SIF8010 Algoritmer og Datastrukturer Tirsdag 14. Desember 1999, kl 0900-1500 Faglig kontakt under eksamen: Arne Halaas, tlf. 73 593442. Hjelpemidler: Alle kalkulatortyper
DetaljerINF 1040 Kompresjon og koding. Noen begreper. De tre stegene i kompresjon. Kompresjon. Dekompresjonsalgoritme. Kompresjonsalgoritme
INF 4 Kompresjon og koding Noen egreper Kompresjonsalgoritme Dekompresjonsalgoritme Tema i dag :. Noen egreper. Redundans Data Kompresjon Lagring eller oversending Dekompresjon Data. Differanse- og løpelengdetransformer
DetaljerGenerelle Tips. INF Algoritmer og datastrukturer. Åpen og Lukket Hashing. Hashfunksjoner. Du blir bedømt etter hva du viser at du kan
Generelle Tips INF2220 - lgoritmer og datastrukturer HØSTEN 2009 Institutt for informatikk, Universitetet i Oslo Du blir bedømt etter hva du viser at du kan Du må begrunne svar Du må ikke skrive av bøker
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
DetaljerFORELESNING 11. KOMPRESJON OG KODING I Andreas Kleppe. Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman
Anvendelser INF30 Digital ildeehandling FORELESNING KOMPRESJON OG KODING I Andreas Kleppe Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman Kompendium: Frem t.o.m.
DetaljerINF 1040 Kompresjon og koding. Noen begreper. De tre stegene i kompresjon. Kompresjon. Dekompresjonsalgoritme. Kompresjonsalgoritme
INF 4 Kompresjon og koding Noen egreper Kompresjonsalgoritme Dekompresjonsalgoritme Tema i dag :. Noen egreper. Redundans Data Kompresjon Lagring eller oversending Dekompresjon Data. Differanse- og løpelengdetransformer
DetaljerLøsningsforslag til kapittel 15 Fargerom og fargebilder
Løsningsforslag til kapittel 15 Fargerom og fargebilder Oppgave 1: Representasjon av et bilde Under har vi gitt et lite binært bilde, der svart er 0 og hvit er 1. a) Kan du skrive ned på et ark binærrepresentasjonen
DetaljerEksamensoppgave i TDT4120 Algoritmer og datastrukturer
Institutt for datateknikk og informasjonsvitenskap Eksamensoppgave i TDT0 Algoritmer og datastrukturer Faglig kontakt under eksamen Magnus Lie Hetland Telefon 98 5 99 Eksamensdato 9. august, 07 Eksamenstid
DetaljerINF1040 Oppgavesett 1: Tallsystemer og binærtall
INF1040 Oppgavesett 1: Tallsystemer og binærtall (Kapittel 1.1 1.4, 6, 7.2 7.3) Fasitoppgaver 1. Skriv tallene fra 1 10 til 20 10 som binærtall. 2. Skriv tallene fra 1 10 til 20 10 som heksadesimale tall.
DetaljerLøsningsforslag MATEMATIKK 1, MX130
Løsningsforslag ATEATIKK 1, X130 UTSATT EKSAEN 8. januar 2010 Oppgave 1 a) Alle flisene forutsettes å være like store. Vi tenker oss at sidekantene på flisene er 1 enhet lang og at arealet av hver flis
DetaljerØVINGER 2017 Løsninger til oppgaver. Øving 1
ØVINGER 017 Løsninger til oppgaver Øving 1.1. Frekvenstabell For å lage en frekvenstabell må vi telle antall observasjoner av hvert antall henvendelser. Siden antall henvendelser på en gitt dag alltid
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
DetaljerLØSNINGSFORSLAG, EKSAMEN I ALGORITMER OG DATASTRUKTURER (IT1105)
Norges teknisk naturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap Side 1 av 8 Faglig kontakt under eksamen: Magnus Lie Hetland LØSNINGSFORSLAG, EKSAMEN I ALGORITMER OG DATASTRUKTURER
DetaljerNorsk informatikkolympiade runde
Norsk informatikkolympiade 2017 2018 1. runde Sponset av Uke 46, 2017 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
DetaljerTALL. Titallsystemet et posisjonssystem. Konvertering: Titallsystemet binære tall. Det binære tallsystemet. Alternativ 1.
TALL Dagens plan: Tallsystemer (kapittel 6) Titallsystemet Det binære tallsystemet Det heksadesimale tallsystemet Representasjon av tall (kapittel 7) Heltall Negative tall Reelle tall Gray-kode (les selv!)
DetaljerPotenser og tallsystemer
1 Potenser og tallsystemer Mål for opplæringen er at eleven skal kunne regne med potenser og tall på standardform med positive og negative eksponenter og bruke dette i praktiske sammenhenger gjøre rede
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Tenkeonsdag i MAT-INF 1100 Modellering og beregninger. Dag: Onsdag 28. november 2012. Tid for moroa: 16:00 19:00. Oppgavesettet er på 9
DetaljerINF 1040 løsningsforslag til kapittel 17
INF 1040 løsningsforslag til kapittel 17 Oppgave 1: Bilder og histogrammer Her ser du pikselverdiene i et lite bilde. Kan du regne ut histogrammet til bildet, dvs. lage en tabell over hvor mange piksler
DetaljerKengurukonkurransen 2012
Kengurukonkurransen 2012 «Et sprang inn i matematikken» BENJAMIN (6. 8. trinn) Hefte for læreren BENJAMIN 3 poeng 1. Basil skrev HEIA KENGURU på en plakat. Bare like bokstaver ble skrevet med samme farge.
DetaljerNorsk informatikkolympiade runde. Sponset av. Uke 46, 2017
Norsk informatikkolympiade 2017 2018 1. runde Sponset av Uke 46, 2017 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
DetaljerINF1040 Digital representasjon
INF1040 Digital representasjon av tekster, tall, former, lyd, bilder og video Forelesere: Gerhard Skagestein Fritz Albregtsen Første forelesning: Onsdag 23. august 12:15 14:00, Sophus Lies Auditorium.
DetaljerPotenser og tallsystemer
8 1 Potenser og tallsystemer Mål for opplæringen er at eleven skal kunne regne med potenser og tall på standardform med positive og negative eksponenter og bruke dette i praktiske sammen henger gjøre rede
DetaljerMidtveiseksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Midtveiseksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Tirsdag 21. mars 2017 Tidspunkt
DetaljerNorsk informatikkolympiade 2012 2013 1. runde
Norsk informatikkolympiade 2012 2013 1. runde Uke 45, 2012 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler. Instruksjoner:
Detaljer