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

Størrelse: px
Begynne med side:

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

Transkript

1 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 7 Pseudo-farger og falske farger Læreboka, kapittel Motivasjon Vi kan skille mellom tusenvis av fargenyanser Farger gjør det lett å skille mellom objekter Både visuelt Og ved digital bildeanalyse Vi må Vite hvilket fargerom vi skal bruke til forskjellige oppgaver Kunne transformere fra ett fargerom til et annet Kunne lagre fargebilder rasjonelt og kompakt Kjenne teknikker for utskrift av fargebilder INF310-Farger-1 INF310-Farger- Fargen på lyset Lyset fra sola kan best beskrives ved strålingen fra et svart legeme med T 5780 K (Planck-kurve) Jorda ligger d m fra sola, og da er strålingen fra en kule med radius r m redusert til den irradiansen vi måler på toppen av jordatmosfæren: Synlig lys ligger mellom 04 og 07 µm Bølgelengden for maksimum i Planck-kurven er omvendt proporsjonal med T (Wien s lov) der λ max er gitt i µm 897 λ max T W / m / mu πhc M ( λ) hc 5 λkt λ e 1 r E0 ( λ) M ( λ) d Solar spectral irradiance wavelength, micrometers Fargen på lyset I jordatmosfæren absorberes mye stråling i UV og IR det meste av enkle molekyler Absorpsjonen er proporsjonal med luftmassen lyset må gå gjennom 1 m cos( Zenit-distansen, z, er gitt ved cos( z) sinϕ sinδ + cosϕ cosδ cosθ 360( DoY + 10) δ 34cos 365 θ 15(1 h) Φ bredde, δdeklinasjon, θtimevinkel Irradiansen i W/m /µm ved luftmasse m Lyset som slipper ned til bakken kan beskrives som hvitt z) INF310-Farger-3 INF310-Farger-4

2 Et prisme kan vise oss fargene i lyset Fargen på et objekt Rød Oransje Gul Grønn Cyan Blå Fiolett ~ nm ~ nm ~ nm ~ nm ~ nm ~ nm ~ nm Objektets farge bestemmes av Det lyset som faller på objektet Den andelen av dette lyset som reflekteres Dermed er fargen avhengig av Spektral-fordelingen til lyset som faller på objektet Spektralfordelingen til refleksjonen Refleksjonsegenskapene til objektet bestemmes av Kjemiske pigmenter Fysiske overflate-strukturer INF310-Farger-5 INF310-Farger-6 Fargesyn Tre-farge syn Retina er følsom for lys mellom 350 og 760 nanometer (nm) Fiolett: µm Blå: µm Grønn: µm Gul: µm Tre typer fargefølsomme tapper i retina: S - rundt 40 nm, (%) Dette er de mest sensitive tappene L - rundt 564 nm, (65%) M - rundt 534 nm, (33%) Oransje: µm Rød: µm Ved sterk infrarød stråling kan vi oppfatte stråling helt opp til nm som lys, selv om dette er varmestråling Tappene analyserer lyset, og finner den dominerende bølgelengden Simultane forskjeller ned til 1 nm i blå-grønt og gult kan sees, mens forskjellen må være minst 10 nm i dyp rødt og fiolett Dette betyr at vi kan skille mellom ca 100 rene farger Stavene (R) gir gråtone-syn Er ikke sensitive for rødt lys INF310-Farger-7 INF310-Farger-8

3 Tristimulus-verdier Tester for fargeblindhet Med normalt syn ser du tallene 45, 9, 6, 8 og 5 Fargen reduseres til tre verdier tristimulus-verdier Mengden av alle slike mulige verdier utgjør vårt perseptuelle fargerom Det er noen kombinasjoner av stimuli som ikke er mulige Vi kan ikke stimulere M-tappene uten å få noe respons fra S og L tappene samtidig En liten andel har nedsatt fargesyn eller er fargeblinde Grønnblindhet mer utbredt enn rødblindhet Oppfatter farger ved hjelp av to komponenter Ved rød-grønn fargeblindhet ser du tallet nederst til høyre INF310-Farger-9 INF310-Farger-10 Tre integraler gir RGB RGB primærfarger Lys fra en kilde med spektralfordeling E(λ) treffer et objekt med spektral refleksjonsfunksjon S(λ) Reflektert lys detekteres av tre typer tapper med spektral lysfølsomhetsfunksjon q i (λ) Tre analoge signaler kommer ut av dette: R G B E( λ) S( λ) q R E( λ) S( λ) q E( λ) S( λ) q ( λ) dλ G B ( λ) dλ ( λ) dλ Commision Internationale de l Eclairage, (CIE) (The International Commision of Illumination) har definert primærfargene: Blå: 4358 nm Grønn: 5461 nm Rød: 700 nm INF310-Farger-11 INF310-Farger-1

4 Kromatisitet CIE kromatisitetsdiagram X,Y,Z gir mengden av R,G og B En farge spesifises med trikromatiske koeffisienter: Mettede farger langs hestesko Mindre mettede inn mot midten Ser at x+y+z1 Den ene parameteren er valgt ekvivalent med luminositet X x X + Y + Z Y y X + Y + Z Z z X + Y + Z Pastellfarger nede til høyre Alle blandinger av N farger ligger innenfor N-kant med de N fargene som hjørner De to andre gir fargen Alle farger som har samme intensitet kan da gjengis i et -D kromatisitetsdiagram Alle mulige RGB-farger ligger innenfor markert trekant INF310-Farger-13 INF310-Farger-14 RGB detektorer RGB-kuben Lysfølsomhet for RGB-detektorer: 0,0,1 blå cyan La spektralfordelingen til lyset inn i kamera være C(λ) Tre tall bestemmer fargens posisjon i RGB-rommet: magenta Gråtonebilder: rgb hvit ci C( λ) ai ( λ) dλ, i r, g, b 1,0,0 0,0,0 svart rød gul grønn 0,1,0 Merk: fargene her er normaliserte slik at de ligger mellom 0 og 1 INF310-Farger-15 INF310-Farger-16

5 Bånd 1: R Eksempel RGB-bilde Bånd : G CMYK-fargemodellen CMYK- modellen er subtraktiv (start med hvitt, trekk fra farger) Alternativ til r,g,b som basisfarger er cyan, magenta, yellow (CMY-modeller) C 1 - R eller 55 - R hvis 8-bits ikke-normaliserte bilder M 1 - G 55 - G Y 1 - B 55 - B RGB er vanlig på display, men CMYK er vanlig på fargeprintere (K er ekstra komponent for svart) Egen komponent for svart fordi full verdi av C, M og Y gir mørk brunt og ikke svart På ulike printere ser også de rene fargene ulike ut når de skrives ut, så fargebilder forvrenges ofte ved utskrift Bånd 3: B RGB-bildet vist på skjerm INF310-Farger-17 INF310-Farger-18 RGB og CMY RGB og CMY er i prinsippet sekundærfarger for hverandre YIQ NTSC er standard for TV og video i USA Bruker fargesystemet YIQ Y beskriver luminans, I og Q er krominanskomponentene samme signalet brukes både på farge- og gråtoneskjermer Overgangen fra RGB til NTSC s YIQ : Luminans-komponenten Y 099*R *G *B Hue-komponenten I 0596*R 074*G 03*B Metnings-komponenten Q 011*R 053*B + 031*B RGB svart (0,0,0) gir NTSC Y0 RGB hvit (1,1,1) gir NTSC Y1 RGB grå (g,g,g) gir NTSC IQ0 INF310-Farger-19 INF310-Farger-0

6 Transformasjonene kan uttrykkes ved matrisemultiplikasjon: RGB og YIQ YCbCr-modellen Dette er fargemodellen for digital TV og video! Y er luminans (luma) Cb er blå minus luma (B-Y) Cr er rød minus luma (R-Y) Y 099 I 0596 Q R 03 G 0311 B R G 1 07 B Y 0648 I 0705 Q YCbCr er kun digital, mens RGB kan være både analog og digital MPEG-kompresjon (i DVD er, digital-tv og video CD er) er kodet i YCbCr digitale videokameraer (MiniDV, DV, Digital Betacam, osv) gir et YCbCr signal over en digital link som FireWire eller SDI Den analoge tvillingen til YCbCr er YPbPr INF310-Farger-1 INF310-Farger- YUV-modellen Hue, Saturation, Intensity (HSI) Brukes i analog TV (NTSC, PAL og SECAM) Y representerer intensitet ( luma ) hvit Hue: ren farge - gir bølgelengden i det elektromagnetiske spektrum U og V er fargedifferansene B-Y og R-Y Et video-kamera konverterer RGB data som er registrert i fokalplanet til enten composite analog (YUV) analog YPbPr cyan S grønn gul H rød H er vinkel og ligger mellom 0 og π: Rød: H0, grønn: H π/3, blå 4π/3, gul: Hπ/3, cyan π, magenta 5π/3, digital YCbCr For framvisning på skjerm må alle disse tre fargerepresentasjonene konverteres tilbake til RGB blå magenta I Hvis vi skalerer H-verdiene til 8-bits verdier vil Rød: H0, grønn: H 85, blå 170, gul: H4, cyan 17, magenta 13 svart INF310-Farger-3 INF310-Farger-4

7 Mer om HSI Saturation: metning hvor mye grått inneholder fargen Hvis S0, blir fargen grå uavhengig av hvilken verdi H har (det vil si at vi ligger et sted på diagonalen i RGB-kuben) S ligger normalisert mellom 0 og 1, eller mellom 0 og 55 hvis 8-biters unsigned verdier pr piksel Varianter av HSI Det finnes ulike varianter av HSI: HSB (Hue, Saturation, Brightness) HSV (Hue, Saturation, Value) H og S tilsammen beskriver fargen og kalles kromatisitet HSL (Hue, Saturation, Lightness) I: intensitet, ligger mellom 0 og 1 eller 0 og 55 Forskjellen er stort sett intensitet eller brightness-komponenter HSI-modellen egnet til å beskrive farge RGB-modellen egnet til å generere farger Konverering fra HSI til RGB: formler finnes INF310-Farger-5 INF310-Farger-6 RGB og HSI Eksempler på RGB, CMYK, HSI La R,G,B-komponentene være normaliserte slik at de ligger mellom 0 og 1: 1 θ b g H cos θ 360 b g θ > [( r g) + ( g b) ] 3min( r, g, b) S 1 r + g + b I ( r g) + ( r b)( g b) r + g + b 3 Merk at H er udefinert når rgb, S er udefinert når I0 Overgangen fra HSI til RGB kan enklest deles i tre tilfeller: Rød-grønn sektor: Grønn-blå sektor: Blå-rød sektor: 0< H < H < H 360 S cos H H H 10 H H 40 r I 1 + cos( 60 H ) r I[ 1 S] r 1 ( g + b) g 1 ( r + b) S cos H g I[ 1 S] g I 1 + b I( 1 S ) cos( 60 H ) S cos H b 1 ( r + g) ( ) b I 1 + cos 60 H Rød Gul Grønn Blå Hvit Grå Svart RGB (55,0,0) (55,55,0) (0,55,0) (0,0,55) (55,55,55) (19,19,19) (17,17,17) (0,0,0) CMYK (0,55,55) (0,0,55) (55,0,55) (55,55,0) (0,0,0) (63,63,63) (18,18,18) (55,55,55) HSI (0, 55, 85) (4,55,170) (85,55,85) (170,55,85) (0,0,55) (0,0,19) (0,0,17) (0,0,0) Merk: hvis S0, spiller det ingen rolle hva H er INF310-Farger-7 INF310-Farger-8

8 Men bildet mitt ser ikke likt ut på to skjermer? RGB-farger på en skjerm avhenger av skjermens egenskaper, dvs det samme bilde vist på to skjermer kan se ulikt ut Det samme bildet skrevet ut på to fargeprintere kan se HELT forskjellig ut, fargen avhenger av bla skriveren, fargepatronene, papiret, etc En skjerm kan vise flere farger en en CMYK-printer kan skrive ut (og en CMYK-skriver kan skrive noen farger en RGB-skjerm ikke kan vise) Vi sier at RGB og CMYK er utstyrs-avhengige fargerom Det finnes internasjonale standarder for fargerom som er utstyrsuavhengige Et slikt system er CIEs XYZ-fargerom Antall stabile, gjenkjennbare farger på en skjerm er ganske lite! L*a*b* - modellen En utstyrsuavhengig, absolutt modell som kan brukes som en referanse Beskriver alle farger som øyet kan oppfatte L* er luminans a* angir posisjonen mellom rød og grønn den minste verdien gir grønn, b* angir posisjonen mellom grønn og blå den minste verdien av b* gir blå CIE 1976 L*a*b* lineariserer beskrivelsen av fargepersepsjon Bør egentlig visualiseres i 3-D skiver med noen L*-verdier rene farger langs randen Mindere metning mot midten INF310-Farger-9 INF310-Farger-30 Fargesyn Vi kan skille mellom ca 100 rene farger (hue) Når fargene også varierer i intensitet, kan vi skille mellom ca 6000 farger (hue+intensit For hver av disse, kan vi skille mellom ca 60 ulike metningsgrader (saturation) Vi kan altså skille totalt ca farger Dette kan representeres med 19 biter ( ) Lagrer R, G, B komponentene som byte-bilder totalt 4 biter per piksel Fargebilder og fargetabeller RGB kan lagres med like mange biter for r, g, b, feks (8+8+8) Selv biter gir oss 8x8x851 kombinasjoner, men bare 8 forskjellige nivåer av rødt, grønt og blått, og dermed også bare 8 forskjellige gråtoner Det er ikke sikkert at alle de 51 fargene finnes i bildet Et scene med mange nyanser av en farge vil da se ille ut! Hvorfor? Jo fordi den bare får 8 forskjellige farger! Alternativt kan man bruke 8 biter og fargetabeller Hver rad i tabellen beskriver en r, g, b-farge med 4 biter, og tabellen inneholder de 56 fargene som best beskriver bildet I bilde-filen ligger pikselverdiene som tall mellom 1 og 55, men når vi skal vise bildet, slår vi bare opp i samme rad som pikselverdien, og finner r, g, b-verdiene til pikselet INF310-Farger-31 INF310-Farger-3

9 Fargetabell / oppslagstabell (LUT) Fargetabell Gråtone/fargeavbildningen utføres som oppslag i en tabell LUT - Look Up Table Innholdet i bildefilen endres ikke, LUT-operasjonen utføres på datastrømmen mellom hukommelsen (databufferet) og skjermen v out LUT(v in ) Kontrastendring i bildet: oppdater G verdier i LUT (ikke n x m verdier i bildet) Q: Kan vi lage et negativt fra et positiv på denne måten? Brukes både til gråtoner og farger, også pseudo-farger (tilordning av liksom-farger til gråtoner) og transformasjoner mellom fargerom Pikselverdi Disse verdiene ligger lagret på bildefilen RGB-verdi 0,0,0 55,0,0 55,55,0 0,55,0 55,100,0 0,100,55 55,55,55 Disse verdiene vises på skjermen Kan vise RGB-verdier på 8 biters skjerm Eller vise pseudofarger fra et gråtonebilde Pikselverdiene fra 0 til 55 tilordnes et RGB-triplet Ved framvisning leses pikselverdien, som brukes til å indeksere tabellen for å finne den RGB-fargen som vises INF310-Farger-33 INF310-Farger-34 Median-cut algoritmen En tilpasning til de farger som finnes i bildet: 1 Finn den boksen i RGB-rommet som omslutter alle fargene i bildet Sortér fargene i boksen langs den lengste RGB dimensjonen til boksen Dette gjøres enklest ved hjelp av et histogram 3 Del boksen i to ved medianen til den sorterte listen Dermed blir boksen delt i to nye bokser omtrent like mange piksler tilhørende hver nye boks 4 Gjenta steg og 3 for alle boksene som nettopp ble dannet Stopp når du har 56 bokser 5 For hver boks, la midtpunktets RGB-verdier representere boksen og lag en 56-linjers LUT som inneholder disse midtpunktene 6 Erstatt hver 3x8 biters pikselverdi med en 8 biters indeks som svarer til det boks-midtpunktet som ligger nærmest 3x8 biters pikselverdien i RGB-rommet Alpha-kanal En alpha-kanal spesifiserer om fargene er transparente, slik at objektene i bakgrunn synes der alpha-kanalen er satt Verdien av α fra 0 (helt transparent) til 55 (helt ugjennomsiktig) Hvis vi legger et bilde opp en bakgrunn, blir resultatet (bildefargen x α + (bakgrunnsfargen x (55 - α)) / 55 Bakgrunns RGB (63, ) og piksel RGBA (191,63,55,α) resultatet lik bakgrunnen for α 0 (17,17,191) for α 17 (191,63,55) for α 55 INF310-Farger-35 INF310-Farger-36

10 Utskrift av bilder Problem: printere er binære, skriver en farge eller ingenting Løsning: printeren jobber på et finere grid (bruker halvtoner) Virker fordi: øyet gjør en glatting av intensitetsverdier, slik at et gjennomsnitt vises Et piksel Dithering Terskler bildet mot en dither-matrise Dither-matrisen D n inneholder n x n elementer deler gråtoneskalaen fra 0 til 55 inn i ( n ) ekvidistante trinn Elementene i matrisen fungerer som terskler Matrisen er en maske over bildet D Utfordring: hvordan lage mønstere av binære piksler som utgjør en gråtone Hver pikselverdi sammenlignes med tilsvarende terskel i matrisen Hvis pikselverdien > terskelen > hvit, ellers svart Patterning bruker n +1 verdier fra n x n rutenett Ordnet Dithering terskler med en matrise Gir et svart-hvitt bilde med samme størrelse som original-bildet, men detaljer i bildet kan bli borte Error diffusion fordeler feilene ved terskling For å unngå tap av detaljer kan man forstørre opp bildet først Bruker vi dither -matrise D n må vi forstørre bildet med en faktor n INF310-Farger-37 INF310-Farger-38 Feil-diffusjon Rette opp systematiske feil som innføres ved dither-terskling En terskel på 18 vil avbilde en verdi 0 (svart) eller 55 (hvit) OK hvis pikselverdi nær 0 eller 55 hvis pikselverdi nær terskelverdien blir feilen stor Spre eller diffunder feilen over flere nabopiksler P 7 /16 3/16 5/16 1/16 Kan ikke kan spre feilen utenfor bildets grenser CMYK-modell brukes Utskrift av fargebilder Halvtonemønstre i bestemte vinkler (ulik for hver farge) må brukes til å lage fargemønstere Prinsipp: øyet kombinerer de fire fargene slik at ingen brå fargeoverganger ses Hver farge skrives ut i et spesielt symmetrisk mønster Gråtoner kan ikke ende under 0 eller over 55 INF310-Farger-39 INF310-Farger-40

11 Prosessering av fargebilder Histogrammer fra fargebilder Et bilde med tre bånd har egentlig en 3- dimensjonal kube som histogram Med 56 gråtoner får denne 56*56* bins Et bilde på 56*56 piksler fyller maksimalt 1/56 av disse bins, dvs 3Dkuben er for det meste tom Man jobber vanligvis ikke på 3Dhistogrammet, men på en projeksjon ned til 1D eller D R-, G- eller B-aksen (Et 1D-histogram for hver av fargene R, G og B) RG-, RB-, GB-planet INF310-Farger-41 INF310-Farger-4 Histogramutjevning av RGB-bilder Eks: Histogramutjevning RGB vs HSI Histogramutjevning på hver komponent (r,g,b) uavhengig av hverandre hvit Ofte dårlig resultat Alternativt benytte HSI: Transformér bildet fra RGB til HSI cyan Gjør histogramutjevning på I-komponenten Transformer HSI ny tilbake til RGB H grønn gul rød blå S magenta I Originalbilde Histogramutjevning på RGB Histogramutjevning i intensitet i HSI svart INF310-Farger-43 INF310-Farger-44

12 Terskling av fargebilder - I Anta at vi har observert samme scene på flere bølgelengder Vi kan da utføre terskling basert på to-dimensjonale tre-dimensjonale eller multi-dimensjonale histogrammer Enkel metode: 1: Bestem terskler uavhengig for hver kanal : Kombiner alle segmenterte kanaler til ett bilde Dette svarer til at vi har delt opp feks RGB-rommet i bokser Hva svarer dette til i IHS? Terskling av fargebilder - II En mer kompleks metode: Velg et punkt i det multidimensjonale rommet som referanse, feks (R 0,G 0,B 0 ) Terskle basert på avstand fra dette referansepunktet Slik at [ f ( R ] + [ f ( G ] + [ f ( y ] d( B R 1hvis d( d g( 0 hvis d( > d 0 G 0 B ) Dette definerer en kule med radius d max omkring punktet (R 0,G 0,B 0 ) Kan lett generaliseres til ellipsoide med forskjellige avstands-terskler i R,G,B d( Merk at da er 1hvis d( 1 g( 0 hvis d( > 1 max max [ f ( R ] [ f ( G ] [ f ( y B ] R d R 0 G 0 B ) + + dg db 0 0 INF310-Farger-45 INF310-Farger-46 Pseudo-farger Falske farger Pseudo-fargebilder er egentlig gråtonebilder der man har tilordnet hver gråtone en RGB-farge ved hjelp av en oppslagstabell (LUT) NOAA AVHRR kanal 1: nm kanal : Kanal nm kanal 4: nm Kanal 1++4 som RGB Kanal 4 ( Royal Swedish Academy of Sciences) vist som RGB-bilde (Meteorologisk Institutt) kanalene er ikke RGB (700, 5461, 4358) Altså falske farger INF310-Farger-47 INF310-Farger-48

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

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

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

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

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

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

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

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling INF 2310 Digital bildebehandling Forelesning nr 8-2018 Farger og fargerom Temaer i dag : 1. Farge, fargesyn og deteksjon av farge 2. Fargerom - fargemodeller 3. Overganger mellom fargerom 4. Fremvisning

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 - fargemodeller 4. Overganger mellom fargerom 5. Fremvisning av fargebilder 6.

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 14 Farger og fargerom 1 Fargesyn og deteksjon av farge 2 Digitalisering av fargebilder 3 Fargerom - fargemodeller 4 Overganger mellom fargerom 5 Fremvisning av fargebilder 6 Fargetabeller

Detaljer

INF1040-Farger-2. Vite hvilket fargerom vi skal bruke til forskjellige oppgaver

INF1040-Farger-2. Vite hvilket fargerom vi skal bruke til forskjellige oppgaver 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

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

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

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

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

INF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15)

INF 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

Detaljer

INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver

INF 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

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

Fargebilder. Lars Vidar Magnusson. March 12, 2018

Fargebilder. 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

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

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

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

Løsning av øvingsoppgaver, INF2310, 2005, kompresjon og koding

Løsning 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

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

UNIVERSITETET I OSLO

UNIVERSITETET 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

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

Midtveiseksamen. INF Digital Bildebehandling

Midtveiseksamen. 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:

Detaljer

Kantdeteksjon og Fargebilder

Kantdeteksjon 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

Detaljer

Oppsummering, mai 2014: Sampling og kvantisering Geometriske operasjoner Gåt Gråtone- og histogramoperasjoner F4,5. Segmentering ved terskling

Oppsummering, 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

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

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

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

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

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

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

UNIVERSITETET I OSLO

UNIVERSITETET 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:

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Kartografisk formidling. Fargar og Visuelle variablar

Kartografisk formidling. Fargar og Visuelle variablar Kartografisk formidling Fargar og Visuelle variablar FARGER Fysikalsk Fysiologisk Psykologisk Synleg lys Synlig område for bølgelengder er mellom 380 og 740 nm (nanometer 10-9 m) Fargene varierer med lyskilden

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF 160 Digital bildebehandling Eksamensdag: Mandag 13. mai - mandag 27. mai 2002 Tid for eksamen: 13. mai 2002 kl 09:00 27. mai

Detaljer

DIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. IN 106, V-2001 BILDE-DANNING. SAMPLING og KVANTISERING

DIGITALISERING 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

Detaljer

INF 1040 løsningsforslag til kapittel 17

INF 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

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

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein

INF 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

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

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

UNIVERSITETET I OSLO. Dette er et løsningsforslag

UNIVERSITETET 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 :

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

INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 16 og 17) 13. Lagring av video på DVD

INF 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

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

Farger. Introduksjon. Skrevet av: Sigmund Hansen

Farger. Introduksjon. Skrevet av: Sigmund Hansen Farger Skrevet av: Sigmund Hansen Kurs: Processing Tema: Tekstbasert Fag: Matematikk, Programmering, Kunst og håndverk Klassetrinn: 8.-10. klasse, Videregående skole Introduksjon På skolen lærer man om

Detaljer

AST1010 En kosmisk reise. De viktigste punktene i dag: Elektromagnetisk bølge 1/23/2017. Forelesning 4: Elektromagnetisk stråling

AST1010 En kosmisk reise. De viktigste punktene i dag: Elektromagnetisk bølge 1/23/2017. Forelesning 4: Elektromagnetisk stråling AST1010 En kosmisk reise Forelesning 4: Elektromagnetisk stråling De viktigste punktene i dag: Sorte legemer og sort stråling. Emisjons- og absorpsjonslinjer. Kirchhoffs lover. Synkrotronstråling Bohrs

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

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

Løsningsforslag nr.1 - GEF2200

Løsningsforslag nr.1 - GEF2200 Løsningsforslag nr.1 - GEF2200 i.h.h.karset@geo.uio.no Oppgave 1: Bølgelengder og bølgetall a) Jo større bølgelengde, jo lavere bølgetall. b) ν = 1 λ Tabell 1: Oversikt over hvor skillene går mellom ulike

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

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

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

Sampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP

Sampling 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

Detaljer

3. obligatoriske innlevering, høsten 2014

3. obligatoriske innlevering, høsten 2014 3. obligatoriske innlevering, høsten 2014 {Jonathan Feinberg, Joakim Sundnes} {jonathf,sundnes}@simula.no November 3, 2014 Innleveringskrav Denne skal følge malen gitt på emnesidene Legges ut 2. september.

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

INF februar 2017 Ukens temaer (Hovedsakelig fra kap. 3.1 og 3.2 i DIP) (Histogrammer omtales i kap. 3.3)

INF 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,

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Dette er vakre farger du aldri får se på mobilen

Dette er vakre farger du aldri får se på mobilen Viten BLI ABONNENT LOGG INN ANNONSE Dette er vakre farger du aldri får se på mobilen ARNT INGE VISTNES FØRSTEAMANUENSIS, FYSISK INSTITUTT, UNIVERSITETET I OSLO OPPDATERT: 23.NOV. 2015 15:28 PUBLISERT:

Detaljer

Raster VS Vektor. Stian Larsen Raster

Raster VS Vektor. Stian Larsen Raster Raster VS Vektor. Stian Larsen 29.09.10 Raster Raster grafikk, også kalt punktgrafikk, presenterer et bilde i biter av informasjon. Denne informasjonen blir til piksler som har fargekoder og informasjon

Detaljer

Temaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling

Temaer 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.

Detaljer

21.09.2015. Mer enn bare et kamera (Publisert versjon, inneholder bare FFIs egne bilder.) Bilder kommer fra mange kilder

21.09.2015. Mer enn bare et kamera (Publisert versjon, inneholder bare FFIs egne bilder.) Bilder kommer fra mange kilder Bilder kommer fra mange kilder Mer enn bare et kamera (Publisert versjon, inneholder bare FFIs egne bilder.) Torbjørn Skauli og Trym Haavardsholm Optisk avbildning - et felt i forandring Hva kan et kamera

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

Løsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I

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

Detaljer

Viktige begreper. Viktige begreper, illustrasjon. Matematisk representasjon av digitale bilder. INF Introduksjon og Kap.

Viktige begreper. Viktige begreper, illustrasjon. Matematisk representasjon av digitale bilder. INF Introduksjon og Kap. Viktige begreper INF 23. 25 Introduksjon og Kap. 2 Introduksjon - hva er et digitalt bilde Avbildning Det elektromagnetiske spekteret Litt om bildeformater Kamera og optikk Øyet og egenskaper ved synet

Detaljer

Interaksjon mellom farger, lys og materialer

Interaksjon mellom farger, lys og materialer Interaksjon mellom farger, lys og materialer Etterutdanningskurs 2015. Lys, syn og farger - Kine Angelo Fakultet for arkitektur og billedkunst. Institutt for byggekunst, form og farge. Vi ser på grunn

Detaljer

INF 2310 Digital bildebehandling

INF 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

Detaljer

INF januar 2017 Ukens temaer (Kap med drypp fra kap. 4. i DIP)

INF 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Malin Milder 06hbmeda Fargestyring våren 2008. Fargestyring. Malin Milder 06hbmeda Våren 2008

Malin Milder 06hbmeda Fargestyring våren 2008. Fargestyring. Malin Milder 06hbmeda Våren 2008 Fargestyring 1 Malin Milder 06hbmeda Våren 2008 Fargestyring Innledning Fargestyring er et viktig tema som lett blir glemt. De fleste har nok opplevde at de sitter bak skjermen og er veldig fornøyd med

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

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

INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (kapittel 16 og 17)

INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (kapittel 16 og 17) Fasitoppgaver INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (kapittel 16 og 17) Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet.

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

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

EKSAMEN I EMNE TDT4230 VISUALISERING FREDAG 10. DESEMBER 2010 KL LØSNINGSFORSLAG

EKSAMEN I EMNE TDT4230 VISUALISERING FREDAG 10. DESEMBER 2010 KL LØSNINGSFORSLAG Side 1 av 11 EKSAMEN I EMNE TDT4230 VISUALISERING FREDAG 10. DESEMBER 2010 KL. 09.00 13.00 LØSNINGSFORSLAG OPPGAVE 1 Kubiske Bézier-kurver og flater a) Sammenhengen mellom vektoren av blandefunksjoner

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

Kapittel 8. Varmestråling

Kapittel 8. Varmestråling Kapittel 8 Varmestråling I dette kapitlet vil det bli beskrevet hvordan energi transporteres fra et objekt til et annet via varmestråling. I figur 8.1 er det vist hvordan varmestråling fra en brann kan

Detaljer

LØSNINGSFORSLAG, KAPITTEL 3

LØSNINGSFORSLAG, KAPITTEL 3 LØSNINGSFORSLAG, KAPITTEL 3 REVIEW QUESTIONS: 1 Hvordan påvirker absorpsjon og spredning i atmosfæren hvor mye sollys som når ned til bakken? Når solstråling treffer et molekyl eller en partikkel skjer

Detaljer

Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II

Løsningsforslag, 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

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

Løsningsforslag til øving 9

Løsningsforslag til øving 9 NTNU Institutt for Fysikk Løsningsforslag til øving 9 FY0001 Brukerkurs i fysikk Oppgave 1 a) Etter første refleksjon blir vinklene (i forhold til positiv x-retning) henholdsvis 135 og 157, 5, og etter

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF-Digital bildebehandling Eksamensdag: Tirsdag. mars 5 Tid for eksamen: 5:-9: Løsningsforslaget er på: sider Vedlegg: Ingen

Detaljer

INF Kap og i DIP

INF 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

Detaljer

AST1010 En kosmisk reise

AST1010 En kosmisk reise AST1010 En kosmisk reise Forelesning 4: Elektromagne;sk stråling De vik;gste punktene i dag: Sorte legemer og sort stråling. Emisjons- og absorpsjonslinjer. Kirchhoffs lover. Synkrotronstråling Bohrs atommodell

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

INF februar 2017 Ukens temaer (Kap 3.3 i DIP)

INF 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

Detaljer

Innføring i bildebehandling

Innføring i bildebehandling Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33506 Bildebehandling og mønstergjenkjenning Laboppgave nr 1 Innføring i bildebehandling Halden 27.08.2013 20.08.13 Revidert Log GKS 22.08.12

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet INF 2310 Digital bildebehandling Eksamensdag: Tirsdag 18. mai - tirsdag 1. juni 2004 Tid for eksamen: 18. mai 2004 kl 09:00 1.

Detaljer

Prosjekt 3 - Introduksjon til Vitenskapelige Beregninger

Prosjekt 3 - Introduksjon til Vitenskapelige Beregninger Prosjekt 3 - Introduksjon til Vitenskapelige Beregninger Studentnr: 755110, 759144 og 753717 April 2016 1 Oppgave 1 Røntgenstråler emittert fra en wolfram-anode har en karakteristisk energi E k 60 kev,

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer