INF1040-Kompresjon-2. (tekst, bilde, lydsignaler etc.) på en så kompakt måte. at redundant informasjon ikke lagres.
|
|
- Sigrun Guttormsen
- 6 år siden
- Visninger:
Transkript
1 IF 4 Komresjon og kodng Tema dag :. oen begreer. Redundans 3. Dfferanse- og løelengdetransformer 4. Gray kode 5. Entro 6. Shannon-Fano og Huffman kodng 7. Lemel-Zv kodng 8. JPEG kodng Pensumltteratur: Læreboka, kattel 8. este gang: Kryterng og steganograf (v/ Gerhard Skagesten) IF4-Komresjon- Komresjon Komresjon kan deles nn tre steg: Transform - reresenter dataene mer komakt. Kvantserng - avrundng av reresentasjonen. Kodng - roduksjon og bruk av kodebok. nndata transform kvantserng kodng utdata Komresjon kan gjøres Eksakt / tasfr ( loss-less ) følg de grønne lene Her kan v rekonstruere den orgnale meldngen eksakt. Ikke-tasfr ( lossy ) følg de røde lene Her kan v kke rekonstruere meldngen eksakt. Resultatet kan lkevel være godt nok. Det fnnes en mengde ulke metoder for begge kategorer komresjon. IF4-Komresjon-3 oen begreer Komresjonsalgortme Dekomresjonsalgortme Data Lagrng eller Komresjon oversendng Dekomresjon Data Komresjon består å akke nformasjonsnnholdet dataene (tekst, blde, lydsgnaler etc.) å en så komakt måte at redundant nformasjon kke lagres. Dataene komrmeres, deretter lagres de. år de senere skal leses, må v dekomrmere dem. Kodng er en del av komresjon, men v koder for å lagre effektvt, kke for å hemmelgholde eller skjule nformasjon. IF4-Komresjon- De tre stegene komresjon nndata transform kvantserng kodng utdata Mange komresjons-metoder er basert å å reresentere dataene å en annen måte, altså transformer av orgnal-dataene. Dfferansetransform løelengder/run-length, Hvs v kvantserer orgnal - dataene, så kan kke dette reverseres. Kodng bygger ofte å sannsynlghetsfordelnger, Estmert ved normalserte hstogrammer. Transformer og kodng er alltd reversble. Kvantserng gr alltd et ta av ressjon. IF4-Komresjon-4
2 Anvendelser Komresjon og kodng benyttes for å redusere antall bter som skal tl for å beskrve bldet (eller en god aroksmasjon tl bldet). Anvendelser nnen data-lagrng og data-overførng Televdeo-konferanser Fjernanalyse / meteorolog Overvåkng / fjernkontroll Telemedsn / medsnske arkver (PACS) Dokumenthåndterng / FAX Multmeda / nettverkskommunkasjon Mobl kommunkasjon MP3-sllere, DAB-rado, dgtalkameraer,. Tdsforbruket ved off-lne komresjon er kke særlg vktg. Dekomresjons-tden er langt vktgere. Ved sanntds data-overførng er tdsforbruket krtsk. IF4-Komresjon-5 Meldng, data og nformasjon V skller mellom resentasjon, reresentasjon og nformasjon: Meldng: teksten, bldet eller lydsgnalet som resenteres. Data: strømmen av bter som lagres eller sendes (reresentasjon). Informasjon: Et matematsk begre som kvantfserer mengden overraskelse/uventethet en meldng. Et sgnal som varerer har mer nformasjon enn et monotont sgnal. I et blde: kanter rundt objekter har høyest nformasjonsnnhold, seselt kanter med mye krumnng. IF4-Komresjon-7 Overførngskaastet og bs Flstørrelser er oftest gtt bnære enheter, gjerne otenser av 4: Kbbyte (KB = byte = 4 byte), Mebbyte (MB = byte = byte), Gbbyte (GB = 3 byte = byte) Overførngshastgheter og lnjekaastet angs alltd ttallsystemet, oftest som antall bter er sekund: kb/s = b/s = 3 bter er sekund. Mb/s = kb/s = 6 bter er sekund. Gb/s = Mb/s = 9 bter er sekund. Kaastet for noen tyer lnjer: GPRS over GSM moblnett: 9,5 kb/s Analogt modem: f.eks. 56 kb/s ADSL (Asymmetrc Dgtal Subscrber Lne):,5-4 Mb/s nedlastng IF4-Komresjon-6 Komresjon av blder Hvorfor behandles komresjon av blder seselt? Det er generelt en mengde redundant nformasjon blder mellom ksler å samme lnje mellom ulke lnjer bldet mellom bldene en sekvens Blder nneholder gjerne objekter Objekter kan ofte reresenteres mer komakt. V kan også ta betraktnng sykovsuelle effekter: V lagrer kke det v lkevel kke kan ofatte IF4-Komresjon-8
3 Ulke tyer redundans Psykovsuell/sykoakustsk redundans Det fnnes nformasjon v kke kan høre eller se (se kattel, og 6 ). Interblde redundans Det er en vss lkhet mellom blder som kommer etter hverandre en sekvens V koder noen blder sekvensen, og deretter bare dfferanser (kattel 6). Intersamel redundans abo-symboler, - amltuder, -ksler lgner å hverandre eller er lke. Eks: 66 kan run-length kodes som (,4),(,3),(6,),(,) Kodngs-redundans Gjennomsnttlg kodelengde mnus et teoretsk mnmum. Eks: Huffman-kodng bruker færrest bter å å kode 5-tallet, som forekommer ofte, og flere bter for 6-tallet. Hvor godt er dette? IF4-Komresjon-9 Dfferansetransform Gtt en lnje bldet med gråtoner f,...f, f b -. Transformer (reversbelt) tl g = f, g = f -f, g 3 = f 3 -f,..., g = f -f - V trenger nå b+ bter hvs v skal tlordne lke lange bnære koder tl alle mulg verder. dfferansehstogrammet vl de fleste verdene samle seg rundt. Derfor er det kke slk at en naturlg bt-kodng av dfferansene er det otmale. IF4-Komresjon- Komresjonsrate og redundans Komresjonsrate ( Comresson Rato ): CR c er antall bter r. samel orgnalt, c er antall bter r. samel det komrmerte bldet. Relatv Redundans : RR CR c Percentage Removed : PR c % IF4-Komresjon- Ltt mer om dfferansetransform Lag f.eks. en 6 ords naturlg kode c =, c =,... c 6 = tlordne de 4 kode-ordene mdten: c,... c 5 tl dfferansene -7, -6,..., -,,,,..., 5, 6 Kodene c og c 6 kan brukes tl å ndkere om dfferansen x < -7 eller om x 7 (to-sdet shft-kode) x = => c 6 c 6 c x = - => c c c c c c 5 c c c c 5 c c 9 c 5 c 6 c c 6 c 5 c 6 c 6 c Her øker kodeordets lengde trnnvs med 4 bter. ee helt otmalt forhold tl dfferansehstogrammet. Alternatvt kan v kode dfferansene ved hjel av andre kodeteknkker. IF4-Komresjon-
4 Løelengde-transform (run-length) Ofte nneholder bldet objekter med lgnende gråtoner, f.eks. svarte bokstaver å hvt bakgrunn. V kan benytte oss av komresjonsteknkker som tar hensyn tl at naboksler å samme lnje ofte er lke. Løelengde-transform er reversbel. Først et eksemel: (4 byte) år tallet 3 forekommer 6 ganger etter hverandre, trenger v bare lagre tallaret (3,6). Tlsammen trenger v her 4 tallar, (3,6), (5,), (4,), (7,6) altså 8 tall tl å lagre hele sekvensen 4 tall ovenfor. Hvor mange bter v bruker r. tall, avhenger av den vdere kodngen. IF4-Komresjon-3 Kodng Et alfabet er mengden av alle mulge symboler (eks. gråtoner) Hvert symbol får et kode-ord, tl sammen er de en kode-bok. Kodng skal være reversbel fra koden skal v kunne rekonstruere det orgnale symbolet Unkt dekodbare koder har den egenska at en mottatt sekvens av kode-ord kan dekodes å en og bare en måte. Instantant dekodbare koder kan dekodes uten sklletegn. IF4-Komresjon-5 Løelengder bnære blder I to-nvå blder trenger v bare å ang løelengden for hvert run, forutsatt at v vet om lnjen starter med et hvtt eller et svart run. V trenger kodeord for EOL og EOI. Run-lengde hstogrammet er ofte kke flatt. Benytter da en kode som gr korte kode-ord tl de hygste run-lengdene. En standard (CCITT) Huffman kode basert å dokument-statstkk brukes for dokument-overførng r fax. Egen kodebok for svarte og hvte runs. Mer effektv dersom komleksteten er lav. IF4-Komresjon-4 aturlg bnær-kodng aturlg bnær-kodng: Alle kode-ord er lke lange. Kjenner v noen eksemler å dette? Eks: v har 8 mulge verder Symbol nr Symbol s s s 3 s 4 s 5 s 6 s 7 s 8 Kode c aturlg bnærkodng er bare otmal hvs alle verdene sekvensen er lke sannsynlge. IF4-Komresjon-6
5 Gray code Er den konvensjonelle bnære reresentasjonen av gråtoner otmal? La oss se å et ett-bånds gråtone-blde med b bter Kan sees som et b-bånds bnært blde V ser at bldet har b bt-lan. Ønskelg med mnst mulg komlekstet hvert bt-lan Da blr løelengde-transformasjonen mest effektv. Konvensjonell bnær reresentasjon gr høy bt-lan komlekstet. Hvs gråtoneverden fluktuerer mellom k - og k vl k+ bter skfte verd: eksemel: 7 = mens 8 = I Gray Code skfter alltd bare en bt når gråtonen endres med. Overgangen fra bnær kode tl gray code er en transformasjon, men både naturlg bnær kode og gray code er selvsagt koder. IF4-Komresjon-7 Gray kode gråtoneblder MSB er lkt de to reresentasjonene. Gray kode Vanlg bnær Gray kode Vanlg bnær Større homogene områder hvert btlan Gray-kode enn naturlg bnærkode. Flere btlan med støy vanlg bnærkode. Det er en gevnst løelengdekodng av btlan Gray kode. IF4-Komresjon-9 Bnary reflected gray code 4 bter Gray kode og bnær Gray Bnær Desmal g b d Gray code shaft encoder Gr skker avlesng av vnkel. Emle Baudot s telegrafskve 878. Koden atentert av Gray 953. Brukes styrng av robot-armer etc. IF4-Komresjon-8 Informasjonsteor og kodng Komresjon/kodng bygger å nformasjonsteor og sannsynlgheter. Hvs et symbol forekommer ofte, bør v lagre det med et lte antall bter for å bruke mnst mulg lagerlass tl sammen. Hvs et symbol forekommer sjeldent, kan v tllate oss å bruke mange bter å å lagre det. V vl bruke et varabelt antall bter er symbol. Dette skller seg fra lagrng med lke mange bter er symbol. IF4-Komresjon-
6 Koder med varabel lengde For symboler med ulke sannsynlgheter er koder med varabel lengde å kode-ordene bedre enn lke lange koder Hyge symboler kortere kode-ord. Sjeldne symboler lengere kode-ord. Dette var forretnngs-deen tl Samuel Morse A. - F.. -. K -. - P U.. - De vanlgste symbolene engelsk tekst er e, t, a, o,, n, B -... G - -. L. -.. Q V... - C H.... M - - R. -. W. - - D -.. I.. -. S... X E. J. --- O --- T - Y IF4-Komresjon- Hstogrammet tl en sekvens av symboler V har en sekvens med symboler. Tell o antall ganger symbol s forekommer og la n være dette antallet. Dette er det samme som hstogrammet tl sekvensen. Sannsynlgheten tl symbolene fnnes da som: = n / Dette er det normalserte hstogrammet. IF4-Komresjon-3 Entro en lten forsmak Entro er et matematsk mål å gjennomsnttlg nformasjonsmengde en sekvens av tegn eller tall. Har v en sekvens av tegn som lagres med b bter er samel, så kan v s v har et alfabet med b mulge symboler. V er nteressert gjennomsnttlg nformasjon r. symbol. Intutvt vl en mndre sannsynlg hendelse g mer nformasjon enn en mer sannsynlg hendelse. IF4-Komresjon- Gjennomsnttlg antall bter r. symbol V konstruerer en rekke kodeord c,...c slk at symbol s kodes med kodeordet c. b er lengden (angtt bter) av kodeordet c. Gjennomsnttlg antall bter r. symbol for denne koden er: R b b... b b Entroen H vl g oss en nedre grense for hvor mange bter v gjennomsnttlg trenger er symbol (hvs v bare koder ett symbol av gangen). IF4-Komresjon-4
7 Informasjonsnnhold V defner nformasjonsnnholdet I(s ) hendelsen s ved I ( s ) log ( s ) Dette gr oss nformasjonsnnholdet den hendelsen det er at symbolet s forekommer én gang, uttrykt bter. log (x) er -er logartmen tl x Hvs log (x) = b så er x = b Eks: log (64) = 6 ford 64 = 6 = log (8) = 3 ford 8 = = 3 Har kke log å kalkulatoren, hjel! log (tall) = log (tall) / log () ( log ().3 ) IF4-Komresjon-5 Øvre og nedre grense for entro Hvs alle symboler lke sannsynlge => entro lk antall bter. Det er b symboler sannsynlgheten for hvert av dem er (s ) = / b. Da blr entroen b H log b ( ) log ( b b Husk at: Hvs det er b symboler som alle er lke sannsynlge, så kan v kke reresentere dem mer komakt enn med b bter er symbol. ) b Hvs alle kslene er lke => entro lk. Hvs bare ett symbol forekommer, er sannsynlgheten for dette symbolet lk, og alle andre sannsynlgheter er lk. H log () IF4-Komresjon-7 Entro Hvs v tar gjennomsnttet over alle symbolene s alfabetet, får v gjennomsnttlg nformasjon er symbol: Entro H: H b ( s b ) I ( s ) ( s )log ( ( s )) Entroen setter en nedre grense for hvor komakt sekvensen kan reresenteres Dette gjelder hvs v bare koder hvert symbol for seg. IF4-Komresjon-6 To eksemler Et bnært blde med M ksler nneholder bt er ksel. Det er M bter data bldet, men hvor mye nformasjon er det bldet? Hvs det er lke mange som bldet, så er det lke stor sannsynlghet for at neste ksel er som. Informasjonsnnholdet hver mulg hendelse er da lke stort, og entroen tl et nytt symbol er bt. H log / / ( ) log ( ) Hvs det er 3 ganger så mange som bldet, så er det mndre overraskende å få en, og det skjer oftere. Entroen er da mndre: H 4 log / 3 4 3/ 4 ( ) log ( ) For de matte-nteresserte! IF4-Komresjon-8
8 Entro bnært blde Entro et bnært blde,5 Entro,5,5,75 A ror sannsynlghet for klasse V vl alltd måtte bruke bt er ksel et bnært blde, selv om entroen godt kan bl nær null! Hvs det er lke mange svarte og hvte ksler, er kodngs-redundansen = IF4-Komresjon-9 Shannon-Fano kodng - II Odelng omtrent lke store gruer kan g flere forskjellge bnære trær: H, A, L, O (5) Samme eksemel: HALLO L, H (3) A, O () Selv om treet er annerledes, og kodeboken blr forskjellg, så er koden unkt dekodbar. L () H () A () O () HALLO = Symbol Ant. Kodeord Lengde Antall bter V har altså L 4 flere lkeverdge løsnnger. H A O Totalt antall bter IF4-Komresjon-3 Shannon-Fano kodng En enkel metode: Sorterer symbolene etter hyghet. Deler symbolene rekursvt to omtrent lke store gruer. Fortsett tl hver grue er ett symbol. Tlordner en bt tl hver gren treet tl høyre, tl venstre. L() H, A, L, O (5) H () H, A, O (3) A, O () A () O () Traverser treet fra rot tl blad Fnner koden for hvert symbol. Symbol Ant. Kodeord Lengde Antall bter L Eksemel: HALLO = H A 3 3 Koden er unkt dekodbar. O 3 3 Totalt antall bter IF4-Komresjon-3 Huffman-kodng Huffman-kodng er en algortme for otmal kodng med varabel-lengde koder. Huffman-kodng er basert å at v kjenner hygheten for hvert symbol Dette betyr at v må lage et hstogram. Ofte beregner v sannsynlghetene Men det holder at v kjenner hyghetene. Huffman-koden er unkt dekodbar. IF4-Komresjon-3
9 Framgangsmåte - Huffman-kodng Gtt en sekvens med symboler:. Sorter symbolene etter sannsynlghet, slk at de mnst sannsynlge kommer sst.. Slå sammen de to mnst sannsynlge symbolene en grue, og sorter gjen etter sannsynlghet. 3. Gjenta tl det bare er to gruer gjen. 4. G kodene og tl de to gruene. Kode tl den mest og tl den mnst sannsynlge av de to 5. Traverser bakover, og legg tl og kodeordet for de to mnst sannsynlge gruene hvert steg. IF4-Komresjon-33 Eksemel - Huffman-kodng Gtt 6 begvenheter A, B, C, D, E, F med sannsynlgheter Begvenhet A B C D E F Sannsynlghet Gå baklengs gjennom strukturen og tlordne eller tl hver grue. (F. eks. kode tl den mest sannsynlg og kode tl den mnst sannsynlge) Kode Kode IF4-Komresjon-35 Eksemel - Huffman-kodng Gtt 6 begvenheter A, B, C, D, E, F med sannsynlgheter Begvenhet A B C D E F Sannsynlghet Slå sammen de to mnst sannsynlge, slå også sammen sannsynlgheten deres.5 Fnn så de to som nå er mnst sannsynlge, og slå dem sammen å samme måte.5.4 Fortsett tl det er bare to gjen.6 IF4-Komresjon-34 Kodeboken Dette gr følgende kodebok Begvenhet A B C D E F Kode Med sannsynlghetene blr gjennomsnttlg antall bter r. symbol (R) for denne koden: (se fol 4) R b b... b b Entroen H er her mndre enn R (se fol 6): H b ( s )log ( ( )) s.34 IF4-Komresjon-36
10 Om Huffman-kodng Ingen kode-ord danner refks en annen kode Dette skrer at en sekvens av kodeord kan dekodes entydg. Man trenger IKKE ende-markører. Mottatt kode er nstantant (øyeblkkelg) dekodbar. Dette gjelder også Shannon-Fano og naturlg bnærkodng. Hyge symboler har kortere koder enn sjeldne symboler. Dette gjelder også for Shannon-Fano. De to mnst sannsynlge symbolene har lke lange koder. Sste bt skller dem fra hverandre. Merk at kodeboken må overføres! IF4-Komresjon-37 Lemel-Zv-kodng Premerer mønstre dataene. Ser å samforekomster av symboler. Bygger o en symbolstreng-lste både under komresjon og dekomresjon. Denne lsten skal kke lagres eller sendes, for mottakeren kan bygge o lsten ved hjel av den symbolstrengen han mottar. Det eneste man trenger er et standard alfabet (f.eks ASCII). IF4-Komresjon-39 Huffman-kodng rakss Den deelle bnære kode-ord lengden for symbol s er b = - log ((s )) Sden bare heltalls ordlengder er mulg, er det bare hvs ( s ) k for heltalls k at dette er tlfelle. Eksemel: hvs v har : Symbol s s s 3 s 4 s 5 s 6 Sannsynlghet Kode så blr den gjennomsnttlg ordlengden her R =.9375 = H. IF4-Komresjon-38 Eksemel å Lemel-Zv Anta at alfabetet er a, b og c som tlordnes kodene, og 3. La dataene være ababcbababaaaaabab (8 tegn) sender: lager ny frase = sendt streng luss neste usendte symbol mottaker: lager ny frase = nest sste mottatte streng luss første symbol sst tlsendte streng Ser Sender Senders lste Mottar Tolker Mottakers lste a=,b=,c=3 a=, b=, c=3 a ab=4 a b ba=5 b ab=4 ab 4 abc=6 4 ab ba=5 c 3 cb=7 3 c abc=6 ba 5 bab=8 5 ba cb=7 bab 8 baba=9 8 å har v mottatt en kode (8) som kke fnnes lsten. V vet at kode 8 ble laget som ba+?, og så ble kode 8 sendt. Ergo må v ha? = b => 8 = ba + b = bab. IF4-Komresjon-4
11 Eksemel å Lemel-Zv - II Ser Sender Senders lste Mottar Tolker Mottakers lste a=,b=,c=3 a=, b=, c=3 a ab=4 a b ba=5 b ab=4 ab 4 abc=6 4 ab ba=5 c 3 cb=7 3 c abc=6 ba 5 bab=8 5 ba cb=7 bab 8 baba=9 8 bab bab=8 a aa= a baba=9 aa aaa= aa aa= aa aab= aa aaa= bab 8 8 bab aab= Kode ble laget det = a ble sendt, som a+?. Så sendes. Da må v ha = a+a = aa. Istedenfor 8 tegn er det sendt koder. 5 av roduserte koder ble kke brukt dette eksemlet. IF4-Komresjon-4 Ikke-tasfr (lossy) komresjon For å få høye komresjonsrater, er det ofte nødvendg med kke-tasfr komresjon. Ulemen er at man kke kan rekonstruere det orgnale bldet, ford et nformasjonsta har skjedd. Enkle metoder for kke-tasfr komresjon er rekvantserng tl færre antall gråtoner, eller resamlng tl dårlgere romlg oløsnng. Andre enkle metoder er flterng der f.eks. 3 3 ksler erstatter med ett nytt ksel som er enten mddelverden eller medanverden av de ornnelge kselverdene. Husk: V klarer oss med lavere oløsnng kromas-komonentene. IF4-Komresjon-43 JPEG-kodng (tasfr) JPEG (Jont Photograhc Exert Grou) er et av de vanlgste bldeformatene med komresjon. JPEG-standarden har varanter både for tasfr og kke-tasfr komresjon. JPEG kan bruke enten Huffman-kodng eller en varant av unversell kodng kalt artmetsk kodng. Predktv kodng brukes for å redkere at neste ksel å samme lnje har lgnende verd som forrge ksel å redkere at en ksel har lgnende verd som kselen å lnjen over å redkere at neste ksel å lnjen har lgnende verd som de tre nærmest kslene Tyen kodng bestemmes fra blde tl blde IF4-Komresjon-4 Lossy JPEG-komresjon av gråtoneblde Bldet deles o blokker å 8 8 ksler, og hver blokk kodes searat. Subtraher 8 fra alle kselverdene. Hver blokk transformeres med DCT (Dskret Cosnus Transform): F ( u v ) M M u v for c ( x ) c ( y ) cos x cos y ( x y ), c ( ) M ellers y DCT transform DCTtransformen er IKKE ensum! Informasjonen de 64 kslene samles en lten del av de 64 koeffsentene Mest øverste venstre hjørne IF4-Komresjon-44, x f,
12 Lossy JPEG-komresjon Transformkoeffsentene skaleres med en vektmatrse og kvantseres tl heltall. dvderes med avrundes tl Skk-sakk-scannng ordner koeffsentene D-rekkefølge. Koeffsentene vl da stort sett avta verd utover rekka Mange koeffsenter er rundet av tl null. Løelengde-transform av koeffsentene. Huffman-kodng av løelengdene. Huffman-koden og kodeboken sendes tl mottaker eller tl lager. Gjentas for alle blokker alle kanaler. IF4-Komresjon-45 JPEG dekomresjon forts. Så gjør v en nvers DCT, og får en rekonstruert 8 8 ksels bldeblokk. nvers DCT transform Dfferansene fra den orgnale blokken er små! - = Forskjellge vektmatrser for ntenstet og kromatstet. Komresjon / dekomresjon kan g blokk-effekter bldene. IF4-Komresjon-47 JPEG dekomresjon av 8 8 blokk Huffman-koden for en blokk er reversbel og gr løelengdene. Løelengdetransformasjonen er reversbel, gr kvantserte DCT-koeffsenter. Skk-sakk transformen er reversbel, og gr en heltallsmatrse. Denne matrsen multlseres med vektmatrsen. multlseres med Dette gr Dette er IKKE helt lkt koeffsentene etter forlengs DCT-transformasjon. Men de store trekkene er bevart: De største tallene lgger øvre venstre hjørne De fleste tallene matrsen er lk. IF4-Komresjon-46 JPEG-komresjon av fargeblde V skfter fargerom slk at v searerer lysntenstet fra kromatstet. Resamler kroma-komonentene (benytter 4::). Dermed fjernes ersetuell redundans, og v sarer lass. Kanalene deles o blokker á 8 8 ksler, hver blokk kodes searat. V skfter fargerom for hvert bldelan Hver blokk transformeres med DCT (fol 44-45). Forskjellge vektmatrser for ntenstet og kromatstet.... resten er som for gråtoneblder... IF4-Komresjon-48
13 JPEG dekomresjon av fargeblde Hver 8 8 blokk dekomrmeres (fol 46-47) Alle dekomrmerte 8 8-blokker hvert bldelan samles tl et bldelan. Bldelanene samles tl et YIQ fargeblde V skfter fargerom fra YIQ tl RGB for fremvsnng, Tl CMYK for utskrft. for hvert bldelan samle bldelanene V skfter fargerom V har redusert oløsnng I og Q, men full oløsnng RGB: Gr 8 8 blokkeffekt ntenstet Gr 6 6 ksels blokkeffekt fargene RGB IF4-Komresjon-49 Rekonstruksjons-fel fargeblder 4 bters RGB komrmert tl.5- bter er ksel (b).5.75 b gr god/meget god kvaltet.5.5 b gr noen fel Fargefel makroblokk JPEG gr 8 8 blokkeffekt JPEG uten blokker: Høyere komresjon Mye bedre kvaltet IF4-Komresjon-5 Rekonstruksjons-fel gråtoneblder DCT kan g blokk-artefakter, slørng og dobbelt-konturer. Avhengg av vektmatrse antall koeffsenter IF4-Komresjon-5 Osummerng - komresjon Henskten med komresjon er mer komakt lagrng eller rask oversendng av nformasjon. Komresjon er basert å nformasjonsteor. Antall bter r. samel er sentralt, og varerer med komresjonsmetodene og dataene. Sentrale metoder: Huffman-kodng lag sannsynlghetstabell, send kodebok Lemel Zv utnytter mønstre sender kke kodebok For blder: løelengde-kodng, dfferansekodng, JPEG. Komresjon og kodng er helt sentralt moderne teknolog!!! IF4-Komresjon-5
Anvendelser. Plass og tid. INF2310 Digital bildebehandling. Eksempler: Plassbehov uten kompresjon. Forelesning 10. Kompresjon og koding I
Anvendelser INF231 Dgtal bldebehandlng Forelesnng 1 Kompresjon og kodng I Ole Marus Hoel Rndal, foler av Andreas Kleppe. Tre steg kompresjon Redundanser Kodng og entrop Shannon-Fano-kodng Huffman-kodng
DetaljerINF2310 Digital bildebehandling
INF30 Dgtal bldebehandlng Forelesnng 0 Kompresjon og kodng I Andreas Kleppe Tre steg kompresjon Redundanser Kodng og entrop Shannon-Fano-kodng Huffman-kodng Artmetsk kodng Kompendum: 8-8.3, 8.5-8.7., 8.7.4
DetaljerUNIVERSITETET I OSLO
øsnngsforslag UNIVERSIEE I OSO Det matematsk-naturvtenskaelge fakultet Eksamen : INF3 Dgtal bldebehandlng Eksamensdag : Onsdag 6. jun d for eksamen : 9: 3: øsnngsforslaget er å : sder Vedlegg : Ingen llatte
DetaljerKomprimering av bilder
Ltteratur : IF 3 Dgtal ldeehandlng Forelesnng nr 3-3.5.5 Komprmerng av lder Efford, kap. Data Kompresjon oen egreper Lagrng eller oversendng Kompresjonsalgortme Dekompresjonsalgortme Dekompresjon Temaer
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
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
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
DetaljerDynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Hvlke problemer? Metoden ble formalsert av Rchard Bellmann (RAND Corporaton) på -tallet. Har ngen tng med programmerng å gøre. Dynamsk er et ord som kan aldr brukes negatvt. Skal v
DetaljerINF 2310 Digital bildebehandling
INF 30 Dgtal bldebehandlng FORELESNING 4 GRÅONE-RANSFORMASJONER Frtz Albregtsen emaer dag Hstogrammer Lneære gråtonetransformer t Standardserng av blder med lneær transform Ikke-lneære, parametrske transformer
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 27.2.27 Kap. 9 (samt 5.5.2) Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,) tl
DetaljerDynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Metoden ble formalsert av Rchard Bellmann (RAND Corporaton på -tallet. Programmerng betydnngen planlegge, ta beslutnnger. (Har kke noe med kode eller å skrve kode å gøre. Dynamsk for
DetaljerAnvendelser. Kapittel 12. Minste kvadraters metode
Kapttel Anvendelser I dette kaptlet skal v se på forskjellge anvendelser av teknkke v har utvklet løpet av de sste ukene Avsnttene og eksemplene v skal se på er derfor forholdsvs uavhengge Mnste kvadraters
DetaljerEksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS
Sde 1 av 5 NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET Fakultet for bygg- og mljøteknkk INSTITUTT FOR SAMFERDSELSTEKNIKK Faglg kontakt under eksamen: Navn Arvd Aakre Telefon 73 59 46 64 (drekte) / 73
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 29..28 Kap. 2.4.4 og 2.6.5 DIP Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,)
DetaljerMA1301 Tallteori Høsten 2014
MA1301 Tallteor Høsten 014 Rchard Wllamson 3. desember 014 Innhold Forord 1 Induksjon og rekursjon 7 1.1 Naturlge tall og heltall............................ 7 1. Bevs.......................................
Detaljer(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:
A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:
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
DetaljerTMA4240/4245 Statistikk Eksamen august 2016
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y
DetaljerIT1105 Algoritmer og datastrukturer
Løsnngsforslag, Eksamen IT1105 Algortmer og datastrukturer 1 jun 2004 0900-1300 Tllatte hjelpemdler: Godkjent kalkulator og matematsk formelsamlng Skrv svarene på oppgavearket Skrv studentnummer på alle
DetaljerPLASS og TID INF Fritz Albregtsen. Tema: komprimering av bilder ANVENDELSER METODER
PLASS og TID INF 60-30042002 Fritz Albregtsen Tema: komprimering av bilder Litteratur: Efford, DIP, kap 2 Digitale bilder tar stor plass Eksempler: a 52 52 8 bits 3 farger 63 0 6 bits b 24 36 mm fargefilm
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON13: EKSAMEN 14V TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt >. Oppgave 1 Innlednng. Rulett splles på en rekke kasnoer
DetaljerAppendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:
Appendks 1: Organserng av Rksdagsdata SPSS Sannerstedt- og Sjölns data er klargjort for logtanalyse SPSS flen på følgende måte: Enhet År SKJEBNE BASIS ANTALL FARGE 1 1972 1 0 47 1 0 2 1972 1 0 47 1 0 67
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
DetaljerBalanserte søketrær. AVL-trær. AVL-trær. AVL-trær høyde AVL AVL. AVL-trær (Adelson-Velskii og Landis, 1962) Splay-trær (Sleator og Tarjan, 1985)
alanserte søketrær VL-trær Et bnært tre er et VL-tre hvs ølgende holder: VL-trær delson-velsk og Lands, 96 play-trær leator og Tarjan, 98. orskjellen høyde mellom det høyre og det venstre deltreet er maksmalt,
DetaljerSimpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering
Lekson 3 Smpleksmetoden generell metode for å løse LP utgangspunkt: LP på standardform Intell basstabell Fase I for å skaffe ntell, brukbar løsnng løse helpeproblem hvs optmale løsnng gr brukbar løsnng
DetaljerTMA4265 Stokastiske prosesser
orges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA4265 Stokastske prosesser Våren 2004 Løsnngsforslag - Øvng 6 Oppgaver fra læreboka 4.56 X n Antallet hvte baller urna Trekk tlf.
DetaljerStatistikk og økonomi, våren 2017
Statstkk og økonom, våren 7 Oblgatorsk oppgave Løsnngsforslag Oppgave Anta at forbruket av ntrogen norsk landbruk årene 987 99 var følgende målt tonn: 987: 9 87 988: 8 989: 8 99: 8 99: 79 99: 87 99: 9
DetaljerSTK desember 2007
Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at
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
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON: EKSAMEN 6 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
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
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
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).
Econ 2130 HG mars 2012 Supplement tl forelesnngen 19. mars Illustrasjon av regel 5.19 om sentralgrenseteoremet og ltt om heltallskorreksjon (som eksempel 5.18). Regel 5.19 ser at summer, Y = X1+ X2 + +
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON30: EKSAMEN 05 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
DetaljerOppvarming og innetemperaturer i norske barnefamilier
Ovarmng og nnetemeraturer norske barnefamler En analyse av husholdnngenes valg av nnetemeratur Henrette Brkelund Masterogave samfunnsøkonom ved Økonomsk Insttutt UNIVERSITETET I OSLO 13.05.2013 II ) Ovarmng
DetaljerUNIVERSITETET I OSLO
Løsnngsforslag UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : INF3 Dgtal bldebehandlng Eksamensdag : Trsdag 9. mars 3 Td for eksamen : 5: 9: Løsnngsforslaget er på : sder Vedlegg
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
DetaljerAuksjoner og miljø: Privat informasjon og kollektive goder. Eirik Romstad Handelshøyskolen Norges miljø- og biovitenskapelige universitet
Auksjoner og mljø: Prvat nformasjon og kollektve goder Erk Romstad Handelshøyskolen Auksjoner for endra forvaltnng Habtatvern for bologsk mangfold Styresmaktene lyser ut spesfserte forvaltnngskontrakter
DetaljerEKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 9 Faglg kontakt under eksamen: Enar Rønqust, tlf. 73 59 35 47 EKSAMEN I FAG SIF5040 NUMERISKE METODER Trsdag 15. ma 2001 Td:
DetaljerLempel-Ziv-koding. Lempel-Ziv-koding. Eksempel på Lempel-Ziv. INF 2310 Digital bildebehandling. Kompresjon og koding Del II
Lempel-Ziv-koding INF 2310 Digital bildebehandling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon av gråtonebilder JPEG-kompresjon av fargebilder Rekonstruksjonsfeil i bilder
DetaljerSeleksjon og uttak av alderspensjon fra Folketrygden
ato: 07.01.2008 aksbehandler: DH Seleksjon og uttak av alderspensjon fra Folketrygden Dette notatet presenterer en enkel framstllng av problemet med seleksjon mot uttakstdpunkt av alderspensjon av folketrygden.
DetaljerFleksibelt arbeidsliv. Befolkningsundersøkelse utført for Manpower September 2015
Fleksbelt arbedslv Befolknngsundersøkelse utført for Manpower September 015 Antall dager med hjemmekontor Spørsmål: Omtrent hvor mange dager jobber du hjemmefra løpet av en gjennomsnttsmåned (n=63) Prosent
DetaljerLøsningsforslag, 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
DetaljerSorterings- Algoritmer
Hva er sorterng? Sorterngs- Algortmer Algortmer og Datastrukturer Input: en sekvens av N nummer Output: reorganserng nput-sekvensen slk at: a < a < a... < a n- < a n V søker algortmer som gjør dette på
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer
Forelesnng nr.3 INF 4 Elektronske systemer 009 04 Parallelle og parallell-serelle kretser Krchhoffs strømlov 30.0.04 INF 4 Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt
DetaljerØVINGER 2017 Løsninger til oppgaver
ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1
DetaljerLøsningsforslag øving 10 TMA4110 høsten 2018
Løsnngsforslag øvng TMA4 høsten 8 [ + + Projeksjonen av u på v er: u v v u v v v + ( 5) [ + u v v u [ 8/5 6/5 For å fnne ut om en matrse P representerer en projeksjon, må v sjekke om P P a) b) c) [ d)
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Deleksamen MAT-INF Modellerng og beregnnger. Eksamensdag: Onsdag 7. oktober 29. Td for eksamen: 5: 7:. Oppgavesettet er på 6 sder. Vedlegg:
DetaljerAlternerende rekker og absolutt konvergens
Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne
DetaljerLøsningsforslag ST2301 Øving 8
Løsnngsforslag ST301 Øvng 8 Kapttel 4 Exercse 1 For tre alleler, fnn et sett med genfrekvenser for to populasjoner, som gr flere heterozygoter enn forventa utfra Hardy-Wenberg-andeler for mnst én av de
DetaljerRepetisjon: Kompresjon
Repetisjon: Kompresjon INF 2310 Digital bildebehandling Kompresjon og koding Del II LZW-koding Aritmetisk koding JPEG-kompresjon av gråtonebilder JPEG-kompresjon av fargebilder Rekonstruksjonsfeil i bilder
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen : ECON130 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 15.0.015 Sensur kunngjøres senest: 0.07.015 Td for eksamen: kl. 09:00 1:00 Oppgavesettet er på 4 sder Tllatte hjelpemdler:
DetaljerForelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011
Løsnnger lle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Hypotesetestng testng av enkelthypoteser Oppgave 1.* Når v tester enkelthypoteser ved hjelp
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen : ECON13 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 11.8.16 Sensur kunngjøres senest: 6.8.16 Td for eksamen: kl. 9: 1: Oppgavesettet er på 4 sder Tllatte hjelpemdler:
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
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer. Parallelle og parallell-serielle kretser Kirchhoffs strømlov
Forelesnng nr.3 INF 4 Elektronske systemer Parallelle og parallell-serelle kretser Krchhoffs strømlov Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt parallelle kretser Krchhoffs
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
DetaljerMSKOMNO. kó=ñê~w. pfabufp=ud. aáöáí~ä=ê åíöéå=l=îáçéçjëçñíï~êé=j=sfabufp hçêí=äêìâë~åîáëåáåö= kçêëâ
kó=ñê~w MSKOMNO pfabufp=ud aáöáí~ä=ê åíöéå=l=îáçéçjëçñíï~êé=j=sfabufp hçêí=äêìâë~åîáëåáåö= kçêëâ 0123 Dette produktet bærer CE-merket overensstemmelse med bestemmelsene drektvet 93/42EEC av 14 jun 1993
DetaljerForelesning 17 torsdag den 16. oktober
Forelesnng 17 torsdag den 16. oktober 4.12 Orden modulo et prmtall Defnsjon 4.12.1. La p være et prmtall. La x være et heltall slk at det kke er sant at x 0 Et naturlg tall t er ordenen tl a modulo p dersom
DetaljerEKSAMEN Ny og utsatt Løsningsforslag
. jun 0 EKSAMEN Ny og utsatt Løsnngsorslag Emnekode: ITD50 Dato:. jun 0 Emne: Matematkk, deleksamen Eksamenstd: 09.00.00 Hjelpemdler: To A-ark med valgrtt nnhold på begge sder. Formelhete. Kalkulator er
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
Detaljersystem 16 mm / 25 mm / 32 mm MONTERINGSVEILEDNING
16 mm / 25 mm / 32 mm MONTERINGSVEILEDNING Sdoprofl Monterngsprofl Murprofl (tllval) (A) (B) 1000 mm 20 mm mn. 50 mm Klck! Før du starter monterngen av dtt nye tak, bør du kontrollere at du har motatt
DetaljerJobbskifteundersøkelsen Utarbeidet for Experis
Jobbskfteundersøkelsen 15 Utarbedet for Expers Bakgrunn Oppdragsgver Expers, ManpowerGroup Kontaktperson Sven Fossum Henskt Befolknngsundersøkelse om holdnnger og syn på jobbskfte Metode Webundersøkelse
DetaljerRayleigh-kriteriet. INF 2310 Digital bildebehandling. Hvor små detaljer kan en linse oppløse? Samplingsteoremet (Shannon/Nyquist)
IN 3 Dgtal bldebehandlng Ralegh-krteret Oppsummerng II våren : Avbldnng Samplng og kvantserng Geometrske operasjoner Gråtonemappng og hstogramoperasjoner ltrerng blde-doménet ltrerng rekvens-doménet Kompresjon
DetaljerOppgave 3, SØK400 våren 2002, v/d. Lund
Oppgave 3, SØK400 våren 00, v/d. Lnd En bonde bonde dyrker poteter. Hvs det blr mldvær, blr avlngen 0. Hvs det blr frost, blr avlngen. Naboen bonde, som vl være tsatt for samme vær, dyrker også poteter,
DetaljerMASTER I IDRETTSVITENSKAP 2012/2014. Individuell skriftlig eksamen. MAS 402- Statistikk. Tirsdag 9. oktober 2012 kl. 10.00-12.00
MASTER I IDRETTSVITESKAP 0/04 Indvduell skrftlg eksamen MAS 40- Statstkk Trsdag 9. oktober 0 kl. 0.00-.00 Hjelpemdler: kalkulator Eksamensoppgaven består av 9 sder nkludert forsden Sensurfrst: 30. oktober
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
DetaljerCOLUMBUS. Lærerveiledning Norge og fylkene. ved Rolf Mikkelsen. Cappelen Damm
COLUMBUS Lærervelednng Norge og fylkene ved Rolf Mkkelsen Cappelen Damm Innlednng Columbus Norge er et nteraktvt emddel som nneholder kart over Norge, fylkene og Svalbard, samt øvelser og oppgaver. Det
Detaljerwww.olr.ccli.com Introduksjon Online Rapport Din trinn for trinn-guide til den nye Online Rapporten (OLR) Online Rapport
Onlne Rapport Introduksjon Onlne Rapport www.olr.ccl.com Dn trnn for trnn-gude tl den nye Onlne Rapporten (OLR) Vktg nfo tl alle mengheter og organsasjoner Ingen flere program som skal lastes ned Fortløpende
DetaljerSparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.
ECON 0 Forbruker, bedrft og marked Forelesnngsnotater 09.0.07 Nls-Henrk von der Fehr FORBRUK OG SPARING Innlednng I denne delen skal v anvende det generelle modellapparatet for konsumentens tlpasnng tl
DetaljerInvestering under usikkerhet Risiko og avkastning Høy risiko. Risikokostnad prosjekt Snøskuffe. Presisering av risikobegrepet
Investerng under uskkerhet Rsko og avkastnng Høy rsko Lav rsko Presserng av rskobegreet Realnvesterng Fnansnvesterng Rsko for enkeltaksjer og ortefølje-sammenheng Fnansnvesterng Realnvesterng John-Erk
DetaljerX ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG
DetaljerAutomatisk koplingspåsats Komfort Bruksanvisning
Bruksanvsnng System 2000 Art. Nr.: 0661 xx /0671 xx Innholdsfortegnelse 1. rmasjon om farer 2. Funksjon 2.1. Funksjonsprnspp 2.2. Regstrerngsområde versjon med 1,10 m lnse 2.3. Regstrerngsområde versjon
DetaljerAlvdal Royal kledning
Klednng STORT UTVALG AV KLEDNINGSPRODUKTER UNIK BEHANDLING AV HVERT PROSJEKT FOKUS PÅ MILJØVENNLIGE LØSNINGER Alvdal Royal klednng Vår bestselger når det gjelder kvaltet, levetd og prs. Lang levetd Begrenset
DetaljerEKSAMEN ny og utsatt løsningsforslag
8.. EKSAMEN n og utsatt løsnngsorslag Emnekode: ITD Dato:. jun Hjelpemdler: - To A-ark med valgrtt nnhold på begge sder. Emnenavn: Matematkk ørste deleksamen Eksamenstd: 9.. Faglærer: Chrstan F Hede -
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
DetaljerMoD233 - Geir Hasle - Leksjon 10 2
Leksjon 10 Anvendelser nettverksflyt Transportproblemet Htchcock-problemet Tlordnngsproblemet Korteste-ve problemet Nettverksflyt med øvre begrensnnger Maksmum-flyt problemet Teorem: Maksmum-flyt Mnmum-kutt
DetaljerRepetisjon: Kompresjon
INF2310 Digital bildebehandling Ole Marius Hoel Rindal, foiler av Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon Tapsfri prediktiv koding Kompendium: 18.4, 18.7.3
DetaljerINF 2310 Digital bildebehandling
Bruksområder - ltrerng INF 30 Dgtal bldebeandlng Fltrerng blde-domenet - Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende ltre Ikke-lneære ltre GW Kap 3.4-3.5 + Kap 5.3 Av de mest brukte
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
DetaljerStudieprogramundersøkelsen 2013
1 Studeprogramundersøkelsen 2013 Alle studer skal henhold tl høgskolens kvaltetssystem være gjenstand for studentevaluerng mnst hvert tredje år. Alle studentene på studene under er oppfordret tl å delta
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
DetaljerOppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesnng 3 MET359 Økonometr ved Davd Kreberg Vår 0 Oppgaver Alle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Multple regresjon Oppgave.* Ta utgangspunkt
Detaljermå det justeres for i avkastningsberegningene. se nærmere nedenfor om valg av beregningsmetoder.
40 Metoder for å måle avkastnng Totalavkastnngen tl Statens petroleumsfond blr målt med stor nøyaktghet. En vktg forutsetnng er at det alltd beregnes kvaltetsskret markedsverd av fondet når det kommer
DetaljerINF 2310 Digital bildebehandling
INF 2310 Dgtal bldebehandlng FORELESNING 4 GRÅTONE-TRANSFORMASJONER Frtz Albregtsen 1 Temaer dag Hstogrammer Lneære gråtonetransformer t Standardserng av blder med lneær transform Ikke-lneære, parametrske
DetaljerNOEN SANNSYNLIGHETER I BRIDGE Av Hans-Wilhelm Mørch.
NOEN SANNSYNLIGHETER I BRIGE A Hans-Wlhelm Mørch. SANNSYNLIGHETER FOR HVORAN TRUMFEN(ELLER ANRE SORTER) ER FORELT Anta at du mangler n kort trumffargen. Ha er sannsynlgheten for at est har a a dem? La
DetaljerVeiledning til obligatorisk oppgave i ECON 3610/4610 høsten N. Vi skal bestemme den fordeling av denne gitte arbeidsstyrken som
Jon sle; oktober 07 Ogave a. elednng tl oblgatorsk ogave ECO 60/60 høsten 07 har nå at samlet arbedskraftmengde er gtt lk, slk at ressurskravet er. skal bestemme den fordelng av denne gtte arbedsstyrken
DetaljerRepetisjon: Kompresjon
Repetisjon: Kompresjon INF2310 Digital bildebehandling FORELESNING 11 KOMPRESJON OG KODING II Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon Tapsfri prediktiv koding
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
Detaljer1653B/1654B. Installasjonstest på et IT anlegg i drift
65B/654B Installasjonstest på et IT anlegg drft Utførng av testene Spennngsmålnger Testeren kan brkes som et ac voltmeter hvor spennng og frekvens kan vses samtdg ved å sette rotasjonsbryteren tl V. Alle
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Forelesning 11 Kompresjon og koding II Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon Tapsfri prediktiv koding Kompendium: 18.4, 18.7.3
DetaljerDynamisk programmering. Hvilke problemer? Optimalitetsprinsippet. Overlappende delproblemer
ynask prograerng Metoden ble foralsert av Rchard Bellann (RAN Corporaton på -tallet. Prograerng betydnngen planlegge, ta beslutnnger. (Har kke noe ed kode eller å skrve kode å gøre. ynask for å ndkere
DetaljerIN1 Audio Module. Innføring og hurtigreferanse
IN Audo Module Innførng og hurtgreferanse Les heftet med skkerhetsnstruksjoner før du tar bruk lydmodulen. Pakk ut av esken Innhold: A/V-kabler følger kke med. Dsse kan kjøpes fra www.nfocus.com/store
DetaljerRepetisjon: Kompresjon
Repetisjon: Kompresjon INF230 Digital bildebehandling Forelesning Kompresjon og koding II Ole Marius Hoel Rindal, foiler av Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon
DetaljerForelesning nr.3 INF 1410
Forelesnng nr. INF 40 009 Node og mesh-analyse 6.0.009 INF 40 Oerskt dagens temaer Bakgrunn Nodeanalyse og motasjon Meshanalyse 009 Supernode Bruksområder og supermesh for node- og meshanalyse 6.0.009
DetaljerTerrasser TRAPPER OG REKKVERK LAG DIN EGEN UTEPLASS! VÅRE PRODUKTER HAR LANG LEVETID OG DU VIL HA GLEDE I DET DU HAR BYGGET I MANGE ÅR FREMOVER
Terrasser TRAPPER OG REKKVERK LAG DIN EGEN UTEPLASS! VÅRE PRODUKTER HAR LANG LEVETID OG DU VIL HA GLEDE I DET DU HAR BYGGET I MANGE ÅR FREMOVER Malmfuru terrasse Malmfuru er den mest mljøvennlge terrassen
DetaljerNorske CO 2 -avgifter - differensiert eller uniform skatt?
Norske CO 2 -avgfter - dfferensert eller unform skatt? av Sven Egl Ueland Masteroppgave Masteroppgaven er levert for å fullføre graden Master samfunnsøkonom Unverstetet Bergen, Insttutt for økonom Oktober
DetaljerLøsning til seminar 3
Løsnng tl semnar 3 Oppgave ) Investerngsfunksjonen Investerngene påvrkes hovesaklg av renta og av aktvtetsnvået økonomen. Når renta går opp øker kostnaen ve å fnansere nvesternger. V kan s at et lr relatvt
DetaljerBente Halvorsen, Bodil M. Larsen og Runa Nesbakken
2007/7 Raorter Reorts Bente alvorsen, Bodl M. Larsen og Runa Nesbakken Smulerng av usoldnngenes elektrstetsforbruk Dokumentason og anvendelser av mkrosmulerngsmodellen SE Statstsk sentralbyrå Statstcs
Detaljer