INF 1040 høsten 2009: Oppgavesett 13 Kompresjon og koding (kapittel 18)
|
|
- Marta Jacobsen
- 7 år siden
- Visninger:
Transkript
1 asitoppgaver IN høsten : Oppgavesett Kompresjon og koding (kapittel ) enne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. et er ikke nødvendigvis meningen at du skal gjøre alle disse oppgavene. Gjør gjerne noen oppgaver av hver type, og gå videre hvis du synes det går greit. Gjør flere oppgaver av samme type hvis du synes det er vanskelig og ønsker mer trening.. Hva er entropien i det lille piksels gråtonebildet til høyre?. Hvor mange biter vil vi totalt trenge ved Huffman-koding av meldingen jeg står (meldingen er alt mellom hermetegnene)?. Hvilken type redundans reduseres med run-length transformasjon av et bilde?. u skal kode pikslene i et M N piksels binært bilde hver for seg. nta at sannsynligheten for pikselverdi er veldig liten, mens sannsynligheten for pikselverdi er nær. Hva blir det gjennomsnittlige antall biter per piksel ved en Huffman-koding av bildet?. Vi gjør en differansetransform på et biters gråtonebilde. Så lager vi oss en biters naturlig kode der vi bruker første og siste kodeord som fortsettelseskoder, mens de øvrige koder for differansene fra - til +. Hvor lange blir de LNGST kodeordene når vi koder differansene på denne måten?. I en Lempel-Ziv kodet fil benyttes et alfabet med tre koder a=, b= og d =. u mottar kodene. Hva er meldingen?. Ved Huffmannkoding av meldingen IN (meldingen er altså alt mellom -ene) vil vi totalt trenge hvor mange biter?
2 lervalgsoppgaver I disse oppgavene er det oppgitt fem svaralternativer der bare ett svar er riktig.. Hvilken form for redundans kan vi finne i en videosekvens, men IKK i et enkelt bilde? (Presisering: videosekvensen er uten lyd) a) Psykovisuell redundans b) Psykoakustisk redundans c) Redundans i rom d) Redundans i tid e) Kodingsredundans. Morsekoden består av prikker (varer enhet), streker ( enheter), mellomrom mellom prikker og streker ( enhet), mellomrom mellom tegn ( enheter) og mellom ord ( enheter). Kodetabellen for de første bokstavene i en engelsk tekst er K -. - P U G - -. L. -.. Q V H.... M - - R. -. W I.. N -. S... X J O T - Y Hvilket av utsagnene nedenfor er sant? a) Morsekoden er en binær kode b) Hvis vi erstatter prikk med, strek med og pauser med, så får vi en unikt dekodbar kode c) Morsekode er en entropibasert kode d) Hvis vi erstatter prikk med og strek med, så får vi en variabel-lengde kode som er instantant dekodbar e) Morsekode premierer mønstre i teksten. Hvilken påstand om den klassiske JPG-standarden for koding av bilder er sann? a) JPG er alltid en tapsfri koding b) JPG er basert på ourier-transformen c) JPG er basert på Lempel-Ziv-koding d) JPG er basert på løpelengdekoding e) JPG bruker cosinus-transform og Huffmann-koding
3 . Palindromet (som er en sekvens som kan leses både forlengs og baklengs) SIGNM T SIGN TM M TNGIS T MNGIS vil få en Huffmann-kode (hvis vi ser bort fra de blanke mellom ordene) a) der det gjennomsnittlige antall bits per tegn er lik entropien b) der alle kodene er dobbelt så lange som for halve sekvensen c) der den korteste koden i kodeboken er bit og resten er bits d) der den korteste koden er bit og resten er bits e) der de to korteste kodene er bit og resten er bits. Huffman-koding og Shannon-ano koding har forskjellig øvre grense for kodingsredundans. a) Huffmann-koden kommer alltid bedre ut enn Shannon-ano b) Shannon-ano kommer alltid bedre ut enn Huffman c) Huffman-koding kommer noen ganger dårligere ut enn Shannon-ano d) et er en fast forskjell i favør av Huffman-koding e) Kodingsredundansene er like, bortsett fra når sannsynlighetene er toerpotenser.. Ved Huffman-koding av meldingen Huffman-koding kan jeg i søvne!! (meldingen er alt mellom hermetegnene) blir det gjennomsnittlige antall biter per piksel, R a) Mindre enn entropien til meldingen b) Lik entropien til meldingen c) Lik entropien til meldingen pluss d) Lik entropien til meldingen pluss den minste symbol-sannsynligheten e) Lik entropien til meldingen pluss den største symbol-sannsynligheten. Hva er entropien i det lille piksels gråtonebildet nedenfor til høyre? a). biter b). biter c). biter d) biter e). biter. I en Lempel-Ziv kodet fil benyttes et alfabet med tre koder: a =, b = og d =. u mottar kodene. Hva er meldingen? a) badababa b) badabaad c) badabada d) badaabda e) badaab
4 Tenk selv -oppgaver. Heksadesimal Sudoku Vi har en kvadratisk matrise med * elementer som igjen er delt opp i * blokker på * elementer. I hvert element står et heksadesimalt siffer som for eksempel kan være en koding for en gråtone, en farge i en fargetabell, eller rett og slett et heltall. I alle linjer, kolonner og blokker skal alle de heksadesimale sifrene være forskjellige fra hverandre, slik som i eksemplet i figuren. a) Hvor mange biter trenger vi for å løpelengdetransformere det unormaliserte histogrammet for hele matrisen? b) Hvordan ser det normaliserte histogrammet for hele matrisen ut? c) Hva er forskjellen i første ordens entropi H mellom en linje i matrisen og hele matrisen? N: Vi angir ikke her formelen for H. d) Hvor stor er kodingsredundansen hvis vi representerer alle sifrene i matrisen med bits kodeord? egrunn svaret kort!. Huffmankoding av en spesiell tekst Hvorfor kan vi si at den gjennomsnittlige lengden på kodeordene vil bli lik entropien når vi Huffman-koder utsagnet digital overalt!?
5 . Huffmankoding med kjente sannsynligheter Gitt en sekvens av symboler som er tilstrekkelig lang, og som inneholder de symbolene,,,,,. Symbolene forekommer med sannsynligheter Symbol Sannsynlighet a) inn kodeboken for en Huffman-koding av disse symbolene. b) Hva er gjennomsnittlig antall biter pr. symbol i sekvensen etter Huffman-kodingen? c) Hva er entropien til symbol-sekvensen?. Kodeboken til en Huffmankoding inn kodeboken for en Huffman-koding av igital overalt!, og tegn opp kodeboken som en tre-struktur. r denne forskjellig fra det du ville fått med en Shannon-ano koding?. Huffmankoding av en oppgitt tekst enne setningen skal kodes. a) Hvordan ser kodeboken for en Huffman-koding ut? b) Hva er gjennomsnittlig antall biter pr. symbol etter kodingen? c) Hvordan ser bitstrømmen for symbol-sekvensen ut etter koding?. Vi har gitt følgende bilde: a) inn Huffman-kodingen av dette bildet. Hvor mange bits blir det per piksel i gjennomsnitt etter koding hvis vi ser bort fra at vi trenger plass til å lagre kodeboken? b) Ved differansetransform tar vi differansen mellom et piksel og dets nabo til venstre. Siden pikslene lengst til venstre i bildet ikke har noen venstre nabo, beholder vi pikselverdien her. c) inn differanse-transformen av bildet ovenfor.
6 d) inn så Huffman-koden for det differansetransformerte bildet, slik at du kan beregne det gjennomsnittlige antall bits per piksel for det differansetransformerte bildet. e) ntropien til bildet vi startet med i forrige oppgave er. biter. Hvorfor ble det gjennomsnittlige antall biter per piksel større enn entropien i deloppgave a), men mindre enn. i deloppgave c)?. n fax-oppgave a) nta at en telefonsamtale har en båndbredde på khz, og at det analoge signalet samples i henhold til Nyqvist-kriteriet. nta også at det er mulige lydnivåer i hvert sample. Hvor stor overføringskapasitet må vi ha på telefon-linjen, uttrykt i k/s, når vi bruker naturlig bitkoding av amplituden? b) nta at det er G= forskjellige nivåer på amplituden til hvert sample, og at når vi sorterer dem etter hvor ofte de forekommer i en telefonsamtale, så finner vi i dette spesielle tilfellet at sannsynlighetene er ½, ¼, /, /,, /, /, /. Hvor mange slike telefonsamtaler kan vi overføre i parallell på en kbits/s ISN-linje med Huffman-koding av amplitudene? Hint : ntropien er gitt ved H = G i= essuten: Og til slutt: p i log p i ( ) log(teller/nevner) = log(teller) log(nevner) log ( n ) = n Hint : Summen ½+/+/ +/+/ + konvergerer raskt mot. c) t ark med tekst og enkle strektegninger skal sendes pr digital fax over en modemlinje med kapasitet på biter/sekund. Vi bruker en standard fax med fotosensorer per linje og linjer per side. axmaskinen gjør en terskling av bildet av siden. Hvor lang tid tar det å overføre en side uten kompresjon? d) nta at vi hadde kunnet gjøre tekstgjenkjenning på den delen av arket som inneholder tekst, og representert symboler og mellomrom med bits SII. nta at det maksimalt er tegn pr linje og linjer pr side. nta også at vi kunne beskrevet strektegningene som maksimalt rektangler per side, og at sidene på rektanglene er parallelle med kantene på siden. Gi et worst case estimat av hvor mange biter du vil trenge for å beskrive innholdet på siden med en oppløsning som svarer til faxens oppløsning, og hvor lang tid det vil ta å overføre dette over modemlinjen.
7 e) Vi vil gjerne undersøke hvor mye det er å spare på å separere SIItegn fra alt annet i en fax, og sende bits SII kode for hvert tegn, mens resten sendes ukomprimert uansett hva det er. Hvis halvparten av hver side i gjennomsnitt er SII-tegn, hvor mye sparer vi da i forhold til ordinær fax? f) Utsnittet på * piksler av et binært bilde nedenfor kan representeres med biter. Ser vi på runlength-representasjonen av det samme utsnittet, finner vi at det består av runs med lengder mellom og piksler. Hvis vi bruker biter på hver, blir dette biter. Imidlertid er det mulig å gjøre dette litt mer kompakt ved å Huffman-kode de løpelengdene. Ved løpelengdetransformasjon av binære bilder trenger vi ikke å lagre tallpar (gråtone, løpelengde) slik som for gråtonebilder. Vi trenger bare løpelengdene, for det er bare to mulige intensitetsverdier. Løpelengdene finnes i tabellen til høyre. inn Huffmann-koden til løpelengdene i tabellen til høyre over, og finn det totale antall biter etter koding av løpelengdene. Prøv selv -oppgaver. t Huffman-program med grafisk grensesnitt et er laget et JV-program med grafisk brukergrensesnitt til dette kurset for å kode og dekode tekst med Huffman-metoden. ruksanvisning for programmet ligger på Prøv deg fram og se hvilke resultater du får med forskjellige tekster. Prøv blant annet følgende: a) Kopier inn denne teksten i venstre vindu. a får du et sortert histogram til høyre for teksten. Trykk på ncode. a får du den tilsvarende kodeboken og bitsekvensen etter koding til høyre. u kan også trykke på Show code tree, og få ut kodebokens tre-struktur.
8 b) Marker en del av bitsekvensen og fjern den med delete, eller endre på verdien av noen biter. Trykk på ecode. Hva skjer med den opprinnelige teksten? Hvorfor er skaden som oppstår bare lokal? Ville dette vært tilfelle hvis tilsvarende feil hadde oppstått i kodeboken? c) ruk dette verktøyet til å sjekke at du har tenkt riktig og fått korrekte svar på de andre oppgavene i oppgavesettet. d) Hva er det måken på forsiden av læreboka skriker?. Kompresjon med diverse JV-programmer a) Se på bildene a.png, a.png og a.png som ligger på /ifi/midgard/k/inf/www_docs/bilder/. Prøv å komprimere bildene med JV-programmene ntropy, eltancoder, HuffmanTest og RunLengthncoder. isse programmene har du tilgang til hvis du fikk satt riktig LSSPTH i tidligere oppgaver). Sammenlign entropien for de tre bildene. (java ntropy a.png) Hvilket bilde har høyest entropi? Hvordan stemmer dette med det du trodde ved å se på bildene? b) Sammenlign kompresjonsraten med differansekoding (eltancoder), Huffman-koding og run-length koding for de ulike bildene.. ruk av compress og gzip Prøv å komprimere ulike typer filer med ulike komprimeringsprogrammer (f.eks. compress og gzip). r det stor forskjell i komprimeringsraten for ulike filer? Stemmer dette med ditt inntrykk av hvilke filer som har mest/minst uorden? asit til fasitoppgaver og flervalgsoppgaver Hvis du finner feil i denne fasiten er det fint om du gir beskjed om dette ved å sende en mail til martingi@ifi.uio.no. asitoppgavene: :. biter. egrunnelse: Histogrammet blir :, :, :, :, :, :, : et normaliserte histogrammet består da av fire ganger (/) og tre ganger (/). ntropien blir sum(p log(p)) = -(/)log(/) -(/)log(/) = -(/)(-) (/)(-) = + (/) =. : biter. egrunnelse: et er åtte forskjellige tegn, og hvert av dem forekommer bare en gang. a vil en Huffman-koding gi samme resultat som en naturlig bitkoding med biter per tegn. biter per tegn x tegn gir biter. : Intersampel redundans. egrunnelse: Vi representerer nabopiksler som er like. : bit per piksel egrunnelse: ildet er binært, og vi koder pikselverdiene hver for seg. Uansett hvor smart kodingen er, så må vi bruke ett bit per piksel. Se foil.
9 : biter egrunnelse: det er gråtoner i bildet, fra til. ifferansebildet kan inneholde verdier fra - til. I en biters naturlig kode brukes de midterste kodeord a biter til differanser fra - til +. kodeord med første og siste kode som prefiks ( biter til sammen) brukes til differansene fra - til - og fra til. kodeord med første og siste kode to ganger som prefiks ( biter til sammen) brukes til differanser mindre enn - og større enn. Se foil i forelesningen /. : abbadabba egrunnelse: Vi har mottatt kodene. Mottar, tolkes som a Mottar, tolkes som b, lager ab =. Mottar, tolkes som b, lager bb = Mottar, tolkes som a, lager ba = Mottar, tolkes som d, lager ad = Mottar, tolkes som ab, lager da = Mottar, tolkes som ba Resultat: abbadabba. : biter egrunnelse: et er tegn. seks av dem har hyppighet, en har hyppighet. ltså kan alle sannsynlighetene skrives som en negativ potens av : seks ganger (/) og en gang (/). a vet vi at Huffman-kodingen er optimal (se foil ): Vi får en gjennomsnittlig kodeordlengde som er lik entropien: -sum(p*log(p)). ntropien er -(/)(-) (/)(-) = (/) + (/) = (/). ette trenger vi ikke å regne ut, for det totale antall biter er jo lik gjennomsnittlig ordlengde (her lik entropien) ganget med antall tegn (), altså (/) x =. Og vi trengte ikke å utføre Huffman-kodingen heller for å finne svaret! lervalgsoppgavene: : (d). : (c). : (e). : (a). egrunnelse: et er forskjellige tegn, og alle har lik sannsynlighet, som er en nagativ toerpotens (/). : (e). : (c). egrunnelse: Hvis den største sannsynligheten er nær., og resten av sannsynlighetene er veldig små, vil Huffman-koding komme dårligere ut enn Shannon-ano (se nederst side i læreboka). : (b). egrunnelse: et er tegn i meldingen, med hyppighet, eller. ltså er alle sannsynlighetene en brøk med en toerpotens i nevneren. rgo kan vi konkludere med b), uten å utføre kodingen! : (c). egrunnelse: et er piksler i bildet. Hyppighetene er,,,. Sannsynlighetene er (/), (/), (/), (,). ntropien er sum(p*log(p)) = -(/)(-) (/)(-) (/)(-) = (¾) + (/) + (/) =.. : (c). egrunnelse: Mottar = b. Mottar = a og lager ba =. et utelukker de to siste alternativene. eretter ble = d mottatt og ad = ble laget. Så ble = a mottatt og da = ble laget. ermed må bety badabada, som er alternativ c).
INF 1040 høsten 2009: Oppgavesett 13 Kompresjon og koding (løsningsforslag) (kapittel 18) Tenk selv -oppgaver
IN høsten : Oppgavesett Kompresjon og koding (løsningsforslag) (kapittel ) Tenk selv -oppgaver. Heksadesimal Sudoku Vi har en kvadratisk matrise med * elementer som igjen er delt opp i * blokker på * elementer.
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
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
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
DetaljerLøsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I
Løsningsforslag, Ukeoppgaver 9 INF23, våren 2 6. Vi har gitt følgende bilde: kompresjon og koding del I 2 2 2 3 3 3 2 3 3 3 2 2 2 3 3 2 2 2 3 2 3 4 4 2 2 3 2 2 3 4 4 2 2 2 3 3 3 4 3 4 a. Finn Huffman-kodingen
DetaljerLøsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II
Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II 1. En fax-oppgave: a. Et ark med tekst og enkle strektegninger skal sendes pr digital fax over en modemlinje med kapasitet
DetaljerUNIVERSITETET I OSLO
okmål ksamen i IN igital representasjon. des. UNIVRSITTT I OSLO et matematisk-naturvitenskapelige fakultet ksamen i : IN igital representasjon ksamensdag : Onsdag. desember Tid for eksamen :.. Oppgavesettet
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
DetaljerINF 1040 Kompresjon og koding
INF 1040 Kompresjon og koding Tema i dag : 1. Noen begreper 2. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding 7. Lempel-Ziv koding 8. JPEG koding
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Mandag 1. juni 2015 Tid for eksamen: 14:30 18:30 Oppgavesettett er på: 6 sider Vedlegg:
DetaljerKOMPRESJON OG KODING
KOMPRESJON OG KODING Et kapittel fra boken Fritz Albregtsen & Gerhard Skagestein Digital representasjon av tekster, tall former, lyd, bilder og video 2. utgave Unipub 2007 - Med enkelte mindre endringer
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
DetaljerINF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11)
INF 1040 høsten 2008: Oppgavesett 9 Sampling og kvantisering av lyd (kapittel 11) Fasitoppgaver Denne seksjonen inneholder innledende oppgaver hvor det finnes en enkel fasit bakerst i oppgavesettet. Det
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : 4:3 8:3 Oppgavesettet er på : 5 sider Vedlegg : Ingen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 007 Tid for eksamen : 09:00 1:00 Oppgavesettet er på : 5 sider
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Oppgavesettet er på : 7 sider
DetaljerINF 1040 Digital video digital bildeanalyse. Noen begreper. Kompresjon. Kompresjon. Dekompresjonsalgoritme. Kompresjonsalgoritme
INF 4 Digital video digital ildeanalyse Tema i dag :. Hvor mye informasjon inneholder en melding?. Redundans 3. Differanse- og løpelengdetransformer 4. Gray kode 5. Entropi 6. Shannon-Fano og Huffman koding
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 2007 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : 5 sider
DetaljerKompresjon. Noen begreper. Plass og tid. Kompresjon. Digitale data kan ta stor plass. Eksemper : Overføring av data tar tid: Dekompresjonsalgoritme
Kompresjon Noen egreper Kompresjonsalgoritme Dekompresjonsalgoritme Litteratur : Cyganski kap. 7 Compressing Information kap. 8 Image Compression kap. 9 Digital Video Data Kompresjon Lagring eller oversending
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 13:00 Oppgavesettet er på: 6 sider Vedlegg:
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
DetaljerAnvendelser. Kompresjon. Noen begreper. INF 2310 Digital bildebehandling
Anvendelser IF 3 Digital ildeehandling Kompresjon og koding Del I Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman GW: Kap. 8 unntatt 8..7, 8.., 8..6, 8.., 8.3 Kompresjon
DetaljerINF 1040 høsten 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
DetaljerINF1040 Oppgavesett 1: Tallsystemer og binærtall
INF1040 Oppgavesett 1: Tallsystemer og binærtall (Kapittel 1.1 1.4, 6, 7.2 7.3) Fasitoppgaver 1. Skriv tallene fra 1 10 til 20 10 som binærtall. 2. Skriv tallene fra 1 10 til 20 10 som heksadesimale tall.
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
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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : :3 8:3 Løsningsforslaget er på : 9
DetaljerINF 1040 høsten 2009: Oppgavesett 8 Introduksjon til lyd (kapittel 9 og 10)
INF 1040 høsten 2009: Oppgavesett 8 Introduksjon til lyd (kapittel 9 og 10) Vi regner med at decibelskalaen og bruk av logaritmer kan by på enkelte problemer. Derfor en kort repetisjon: Absolutt lydintensitet:
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 3. juni 2009 id for eksamen : 14:30 17:30 Oppgavesettet er på : 6 sider
DetaljerINF1040 Oppgavesett 6: Lagring og overføring av data
INF1040 Oppgavesett 6: Lagring og overføring av data (Kapittel 1.5 1.8) Husk: De viktigste oppgavetypene i oppgavesettet er Tenk selv -oppgavene. Fasitoppgaver Denne seksjonen inneholder innledende oppgaver
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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 1. juni 2015 Tid for eksamen: 14:30 18:30 Løsningsforslaget
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 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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF210 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 1:00 Løsningsforslaget
DetaljerEksamen i INF 1040, 5. desember Det matematisk-naturvitenskapelige fakultet
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Fredag 5. desember 2008 Tid for eksamen : 09.00 12.00 Oppgavesettet er på
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF230 Digital bildebehandling Eksamensdag : Onsdag 6. juni 202 Tid for eksamen : 09:00 3:00 Oppgavesettet er på : 6 sider Vedlegg
DetaljerUNIVERSITETET I OSLO. Dette er et løsningsforslag
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF231 Digital bildebehandling Eksamensdag : Onsdag 3. juni 29 Tid for eksamen : 14:3 17:3 Løsningsforslaget er på :
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
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Oppgavesettett er på : 6 sider
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
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
DetaljerEksamen i INF 1040, 5. desember Det matematisk-naturvitenskapelige fakultet. Ditt kandidatnr: DETTE ER ET LØSNINGSFORSLAG
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Fredag 5. desember 2008 Tid for eksamen : 09.00 12.00 Oppgavesettet er på
DetaljerINF1040 Digital representasjon Oppsummering 2008 del II
INF040 Digital representasjon Oppsummering 2008 del II Fritz Albregtsen INF040-Oppsum-FA- Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I 0 = 0-2 W/m 2,tilSmerteterskelen,0
DetaljerINF1040 Digital representasjon Oppsummering 2008 del II
INF igital representasjon Oppsummering 8 del II Lydintensitet Vi kan høre lyder over et stort omfang av intensiteter: fra høreterskelen, I - W/m,tilSmerteterskelen, W/m Oftest angir vi ikke absolutt lydintensitet
DetaljerFORELESNING 11. KOMPRESJON OG KODING I Andreas Kleppe. Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman
Anvendelser INF30 Digital ildeehandling FORELESNING KOMPRESJON OG KODING I Andreas Kleppe Tre steg i kompresjon Redundanser Transformer Koding og entropi Shannon-Fano og Huffman Kompendium: Frem t.o.m.
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Torsdag 7. desember 2006 Tid for eksamen : 09.00 12.00 Oppgavesettet er
DetaljerINF2810: Funksjonell Programmering. Huffman-koding
INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen Universitetet i Oslo 1. mars 2016 Tema 2 Sist Trær som lister av lister Trerekursjon Mengder som trær I dag Hierarkisk og symbolsk data Eksempel:
DetaljerINF2810: Funksjonell Programmering. Huffmankoding
INF2810: Funksjonell programmering INF2810: Funksjonell Programmering Huffmankoding Erik Velldal Universitetet i Oslo 20. februar 2015 Tema I går Trær som lister av lister Trerekursjon Mengder som trær
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Forelesning 12 Kompresjon og koding II Andreas Kleppe LZW-koding Aritmetisk koding JPEG-kompresjon Tapsfri prediktiv koding Kompendium: 18.7.3-18.7.4 og 18.8-18.8.1 F12
DetaljerRepetisjon: Kompresjon
Repetisjon: Kompresjon INF2310 Digital bildebehandling FORELESNING 11 KOMPRESJON OG KODING II Andreas Kleppe Differansetransform Løpelengdetransform LZW-transform JPEG-kompresjon Tapsfri prediktiv koding
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
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
DetaljerINF Algoritmer og datastrukturer
INF2220 - Algoritmer og datastrukturer HØSTEN 2017 Ingrid Chieh Yu Institutt for informatikk, Universitetet i Oslo Forelesning 4: Prioritetskø og Heap Ingrid Chieh Yu (Ifi, UiO) INF2220 H2017, forelesning
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Forelesning 10 Kompresjon og koding I Ole Marius Hoel Rindal, foiler av Andreas Kleppe. Tre steg i kompresjon Redundanser Koding og entropi Shannon-Fano-koding Huffman-koding
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 12. KOMPRESJON OG KODING II Andreas Kleppe
Repetisjon: Kompresjon INF2310 Digital bildebehandling FORELESNING 12 KOMPRESJON OG KODING II Andreas Kleppe LZW-koding Aritmetisk koding JPEG-kompresjon Tapsfri prediktiv koding Kompendium: 18.7.3-18.7.4
DetaljerDiskret matematikk tirsdag 13. oktober 2015
Eksempler på praktisk bruk av modulo-regning. Tverrsum Tverrsummen til et heltall er summen av tallets sifre. a = 7358. Tverrsummen til a er lik 7 + 3 + 5 + 8 = 23. Setning. La sum(a) stå for tverrsummen
DetaljerINF2810: Funksjonell Programmering. Huffman-koding
INF2810: Funksjonell Programmering Huffman-koding Stephan Oepen Universitetet i Oslo 1. mars 2016 Tema 2 Sist Trær som lister av lister Trerekursjon Mengder som trær I dag Hierarkisk og symbolsk data Eksempel:
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Torsdag 7. desember 2006 Tid for eksamen : 09.00 12.00 Oppgavesettet er
DetaljerINF1040 Oppgavesett 7: Tall og geometrier
INF1040 Oppgavesett 7: Tall og geometrier (Kapittel 7.1, 7.4-7.8, 8 + Appendiks B) Husk: De viktigste oppgavetypene i oppgavesettet er Tenk selv -oppgavene. Fasitoppgaver Denne seksjonen inneholder innledende
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30 Digital bildebehandling Eksamensdag: Mandag 6. juni 06 Tid for eksamen: 4:30 8:30 Løsningsforslaget er
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF23 Digital bildebehandling Eksamensdag : Fredag 7. juni 29 Tid for eksamen : 9: 3: (4 timer) Løsningsskissen er på : 8 sider
DetaljerINF1040 Digital representasjon
INF1040 Digital representasjon av tekster, tall, former, lyd, bilder og video Forelesere: Gerhard Skagestein Fritz Albregtsen Første forelesning: Onsdag 23. august 12:15 14:00, Sophus Lies Auditorium.
DetaljerINF1040 Digital representasjon. Oppsummering. Glyfer og tegn. Den endelige løsning UNICODE og ISO bit ulike tegn!
INF040 Digital representasjon Oppsummering Glyfer og tegn Tegn: Det bakenforliggende begrep for bestemte visualiseringer ( strektegninger ) på papir, skjerm, steintavler Et tegn kan vises fram med ulike
DetaljerTallsystemer. Tallene x, y, z og u er gitt ved x = 2, y = 2, z = 4 og u = 2. Dermed blir =
Tallsystemer Heltall oppgis vanligvis i det desimale tallsystemet, også kalt 10-tallssystemet. Eksempel. Gitt tallet 3794. Dette kan skrives slik: 3 1000 + 7 100 + 9 10 + 4 = 3 10 3 + 7 10 2 + 9 10 1 +
DetaljerGenerelle Tips. INF Algoritmer og datastrukturer. Åpen og Lukket Hashing. Hashfunksjoner. Du blir bedømt etter hva du viser at du kan
Generelle Tips INF2220 - lgoritmer og datastrukturer HØSTEN 2009 Institutt for informatikk, Universitetet i Oslo Du blir bedømt etter hva du viser at du kan Du må begrunne svar Du må ikke skrive av bøker
DetaljerNorsk informatikkolympiade runde. Sponset av. Uke 46, 2016
Norsk informatikkolympiade 2016 2017 1. runde Sponset av Uke 46, 2016 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
DetaljerKONTROLLSTRUKTURER. MAT1030 Diskret matematikk. Kontrollstrukturer. Kontrollstrukturer. Eksempel (Ubegrenset while-løkke)
KONTROLLSTRUKTURER MAT1030 Diskret matematikk Forelesning 2: Flere pseudokoder. Representasjoner av tall. Dag Normann Matematisk Institutt, Universitetet i Oslo 16. januar 2008 Mandag innførte vi pseudokoder
DetaljerTallsystemer. Tallene x, y, z og u er gitt ved x = 2, y = 2, z = 4 og u = 2. Dermed blir =
Tallsystemer Heltall oppgis vanligvis i det desimale tallsystemet, også kalt 10-tallssystemet. Eksempel. Gitt tallet 3794. Dette kan skrives slik: 3 1000 + 7 100 + 9 10 + 4 = 3 10 3 + 7 10 2 + 9 10 1 +
DetaljerForelesning 2. Flere pseudokoder. Representasjoner av tall. Dag Normann januar 2008 KONTROLLSTRUKTURER. Kontrollstrukturer. Kontrollstrukturer
Forelesning 2 Flere pseudokoder. Representasjoner av tall. Dag Normann - 16. januar 2008 KONTROLLSTRUKTURER Mandag innførte vi pseudokoder og kontrollstrukturer. Vi hadde tre typer grunn-instruksjoner:
DetaljerUNIVERSITETET 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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Løsningsforslaget
DetaljerINF2810: Funksjonell Programmering. Huffman-koding
INF2810: Funksjonell Programmering Huffman-koding Erik Velldal Universitetet i Oslo 23. februar 2017 Tema 2 Sist Trær som lister av lister Trerekursjon Mengder som trær Dataabstraksjon I dag Hierarkisk
DetaljerObligatorisk oppgave 2 INF2310 Våren 2018
Obligatorisk oppgave 2 INF2310 Våren 2018 Dette oppgavesettet er på 7 sider, og består av 2 bildebehandlingsoppgaver. Besvarelsen av denne og neste obligatoriske oppgave må være godkjent for at du skal
DetaljerEksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Eksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Torsdag 1. juni 2017 Tidspunkt for eksamen:
DetaljerIN Algoritmer og datastrukturer
IN2010 - Algoritmer og datastrukturer HØSTEN 2018 Ingrid Chieh Yu Institutt for informatikk, Universitetet i Oslo Forelesning 3: Prioritetskø og Heap Ingrid Chieh Yu (Ifi, UiO) INF2010 H2018, forelesning
DetaljerModulo-regning. hvis a og b ikke er kongruente modulo m.
Modulo-regning Definisjon: La m være et positivt heltall (dvs. m> 0). Vi sier at to hele tall a og b er kongruente modulo m hvis m går opp i (a b). Dette betegnes med a b (mod m) Vi skriver a b (mod m)
DetaljerAlle hele tall g > 1 kan være grunntall i et tallsystem.
Tallsystemer Heltall oppgis vanligvis i det desimale tallsystemet, også kalt 10-tallssystemet. Eksempel. Gitt tallet 3794. Dette kan skrives slik: 3 1000 + 7 100 + 9 10 + 4 = 3 10 3 + 7 10 2 + 9 10 1 +
DetaljerMAT1030 Forelesning 2
MAT1030 Forelesning 2 Kontrollstrukturer, tallsystemer, basis Dag Normann - 20. januar 2010 (Sist oppdatert: 2010-01-20 12:31) Kapittel 1: Algoritmer (fortsettelse) Kontrollstrukturer I går innførte vi
DetaljerAlle hele tall g > 1 kan være grunntall i et tallsystem.
Tallsystemer Heltall oppgis vanligvis i det desimale tallsystemet, også kalt 10-tallssystemet. Eksempel. Gitt tallet 3794. Dette kan skrives slik: 3 1000 + 7 100 + 9 10 + 4 = 3 10 3 + 7 10 2 + 9 10 1 +
DetaljerINF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 16 og 17) 13. Lagring av video på DVD
INF 040 høsten 2009: Oppgavesett 2 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 6 og 7) 3. Lagring av video på DVD a) Med en bitrate på 250 Mbit/s, hvor lang tidssekvens av en digital
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 2: Kontrollstrukturer, tallsystemer, basis Roger Antonsen Institutt for informatikk, Universitetet i Oslo 14. januar 2009 (Sist oppdatert: 2009-01-14 16:45) Kapittel
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 4. juni 2008 Tid for eksamen : 14:30 17:30 (3 timer) Oppgavesettet er på
DetaljerINF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver
INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver I disse oppgavene er det oppgitt fem svaralternativer der bare ett svar er riktig. 8. Fargerommet som brukes
DetaljerNorsk informatikkolympiade runde
Norsk informatikkolympiade 2016 2017 1. runde Sponset av Uke 46, 2016 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : XXX sider
DetaljerINF Algoritmer og datastrukturer
INF2220 - Algoritmer og datastrukturer HØSTEN 2009 Institutt for informatikk, Universitetet i Oslo INF2220, forelesning 13: Eksamensgjennomgang Bjarne Holen (Ifi, UiO) INF2220 H2009, forelesning 13 1 /
DetaljerMAT1030 Forelesning 3
MAT1030 Forelesning 3 Litt om representasjon av tall Dag Normann - 26. januar 2010 (Sist oppdatert: 2010-01-26 14:22) Kapittel 3: Litt om representasjon av tall Hva vi gjorde forrige uke Vi diskuterte
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Fredag 4. desember 2009 Tid for eksamen : 09.00 12.00 Oppgavesettet er på : 11
DetaljerNorsk informatikkolympiade runde. Sponset av. Uke 46, 2017
Norsk informatikkolympiade 2017 2018 1. runde Sponset av Uke 46, 2017 Tid: 90 minutter Tillatte hjelpemidler: Kun skrivesaker. Det er ikke tillatt med kalkulator eller trykte eller håndskrevne hjelpemidler.
DetaljerIN2040: Funksjonell programmering. Trær, mengder og huffmankoding
IN2040: Funksjonell programmering Trær, mengder og huffmankoding Erik Velldal Universitetet i Oslo 18. september 2019 Tema 2 Forrige uke lambda, let og lokale variabler Dataabstraksjon Lister av lister:
DetaljerEksamen i IN 106, Mandag 29. mai 2000 Side 2 Vi skal i dette oppgavesettet arbeide med et bilde som i hovedsak består av tekst. Det binære originalbil
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i IN 106 Introduksjon til signal- og bildebehandling Eksamensdag: Mandag 29. mai 2000 Tid for eksamen: 29. mai 2000 kl 09:0031.
DetaljerPrøve- EKSAMEN med løsningsforslag
Prøve- EKSAMEN med løsningsforslag Emnekode: ITD33514 Dato: Vår 2015 Hjelpemidler: Alle trykte og skrevne. Emne: Bildebehandling og mønstergjenkjenning Eksamenstid: 4 timers eksamen Faglærer: Jan Høiberg
DetaljerUNIVERSITETET I OSLO
Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet INF 160 Digital bildebehandling Eksamensdag: Mandag 12. mai - mandag 26. mai 2003 Tid for eksamen: 12. mai 2003 kl 09:00 26. mai
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF1040 Digital representasjon Eksamensdag : Fredag 7. desember 2007 Tid for eksamen : 09.00 12.00 Oppgavesettet er på
Detaljer