Gråtone-transformasjoner Hovedsakelig fra kap i DIP

Størrelse: px
Begynne med side:

Download "Gråtone-transformasjoner Hovedsakelig fra kap i DIP"

Transkript

1 INF AS Gråtone-transforasjoner Hovedsakeli fra kap i DIP Historaer Lineære råtonetransforer Standardiserin av bilder ed lineær transfor Ikke-lineære, paraetriske transforer Hvordan endre kontrasten i et bilde?? Neste uke: Historabaserte operasjoner o lokal råtonetransfor (3.33 i hovedsak) INF31 1/37 Mateatisk verktøykasse INF31 /37 Historaer Et histora er en diskret funksjon so viser antall åliner innenfor unifore intervaller i et datasett Gråtonehistoraer Gitt et råtonebilde ed n piksler o G råtonenivåer Vi jobber ed bilder o får Et bilde so datasett Piksel-intensiteter (råtoner) so åliner Et histora, h(, er slik at: h( antall piksler i bildet ed pikselverdi i #piksler Altså en oversikt over frekvensen eller fordelinen til intensitetene i bildet Kan oså ha historaer over avledede eenskaper i bildet INF31 3/37 Dannes ved å å ijenno alle pikslene o telle råtoner Vi har naturlivis at h( n i INF31 4/37 råtone

2 Eksepel - histora Eksepler Bilde: h( Histora: # piksle er Pikselverdi i INF31 5/37 INF31 6/37 Eksepler II Oppaver Hvordan ser historaet t ut? Pikselverdier o 55, N piksler totalt. Gan pikselverdiene ed.5 o le bildene saen Hvordan ser historaet ut? ½ ½ + Hvordan ser historaet ut? Her er historaet. Hvordan ser bildet ut? INF31 7/37 INF31 8/37

3 Noralisert histora Vi har at h ( i ) n i Det noraliserte historaet er: h(, n G 1 i 1 kan ses på so en sannsynlihetsfordelin for pikselverdiene i Uavheni av antall piksler i bildet Man kan si en del o bildet ut fra denne sannsynlihets-tetthetsfunksjonen Kuulativt histora Hvor ane piksler har råtone indre enn eller lik råtone j? c( j) j i h( Noralisert kuulativt histora: c( j) n (Sannsynliheten for at et tilfeldi piksel er indre eller lik råtone j) INF31 9/37 INF31 1/37 Eksepel, kuulativt histora Historaer av objekt-eenskapereenskaper INF31 11/37 Histora o kuulativt histora i sae fiur Berepsapparatet t okrin historaer vil oså koe til nytte i diital bildeanalyse Vi kan lae historaer over eenskaper, feks: Objekt-størrelse: Viser fordelinen av størrelsen på objektene, o danner runnla for å sette en terskel for å kunne fjerne så o uvesentlie objekter fra bildet (stø Objekt-oenter: Viser fordelinen av berenede oenter fra hvert objekt, o danner runnla for å sale rupper av objekter i klasser eller clustre INF31 1/37

4 Gråtonetransforasjon Identitetsappin Når vi viser et bilde på skjeren er intensiteten kontrollert av den tilsvarende verdien i bildeatrisen Vi kan opprette en avbildnins-funksjon ello de tallene so finnes i bildeatrisen, v in, o den intensiteten vi ønsker på skjeren, v out For ett-båndsbilder er v out [v in ] kan være en paraetrisk funksjon eller en tabell Ren råtonetransforasjon, så ett o ett piksel transforeres uavheni av nabopiksler Global transforasjon Fiuren viser saenhenen ello pikselverdien i inn-bildet (f) o pikselverdien til den sae pikselen i utbildet () etter en råtonetransforasjon Hvis transforasjon er en identitetsappin, f, vil fiuren vise en rett linje jenno orio, ed stininstall 1 [i] i 1 f 1 f f INF31 13/37 INF31 14/37 Lineær avbildin Endre lysheten (brihtness) Lineær strekkin [ i ] ai + b ( x, a f ( x, + b Lee til en konstant b til alle pikselverdiene ( x, f ( x, b + a reulerer kontrasten, o b lysheten a>1: er kontrast a<1: indre kontrast b: flytter alle råtoner b nivåer Neativer: a-1, baxverdi for bildetype Hvis b >, alle pikselverdiene øker, o bildet blir lysere Hvis b <, bildet blir ørkere Historaet flyttes opp eller ned ed b h() h(f) f INF31 15/37 INF31 16/37

5 Endre kontrasten Multiplisere hver pikselverdi ed en faktor a: x, y a f ( x, ( ) ) Hvis a>1 1, kontrasten øker Hvis a<1, f kontrasten inker Eks: Bruke hele intensitetsskalaen INF31 17/37 h() h(f) Invertert råtonebilde Danner bildets neativ ved å sett a-1 o baksverdien Bildet får ikke neative verdier, en avbildninsfunksjonen har neativt stininstall INF31 18/37 Fra råtonenivå [f 1,f ]til[ 1, ] Klippin etter transfor Endre intervallet [f 1, f ] til å bli [ 1, ] En lineær appin fra f til : 1 ( ) 1 x, y 1 + [ f ( x, f1 ] f f1 Rett linje ed stininstall a( - 1 )/(f -f 1 ) f 1 f f 1 a f f1 O (x, får verdier utenfor det støttede intervallet, t foretas so oftest klippin av verdiene F.eks for et 8 bits unsined bilde vil bli tvunet innenfor intervallet [, 55] ax in INF31 19/37 INF31 /37

6 Standardiserin av bilder Hensikt: Søre for at alle bildene i en serie er statistisk like (1. orden) Metode: Justere iddelverdien o variansen til råtoneverdiene i bildet ved hjelp av en lineær råtonetransfor Hvorfor? Fjerne effekten av Dønvariasjon i belysnin Aldrinseffekter i laper o detektorer Akkuulerin av støv på linser etc. Hvor: Produkt-inspeksjon i industri Mikroskoperin av celler historaet INF31 1/37 Neste uke: Kan oså standardisere bildene ed historaspesifikasjon, en vil da ikke beholde foren på historaet Middelverdien av råtonene Middelverdien av pikselverdiene i et bilde ed nх piksler o G råtoner kan finnes enten fra bildet eller fra bildets histora, evt noralisert histora μ n 1 n 1 n n 1 1 Hvorfor en fordel ed 1 det siste alternativet? x y f ( x, [ h () + 1 h (1) ( G 1) h ( G 1) ] i h( i i i INF31 /37 h(, n 1 i (Noralisert histora) Varians av råtonene Variansen av pikselverdiene i et bilde ed nx piksler o G råtoner kan oså finnes fra bildets histora n 1 n i i 1 n 1 1 [ x y i [ i μ] i f ( x, μ] h( [ i μ] i i Justerin av μ o Gitt inn-bilde ed iddelverdi μ o varians Anta en lineær råtone-transfor [i]ai+b Ny iddelverdi μ o varians er da itt ved μ [ i] aμ + b i Dvs. a /, b μ -aμ Vi kan altså [ i] i i [ i] ( a i + aib + b ) ( ai + b) i i a i i a vele nye μ o, i i berene a o b, anvende [i]ai + b på inn-bildet o få et ut-bilde ed rikti μ o INF31 3/37 INF31 4/37

7 Eksepel 1: Justerin av Vil beholde iddelverdien, slik at μ μ, en ønsker ny. Beste a o b i lininen [i]ai+b: a, b μ μ μ a ( ) [ i] i μ 1 μ i μ Eksepel : Justerin av μ o Ønsker at alle bildene i en serie skal ha sae (μ, ). Beste a o b i lininen [i]ai+b: a, b μ aμ μ μ [ i] i + μ μ μ + ( i μ) For hvert bilde å vi finne bildets (μ,) INF31 5/37 INF31 6/37 Val av standardavvik Anta at historaet t til innbildet er noralfordelt N(μ,), o at vi veler μ G/. Hva er da optialt val av? Hvor stor percentil blir klipt? Ikke-lineær transfor Loaritisk i skalerin Eks: Desibel o radarbilder, Fourier-transfor Eksponentiell skalerin Gaa-skalerin Stykkevis-lineær skalerin Hva jøres ed kontrasten i de ørke o lyse delene av bildet etter slike skaleriner en skisse av funksjonene o se Δf ot Δ INF31 7/37 INF31 8/37

8 Power-law (aa)-transforasjoner Loaritisk appin Mane bildeproduserende apparater har et input/outputforhold so kan beskrives so: s ci γ der s er ut-intensiteten t it t ved en input i Kan korrieres ved råtonetransforen [i] i 1/γ (Fi 3.6 i DIP)... Generell kontrast-anipulasjon Brukervennli ed kun én variabel INF31 9/37 INF31 3/37 Eksponentiell appin Stykkevis lineær appin Brukerspesifisert stykkevis lineær appin for å freheve visse intervaller INF31 31/37 INF31 3/37

9 Gir binært bilde basert på o pikslenes n-te bit er satt I ekseplet, kun de siste 4 bit inneholder visuell sinifikans Kan benyttes i kopresjon Kun beholde visse plan Effektivt t å kode binære bilder (f.eks runlenth ) Bit-plan-oppdelin ersklin Dette er et rense-tilfelle ll av lineær transforasjon, der alle ut-verdiene settes lik for inn-verdier f i et intervall -, ens alle andre ut-verdier settes lik 1 Dette ir et to-nivå (binært) ut-bilde INF31 33/37 INF31 34/37 Ipleentasjon: Oppslastabeller (LU) Ipleentasjon av råtoneoperasjoner Mål: Effektivisere ipleentasjonen Avbildninsfunksjonen utføres på alle ulie intensiteter o resultatene lares i en tabell (LUlook up table) Gråtone-avbildinen utføres så so oppsla i en tabell Hardware LU-operasjonen utføres på data-strøen ello hukoelse o display on the fly (på rafikkortet) Innholdet i bilde-atrisen endres ikke Kontrastendrin ved kun å endre tabellverdiene Software Utrenin av avbildninsfunksjonen for hvert piksel blir byttet ut ed enkelt tabelloppsla for x:width-1 for y:heiht-1 (x,a*f(x, ) + b for :ngreylevels-1 []a*+b for x:width-1 for y:heiht-1 (x,[f(x,] direkte ipleentasjon ved bruk av LU endrin av pikselverdiene INF31 35/37 INF31 36/37

10 Gråtonehistoraer Oppsuerin Lineær transfor Forstå effekten av paraetrene a o b Standardiserin av bilder ed lineær transfor Fjerne effekten av variasjoner i avbildninsforhold (dønvariasjon, lape, støv etc) Hvordan bestee a o b for å få ønsket μ o Ikke-lineære, paraetriske transforer Loaritisk, eksponentiell, aa, stykkevis lineær Hva jøres ed kontrasten i de ørke o lyse delene av bildet etter slike skaleriner en skisse av funksjonene o se Δf otδ INF31 37/37

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. Dette er et løsningsforslag

UNIVERSITETET I OSLO. Dette er et løsningsforslag Midtveiseksamen: INF3. april 9 UNIVERSITETET I OSLO Det matematisk-naturvitenskapelie fakultet Eksamen i : INF3 Diital bildebeandlin Eksamensda : Onsda. april 9 Tid for eksamen : 5: 8: Løsninsforslaet

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

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

Repetisjon av histogrammer. Repetisjon av histogrammer II. Repetisjon av gråtonetransform. Tommelfingerløsning

Repetisjon av histogrammer. Repetisjon av histogrammer II. Repetisjon av gråtonetransform. Tommelfingerløsning 2017.02.10. Repetisjon av histogrammer Foreløbig versjon! 15. februar 2017 Ukens temaer h(i) = antall piksler i bildet med pikselverdi i, og følgelig er (Kap 3.3 i DIP) Kjapp repetisjon av gråtonetransformasjon

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

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

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

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30-Digital bildebehandling Eksamensdag: Tirsdag 5. mars 06 Tid for eksamen: 09:00-3:00 Løsningsforslaget er på: 4 sider Vedlegg:

Detaljer

Q-Q plott. Insitutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk. Kvantiler fra sannsynlighetsfordeling

Q-Q plott. Insitutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk. Kvantiler fra sannsynlighetsfordeling Q-Q plott Notat for TMA/TMA Statistikk Insitutt for ateatiske fag, NTNU. august En ønsker ofte å trekke slutninger o populasjonen til en stokastisk variabel basert på et forholdsvis lite antall observasjoner,

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

Mot 6: Støy i felteffekttransistorer

Mot 6: Støy i felteffekttransistorer / Mot 6: Støy i felteffekttransistorer To typer av felteffekttransistorer: MOSFET: Kapasitiv kontroll av kanal JFET: Variasjon av bredden på en reversforspent diode hvor deplesjonssonen besteer bredden

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

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

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

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

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

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

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

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

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

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

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

Transistorer. Dekkes delvis i boka Kap 19-21

Transistorer. Dekkes delvis i boka Kap 19-21 ransistorer Dekkes delvis i boka Kap 19-21 eapunkter for de 3 neste ukene: eskrive struktur o virkninsekaniser i bipolare junction transistorer (J) Forklare operasjonen til en J klasse A-forsterker Analysere

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

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling Raleigh-kriteriet INF 3 Digital bildebehandling EN KORT MIDTVEIS-REPETISJON Anta en perekt linse med aperture-diameter D, og at lsets bølgelengde er. To punkter i et objekt kan akkurat adskilles i bildet

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

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

PSY Forskningsmetode II: Eksperimentell design og statistisk analyse, høst 2014.

PSY Forskningsmetode II: Eksperimentell design og statistisk analyse, høst 2014. PSY011 - Forskninsmetode II: Eksperimentell desin o statistisk analyse, høst 014. Manda 7. oktober, 09:00 (3 timer). Helpemidler: Kalkulator o forhåndsodkent ordbok er tillatt. En liste med relevante formler

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF30 Digital bildebehandling Eksamensdag : Fredag 9. mars 09 Tid for eksamen : :30 8:30 ( timer) Løsningsforslaget

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : irsdag 29. mars 2011 id for eksamen : 15:00 19:00 Oppgavesettet er på : 5

Detaljer

Dekkes delvis i boka Kap 19-21

Dekkes delvis i boka Kap 19-21 ransistorer en alternativ presentasjon Dekkes delvis i boka Kap 19-21 Linde 25.feb. 2008 eapunkter eskrive struktur o virkninsekaniser i bipolare junction transistorer (J) Forklare operasjonen til en J

Detaljer

Filter-egenskaper INF Fritz Albregtsen

Filter-egenskaper INF Fritz Albregtsen Filter-egenskaper INF 60-04.03.2002 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 2: - Lineær filtrering - Gradient-detektorer - Laplace-operatorer Linearitet H [af (x, y) + bf 2 (x, y)] ah [f (x, y)]

Detaljer

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Løsningsforslag UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : irsdag 9. mars id for eksamen : 5: 9: Oppgavesettet er på : 5 sider

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

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

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

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling eer d INF 3 Dtl ldeehndln FORELESNIN 4 RÅONE-RANSFORMASJONER Frtz Alretsen Hstorer Lneære råtonetrnsorer t Stndrdsern v lder ed lneær trnsor Ikke-lneære, retrske trnsorer Pensu: K. 3. - 3DIP 3. Neste uke:

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 : Onsdag 4. juni 2008 Tid for eksamen : 14:30 17:30 (3 timer) Oppgavesettet er på

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

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

Transistorer en alternativ presentasjon. Temapunkter for de 3 neste ukene

Transistorer en alternativ presentasjon. Temapunkter for de 3 neste ukene ransistorer en alternativ presentasjon Dekkes delvis i boka Kap 19-21 Linde 3. feb 2010 eapunkter for de 3 neste ukene eskrive struktur o virkninsekaniser i bipolare junction transistorer (J) Forklare

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Løsningsforslaget

Detaljer

Hensikt: INF Metode: Naboskaps-operasjoner Hvorfor: Hvor:

Hensikt: INF Metode: Naboskaps-operasjoner Hvorfor: Hvor: Standardisering av bildets histogram INF 60-8.02.2003 Fritz Albregtsen Tema: Naboskaps-operasjoner Del : - Standardisering av bilder - Konvolusjon Litteratur: Efford, DIP, kap. 7. - 7.2 Hensikt: Sørge

Detaljer

Binomisk fordeling. Hypergeometrisk fordeling. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi har følgende situasjon: = = 2

Binomisk fordeling. Hypergeometrisk fordeling. MAT0100V Sannsynlighetsregning og kombinatorikk. Vi har følgende situasjon: = = 2 MAT0100V Sannsynlighetsregning og kobinatorikk Oppgaver o Binoisk og hypergeoetrisk fordeling Forventning varians og standardavvik Tilnæring av binoiske sannsynligheter Konfidensintervall Ørnulf Borgan

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

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

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

Algoritme-Analyse. Asymptotisk ytelse. Sammenligning av kjøretid. Konstanter mot n. Algoritme-kompeksitet. Hva er størrelsen (n) av et problem?

Algoritme-Analyse. Asymptotisk ytelse. Sammenligning av kjøretid. Konstanter mot n. Algoritme-kompeksitet. Hva er størrelsen (n) av et problem? Hva er størrelsen (n) av et proble? Algorite-Analyse Algoriter og Datastrukturer Antall linjer i et nettverk Antall tegn i en tekst Antall tall so skal sorteres Antall poster det skal søkes blant Antall

Detaljer

INF2310 Digital bildebehandling

INF2310 Digital bildebehandling INF2310 Digital bildebehandling Ole Marius Hoel Rindal Gråtonetrasformasjoner Histogramtransformasjoner 2D diskret Fourier-transform (2D DFT Filtrering i Fourierdomenet Kompresjon og koding Segmentering

Detaljer

Flater, kanter og linjer INF Fritz Albregtsen

Flater, kanter og linjer INF Fritz Albregtsen Flater, kanter og linjer INF 160-11.03.2003 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 3: - Canny s kant-detektor - Rang-filtrering - Hybride filtre - Adaptive filtre Litteratur: Efford, DIP, kap.

Detaljer

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

SEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING

SEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING SEGMENTERING IN 106, V-2001 Segmentering er en prosess som deler opp bildet i meningsfulle regioner. I det enkleste tilfelle har vi bare to typer regioner BILDE-SEGMENTERING DEL I Forgrunn Bakgrunn Problemet

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

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

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

ÅRSPLAN I MATEMATIKK FOR 5. TRINN /2018 Læreverk: Multi 5a og 5b Lærer: Marte Ingebretsen

ÅRSPLAN I MATEMATIKK FOR 5. TRINN /2018 Læreverk: Multi 5a og 5b Lærer: Marte Ingebretsen ÅRSPLAN I MATEMATIKK FOR 5. TRINN - 2017/2018 Læreverk: Multi 5a o 5b Lærer: Marte Inebretsen Uke Mål TEMA INNHOLD ARBEIDSFORM Vurderin 33-39 Forstå plassverdisystemet HELE TALL Plassverdisystemet, sifferverdi

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 231 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

Histogramprosessering

Histogramprosessering Histogramprosessering Lars Vidar Magnusson January 22, 2018 Delkapittel 3.3 Histogram Processing Histogram i Bildeanalyse Et histogram av et digitalt bilde med intensitet i intervallet [0, L) er en diskret

Detaljer

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I Lokale operasjoner INF 30 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre GW Kap. 3.4-3.5 + Kap. 5.3 Vi skal

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling INF 230 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 05.02.203 INF230 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering

Detaljer

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I Lokale operasjoner INF 30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre

Detaljer

Dagens tema Kjøresystemer (Ghezzi&Jazayeri 2.6, 2.7)

Dagens tema Kjøresystemer (Ghezzi&Jazayeri 2.6, 2.7) Dagens tea Kjøresysteer (Ghezzi&Jazayeri 2.6, 2.7) Bokholderi og inneorganisering Forskjellige språkklasser 1/17 Forelesning 10 29.10.2003 Språk ed rekursive rutiner Språket C3 er C2 utvidet ed uligheten

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for ateatiske fag Øving nuer, blokk I Løsningsskisse Oppgave a X kan eksepelvis være resultatet av en flervalgsoppgave ed 0 sp og svaralternativ

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

Kapittel 4.4: Forventning og varians til stokastiske variable

Kapittel 4.4: Forventning og varians til stokastiske variable Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske

Detaljer

Løsningsforslag i digitalteknikkoppgaver INF2270 uke 5 (29/1-4/2 2006)

Løsningsforslag i digitalteknikkoppgaver INF2270 uke 5 (29/1-4/2 2006) Løsningsforslag i digitalteknikkoppgaver INF2270 uke 5 (29/1-4/2 2006) Oppgave 1) Bør kunne løses rett fram, likevel: a) E = abcd + a'bc + acd + bcd: cd 00 01 11 10 ab 00 01 1 1 11 1 10 1 De variablene

Detaljer

Temaer i dag. Geometriske operasjoner. Anvendelser. INF 2310 Digital bildebehandling

Temaer i dag. Geometriske operasjoner. Anvendelser. INF 2310 Digital bildebehandling Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3. ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling

Detaljer

Eksamen PSY2011 Forskningsmetode II: Eksperimentell design og statistisk analyse Høsten 2013

Eksamen PSY2011 Forskningsmetode II: Eksperimentell design og statistisk analyse Høsten 2013 Eksamen PSY011 Forskninsmetode II: Eksperimentell desin o statistisk analyse Høsten 013 Skriftli skoleeksamen, manda 8. oktober kl. 09:00 (3 timer). Sensur etter tre uker. Kalkulator uten rafisk display

Detaljer

Statistikk 1. Nico Keilman. ECON 2130 Vår 2014

Statistikk 1. Nico Keilman. ECON 2130 Vår 2014 Statistikk 1 Nico Keilman ECON 2130 Vår 2014 Pensum Kap 1-7.3.6 fra Løvås «Statistikk for universiteter og høgskoler» 3. utgave 2013 (eventuelt 2. utgave) Se overspringelsesliste på emnesiden Supplerende

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / aine transormer Resampling og interpolasjon Samregistrering i av bilder

Detaljer

Forelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind

Forelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger

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

STK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler

STK1000 Uke 36, Studentene forventes å lese Ch 1.4 ( ) i læreboka (MMC). Tetthetskurver. Eksempel: Drivstofforbruk hos 32 biler STK1000 Uke 36, 2016. Studentene forventes å lese Ch 1.4 (+ 3.1-3.3 + 3.5) i læreboka (MMC). Tetthetskurver Eksempel: Drivstofforbruk hos 32 biler Fra histogram til tetthetskurver Anta at vi har kontinuerlige

Detaljer

Et lite notat om og rundt normalfordelingen.

Et lite notat om og rundt normalfordelingen. Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte

Detaljer

INF januar 2018 Ukens temaer (Kap og i DIP)

INF januar 2018 Ukens temaer (Kap og i DIP) 31. januar 2018 Ukens temaer (Kap 2.4.4 og 2.6.5 i DIP) Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder 1 / 30 Geometriske operasjoner Endrer

Detaljer

EKSAMEN. Bildebehandling og mønstergjenkjenning

EKSAMEN. Bildebehandling og mønstergjenkjenning EKSAMEN Emnekode: ITD33514 Dato: 18. mai 2015 Hjelpemidler: Alle trykte og skrevne. Emne: Bildebehandling og mønstergjenkjenning Eksamenstid: 4 timers eksamen Faglærer: Jan Høiberg Eksamensoppgaven: Oppgavesettet

Detaljer

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

Løsningsforslag, 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

Detaljer

Universitetet i Oslo Det matematisk-naturvitenskapelige fakultet

Universitetet i Oslo Det matematisk-naturvitenskapelige fakultet Universitetet i Oslo Det matematisk-naturvitenskapelie fakultet Eksamen i: FYS4-Matematiske metoder i fysikk Dato: juni 9 Tid for eksamen: 9- Oppavesettet: sider Tillatte hjelpemidler: Elektronisk kalkulator,

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

Dagens tekst. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon

Dagens tekst. Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Dagens tekst Kap 7: Funksjonar av stokastiske variable Transformasjon av variable Moment Momentgenererande funksjon Notat: Ordningsvariable og ekstremvariable Ordnings variable Maksimum Minumum Transformasjon

Detaljer

sk fysikk Støvneng Tlf.: 45 Andreas Eksamensdato: 7. august Rottmann, senest 28. august. Dato Sign

sk fysikk Støvneng Tlf.: 45 Andreas Eksamensdato: 7. august Rottmann, senest 28. august. Dato Sign Instituttt for fysikk Eksaensoppave i FY1001 ekaniskk fysikkk TFY4145 ekanis sk fysikk Fali kontakt under eksaen: Jon Andreas tøvnen Tlf.: 45 45 55 33 Eksaensdato: 7. auust 2013 Eksaenstid (fra-til): 0900-1300

Detaljer

Neste to forelesninger. Bildefiler - bildeformater De aller fleste bildeformater 3/18/2009. Digitale bilder med spesielt fokus på medisinske bilder

Neste to forelesninger. Bildefiler - bildeformater De aller fleste bildeformater 3/18/2009. Digitale bilder med spesielt fokus på medisinske bilder 3/8/29 Digitale bilder med spesielt fokus på medisinske bilder Karsten Eilertsen Radiumhospitalet Neste to forelesninger Torsdag 29/: Enkel innføring i digitale bilder Eksempler på noen enkle metoder for

Detaljer

Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver?

Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Boka (Ch 1.4) motiverer dette ved å gå fra histogrammer til tetthetskurver.

Detaljer

Et lite notat om og rundt normalfordelingen.

Et lite notat om og rundt normalfordelingen. Et lite notat om og rundt normalfordelingen. Anta at vi har kontinuerlige data. Hva er likt og ulikt for histogrammer og fordelingskurver? Observasjoner Histogram Viser fordelingen av faktiske observerte

Detaljer

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF 3 råtoe-trasforasjoer Hovedsakelg fra ka. 3.-3. DIP Hstograer Leære gråtoetrasforer Stadardserg av blder ed leær trasfor Ikke-leære, araetrske trasforer Hvorda edre kotraste et blde?? Neste uke: Hstograbaserte

Detaljer

Løsningsforslag eksamen 25. november 2003

Løsningsforslag eksamen 25. november 2003 MOT310 Statistiske metoder 1 Løsningsforslag eksamen 25. november 2003 Oppgave 1 a) Vi har µ D = µ X µ Y. Sangere bruker generelt trapesius-muskelen mindre etter biofeedback dersom forventet bruk av trapesius

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling INF 2310 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen 27.01.2014 INF2310 1 Temaer i dag Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål

Detaljer

INF1400 Kap 1. Digital representasjon og digitale porter

INF1400 Kap 1. Digital representasjon og digitale porter INF4 Kap Digital representasjon og digitale porter Hovedpunkter Desimale / binære tall Digital hardware-representasjon Binær koding av bokstaver og lyd Boolsk algebra Digitale byggeblokker / sannhetstabell

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling INF 2310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 03.02.2014 INF2310 1 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Kp. 9.8 Forskjell mellom to forventninger

Kp. 9.8 Forskjell mellom to forventninger andeler I analysene skal vi se på situasjonene der σx og σ Y er kjente; normalantakelse a σx og σ Y er ukjente men σ X = σ Y ; normalantakelse og b σx og σ Y er ukjente og σ X σ Y ; normalantakelse 3 og

Detaljer

INF februar 2017 Ukens temaer (Kap og i DIP)

INF februar 2017 Ukens temaer (Kap og i DIP) 1. februar 2017 Ukens temaer (Kap 2.4.4 og 2.6.5 i DIP) Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder 1 / 30 Geometriske operasjoner Endrer

Detaljer