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

Like dokumenter
Litteratur : I dag og neste uke: Cyganski kap. 5-6

Bilder del 2. Farger og fargesyn. Tre-farge syn. Farger og fargerom. Cyganski, kapittel 5. Fargesyn og fargerom. Fargetabeller

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

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

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

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser

INF 1040 Farger og fargerom

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

Motivasjon. INF 1040 Farger og fargerom. Fargen på lyset. Et prisme kan vise oss fargene i lyset. Vi kan skille mellom tusenvis av fargenyanser

INF 1040 Farger og fargerom

Tema nr 1: Synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Øyet og synssystemet vårt

INF 1040 Farger og fargerom. Motivasjon. Litt fysikk om lyskilder. Fargen på lyset. Vi oppfatter bare ca 50 gråtoner samtidig

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

Motivasjon. INF 1040 Farger og fargerom. Fargen på et objekt. Fargen på lyset. Vi kan skille mellom tusenvis av fargenyanser

INF 1040 Farger og fargerom

Øyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:

INF 1040 Syn, avbildning og digitale bilder

Øyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:

INF 1040 Syn, avbildning og digitale bilder

Øyet og synssystemet vårt. INF 1040 Syn, avbildning og digitale bilder. Øyets linsesystem. Iris og pupillen. Motivasjon for å kunne noe om dette:

TDT4105/TDT4110 Informasjonsteknologi grunnkurs:

INF 2310 Digital bildebehandling

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF Hovedsakelig fra kap. 6.3 til 6.6

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF1040 Digital representasjon

INF 1040 Farger og fargerom

1.Raster(bitmap) versus vektorer

UNIVERSITETET I OSLO

INF 2310 Digital bildebehandling

Digitale bilder. Det er i hovedsak to måter å representere digitale bilder på: rastergrafkk (punkter) og vektorgrafkk (linjer og fater).

INF 1040 Syn, avbildning og digitale bilder

Ulike bildeformater og komprimering. Ferdighet 7. trinn Produsere og bearbeide

Temaer i dag. Kontakter. Lærebok. INF 2310 Digital bildebehandling

Raster VS Vektor. Stian Larsen Raster

Repetisjon av histogrammer

INF 2310 Digital bildebehandling

Bildehåndtering Geir A. Myrestrand Styremedlem og webmaster for Slekt og Data Rogaland,

INF 2310 Digital bildebehandling

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

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

UNIVERSITETET I OSLO

Oppgave T4 Digitale Bilder

UNIVERSITETET I OSLO

Temaer i dag. Kontakter. Lærebok. INF 2310 Digital bildebehandling

Temaer i dag. Lærebok. Kontakter. INF 2310 Digital bildebehandling

UNIVERSITETET I OSLO

2) Redegjør for de mest brukte filformater for digitale fotografier. Diskuter fordeler, ulemper og bruksområder for de ulike formatene.

Grunnleggende om Digitale Bilder (ITD33515)

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

Digitale bilder har mange ansikter

Temaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5.

T4: Digitale bilder. I denne oppgaven skal du jobbe med ulike aspekter av digitale bilder. Bruk rikelig med eksempler og illustrasjoner!

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

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

For J kvantiseringsnivåer er mean square feilen:

INF 2310 Digital bildebehandling

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

Digital representasjon

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Modul 12 - Photoshop

Refraksjon. Heron of Alexandria (1. C): Snells lov (1621):

EUROPEAN COMPUTER DRIVING LICENCE BILDEBEHANDLING FAGPLAN VERSJON 2.0

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

Hovedsakelig fra kap. 3.3 i DIP

UNIVERSITETET I OSLO

RF5100 Lineær algebra Leksjon 10

INF 2310 Digital bildebehandling

Skanning og avfotografering v/jim-arne Hansen. Grand Nordic Hotell, Tromsø 14. mai 2009

Løsningsforslag til kapittel 15 Fargerom og fargebilder

INF 2310 Digital bildebehandling

ITC, Individual Tree Crown Technology 2006 ictrees inc.

Lempel-Ziv-koding. Lempel-Ziv-koding. Eksempel på Lempel-Ziv. INF 2310 Digital bildebehandling. Kompresjon og koding Del II

Digital representasjon

INF 1040 løsningsforslag til kapittel 17

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein

Eksamen i INF 1040, 5. desember Det matematisk-naturvitenskapelige fakultet

Digitale verktøy Mina Gulla 28/09/10. Grafikk og bilder. Oppgave T4: Digitale bilder

INF 2310 Digital bildebehandling

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

1 Persepsjon/sansing av synlig informasjon

UNIVERSITETET I OSLO

INF 1040 Digital representasjon 2006 Utkast til - Obligatorisk oppgave nr 3

UNIVERSITETET I OSLO

Grafisk pakke dataseminar ARK6 12.feb 2008

Ultralyd, fysiske prinsipper

Høgskolen i Sørøst Norge Fakultet for allmennvitenskapelige fag

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

Fysisk Lag. Den primære oppgave

Idag. Kontakt. Lærebok. INF 2310 Digital bildebehandling

Digital representasjon

Bruk av satellittdata i landbruket?

INF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER

UNIVERSITETET I OSLO

INF 1040 høsten 2009: Oppgavesett 8 Introduksjon til lyd (kapittel 9 og 10)

UNIVERSITETET I OSLO

( x+ π 2) Bakgrunn: Sinus og cosinus. Bakgrunn: Samplet sinus i 1D. Bakgrunn: Samplet sinus i 2D. Bakgrunn: Sinus i 2D. sin( x)=cos.

UNIVERSITETET I OSLO. Dette er et løsningsforslag

Transkript:

Viktige begreper INF 23. 25 Introduksjon og Kap. 2 Introduksjon - hva er et digitalt bilde Avbildning Det elektromagnetiske spekteret Litt om bildeformater Kamera og optikk Øyet og egenskaper ved synet Et bilde er en reell funksjon av to (eller flere) reelle variable. Et digitalt bilde er en funksjon av to (eller flere) heltallsvariable Et 2-dimensjonalt digitalt bilde er en 2-dimensjonal array/matrise Hvert tall i matrisen kalles et piksel Tallverdien til hvert piksel angir intensiteten (hvor lyst/mørkt) til pikselen...25 INF23..25 INF23 2 Viktige begreper, illustrasjon Matematisk representasjon av digitale bilder f(x,y) er bildeverdien i piksel (x,y) x kolonne, går fra - bredde- y rad, går fra -høyde- (Alternative definisjoner mulig) f(x,y) er et tall som forteller noe om intensiteten (lysstyrken) målt i punkt (x,y) f(x,y) kan være en vektor, f.eks. r,g,b for et fargebilde f(x,y) må representeres med en gitt datatype (integer, byte, float etc.), y x..25 INF23 3..25 INF23 4

Pikseltyper Det elektromagnetiske spekteret 25 4 4 4 23 2 4 3 3 2 5..2.3. 4.5 4.6 8.7. 55.5 2.3. 33.. 76.4 5.3.2 44..2 24.5..3.8.4.4 Elektromagnetisk stråling Gammastråler, røntgen, UV, synlig lys, IR, mikrobølger, radio Bit Byte Real Unsigned short, float, double,complex etc. Bølgelengde λ..25 INF23 5..25 INF23 6 Det elektromagnetiske spekteret Fargebilder Bånd Bånd 2 Bånd 3 Fiolett:.4-.446 µm Blå:.446-.5 µm Grønn:.5-.578 µ m Gul:.578-.592 µm Oransje:.592-.62 µm Rød:.62-.7 µm c=λv c lysets hastighet (3x 8 m/s) λ - bølgelengde (m) v frekvens (sykler pr. sek, Hz)..25 INF23 7 Alle båndene vist samtidig..25 INF23 8

Bilder med flere bånd Flere bånd: Ulike frekvenser/bølgelengder Mange egenskaper Notasjon: f(,x,y) bånd f(4,x,y) bånd 4 f(x,y) et bånd 7 Eksempel: Bilde fra Landsat-satellitten 2 3 4 5 7 7 2.8-2.35 Mineraler 2 3 4 5 6 Blå Grønn Rød Nærinfrarød Middel infrarød Termisk infrarød Middel infrarød.45-.52.52-.6.63-.69.76-.9.55-.75.4-2.5 Max. penetrasjon av vann Planter og friskhet Vegetasjonstype Biomasse Fuktighet i bakke og vegetasjon Temperatur..25 INF23 9..25 INF23 Eksempel: Radarbilde vs. optisk Eksempler på ulike sensorer Passive: Optisk satellittbilde: Landsat Mikroskopi CCD-kamera Bilde fra ERS- SAR-satellitten Radaren viser røffheten på overflater Landsat-bilde fra samme område Aktive: Radarbilde fra satellitt: SAR Medisinsk ultralyd NMR magnetisk resonans Røntgen Sonar, seismikk lyd Laser range scanner..25 INF23..25 INF23 2

Bildeformater Vanligvis: Header kan være både ascii eller binære verdier <magic number> <tittel> <bredde=n> <høyde=h> <#bånd> <bildetype>... Pikselverdier binære verdier (som oftest) x x2... xn linje bånd.. x x2...xn linje h x x2...xn linje bånd 2. x x2...xn linje h..25 INF23 3 PBM, PGM, PPM PortableBitMap (binære) binær eller ascii PortableGreyMap (gråtoner) - binær eller ascii PortablePixelMap (RGB) binær eller ascii Eksempel- ascii P2 # A simple PGM image 7 7 255 2 2 2 2 2 2 2 2 2 2 33 2 2 2 2 2 2 33 2 2 2 2 33 33 33 33 33 2 2 2 2 33 2 2 2 2 2 2 33 2 2 2 2 2 2 2 2 2 2 header pikselverdier..25 INF23 4 Kompresjon Bildet komprimeres for å lagre det mer kompakt Tapsfri kompresjon: Originalbildet kan rekonstrueres eksakt fra det komprimerte bildet Ikke-tapsfri kompresjon: Originalbildet kan ikke rekonstrueres eksakt Andre begreper Fargetabeller: Alternativ til å lagre fargebilder som 24 bit RGB (8+8+8) Alpha-kanal: Fargene er transparente, slik at objektene i bakgrunn synes der alpha-kanalen er satt. Gamma-korreksjon: Ulineær korreksjon for kompensasjon av display-effekter..25 INF23 5..25 INF23 6

Formattyper Software-spesifikke XITE BIFF-format, ENVI, MacPaint, Windows BMP, HIPS-format Utvekslingsformater GIF (Graphic Interchange Format) PNG (Portable Network Graphics) JFIF (JPEG File Interchange Format) TIFF (Tagged Image File Format) PGM (Portable Grey Map) FITS (Flexible Image Transport System) MPEG: standard for video..25 INF23 7 Optisk akse Kamera og optikk u Forstørrelsesfaktor m=v/u u avstand fra objekt til linsen, v avstand fra linsen til bildeplanet f fokallengde, f=um/(m+) f-nummer = f/aperture..25 INF23 8 f v bilde Kamera og optikk fort. CCD-kameraer Stor aperture/blenderåpning, lavt f-nummer: Slipper inn mer lys, altså mindre eksponeringstid nødvendig Fokus mer kritisk Array av bildeelementer Et avbildingselement pr. oppløsningscelle Liten aperture, høyt f- nummer: Mindre lys, lengre eksponeringstid Fokus mindre kritisk (fra howthingswork.virginia.edu) Astronomi: kjøles ned for å minimaliser dark current Fordeler: ingen geometriske feil, lineær avbilding..25 INF23 9..25 INF23 2

Bilde dannes på retina (fotoreseptiv hinne) Rods (staver) mørkesyn Cones (tapper) konsentrert om fovea dagsyn 3 typer (r,g,bfølsom) Øyet optisk disk fovea Egenskaper ved synet Ikke-uniform fordeling av reseptorer Stort område, men ser bare et visst antall nivåer samtidig -- noen dusin overganger på et gitt punkt Brightness vs. intensitet -- logaritmisk Mach-bånd (lateral inhibition)..25 INF23 2..25 INF23 22 Bildebehandling vs. bildeanalyse Photoshop, gimp e.l.: Bildebehandling Bildeanalyse: Hva inneholder bildene objektgjenkjenning Øye-hjerne-analogi: (Hermann-grid vs. Kanizsatriangel) 3D avbildning Stereoskopi to bilder tatt fra litt forskjellig posisjon gir høydeinformasjon CT computer tomography 3D ultralyd..25 INF23 23..25 INF23 24