Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα
|
|
- Ζηνοβία Τρικούπης
- 9 χρόνια πριν
- Προβολές:
Transcript
1 Απεικόνιση Γραφικά ΥφήςΥπολογιστών Απεικόνιση Υφής Μέρος Α Υφή σε Πολύγωνα Γ. Γ. Παπαϊωάννου,
2 Τι Είναι η Υφή; Η υφή είναι η χωρική διαμόρφωση των ποιοτικών χαρακτηριστικών της επιφάνειας ενός αντικειμένου, όπως το χρώμα, η διαφάνεια, το ανάγλυφο ή η ομαλότητα Η διαδικασία με την οποία αποδίδεται υφή με κάποιο κανόνα σε κάθε σημείο της επιφάνειας, αποκαλείται απεικόνιση υφής (texturing) Απλουστευτικά, μπορούμε να θεωρήσουμε την απεικόνιση υφής σαν μια επικάλυψη του αντικειμένου με μια εικόνα
3 Γιατί Χρειαζόμαστε την Απόδοση Υφής; Οι επιφάνειες, όπως είχαμε μέχρι τώρα, ήταν ομαλές και ομοιόμορφα χρωματισμένες και φωτοσκιασμένες Αν θέλαμε να αποτυπώσουμε ένα σχέδιο σε μια επιφάνεια έπρεπε να υποδιαιρέσουμε την επιφάνεια σε περισσότερα πολύγωνα (b): Για πιο πολύπλοκα σχήματα και εικόνες, κάτι τέτοιο είναι πρακτικά αδύνατο (c)!
4 Χρησιμότητα της Υφής Χρειαζόμαστε έναν τρόπο να αποτυπώνουμε πάνω σε αντικείμενα προκαθορισμένα σχέδια που προέρχονται είτε από κάποια ψηφιακή εικόνα (bitmap) ή που έχουν υπολογιστεί αλγοριθμικά
5 Τα Δύο Είδη Υφής Image mapping: Τα σχέδια που αποτυπώνονται πάνω στα αντικείμενα είναι προϋπολογισμένα και αποθηκευμένα στη μνήμη (εικόνες 1Δ/2Δ/3Δ) Procedural mapping: v v u H υφή παράγεται με αναλυτικό τρόπο απευθείας από τις καρτεσιανές συντεταγμένες, μέσω κάποιου αλγορίθμου u w
6 Παραμετρική Απεικόνιση Υφής Όταν το πρότυπο που απεικονίζουμε πάνω στην επιφάνεια είναι προ-υπολογισμένο και αποθηκευμένο ως εικόνα (texture image), τότε έχουμε παραμετρική απεικόνιση υφής Οχώρος(επίπεδο) πάνω στο οποίο είναι ορισμένη η εικόνα της υφής λέγεται παραμετρικός χώρος της υφής Για εικόνες δύο διαστάσεων (bitmaps) αυτός ο χώρος είναι δύο διαστάσεων, δηλαδή ένα σημείο στην εικόνα υφής χαρακτηρίζεται από δύο παραμέτρους (u,v)
7 Παραμετρική Απεικόνιση Υφής Οι καρτεσιανές συντεταγμένες των σημείων αντιστοιχίζονται σε συντεταγμένες στον παραμετρικό χώρο της υφής Τα χαρακτηριστικά του υλικού (π.χ. χρώμα) υπολογίζονται από τα pixels (texels) της εικόνας με βάση τις παραμέτρους υφής
8 Το Texel Τα διακριτά στοιχεία του αποθηκευμένου προτύπου στη γενική περίπτωση αποκαλούνται texels Ηδιάκρισησεσχέσημεταpixels γίνεται διότι η αποθηκευμένη πληροφορία μπορεί να είναι μια 1Δ-, 2Δ- ή 3Δ εικόνα(γραμμή, bitmap, όγκος)
9 Παραμετροποίηση της Υφής Οπαραμετρικόςχώροςτηςυφήςείναιτυπικά κανονικοποιημένος v h 1 j (0.6,0.7) Χώρος Εικόνας i w Παραμετρικός Χώρος Υφής u
10 Απεικόνιση Χάρτη Υφής σε Πολύγωνα Σε κάθε κορυφή του πολυγώνου, αποθηκεύεται και ένα ζεύγος συντεταγμένων υφής (u,v), το οποίο έχει προϋπολογιστεί κατά τη δημιουργία του μοντέλου: με μία συνάρτηση απεικόνισης (x,y,z) (u,v) Έχει ανατεθεί ρητά κατά τη μοντελοποίηση (x 1,y 1,z 1 ) (u 1,v 1 ) (u 1,v 1 ) (u 2,v 2 ) (u 3,v 3 ) (x 2,y 2,z 2 ) (u 2,v 2 ) (x 3,y 3,z 3 ) (u 3,v 3 )
11 Υπολογισμός Συντεταγμένων Υφής ανά Fragment Οι προϋπολογισμένες συντεταγμένες uφής παρεμβάλλονται από τον scan-conversion αλγόριθμο για να μας δώσουν τις συντεταγμένες υφής για το τρέχον fragment u ( xy, ) a a s γραμμή σάρωσης (scanline) u u x, y ( ) s s s xy, ( ) u u = ( uv, ) x, y ( ) b b s y s v u xy, ( ) u u x, y ( ) 2 2 2
12 Προοπτική Παραμόρφωση Συντεταγμένων Υφής Η παρεμβολή κατά τη σάρωση του πολυγώνου συμβαίνει μετά την προβολή Οι καρτεσιανές συντεταγμένες των κορυφών υπόκεινται διαίρεση με το βάθος ενώ οι συντεταγμένες υφής δε μετασχηματίζονται Δημιουργείται ασυμφωνία απεικόνισης (προβολική γραμμική, μόνο γραμμική) Παραμορφώσεις, «σκίσιμο» υφής, τράβηγμα προς μια άκρη Διόρθωση: Διαίρεση των συντεταγμένων υφής με το z πριν την παρεμβολή και πολλ/μός με το παρεμβλημένο z μετά (perspective correction)
13 Επαναληπτικότητα Σχεδίου Η απεικόνιση από τον καρτεσιανό χώρο προς το χώρο της υφής δεν είναι αμφιμονοσήμαντη στη γενική περίπτωση Αυτό διευκολύνει την επανάληψη ενός σχεδίου
14 Επαναληπτική Παραμετροποίηση Παρότι τελικά οι παράμετροι της υφής πρέπει να έχουν τιμές στο διάστημα [0,1], για να επαναλάβουμε ένα σχέδιο κατά κάποια διεύθυνση, δεν αναθέτουμε συντεταγμένες σε κορυφές σε αλλεπάλληλα διαστήματα 0 1, 0 1 διότι δημιουργείται αναδίπλωση Αφήνουμε τις παραμέτρους να πάρουν τιμές μεγαλύτερες της μονάδας (και μικρότερες του μηδέν) Χρησιμοποιούμε το ακέραιο υπόλοιπο ως τελική παράμετρο πριν αναζητήσουμε την τιμή χρώματος στην εικόνα
15 Επαναληπτική Παραμετροποίηση
16 Υπολογισμός Χρώματος από την Εικόνα Υφής Με βάση τις τρέχουσες συντεταγμένες υφής ανατρέχουμε στην εικόνα και διαβάζουμε το αντίστοιχο χρώμα Οπιοαπλόςτρόπος: Πλησιέστερο texel Για μια εικόνα N x N y texels, το χρώμα δίνεται από το κοντινότερο texel (i,j) με βάση την απλή σχέση: i j = unx + = vny
17 Aliasing στην Απεικόνιση Υφής Εμφανίζεται στη: Μεγέθυνση της υφής (οδόντωση) Σμίκρυνση της υφής (υποδειγματοληψία της εικόνας) Αντιμετωπίζεται με πολύ κοινές τεχνικές που υλοποιούνται στις κάρτες γραφικών: Bilinear interpolation MIP-mapping (LOD trilinear interpolation)
18 Πρόβλημα Αντιστοίχησης Πλησιέστερου Γείτονα Δημιουργείται οδόντωση (pixelization) κατά τη μεγέθυνση των σχημάτων: Πολλά fragments πέφτουν πάνω στο ίδιο texel της εικόνας υφής 64 pixels 64 pixels
19 Διγραμμική Παρεμβολή στο Χώρο Υφής Παρεμβάλουμε το χρώμα από τα τέσσερα πλησιέστερα texels αντί να επιλέξουμε το κοντινότερο
20 Διγραμμική Παρεμβολή στο Χώρο Υφής x = u Dim, y = v Dim x u = x x, v = y y y Ibot = I( x, y ) (1 u ) + I( x, y ) u Itop = I( x, y ) (1 u ) + I( x, y ) u I( uv, ) = I (1 v ) + I v bot top
21 Αποτέλεσμα Bilinear Texture Filtering Χωρίς Με
22 Πρόβλημα Υποδειγματοληψίας Υφής Εμφανίζεται όταν το ίχνος του κάθε texel στην οθόνη γίνει μικρότερο του pixel. Αντίστοιχα η συχνότητα μετάβασης από texel σε texel γίνεται μεγαλύτερη από την ανάλυση της εικόνας
23 Υπερδειγματοληψία Υφής (Post-filtering) Όπως και στο antialiasing στην εικόνα, έτσι και στην υφή, μπορούμε να εφαρμόσουμε υπερδειγματοληψία Λόγω της προοπτικής, δε λύνει το πρόβλημα, καθώς απλά το μεταφέρει σε ένα βαθύτερο σημείο στον ορίζοντα
24 Υπερδειγματοληψία Υφής (Post-filtering)
25 Texture Pre-Filtering Για να ανακατασκευαστεί σωστά η υφή, πρέπει για κάθε fragment, να μετράμε πόσα και ποια texels καλύπτει στο χώρο της υφής και να εφαρμόζουμε ένα βεβαρημένο μέσο όρο στην αντίστοιχη περιοχή Φίλτρο μεταβλητού πυρήνα (διαφορετικές διαστάσεις και διαφορετικός προσανατολισμός)
26 Texture Pre-Filtering Δύσκολη υλοποίηση: Μεταβλητός και ασύμμετρος πυρήνας Η περιοχή φιλτραρίσματος ενδέχεται να γίνει πολύ μεγάλη στο χώρο της υφής πολλά δείγματα Μη γραμμικό ίχνος του fragment στοχώρουφής δύσκολος προσδιορισμός ορίων δειγματοληψίας
27 MIP-Mapping Μπορούμε να προ-φιλτράρουμε με διαφορετικά μεγέθη φίλτρου την εικόνα της υφής Σε πραγματικό χρόνο, απλά επιλέγουμε για κάθε fragment πια προφιλτραρισμένη έκδοχή της εικόνας (και άρα πιο μέγεθος φίλτρου) θα εφαρμόσουμε MIP-Mapping: Multum In Parvo (πολλά πράγματα σε ένα μικρό μέρος) Παράγουμε διαδοχικά υποδιπλάσιου μεγέθους εικόνες με μέσο όρο 2Χ2 texels της προηγούμενης Αποθηκεύουμε την εικόνα σε μια συνεκτική περιοχή μνήμης με τρόπο που να διευκολύνει το indexing
28 MIP-Mapping MIP-Mapping: Multum In Parvo (πολλά πράγματα σε ένα μικρό μέρος) Παράγουμε διαδοχικά υποδιπλάσιου μεγέθους εικόνες με μέσο όρο 2Χ2 texels της προηγούμενης Αποθηκεύουμε την εικόνα σε μια συνεκτική περιοχή μνήμης με τρόπο που να διευκολύνει το indexing
29 MIP-Mapping: Πυραμίδα Επιπέδων Λεπτομέρειας
30 MIP-Mapping: Τρι-γραμμική παρεμβολή Είδαμε ότι για κάθε επίπεδο λεπτομέρειας εφαρμόζουμε διγραμμική παρεμβολή για να εξάγουμε το χρώμα Στο MIP-Mapping χρησιμοποιούμε πολλαπλά επίπεδα λεπτομέρειας Για να μη φαίνεται πότε αλλάζουμε επίπεδο (μέγεθος φίλτρου), χρησιμοποιούμε και μια τρίτη παράμετρο παρεμβολής ανάμεσα στα επίπεδα d [0, level ] level max = log ( max( N, M )) + 1 max 2 Το i-στο επίπεδο έχει μέγεθος
31 Υπολογισμός του Συντελεστή Σμίκρυνσης d Θα επιλέξουμε εκείνο το επίπεδο λεπτομέρειας που το ίχνος του texel είναι παρόμοιου μεγέθους με το pixel:
32 Υπολογισμός του Συντελεστή Σμίκρυνσης d Η μέγιστη διάσταση του ίχνους του pixel στην εικόνα της υφής σε μονάδες texels θα είναι: Επιλέγουμε το d ως:
Η διαδικασία Παραγωγής Συνθετικής Εικόνας (Rendering)
Υφή Η διαδικασία Παραγωγής Συνθετικής Εικόνας (Rendering) Θέσεις αντικειμένων και φωτεινών πηγών Θέση παρατηρητή 3D Μοντέλα 3Δ Μετασχ/σμοί Μοντέλου 3Δ Μετασχ/σμός Παρατήρησης Απομάκρυνση Πίσω Επιφανειών
Απεικόνιση Υφής. Μέρος B Δημιουργία Συντεταγμένων Υφής
Απεικόνιση Γραφικά ΥφήςΥπολογιστών Απεικόνιση Υφής Μέρος B Δημιουργία Συντεταγμένων Υφής Γ. Γ. Παπαϊωάννου, - 2008 Γενικά Είδαμε ότι μπορούμε να αποθηκεύσουμε συντεταγμένες υφής στις κορυφές των τριγώνων
Απεικόνιση δεδομένων (data visualization)
Απεικόνιση δεδομένων (data visualization) Χρήση γραφικών για την αναπαράσταση δεδομένων από διάφορες πηγές Ιατρικές εφαρμογές (π.χ. αξονική τομογραφία) Μαθηματικά μοντέλα και συναρτήσεις Προσομοίωση διεργασιών
Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση
Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Εντοπισμός ενός σήματος STOP σε μια εικόνα. Περιγράψτε τη διαδικασία με την οποία μπορώ να εντοπίσω απλά σε μια εικόνα την ύπαρξη του παρακάτω
Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων
Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων Δειγµατοληψία και Κβαντισµός: Μια εικόνα (µπορεί να) είναι συνεχής τόσο ως προς τις συντεταγµένες x, y όσο και ως προς το πλάτος. Για να τη µετατρέψουµε
Εργαστήριο Τεχνολογίας Πολυμέσων & Γραφικών, Τ.Ε.Π Π.Μ, Μάθημα: Γραφικά με Η/Υ
ΓΡΑΦΙΚΑ Γέμισμα ΑΛΓΟΡΙΘΜΟΙ ΓΕΜΙΣΜΑΤΟΣ Για τις πλεγματικές οθόνες υπάρχουν: Αλγόριθμοι γεμίσματος:, που στηρίζονται στη συνάφεια των pixels του εσωτερικού ενός πολυγώνου Αλγόριθμοι σάρωσης: που στηρίζονται
2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ
2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ Η σάρωση ενός εγγράφου εισάγει στον υπολογιστή μια εικόνα, ενώ η εκτύπωση μεταφέρει στο χαρτί μια εικόνα από αυτόν. Για να αντιληφθούμε επομένως τα χαρακτηριστικά των σαρωτών
Τμήμα Επιστήμης Υπολογιστών ΗΥ-474. Ψηφιακή Εικόνα. Χωρική ανάλυση Αρχεία εικόνων
Ψηφιακή Εικόνα Χωρική ανάλυση Αρχεία εικόνων Ψηφιοποίηση εικόνων Δειγματοληψία περιοδική, ορθογώνια (pixel = picture element) πυκνότητα ανάλογα με τη λεπτομέρεια (ppi) Κβαντισμός τιμών διακριτές τιμές,
Γ ΓΥΜΝΑΣΙΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΜΕ ΤΗ ΓΛΩΣΣΑ MicroWorlds Pro
Για να μπορέσουμε να εισάγουμε δεδομένα από το πληκτρολόγιο αλλά και για να εξάγουμε εμφανίσουμε αποτελέσματα στην οθόνη του υπολογιστή χρησιμοποιούμε τις εντολές Εισόδου και Εξόδου αντίστοιχα. Σύνταξη
Γραφικά Υπολογιστών: Μέθοδοι Ανίχνευσης Επιφανειών (Surface Detection Methods)
1 ΤΕΙ Θεσσαλονίκης Τμήμα Πληροφορικής Γραφικά Υπολογιστών: Μέθοδοι Ανίχνευσης Επιφανειών (Surface Detection Methods) Πασχάλης Ράπτης http://aetos.it.teithe.gr/~praptis praptis@it.teithe.gr 2 Περιεχόμενα
Γραφικά με Η/Υ / Εισαγωγή
Γραφικά με Η/Υ Εισαγωγή Πληροφορίες μαθήματος (1/4) Υπεύθυνος μαθήματος: Μανιτσάρης Αθανάσιος, Καθηγητής ιδάσκοντες: Μανιτσάρης Αθανάσιος: email: manits@uom.gr Μαυρίδης Ιωάννης: email: mavridis@uom.gr
Απεικόνιση Υφής και Αναγλύφου
Απεικόνιση Υφής και Αναγλύφου Phong, Gorad: Χρωµατισµός λείου αντικειµένου µε ενιαίοχρώµα Τα περισσότερα αντικείµενα δεν έχουν αµιγές χρώµα ούτε είναι λεία. Μπορούµε ναυποδιαιρέσουµε αντικείµενοσεστοιχειώδητµήµατα.
Απαραίτητες αφού 3Δ αντικείμενα απεικονίζονται σε 2Δ συσκευές. Θέση παρατηρητή. 3Δ Μετασχ/σμός Παρατήρησης
Προβολές Προβολές Απαραίτητες αφού 3Δ αντικείμενα απεικονίζονται σε Δ συσκευές. Θέσεις αντικειμένων και φωτεινών πηγών Θέση παρατηρητή 3Δ Μαθηματικά Μοντέλα 3Δ Μετασχ/σμοί Μοντέλου 3Δ Μετασχ/σμός Παρατήρησης
ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ. χρησιμοποιήσουμε καθημερινά φαινόμενα όπως το θερμόμετρο, Θετικοί-Αρνητικοί αριθμοί.
ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ ΑΛΓΕΒΡΑ (50 Δ. ώρες) Περιεχόμενα Στόχοι Οδηγίες - ενδεικτικές δραστηριότητες Οι μαθητές να είναι ικανοί: Μπορούμε να ΟΙ ΑΚΕΡΑΙΟΙ ΑΡΙΘΜΟΙ χρησιμοποιήσουμε καθημερινά φαινόμενα
Ενότητα 4: Δειγματοληψία - Αναδίπλωση
Ενότητα 4: Δειγματοληψία - Αναδίπλωση Σήματα και Συστήματα Τα συστήματα επεξεργάζονται ένα ή περισσότερα σήματα: Το παραπάνω σύστημα μετατρέπει το σήμα x(t) σε y(t). π.χ. Σε ένα σήμα ήχου μπορεί να ενισχύσει
ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ - ΕΝΟΤΗΤΑ 1 7/4/2013 ΕΝΟΤΗΤΕΣ ΜΑΘΗΜΑΤΟΣ. Ορισμός
ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ ΕΝΟΤΗΤΑ 1 : ΕΙΣΑΓΩΓΗ Διάλεξη 1: Γενικά για το ΓΣΠ, Ιστορική αναδρομή, Διαχρονική εξέλιξη Διάλεξη 2 : Ανάλυση χώρου (8/4/2013) Διάλεξη 3: Βασικές έννοιες των Γ.Σ.Π.. (8/4/2013)
Γεωμετρικοί μετασχηματιμοί εικόνας
Γεωμετρικοί μετασχηματιμοί εικόνας Μάθημα: Υπολογιστική Οραση 1 Γεωμετρικοί Μετασχηματισμοί Ορισμός σημείου στονευκλείδιοχώρο: p=[x p,y p,z p ] T, όπου x p, y p, z p πραγματικοί αριθμοί. ΕστωΕ 3 τοσύνολοτωνp.
Απόδοση θεματικών δεδομένων
Απόδοση θεματικών δεδομένων Ποιοτικές διαφοροποιήσεις Σημειακά Γραμμικά Επιφανειακά Ποσοτικές διαφοροποιήσεις Ειδικές θεματικές απεικονίσεις Δασυμετρική Ισαριθμική Πλάγιες όψεις Χαρτόγραμμα Χάρτης κουκίδων
Τεχνολογία Ψυχαγωγικού Λογισμικού και Εικονικοί Κόσμοι Ενότητα 4η - 3Δ γραφικά
Τεχνολογία Ψυχαγωγικού Λογισμικού και Εικονικοί Κόσμοι Ενότητα 4η - 3Δ γραφικά Ιόνιο Πανεπιστήμιο, Τμήμα Πληροφορικής, 2015 Κωνσταντίνος Οικονόμου, Επίκουρος Καθηγητής Βασίλειος Κομιανός, Υποψήφιος Διδάκτορας
Εικόνα. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 05-1
Εικόνα Εισαγωγή Ψηφιακή αναπαράσταση Κωδικοποίηση των χρωμάτων Συσκευές εισόδου και εξόδου Βάθος χρώματος και ανάλυση Συμβολική αναπαράσταση Μετάδοση εικόνας Σύνθεση εικόνας Ανάλυση εικόνας Τεχνολογία
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Τμηματοποίηση εικόνας Τμηματοποίηση εικόνας Γενικά Διαμερισμός μιας εικόνας σε διακριτές περιοχές
Μάθημα 10 ο. Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 10 ο Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Η περιγραφή μίας περιοχής μπορεί να γίνει: Με βάση τα εξωτερικά χαρακτηριστικά (ακμές, όρια). Αυτή η περιγραφή προτιμάται όταν μας ενδιαφέρουν
ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ
9 ο ΜΑΘΗΜΑ ΟΜΑΔΟΠΟΙΗΣΗ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ Πότε κάνουμε ομαδοποίηση των παρατηρήσεων; Όταν το πλήθος των τιμών μιας μεταβλητής είναι αρκετά μεγάλο κάνουμε ομαδοποίηση των παρατηρήσεων. Αυτό συμβαίνει είτε
Τεχνολογία Πολυμέσων. Ενότητα # 11: Κωδικοποίηση εικόνων: JPEG Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής
Τεχνολογία Πολυμέσων Ενότητα # 11: Κωδικοποίηση εικόνων: JPEG Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου
ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ ΕΞΕΤΑΣΤΙΚΗΣ ΠΕΡΙΟ ΟΥ ΙΟΥΝΙΟΥ 2004., η οποία όµως µπορεί να γραφεί µε την παρακάτω µορφή: 1 e
ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΣΥΣΤΗΜΑΤΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΥΣΗΣ ΗΛΕΚΤΡΙΚΩΝ ΚΥΚΛΩΜΑΤΩΝ ΜΑΘΗΜΑ: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ ΕΞΕΤΑΣΤΙΚΗΣ ΠΕΡΙΟ ΟΥ ΙΟΥΝΙΟΥ 4 AΣΚΗΣΗ () [ ] (.5)
ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8
ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ Άλγεβρα 1 ο Κεφάλαιο 1. Τι ονομάζουμε αριθμητική και τι αλγεβρική παράσταση; Να δώσετε από ένα παράδειγμα. Μια παράσταση που περιέχει πράξεις με αριθμούς, καλείται αριθμητική παράσταση,
Digital Image Processing
Digital Image Processing Intensity Transformations Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Image Enhancement: είναι
Κεφάλαιο 7. 7 Ψηφιακή επεξεργασία εικόνας. 7.1 Παραμορφώσεις. 7.2 Γεωμετρικές διορθώσεις
Κεφάλαιο 7 7 Ψηφιακή επεξεργασία εικόνας 7.1 Παραμορφώσεις Η δορυφορική εικόνα μπορεί να υποστεί διάφορες γεωμετρικές παραμορφώσεις, που μπορούν γενικά να οφείλονται στην κίνηση του δορυφόρου ως προς τη
Μέθοδοι Απεικόνισης. Μοντελοποίηση με κάποια άλλη καμπύλη επιφάνεια. Απλή αλλά πολύ «κανονική» για να είναι αληθοφανής
Μέθοδοι Απεικόνισης Η χρήση γεωμετρικών προτύπων (τρίγωνα, πολύγωνα, σφαίρες κλπ) για την μοντελοποίηση αντικειμένων έχει περιορισμούς Μοντέλο ενός πορτοκαλιού Προσέγγιση με σφαίρα Απλή αλλά πολύ «κανονική»
Κεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα
Ασκήσεις της Ενότητας 2 : Ζωγραφίζοντας με το ΒΥΟΒ -1- α. Η χρήση της πένας Κεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα Υπάρχουν εντολές που μας επιτρέπουν να επιλέξουμε το χρώμα της πένας, καθώς και το
Κεφάλαιο 7 Ισομετρίες, Συμμετρίες και Πλακοστρώσεις Οπως είδαμε στην απόδειξη του πρώτου κριτηρίου ισότητας τριγώνων, ο Ευκλείδης χρησιμοποιεί την έννοια της εφαρμογής ενός τριγώνου σε ένα άλλο, χωρίς
Α. ΣΚΟΔΡΑΣ ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΔΙΑΛΕΞΗ 6 ΔΙΑΦΑΝΕΙΑ 1
Α. ΣΚΟΔΡΑΣ ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΔΙΑΛΕΞΗ 6 ΔΙΑΦΑΝΕΙΑ 1 ΑΝΑΛΟΓΙΚΑ ΦΙΛΤΡΑ ΚΑΝΟΝΙΚΟΠΟΙΗΜΕΝΗ ΑΠΟΚΡΙΣΗ ΣΥΧΝΟΤΗΤΑΣ Α. ΣΚΟΔΡΑΣ ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΔΙΑΛΕΞΗ 6 ΔΙΑΦΑΝΕΙΑ 2 ΦΙΛΤΡΑ BUTTERWORTH: Τα βαθυπερατά φίλτρα έχουν
ΤΗΛΕΠΙΣΚΟΠΗΣΗ (E6205) Βασιλάκης Εµµανουήλ Επίκ. Καθηγητής
ΤΗΛΕΠΙΣΚΟΠΗΣΗ (E6205) Βασιλάκης Εµµανουήλ Επίκ. Καθηγητής Τύποι διορθώσεων n Θορύβου Σφαλµάτων καταγραφής n Ραδιοµετρική n n Ατµοσφαιρική Γεωµετρική Διόρθωση Θορύβου Σφαλµάτων Λόγος: δυσλειτουργία των
Συμπίεση Πολυμεσικών Δεδομένων
Συμπίεση Πολυμεσικών Δεδομένων Εισαγωγή στο πρόβλημα και επιλεγμένες εφαρμογές Παράδειγμα 2: Συμπίεση Εικόνας ΔΠΜΣ ΜΥΑ, Ιούνιος 2011 Εισαγωγή (1) Οι τεχνικές συμπίεσης βασίζονται στην απόρριψη της πλεονάζουσας
MPEG-7 : Περιγραφή πολυμεσικού περιεχομένου
MPEG-7 : Περιγραφή πολυμεσικού περιεχομένου Εξαγωγή μεταδεδομένων / περιγραφών Χαμηλού επιπέδου περιγραφείς Συντακτικός και σημασιολογικός ορισμός Ανάκτηση πολυμεσικών τεκμηρίων XML / OWL Δημοσίευση 2002
1 x m 2. degn = m 1 + m m n. a(m 1 m 2...m k )x m 1
1 Πολυώνυμα και συσχετικός χώρος Ορισμός 3.1 Ενα μονώνυμο N στις μεταβλητές x 1, x 2,..., x n είναι ένα γινόμενο της μορφής x m 1 2...x m n n, όπου όλοι οι εκθέτες είναι φυσικοί αριθμοί. Ο βαθμός του μονωνύμου
ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ
ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ Αντικείμενο: Κατανόηση και αναπαράσταση των βασικών σημάτων δύο διαστάσεων και απεικόνισης αυτών σε εικόνα. Δημιουργία και επεξεργασία των διαφόρων
Ενότητα 2. Ζωγραφίζοντας με το ΒΥΟΒ
Ενότητα 2 : Ζωγραφίζοντας με το ΒΥΟΒ -1- Ενότητα 2. Ζωγραφίζοντας με το ΒΥΟΒ Κεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα α. Θέση και προσανατολισμός της μορφής Η θέση της κάθε μορφής στο σκηνικό προσδιορίζεται
ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ
ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ Π. ΑΣΒΕΣΤΑΣ Επ. Καθηγητής Τμήμα Μηχανικών Βιοϊατρικής Τεχνολογίας ΤΕΙ Αθήνας Email: pasv@teiath.gr ΠΕΡΙΕΧΟΜΕΝΑ Αναπαράσταση εικόνας Ιστόγραμμα Εξισορρόπηση ιστογράμματος Κατωφλίωση
ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗ ΦΥΣΙΚΩΝ ΠΟΡΩΝ
ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗ ΦΥΣΙΚΩΝ ΠΟΡΩΝ ΜΑΘΗΜΑ 4 Ο Δ Ε Δ Ο Μ Ε Ν Α ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ Δεδομένα ή στοιχεία είναι μη επεξεργασμένα ποσοτικά και ποιοτικά χαρακτηριστικά
Δύο κύριοι τρόποι παρουσίασης δεδομένων. Παράδειγμα
Δύο κύριοι τρόποι παρουσίασης δεδομένων Παράδειγμα Με πίνακες Με διαγράμματα Ονομαστικά δεδομένα Εδώ τα περιγραφικά μέτρα (μέσος, διάμεσος κλπ ) δεν έχουν νόημα Πήραμε ένα δείγμα από 25 άτομα και τα ρωτήσαμε
Μετασχηματισμοί Παρατήρησης και Προβολές
Μετασχ. Γραφικά Παρατήρησης Υπολογιστών και Προβολές Μετασχηματισμοί Παρατήρησης και Προβολές Γ. Γ. Παπαϊωάννου, - 2008 Στάδια Προβολής στο Επίπεδο Περνάμε από WCS στοτοπικόσύστημα συντεταγμένων του παρατηρητή
Ψηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 4 : Δειγματοληψία και κβάντιση (Sampling and Quantization) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες
Παρουσίαση Νο. 5 Βελτίωση εικόνας
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση Νο. 5 Βελτίωση εικόνας Εισαγωγή Η βελτίωση γίνεται σε υποκειμενική βάση Η απόδοση εξαρτάται από την εφαρμογή Οι τεχνικές είναι συνήθως ad hoc Τονίζει
Μορφές των χωρικών δεδομένων
Μορφές των χωρικών δεδομένων Eάν θελήσουμε να αναπαραστήσουμε το περιβάλλον με ακρίβεια, τότε θα χρειαζόταν μιά απείρως μεγάλη και πρακτικά μη πραγματοποιήσιμη βάση δεδομένων. Αυτό οδηγεί στην επιλογή
Α.Τ.Ε.Ι. Ηρακλείου Ψηφιακή Επεξεργασία Εικόνας ιδάσκων: Βασίλειος Γαργανουράκης. Ανθρώπινη Όραση - Χρωµατικά Μοντέλα
Ανθρώπινη Όραση - Χρωµατικά Μοντέλα 1 Τι απαιτείται για την όραση Φωτισµός: κάποια πηγή φωτός Αντικείµενα: που θα ανακλούν (ή διαθλούν) το φως Μάτι: σύλληψη του φωτός σαν εικόνα Τρόποι µετάδοσης φωτός
Γραφικά με Η/Υ Αλγόριθμοι σχεδίασης βασικών 22D D σχημάτων (ευθεία
Γραφικά με Η/Υ Αλγόριθμοι σχεδίασης βασικών 2D σχημάτων (ευθεία) Σχεδίαση ευθείας θί με σάρωση (παρουσίαση προβλήματος) σχεδίαση ευθείας AB, με σάρωση, όπου A=(0,1) και B=(5,4) ποιο είναι το επόμενο pixel
5ο Μάθημα Αλγόριθμοι Σχεδίασης Βασικών Σχημάτων
5ο Μάθημα Αλγόριθμοι Σχεδίασης Βασικών Σχημάτων Γραφικα Τμήμα Πληροφορικής Πανεπιστήμιο Θεσσαλίας Ακ Έτος 2016-17 Εισαγωγή Ευθεία Κύκλος Έλλειψη Σύνοψη του σημερινού μαθήματος 1 Εισαγωγή 2 Ευθεία 3 Κύκλος
Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ιωάννης Φαρασλής Τηλ : 24210-74466, Πεδίον Άρεως, Βόλος
Μεθοδολογίες παρεµβολής σε DTM.
Μάθηµα : Αλγοριθµικές Βάσεις στη Γεωπληροφορική ιδάσκων : Συµεών Κατσουγιαννόπουλος Μεθοδολογίες παρεµβολής σε DTM.. Μέθοδοι παρεµβολής. Η παρεµβολή σε ψηφιακό µοντέλο εδάφους (DTM) είναι η διαδικασία
Ραδιοτηλεοπτικά Συστήματα Ενότητα 3: Θεωρία Ψηφιοποίησης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ραδιοτηλεοπτικά Συστήματα Ενότητα 3: Θεωρία Ψηφιοποίησης Δρ. Νικόλαος- Αλέξανδρος Τάτλας Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε Κάντε
Γραφικά με υπολογιστές. Διδάσκων: Φοίβος Μυλωνάς. Διάλεξη #07
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Χειμερινό εξάμηνο Γραφικά με υπολογιστές Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #07 Γραμμές και Πολύγωνα: Εισαγωγή Αναπαράσταση 2D και 3D Χρωματισμός πολυγώνων
Θεώρημα δειγματοληψίας
Δειγματοληψία Θεώρημα δειγματοληψίας Ένα βαθυπερατό σήμα πεπερασμένης ενέργειας που δεν περιέχει συχνότητες μεγαλύτερες των W Hertz μπορεί να περιγραφθεί πλήρως από τις τιμές του σε χρονικές στιγμές ισαπέχουσες
Digital Image Processing
Digital Image Processing Φιλτράρισμα στο πεδίο των Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Φίλτρο: μια διάταξη ή
Στατιστικοί πίνακες. Δημιουργία κλάσεων
Στατιστικοί πίνακες Δημιουργία κλάσεων Τι είναι οι κλάσεις; Κλάσεις είναι ημιανοικτά διαστήματα της μορφής [α i, b i ), τα οποία είναι ταυτόχρονα και διαδοχικά, έτσι ώστε να μην υπάρχει κάποια τιμή του
3 ο Εργαστήριο Μεταβλητές, Τελεστές
3 ο Εργαστήριο Μεταβλητές, Τελεστές Μια μεταβλητή έχει ένα όνομα και ουσιαστικά είναι ένας δείκτης σε μια συγκεκριμένη θέση στη μνήμη του υπολογιστή. Στη θέση μνήμης στην οποία δείχνει μια μεταβλητή αποθηκεύονται
Παρατηρήσεις για τη χρήση ενός κυκλικού διαγράμματος
Παρατηρήσεις για τη χρήση ενός κυκλικού διαγράμματος Χρησιμοποιείται μόνο όταν οι τιμές της μεταβλητής έχουν ένα σταθερό άθροισμα (συνήθως 100%, όταν μιλάμε για σχετικές συχνότητες) Είναι χρήσιμο μόνο
Ψηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 7: Μετατροπή Σήματος από Αναλογική Μορφή σε Ψηφιακή Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετατροπή Αναλογικού Σήματος σε Ψηφιακό Είδη Δειγματοληψίας: Ιδανική
Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ
Ψηφιακή Επεξεργασία Εικόνας ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση (Segmentation)
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
ΚΕΦΑΛΑΙΟ 5: ΑΠΕΙΚΟΝΙΣΗ ΚΑΙ ΑΠΟΚΟΠΗ
ΚΕΦΑΛΑΙΟ 5: ΑΠΕΙΚΟΝΙΣΗ ΚΑΙ ΑΠΟΚΟΠΗ Ένα γεωμετρικό μοντέλο είναι μια αριθμητική περιγραφή ενός αντικειμένου, που περιλαμβάνει το μέγεθος, το σχήμα, καθώς και άλλες ιδιότητές του. Η περιγραφή του μοντέλου
ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ
ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται
6 Συνεκτικοί τοπολογικοί χώροι
36 6 Συνεκτικοί τοπολογικοί χώροι Έστω R διάστημα και f : R συνεχής συνάρτηση τότε, όπως γνωρίζουμε από τον Απειροστικό Λογισμό, η f έχει την ιδιότητα της ενδιάμεσου τιμής. Η ιδιότητα αυτή δεν εξαρτάται
Ακαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ, ΤΜΗΜΑ Ι ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΨΣ 50: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ακαδηµαϊκό Έτος 005 006, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Η εξέταση
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Σημειακή επεξεργασία και μετασχηματισμοί Κατηγορίες μετασχηματισμού εικόνων Σημειακοί μετασχηματισμοί
Εισαγωγή στην Επεξεργασία Σήματος. Νόκας Γιώργος
Εισαγωγή στην Επεξεργασία Σήματος Νόκας Γιώργος Βιβλιογραφία στον εύδοξο 1. Γ. Β. Μουστακίδης, Βασικές Τεχνικές Ψηφιακής Επεξεργασίας Σημάτων και Συστημάτων, εκδόσεις Α. Τζιόλα & Υιοί Ο.Ε., Θεσσαλονίκη,
Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Ιωάννης Φαρασλής Τηλ : 24210-74466,
Σύμβαση 457 ΟΠΣ Πολιτικής Προστασίας. Εγχειρίδιο Χρήσης Εφαρμογής Γεωγραφικής Απεικόνισης (Version: 1.0)
Σύμβαση 457 ΟΠΣ Πολιτικής Προστασίας Εγχειρίδιο Χρήσης Εφαρμογής Γεωγραφικής Απεικόνισης (Version: 1.0) ΑΝΑΔΟΧΟΣ : SPACE COM A.E. INTRACOM IT SERVICES - QUALITY & RELIABILITY A.E. ΑΘΗΝΑ Ιούνιος 2008 Σελίδα
Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα
Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα Ενότητα: Διανυσματικοί Χώροι και Υπόχωροι: Βάσεις και Διάσταση Ανδριανός Ε Τσεκρέκος Τμήμα Λογιστικής & Χρηματοοικονομικής
Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας
Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.
DIP_01 Εισαγωγή στην ψηφιακή εικόνα. ΤΕΙ Κρήτης
DIP_01 Εισαγωγή στην ψηφιακή εικόνα ΤΕΙ Κρήτης Πληροφορίες Μαθήματος ιαλέξεις Πέμπτη 12:15 15:00 Αιθουσα Γ7 ιδάσκων:. Κοσμόπουλος Γραφείο: Κ23-0-15 (ισόγειο( κλειστού γυμναστηρίου) Ωρες γραφείου Τε 16:00
Καρτεσιανές συντεταγμένες Γραφική παράσταση συνάρτησης
Καρτεσιανές συντεταγμένες Γραφική παράσταση συνάρτησης Ορθοκανονικό σύστημα αξόνων ονομάζεται ένα σύστημα από δύο κάθετους άξονες με κοινή αρχή στους οποίους οι μονάδες έχουν το ίδιο μήκος. Υπάρχουν περιπτώσεις
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Χωρικά φίλτρα Χωρικά φίλτρα Γενικά Σε αντίθεση με τις σημειακές πράξεις και μετασχηματισμούς, στα
Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση
Χειμερινό Εξάμηνο 2013-2014 Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση 5 η Παρουσίαση : Ψηφιακή Επεξεργασία Εικόνας Διδάσκων: Γιάννης Ντόκας Σύνθεση Χρωμάτων Αφαιρετική Παραγωγή Χρώματος Χρωματικά
Τμήμα Λογιστικής. Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές. Μαθήματα 6 και 7 Αναπαράσταση της Πληροφορίας στον Υπολογιστή. 1 Στέργιος Παλαμάς
ΤΕΙ Ηπείρου Παράρτημα Πρέβεζας Τμήμα Λογιστικής Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές Μαθήματα 6 και 7 Αναπαράσταση της Πληροφορίας στον Υπολογιστή 1 1. Αριθμοί: Το Δυαδικό Σύστημα Οι ηλεκτρονικοί υπολογιστές
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ Γρήγορος Μετασχηματισμός Fourier Το ζεύγος εξισώσεων που ορίζουν το
Αρχές κωδικοποίησης. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 08-1
Αρχές κωδικοποίησης Απαιτήσεις κωδικοποίησης Είδη κωδικοποίησης Κωδικοποίηση εντροπίας Διαφορική κωδικοποίηση Κωδικοποίηση μετασχηματισμών Στρωματοποιημένη κωδικοποίηση Κβαντοποίηση διανυσμάτων Τεχνολογία
Απαλλακτική Εργασία Γραφικά & Εικονική Πραγματικότητα. Παπαπαύλου Χρήστος ΑΜ: 6609
Απαλλακτική Εργασία Γραφικά & Εικονική Πραγματικότητα Παπαπαύλου Χρήστος ΑΜ: 6609 Αναπαράσταση μοντέλου Το 3D μοντέλο το αποθηκεύουμε στην μνήμη με τις εξής δομές δεδομένων: Λίστα κορυφών Λίστα τριγώνων
Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»
Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης
1 ο Εργαστήριο Συντεταγμένες, Χρώματα, Σχήματα
1 ο Εργαστήριο Συντεταγμένες, Χρώματα, Σχήματα 1. Σύστημα Συντεταγμένων Το σύστημα συντεταγμένων που έχουμε συνηθίσει από το σχολείο τοποθετούσε το σημείο (0,0) στο σημείο τομής των δυο αξόνων Χ και Υ.
Γραφικά με Η/Υ Αλγ λ ό γ ρ ό ιθ ρ μοι κύκλου & έλλειψης
Γραφικά με Η/Υ Αλγόριθμοι κύκλου & έλλειψης Τεχνική μέσου σημείου (μέσο έ σημείο Q) NE pixel Q Μέσο σημείο M E pixel P = ( x p, y p ) x x + 1 = p Προηγούμενο pixel Επιλογές για το Επιλογές για το τρέχων
Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα
Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα Βασικές Έννοιες Διεργασίες στο πεδίο του χώρου f(x, y) : εικόνα εισόδου g(x, y) : εικόνα εισόδου g x, y = T f(x, y) T : τελεστής που εφαρµόζεται
Το παράθυρο αυτό ενεργοποιείται με το κουμπί που βρίσκεται στην Βασική γραμμή εργαλείων (Toolbar) με την παρακάτω μορφή εικονιδίου
ΤΗΛΙΓΑΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ Email: gustil@yahoo.com Material Editor (Παλέτα κατασκευής υλικών). Σε αυτό το σεμινάριο θα ασχοληθούμε με την κατασκευή υλικών και την εφαρμογή αυτών στα αντικείμενα της σκηνής.
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ
1 ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΕΦΑΛΑΙΟ 3ο: ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΜΕΡΟΣ 2 ο : ΣΤΟΙΒΑ & ΟΥΡΑ ΙΣΤΟΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ: http://eclass.sch.gr/courses/el594100/ ΣΤΟΙΒΑ 2 Μια στοίβα
Ψηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 2 : Βελτιστοποίηση εικόνας (Image enhancement) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το
Συστήματα Πολυμέσων. Ενότητα 8: Συμπίεση Εικόνας κατά JPEG Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 8: Συμπίεση Εικόνας κατά JPEG 2000 Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ. Διάλεξη 7: Εξίσωση μη-μόνιμης διάχυσης (συνέχεια)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ Διάλεξη 7: Εξίσωση μη-μόνιμης διάχυσης (συνέχεια) Χειμερινό εξάμηνο 2008 Προηγούμενη παρουσίαση... Είδαμε
x 2 + y 2 + z 2 = R 2.
Σημειώσεις μαθήματος Μ2324 Γεωμετρική Τοπολογία Χρήστος Κουρουνιώτης ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ 2011 Εισαγωγή Η Γεωμετρική Τοπολογία είναι ο κλάδος των μαθηματικών που μελετάει τα ολικά χαρακτηριστικά
Ταξινόμηση καμπυλών και επιφανειών με τη βοήθεια των τετραγωνικών μορφών.
Ταξινόμηση καμπυλών και επιφανειών με τη βοήθεια των τετραγωνικών μορφών (βλ ενότητες 8 και 8 από το βιβλίο Εισαγωγή στη Γραμμική Άλγεβρα, Ι Χατζάρας, Θ Γραμμένος, 0) (Δείτε τα παραδείγματα 8 (, ) και
α) f(x(t), y(t)) = 0,
Ρητές καμπύλες Μια επίπεδη αλγεβρική καμπύλη V (f) είναι το σύνολο όλων των σημείων του επιπέδου K 2 που μηδενίζουν κάποιο συγκεκριμένο ανάγωγο πολυώνυμο f K[x, y], δηλαδή V (f) = {(x 0, y 0 ) K 2 f(x
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Ακμές και περιγράμματα Ακμές και περιγράμματα Γενικά Μεγάλο τμήμα της πληροφορίας που γίνεται αντιληπτή
Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων
Ελλιπή δεδομένα Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 75 ατόμων Εδώ έχουμε δ 75,0 75 5 Ηλικία Συχνότητες f 5-4 70 5-34 50 35-44 30 45-54 465 55-64 335 Δεν δήλωσαν 5 Σύνολο 75 Μπορεί
Αναγνώριση Προτύπων. 27 Ιουνίου 2008 Ημερίδα για το ΔΠΜΣ - Ηλεκτρονική και Επεξεργασία της Πληροφορίας Τμήμα Φυσικής Πανεπιστήμιο Πάτρας
Αναγνώριση Προτύπων 27 Ιουνίου 2008 Ημερίδα για το ΔΠΜΣ - Ηλεκτρονική και Επεξεργασία της Πληροφορίας Τμήμα Φυσικής Πανεπιστήμιο Πάτρας Θανάσης Ζάγουρας ΕΡΓΑΣΙΑ 1 ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΣΩΠΟΥ 2/14 Αναγνώριση Προσώπου
Τοµογραφία Μετασχηµατισµός Radon
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τοµογραφία Μετασχηµατισµός Radon Βιοϊατρική Τεχνολογία ιδάσκων: Σεργιάδης Γεώργιος Τοµογραφία
Κεφάλαιο 8. Οπτικοποίηση Απαλοιφή
Κεφάλαιο 8. Οπτικοποίηση Απαλοιφή Oι οπτικές επιδράσεις, που μπορεί να προκαλέσει μια εικόνα στους χρήστες, αποτελούν ένα από τα σπουδαιότερα αποτελέσματα των λειτουργιών γραφικών με Η/Υ. Τον όρο της οπτικοποίησης
Κεφάλαιο 4: Στοιχεία της εκδοχής hp της ΜΠΣ στις 2- διαστάσεις
Κεφάλαιο 4: Στοιχεία της εκδοχής hp της ΜΠΣ στις - διαστάσεις Στις -διαστάσεις, η περιγραφή της εκδοχής hp της ΜΠΣ είναι αρκετά πολύπλοκη. Στο παρόν κεφάλαιο θα δούμε κάποια στοιχεία της, ξεκινώντας με
Σχεδίαση με Ηλεκτρονικούς Υπολογιστές
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Σχεδίαση με Ηλεκτρονικούς Υπολογιστές Ενότητα # 3: Σύγκριση διανυσματικής και ψηφιδωτής μορφής Καθηγητής Ιωάννης Γ. Παρασχάκης Τμήμα Αγρονόμων
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
. Βάθος χρώματος: Πραγματικό χρώμα. . Βάθος χρώματος: Αποχρώσεις του γκρίζου 8bit. . Βάθος χρώματος: Αποχρώσεις του γκρίζου 1bit.
Α ΤΕΙ ΑΘΗΝΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ, ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΗΣ ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟΔΟΣ: A ΧΕΙΜΕΡΙΝΟ 2011-2012 ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ: ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ ΚΑΙ ΗΧΟΣ (7-2-2012) Διάρκεια εξέτασης: 2.0 ώρες (08:00 10:30)
Ανάγκη Ανάπτυξης Μοντέλων και Δομών Χωρικών Δεδομένων
Ανάγκη Ανάπτυξης Μοντέλων και Δομών Χωρικών Δεδομένων Η περιγραφή των γεωγραφικών δεδομένων, η σύνδεση και διαχείριση γεωμετρικής πληροφορίας, η οποία αναφέρεται σε: μετρητικές ιδιότητες που αναφέρονται: