Kuvan- ja videontiivistys. Mikko Nuutinen
|
|
- Eeva-Liisa Oksanen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Kuvan- ja videontiivistys Mikko Nuutinen
2 Oppimistavoitteet Redundanssi kuvissa: esimerkkitapauksina koodaus-, pikseleiden välinen sekä psykovisuaalinen redundanssi Kuvantiivistys: JPEG-koodauksen komponentit, JPEG2000 idea Videontiivistys: MPEG-koodauksen idea Tiivistyksen vaikutus kuvan/videon visuaaliseen laatuun
3 Miksi tarvitaan tiivistystä? Esimerkki 2 h televisiokuvaa 720 x 480 resoluutiolla, 24 bittiä Koostuu peräkkäisistä kuvista, joita esitetään 30 fps (frames per second) Bittimäärä tällöin: 30 fps * (720*480) pikseliä/frame x 3 tavua (byte) = tavua/s 2 tuntia: tavua/s * 3600 s * 2h = 2.24 * 10^11 tavua = 224 gigatavua = 27 kpl 8.5 GB DVD levyjä Jotta saadaan mahtumaan DVD:lle, täytyy kokoa kutistaa 26.3 kertaisesti Entäpä HD-televisio... (1920 x 1080 x 24 bittiä/kuva)!
4 Tiivistyksen idea Tiivistys = vähennetään dataa, jolla esitetään tietty informaatio Osa datasta on redundanttia informaatio voidaan koodata datasta, vaikka dataa poistetaan tai muutetaan Redundanssin määrä: R = 1 1/C, missä C = tiivistyssuhde C = a / b, jossa a ja b ovat kaksi signaalia, joista saadaan johdettua sama informaatio Jos esim. C=10 (joskus myös 10:1), niin signaalissa a on 10 bittiä jokaista signaalin b bittiä kohden Tällöin signaalin a dataredundanssi on R=0.9, mikä tarkoittaa sitä, että 90% sen sisältämästä datasta on redundanttia Redundanssiesimerkkejä kuvissa Koodausredundanssi Pikseleiden välinen spatiaalinen ja temporaalinen redundanssi Psykovisuaalinen redundanssi
5 Koodausredundanssi Koodausredundanssi tarkoittaa sitä, että koodaus ei huomioi tapahtuman todennäköisyyttä Oletetaan diskreetti satunnaismuuttuja rk välillä [0,L-1], jolla kuvataan M x N kokoisen kuvan intensiteettejä Jokainen rk (intensiteettitaso) esiintyy todennäköisyydellä pr(rk), jolloin: Kaikki intensiteettiarvot eivät esiinny yhtä usein. n = kuinka monta kertaa intensiteettiarvo k esintyy Jos l(rk) on bittimäärä, joka tarvitaan jokaisen rk:n esittämiseen, keskimääräinen bittimäärä, joka tarvitaan kullekin pikselille, on Bittimäärä, joka tarvitaan M x N kuvan esittämiseen on M x N x Lavg
6 Koodausredundanssi (256 x 256 kuva) intensiteetti kiinteäpituinen koodi (fixed length) todennäköisyys bittimäärä vaihtuvapituinen koodi (variable lenght): vähemmän bittejä todennäköisimmille rk pr(rk) Koodi 1 l1(rk) Koodi 2 l2(rk) r87= r128= r186= r255= Lavg = 8 Lavg = 0.25(2) (1) (3) (3) = 1.81 bittiä Koko kuvan esittämiseen tarvitaan M x N x Lavg= = bittiä Tiivistyssuhde C= ( ) / = 8 / 1.81 = 4.42 Redundanssi R = 1 1 / 4.42 = 0.774, eli 77.4 % kuvan datasta on redundanttia
7 Pikseleiden välinen redundanssi Pikseleiden välinen redundanssi tarkoittaa sitä, että naapuripikselit (spatiaali ja temporaali) korreloivat usein voimakkaasti Spatiaalinen korrelaatio: yksittäisessä 2D-kuvassa naapuripikselit korreloivat voimakkaasti Temporaalinen korrelaatio: videossa peräkkäisten 2D-kuvien pikseleiden välillä usein voimakasta korrelaatiota Pikseleiden välistä redundanssia voidaan vähentää koodaamalla vain spatiaalinen/temporaalinen muutos esim. käyttämällä muunnosavaruutta/liikevektoreita Jos muunnos ei-visuaalisesta takaisin visuaaliseksi on täydellinen, sanotaan muunnosta häviöttömäksi, muuten se on häviöllinen
8 Pikseleiden välinen redundanssi tiivistetään juoksunpituuskoodauksella Pikselit riippumattomia vertikaalisuunnassa Koodataan esimerkiksi juoksunpituuskoodauksella (running length coding) eli muutetaan lineaarinen sekvenssi pareiksi (pituus, arvo): Tässä kuvassa hyvä tiivistys: ( )/[( ) 8], eli 128:1 Pikselit samoja vaakasuunnassa = korreloivat täysin Eli esimerkkikuvasta syntyy 256 pituus ja arvo paria, joille molemmille on varattu 8 bittiä
9 Psykovisuaalinen redundanssi Psykovisuaalinen redundanssi tarkoittaa sitä, että data sisältää sellaista informaatiota jota ihmissilmä ei pysty erottamaan Data, jota näköaisti ei huomioi: Näköaistin värikanavan huonompi resoluutio värikanavaa voidaan alinäytteistää enemmän Näköaistin ajallinen integraatiokyky n. 100Hz optimiolosuhteissa, 40-60Hz tyypillisissä olosuhteissa JPEG/MPEG-koodauksen häviöllinen tiivistys perustuu psykovisuaalisen redundanssin hyödyntämiseen Häviön suuruus/havaittavuus liittyy DCT-vakioiden kvantisoinin karkeuteen
10 Campbell-Robson-kuva Kontrasti kasvaa Kun taajuus kasvaa ja/tai kontrasti laskee, yksityiskohdat eivät enää erotu eli tiivistys voi suodattaa yksityiskohdat joita ei havaita Taajuus kasvaa
11 Kontrastiherkkyys-väriherkkyys Lyhyille aallonpituuksille herkät tappisolut harvassa Värihavainnolla huonompi resoluutio eli kromaattisia kanavia voidaan alinäytteistää enemmän kuin kirkkauskanavaa
12 Campbell-Robson-kuva
13 Campbell-Robson-kuva
14 JPEG JPEG (Joint Photographic Experts Group standardi) Alkuperäinen standardointiryhmä aloitti 1986 ja julkaisi ensimmäisen JPEGstandardin 1992 (ITU-T Recommendation T.81) Tällä hetkellä laaja tuki eri selaimissa ja ohjelmistoissa Tarkoitettu erityisesti valokuville (tasaiset sävy- ja värimuunnokset) Häviöllinen, käyttää diskreettiä kosinimuunnosta (DCT), 8 x 8 pikselin blokit JPEG-standardi määrittää kuinka kuva koodataan tavuvirraksi ja dekoodataan takaisin kuvaksi, mutta ei sitä miten tiedostoformaatti käyttää tätä kuvavirtaa JPEG/Exif ja JPEG/JFIF ovat yleisesti käytettyjä tiedostoformaatteja; molemmat pohjautuvat JIF-formaatin tavu-layoutiin, joka on määritetty standardin liitteissä JPEG2000 JPEG/Exif kameroiden yleinen ulostulotiedostoformaatti (tallettaa metadatan) JPEG/JFIF yleinen kuvankäsittelyohjelmistojen formaattina (tallettaa väriprofiilin) Käyttää disktreetin kosinimuunnoksen sijasta diskreettiä aallokemuunnosta (DWT)
15 Tiivistys: JPEG-vaiheet 1. Lähdekuva 2. Offset 3. Diskreetti kosinimuunnos 4. Vakioiden kvantisointi 5. entropiakoodaus H.R. Wu, K.R. Rao, Digital Video Image Quality and Perceptual Coding, CRC Press 2006, 600 s.
16 JPEG - 1. Lähdekuva Kuvan muunto RGB Y CBCR Aluksi tehdään R-,G- ja B-komponenteille gammakorjaus sitten Y = R G B (ITU:n suositus BT.601) tai Y = R G B (HDTV:n suositus BT.709) CB = B Y eli sinisen ja kirkkauden ero CR = R Y eli punaisen ja kirkkauden ero Kirkkaussignaalin laatuun kiinnitetään huomiota Värisignaalien tarkkuutta heikennetään, koska värinäkö ei näe yksityiskohtia tarkasti
17 JPEG - 1. Lähdekuva Haluttu emissio näytöllä Emissio V out V in Gamma-korjaus=1/ Lineaarisen syöttösignaalin emissio näytöllä (eli ilman gammakorjausta kuvatoisto näytöllä on liian tumma) CRT-näytön gamma on ollut noin 2.2. Jotta aiemmin gammakorjattu lähdemateriaali toistuisi oikein, niin myös uudempien näyttötekniikoidenkin tuli seurata tätä gamma-arvoa. Syöttösignaali
18 JPEG - 1. Lähdekuva Kromaattisten kanavien alinäytteistys Väriä voidaan alinäytteistää eri määriä: 4:4:4, 4:2:2, 4:2:0, 4:1:1 4:2:0 käytösssä: JPEG, MPEG-1, MPEG-2, H.261, 4:1:1 4:2:0 4:2:2 4:4:4 2x4 pikselimatriisi Y'Cb Cr = = = = Y' (Cb, Cr) Kromakanavien näytteistys 2 x vertikaalinen 1 x horisontaalinen 1 x vertikaalinen 2 x horisontaalinen 2 x vertikaalinen 2 x horisontaalinen 2 x vertikaalinen 4 x horisontaalinen
19 JPEG - 1. Lähdekuva Kuva jaetaan 8 x 8 osakuviin; Minimum Coded Unit (MCU): 4 x Luma, 1 x CB, 1 x CR (kun 4:2:2)
20 JPEG - 2. Offset Siirretään arvot nollan ympärille -2^(k-1)= -2^7 = -128 Jossa k on lähdekuvan suurimpien arvojen bittimäärä. Muuntaa DCT-koodauksen DC-kertoimen: neutraali harmaa=0 Ei vaikuta DCT-koodauksen AC-kertoimiin
21 JPEG - 3. Diskreetti kosinimuunnos DCT-muunnos esittää signaalin kosinin taajuuksina ja kertoimina Perusajatuksena on esittää kuvien data mahdollisimman tiiviisti DCT on häviötön Tuottaa osakuvan kokoisen matriisin DCT-kertoimia Käyttää 8x8 kantafunktiotaulukkoa (basis function) Matalat taajuudet vasemmalla ylhäällä (Mutta ei [0,0]), taajuus kasvaa vaaka- ja pystysuunnassa, esim. [0,1] kosini puoli jaksoa, [1,0] sama, mutta käännetty 90 DCT-muunnos kertoo 8x8 pikselimatriisin kullakin kantafunktiolla ja laskee arvot yhteen Tuottaa 8x8 spektrin, jossa kukin arvo on kantafunktion arvo
22 JPEG - 3. Diskreetti kosinimuunnos Kerroin + kantafunktio
23 JPEG - 4. Vakioiden kvantisointi DCT-vakiot kvantisoidaan: missä Suv on DCT-vakio ja Quv on kvantisointimatriisin arvo kyseiselle kantafunktiolle Matalamman taajuuden vakiot kvantisoidaan pienemmällä askelkoolla H.R. Wu, K.R. Rao, Digital Video Image Quality and Perceptual Coding, CRC Press 2006, 600 s.
24 JPEG - 4. Vakioiden kvantisointi
25 JPEG - 5. entropiakoodaus Zic-zac-skannauksessa DCT-vakiot järjestetään taajuuden mukaan kasvavaan järjestykseen Lopuksi tehdään juoksunpituuskoodaus ja koska skannauksen lopussa on paljon nollia, niin data tiivistyy merkittävästi H.R. Wu, K.R. Rao, Digital Video Image Quality and Perceptual Coding, CRC Press 2006, 600 s.
26 Tiivistys: JPEG2000 Verrattuna JPEG-tiivistykseen niin JPEG2000 käyttää DCTmuunnoksen sijaan diskreettiä aallokemuunnosta (DWT) DWT-vakiot kvantisoidaan ja entropiakoodataan DWT-vakiot sisältää paljon nollia, joten entropiakoodaus on tehokas H.R. Wu, K.R. Rao, Digital Video Image Quality and Perceptual Coding, CRC Press 2006, 600 s.
27 Tiivistys: JPEG2000 Kun JPEG2000-kuvaa puretaan, niin kuvaa voi esikatsella matalammalla resoluutiolla Cohen-Daubechies-Feauveau wavelet 5/3 used in JPEG 2000 standard. DWT-esimerkki: 6 alakaistaa (2 skaalaa x 3 orientaatiota)
28 Tiivistys: JPEG2000 JPEG2000-tiivistys ei tuota blokkisuutta kuvaan kuten JPEGtiivistys. Tämä johtuu siitä, että kuvaa ei jaeta blokkeihin. Sen sijaan aallokemuunnos saattaa tuottaa kuvan reuna-alueille ringing-vääristymää Pakkausparametreillä säädetään kvantisointitasoa eli kuvan pakkaussuhdetta H.R. Wu, K.R. Rao, Digital Video Image Quality and Perceptual Coding, CRC Press 2006, 600 s.
29 Liikkuvan kuvan tiivistys Liikkuvan kuvan tiivistys on yhtä vanha asia kuin televisio Esim. lomittaminen kehitettiin 30-luvulla, kun kuvataajuutta alettiin kasvattamaan, mutta kaistanleveyttä ei haluttu kasvattaa
30 MPEG (Moving Picture Expert Group standardi) Tiivistysstandardi videosekvensseille (MPEG-1, MPEG-2, MPEG-4/H.264) MPEG-1 kehitetty multimedia CD-ROM sovelluksille MPEG-2 kehitetty erityisesti sovelluksille joissa videolaatu on NTSC/PAL HDTV välillä MPEG-4 sisältää uusia mahdollisuuksia sisältöpohjaiseen koodaukseen ja manipulaatioihin MPEG-videokoodauksen perusjako perustuu I-, P- ja B-kuviin I-Picture=Intra-coded picture Tiivistys perustuu vain kuvan omaan informaatioon (käytännössä JPEG-tiivistys) P-Picture=Predictive-coded picture Tiivistys perustuu ennustukseen aiemmasta I- tai P-kuvasta B-picture=Bidirectionally predictive picture Tiivistys perustuu ennustetaan aiemmasta ja seuraavasta referenssikuvasta (Itai P-kuva)
31 MPEG (Moving Picture Expert Group standardi) Perusajatus on, että kooderi on adaptiivinen ja koodaa kuvavirran parhaaksi katsomallaan tavalla, kun taas dekooderi on yksinkertaisempi ja dekoodaa inputin sen mukaan, mitä kuvavirrassa on määritetty
32 MPEG Koodataan I-kuvat perustuen DCTmuunnokseen ja DCT-vakioiden kvantisointiin Koodataan P- ja B-kuvat perustuen liikekompensoituun ennustukseen muista I- ja/tai P-kuvista H.R. Wu, K.R. Rao, Digital Video Image Quality and Perceptual Coding, CRC Press 2006, 600 s.
33 MPEG GOP = Group of Pictures GOP-koolla määritetään koodauksen kompromissia laadun ja tiivistyssuhteen välillä GOP-määrittää kahden I-kuvan etäisyyden Kahden referenssikuvan (I- tai P-kuva) etäisyys on toinen parametri Esim. GOP-rakenne: IBBPBBPBB I-kuvien väli n=9 Referenssikuvien väli m=3 (eli 2 B-kuvaa ankkurien välissä. Jos m=1, ei B-kuvia käytetä ) Tyypillinen MPEG GOP (n=15, m=3): IBBPBBPBBPBBPBB Eli jos taajuus on 30 kuvaa sekunnissa, on sekunnissa videota 2 GOPia I-, P- ja B-kuvien riippuvuuksien vuoksi MPEGin dekoodaus tulee aloittaa I-kuvasta GOP (n=15, m=3): I B B P B B P B B P B B P B B
34 MPEG - P-kuvat P-kuva on liikevektoreilla esitetty kuvaus muutoksesta verrattuna aiempaan referenssikuvaan Liikkeen estimointi Verrataan makroblokkia (esim 16x16) referenssikuvan blokkeihin Käytännössä etsitään vastinetta kyseisen blokin naapurustosta ja muodostetaan liikevektorit Minimoidaan blokkien välinen erotus (residuaali), lasketaan referenssiblokin sijainti (liikevektori) ja koodataan liikevektorin muutos
35 MPEG Liikkeen estimointi Frame 1 Liikevektorit Frame 2 Residuaali Residuaali (ei liikekompensointia)
36 MPEG - B-kuvat Käytännössä sama asia kuin P-kuvat, mutta kuvaus muutoksesta lasketaan edellisestä ja jälkimmäisestä I/P-kuvasta B-kuvien käytön idea on siinä, että niitä voi tiivistää tarvittaessa voimakkaasti, koska niitä ei käytetä muiden kuvien ennustuksessa Koodaus vaatii puskuritilaa, koska kuvasekvenssi edellisen ja seuraavan I/P-kuvan välissä tulee olla muistissa, kun B-kuvia koodataan Koodattuun tavuvirtaan edellinen ja jälkimmäinen I/P-kuva järjestetään ennen välissä olevia B-kuvia I/P B B I/P
37 MPEG B-kuvat Koodataan vasta kun P3 tulee I0 B1 B2 P3 B4 B5 P6 B7 B8 Referenssikuva Referenssikuva Taltioitava puskuriin odottamaan koodausta. Uudelleenjärjestely siirtoa varten: I0 ja P3, joista B1 ja B2 lasketaan, ovat peräkkäin I0 P3 B1 B2 P6 B4 B5 I9 B7 B8
38 Kuvatiivistyksestä johtuvat kuvavirheet - blokkisuus DCT-muunnokseen perustuva tiivistys aiheuttaa kuvaan blokkisuutta Vääristymä havaitaan säännönmukaisena epäjatkuvuutena blokkien rajoilla Vääristymä riippuu DCT-vakioiden kvantisointitasosta Liikekompensoiduissa frameissa blokkisuus havaitaan kahdessa muodossa: joko liittyen makroblokkien rajoihin tai makroblokkien sisäisiin blokkeihin
39 Kuvatiivistyksestä johtuvat kuvavirheet - blokkisuus
40 Kuvatiivistyksestä johtuvat kuvavirheet - kantakuva-efekti Kantakuva-efekti muistuttaa blokkisuutta Kantakuva-efekti on erityisesti seurausta spatiaalisesti aktiivisten alueiden DCT-vakioiden kvantisoinnista Vääristymä voidaan havaita samankaltaisena kuviona kuin jokin 63:sta DCT-kantakuvasta DCT-vakioiden karkea kvantisointi johtaa matalamman tason DCT-vakioiden nollautumiseen spatiaalisesti aktiivisella alueella, jolloin jokin yksittäinen korkeamman taajuuden kantakuva voi dominoida
41 Kuvatiivistyksestä johtuvat kuvavirheet - kantakuva-efekti
42 Kuvatiivistyksestä johtuvat kuvavirheet - sumentuminen Sumentuminen johtuu korkeiden spatiaalisten taajuuksien häviämisestä johtuen DCT-vakioiden kvantisoinnista
43 Kuvatiivistyksestä johtuvat kuvavirheet - porrastuminen DCT-kantakuvilla ei pystytä toistamaan täysin diagonaalisuunnan reunoja tai piirteitä Porrastuminen havaitaan epäjatkuvana vääristymänä reunojen ympärillä Diagonaalisten reunojen esitys vaatisi enemmän korkeamman taajuuden kantakuvia, mutta karkea kvantisointi suodattaa ne pois
44 Kuvatiivistyksestä johtuvat kuvavirheet - porrastuminen
45 Kuvatiivistyksestä johtuvat kuvavirheet - Ringing-efekti Ringing-efekti liittyy reunatoistoon, kuten porrastuminen Ringing-efekti on voimakkain kontrastikkaissa reunoissa, joissa tausta on tasaisesti teksturoitu Ringing-efekti johtuu siitä että reunan toisto vaatii jonkin korkean taajuuden kantakuvan, joka dominoi blokissa ja aiheuttaa vääristymän reunan ympärille
46 Kuvatiivistyksestä johtuvat kuvavirheet - Ringing-efekti
47 Kuvatiivistyksestä johtuvat kuvavirheet - Liikekompensaation virheet Liikekompensaatio laskee parhaan sovituksen makroblokille tietyssä naapurustossa Tuloksena on ongelmia: yksi makroblokki saattaa sisältää useampia eri suuntiin liikkuvia objekteja tai liike näkymässä saattaa olla suurempi kuin etsintäikkuna Virheet näkyvät väärin sovitetuilla makroblokeilla videossa
48 Kuvatiivistyksestä johtuvat kuvavirheet - Mosquito-efekti Mosquito-efekti kombinoituu sekä ringing-efektistä että liikekompensaation virheistä Vääristymät näkyvät sekä luminanssi- että värillisinä virheinä liikkuvien objektien ympärillä
Kuvan pakkaus JPEG (Joint Photographic Experts Group)
Kuvan pakkaus JPEG (Joint Photographic Experts Group) Arne Broman Mikko Toivonen Syksy 2003 Historia 1840 1895 1920-luku 1930-luku Fotografinen filmi Louis J. M. Daguerre, Ranska Ensimmäinen julkinen elokuva
LisätiedotLappeenrannan teknillinen korkeakoulu Tietotekniikan osasto. Diplomityön aihe on hyväksytty Tietotekniikan osaston osastoneuvostossa
Lappeenrannan teknillinen korkeakoulu Tietotekniikan osasto Spektrivideo Diplomityön aihe on hyväksytty Tietotekniikan osaston osastoneuvostossa 15.9.1999. Tarkastajat: professori, TkT Heikki Kälviäinen
LisätiedotAV-muotojen migraatiotyöpaja - ääni. KDK-pitkäaikaissäilytys 2013 -seminaari 6.5.2013 / Juha Lehtonen
AV-muotojen migraatiotyöpaja - ääni KDK-pitkäaikaissäilytys 2013 -seminaari 6.5.2013 / Juha Lehtonen Äänimuodot Ääneen vaikuttavia asioita Taajuudet Äänen voimakkuus Kanavien määrä Näytteistys Bittisyvyys
LisätiedotJohdanto videon koodaukseen
1 Johdanto videon koodaukseen Jussi Hanhijärvi 16.4.2009 Julkaisussa pyritään käsittelemään kansantajuisesti videon ja kuvien koodauksen keskeisiä elementtejä. Esitellään intra ja inter koodaus eli erilaiset
LisätiedotVÄRISPEKTRIKUVIEN TEHOKAS SIIRTO TIETOVERKOISSA
VÄRISPEKTRIKUVIEN TEHOKAS SIIRTO TIETOVERKOISSA Juha Lehtonen 20.3.2002 Joensuun yliopisto Tietojenkäsittelytiede Kandidaatintutkielma ESIPUHE Olen kirjoittanut tämän kandidaatintutkielman Joensuun yliopistossa
LisätiedotSignaalien datamuunnokset. Digitaalitekniikan edut
Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 09/02/2009 Signaalien datamuunnokset 1 Digitaalitekniikan edut Tarkoituksena
LisätiedotSignaalien datamuunnokset
Signaalien datamuunnokset Datamuunnosten teoriaa Muunnosten taustaa Muunnosten teoriaa Muunnosten rajoituksia ja ongelmia Petri Kärhä 06/02/2004 Luento 4a: Signaalien datamuunnokset 1 Digitaalitekniikan
LisätiedotAV-muotojen migraatiotyöpaja - video. KDK-pitkäaikaissäilytys seminaari / Juha Lehtonen
AV-muotojen migraatiotyöpaja - video KDK-pitkäaikaissäilytys 2013 -seminaari 6.5.2013 / Juha Lehtonen Elävän kuvan muodot Videoon vaikuttavia asioita Kuvamuotojen ominaisuudet Audiomuotojen ominaisuudet
LisätiedotPuheenkoodaus. Olivatpa kerran iloiset serkukset. PCM, DPCM ja ADPCM
Puheenkoodaus Olivatpa kerran iloiset serkukset PCM, DPCM ja ADPCM PCM eli pulssikoodimodulaatio Koodaa jokaisen signaalinäytteen binääriseksi (eli vain ykkösiä ja nollia sisältäväksi) luvuksi kvantisointitasolle,
LisätiedotT-61.246 DSP: GSM codec
T-61.246 DSP: GSM codec Agenda Johdanto Puheenmuodostus Erilaiset codecit GSM codec Kristo Lehtonen GSM codec 1 Johdanto Analogisen puheen muuttaminen digitaaliseksi Tiedon tiivistäminen pienemmäksi Vähentää
LisätiedotMitä on multimedia? Multimedia. Jatkuva-aikainen media. Yleisimmät mediatyypit. Jatkuvan median käsittelyvaiheet. Interaktiivuus
Multimedia Mitä on multimedia? Mediatyypit +Teksti + Grafiikka + Audio + Kuva +Video Siirtoformaatit Mitä on multimedia? Multimedia = monta mediaa Käyttäjän vuorovaikutus = interaktiivisuus Käsikirjoitus
LisätiedotMul$media. Jyry Suvilehto Alkuperäiset kalvot Petri Vuorimaa
Mul$media Jyry Suvilehto Alkuperäiset kalvot Petri Vuorimaa Luennon sisältö Mitä on mul$media? Mediatyypit Teks$ Grafiikka Audio Kuva Video Siirtoformaa$t 19.3.2010 Petri Vuorimaa / Mediatekniikan laitos
LisätiedotDigitaalinen media. Petri Vuorimaa
Digitaalinen media Petri Vuorimaa Luennon sisältö Mitä on digitaalinen media? Mediatyypit Teks; Grafiikka Audio Kuva Video Siirtoformaa;t 30.3.2012 Petri Vuorimaa / Mediatekniikan laitos 2 Median osuus
Lisätiedot6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4
Datamuuntimet 1 Pekka antala 19.11.2012 Datamuuntimet 6. Analogisen signaalin liittäminen mikroprosessoriin 2 6.1 Näytteenotto analogisesta signaalista 2 6.2. DA-muuntimet 4 7. AD-muuntimet 5 7.1 Analoginen
LisätiedotMultimedia. Mitä on multimedia? Mediatyypit. Siirtoformaatit. + Teksti + Grafiikka + Audio + Kuva + Video. Petri Vuorimaa 1
Multimedia Mitä on multimedia? Mediatyypit + Teksti + Grafiikka + Audio + Kuva + Video Siirtoformaatit Petri Vuorimaa 1 Mitä on multimedia? Multimedia = monta mediaa Käyttäjän vuorovaikutus = interaktiivisuus
LisätiedotELEC-C5070 Elektroniikkapaja (5 op)
(5 op) Luento 5 A/D- ja D/A-muunnokset ja niiden vaikutus signaaleihin Signaalin A/D-muunnos Analogia-digitaalimuunnin (A/D-muunnin) muuttaa analogisen signaalin digitaaliseen muotoon, joka voidaan lukea
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotDigitaalinen audio & video I
Digitaalinen audio & video I Johdanto Digitaalinen audio + Psykoakustiikka + Äänen digitaalinen esitys Digitaalinen kuva + JPEG 1 Johdanto Multimediassa hyödynnetään todellista ääntä, kuvaa ja videota
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotDigitaalisen videonkäsittelyn perusteet Jukka Teuhola Turun yliopisto IT-laitos, Tietojenkäsittelytiede Syksy-2009 DVP-1 Teuhola 2009 1 1. Johdanto Yleistä Sisältösuunnitelma Materiaali Mistä on kysymys?
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotDigitaalinen audio & video, osa I
Digitaalinen audio & video, osa I Johdanto Digitaalinen audio + Psykoakustiikka + Äänen digitaalinen esitys Digitaalinen kuva +JPEG Petri Vuorimaa 1 Johdanto Multimediassa hyödynnetään todellista ääntä,
LisätiedotDigitaalinen audio & video, osa I. Johdanto. Digitaalisen audion sovellusalueet. Johdanto. Taajuusalue. Psykoakustiikka. Johdanto Digitaalinen audio
Digitaalinen audio & video, osa I Johdanto Digitaalinen audio + Psykoakustiikka + Äänen digitaalinen esitys Digitaalinen kuva +JPEG Petri Vuorimaa 1 Johdanto Multimediassa hyödynnetään todellista ääntä,
LisätiedotMuita kuvankäsittelyohjelmia on mm. Paint Shop Pro, Photoshop Elements, Microsoft Office Picture Manager
Missio: 1. Asentaminen 2. Valokuvien tarkastelu, tallennus/formaatit, koko, tarkkuus, korjaukset/suotimet, rajaus 3. Kuvan luonti/työkalut (grafiikka kuvat) 4. Tekstin/grafiikan lisääminen kuviin, kuvien/grafiikan
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotOngelma 1: Onko datassa tai informaatiossa päällekkäisyyttä?
Ongelma 1: Onko datassa tai informaatiossa päällekkäisyyttä? 2012-2013 Lasse Lensu 2 Ongelma 2: Voidaanko dataa tai informaatiota tallettaa tiiviimpään tilaan koodaamalla se uudelleen? 2012-2013 Lasse
LisätiedotTeemu Kaikkonen MPEG-2- JA MPEG-4-STANDARDIEN MUKAISTEN VIDEOSEKVENSSIEN DEKOODAUS
Teemu Kaikkonen MPEG-2- JA MPEG-4-STANDARDIEN MUKAISTEN VIDEOSEKVENSSIEN DEKOODAUS MPEG-2- JA MPEG-4-STANDARDIEN MUKAISTEN VIDEOSEKVENSSIEN DEKOODAUS Teemu Kaikkonen Insinöörityö Kevät 2011 Tietotekniikan
Lisätiedot6. Värikuvanprosessointi 6.1. Värien periaatteet
6. Värikuvanprosessointi 6.1. Värien periaatteet Värien käyttö kuvissa on hyödyllistä kahdesta syystä. Väri on tehokas kuvaaja kohteiden tunnistamiseksi ja erottamiseksi näkymästä. Toiseksi normaalilla
LisätiedotNEX-3/NEX-5/NEX-5C A-DRJ-100-12(1) 2010 Sony Corporation
NEX-3/NEX-5/NEX-5C Tässä esitteessä on kuvattu tämän laiteohjelmapäivityksen sisältämät 3Dtoiminnot. Lisätietoja on Käyttöoppaassa ja mukana toimitetun CD-ROMlevyn α Käsikirjassa. 2010 Sony Corporation
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Datan käsittely ja tallentaminen Käytännössä kaikkien mittalaitteiden ensisijainen signaali on analoginen Jotta tämä
LisätiedotKuvanlaadunparantaminen. Mikko Nuutinen 21.3.2013
Kuvanlaadunparantaminen Mikko Nuutinen 21.3.2013 Luennon sisältö Termistöä Kuvanentisöinti Terävyys unsharp masking Kohina non-local means Linssivääristymän korjaus Kuvanlaadunehostaminen Kontrasti Auto-levels
Lisätiedot7. Kuvantiivistys 7.1. Perusteet
7. Kuvantiivistys 7.1. Perusteet Kuvan tai laajemmin tiedontiivistys (tai pakkaus käsittää tärkeän algoritmien alueen informaation muokkaamiseksi muotoon, joka käyttää vähemmän muistitilaa kuin alkuperäinen
Lisätiedot7. Kuvantiivistys 7.1. Perusteet
7. Kuvantiivistys 7.1. Perusteet Kuvan- tai laajemmin tiedontiivistys (tai -pakkaus) käsittää tärkeän algoritmien alueen informaation muokkaamiseksi muotoon, joka käyttää vähemmän muistitilaa kuin alkuperäinen
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS AI-TUTKIJAN URANÄKYMIÄ AJATUSTENLUKUA COMPUTER VISION SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA MUUTTUJIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA
LisätiedotFlash AD-muunnin. Ominaisuudet. +nopea -> voidaan käyttää korkeataajuuksisen signaalin muuntamiseen (GHz) +yksinkertainen
Flash AD-muunnin Koostuu vastusverkosta ja komparaattoreista. Komparaattorit vertailevat vastuksien jännitteitä referenssiin. Tilanteesta riippuen kompraattori antaa ykkösen tai nollan ja näistä kootaan
LisätiedotTL5503 DSK, laboraatiot (1.5 op) Kuvasignaalit. Jyrki Laitinen
TL553 DSK, laboraatiot (.5 op) Kuvasignaalit Jyrki Laitinen TL553 DSK, laboraatiot (.5 op), K25 Suorita oheisten ohjeiden mukaiset tehtävät Matlab- ja VCDemo-ohjelmistoja käyttäen. Kokoa erilliseen mittauspöytäkirjaan
Lisätiedot1 Olkoon suodattimen vaatimusmäärittely seuraava:
Olkoon suodattimen vaatimusmäärittely seuraava: Päästökaistan maksimipoikkeama δ p =.5. Estokaistan maksimipoikkeama δ s =.. Päästökaistan rajataajuus pb = 5 Hz. Estokaistan rajataajuudet sb = 95 Hz Näytetaajuus
LisätiedotVideotekniikka. Videosignaali Kamerasensorit Värioppi Väritelevisio Laitteisto. Petri Vuorimaa 1
Videotekniikka Videosignaali Kamerasensorit Värioppi Väritelevisio Laitteisto Petri Vuorimaa 1 Videosignaali Videokamera skannaa kuvaa rasterikuvion mukaisesti Skannaus alkaa vasemmasta yläreunasta ja
LisätiedotPuhetie, PCM järjestelmä, johtokoodi
Puhetie, PCM järjestelmä, johtokoodi PCM~PulseCodeModulation Näytteenotto Kvantisointi ÿ Lineaarinen ÿ Epälineaarinen Kvantisointisärö TDM-kanavointi PCM-kehysrakenne, CRC -ylikehys PCM, PCM, PCM 8, PCM
LisätiedotDigitaalinen Audio & Video I
Digitaalinen Audio & Video I Johdanto Digitaalinen audio Psykoakustiikka Äänen digitaalinen esitys Monikanavaääni ja äänen digitaalinen siirto Digitaalinen kuva Diskreetti kosiinimuunnos JPEG 1 Johdanto
Lisätiedotpuheen laatu kärsii koodauksesta mahdollisimman vähän. puhe pakkautuu mahdollisimman pieneen määrään bittejä.
Luku 1 Puheen koodaus Puheen koodauksella tarkoitetaan puhesignaalin esittämiseen tarvittavan bittimäärän pienentämistä sillä tavalla, että puhesignaalin laatu ja ymmärrettävyys kärsivät mahdollisimman
LisätiedotDigitaalinen videonkäsittely Harjoitus 1, vastaukset tehtäviin 1-7
Digitaalie videokäsittel Harjoitus, vastaukset tehtävii -7 Tehtävä. a) Y_mi= [0.299+0.587+0.4]*0=0 Y_ma= [0.299+0.587+0.4]*023=023 Cr_mi= [0.5]*0+[-0.48-0.08]*023-5 Cr_ma= [0.5]*023+[-0.48-0.08]*0 52 Cb_mi=
LisätiedotD B. Levykön rakenne. pyöriviä levyjä ura. lohko. Hakuvarsi. sektori. luku-/kirjoituspää
Levyn rakenne Levykössä (disk drive) on useita samankeskisiä levyjä (disk) Levyissä on magneettinen pinta (disk surface) kummallakin puolella levyä Levyllä on osoitettavissa olevia uria (track), muutamasta
LisätiedotHavaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos
Datan käsittely Helsingin yliopisto, Fysiikan laitos kevät 2013 3. Datan käsittely Luennon sisältö: Havaintovirheet tähtitieteessä Korrelaatio Funktion sovitus Aikasarja-analyysi 3.1 Havaintovirheet Satunnaiset
LisätiedotVirheen kasautumislaki
Virheen kasautumislaki Yleensä tutkittava suure f saadaan välillisesti mitattavista parametreistä. Tällöin kokonaisvirhe f määräytyy mitattujen parametrien virheiden perusteella virheen kasautumislain
LisätiedotDigitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu
Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu Teemu Saarelainen, teemu.saarelainen@kyamk.fi Lähteet: Ifeachor, Jervis, Digital Signal Processing: A Practical Approach H.Huttunen,
LisätiedotJohdanto tieto- viestintäteknologian käyttöön: Äänitystekniikka. Vfo135 ja Vfp124 Martti Vainio
Johdanto tieto- viestintäteknologian käyttöön: Äänitystekniikka Vfo135 ja Vfp124 Martti Vainio Akustiikka Äänityksen tarkoitus on taltioida paras mahdo!inen signaali! Tärkeimpinä kolme akustista muuttujaa:
LisätiedotMatlab-tietokoneharjoitus
Matlab-tietokoneharjoitus Tämän harjoituksen tavoitteena on: Opettaa yksinkertaisia piirikaavio- ja yksikkömuunnoslaskuja. Opettaa Matlabin perustyökaluja mittausten analysoimiseen. Havainnollistaa näytteenottotaajuuden,
LisätiedotAlla olevassa kuvassa on millisekunnin verran äänitaajuisen signaalin aaltomuotoa. Pystyakselilla on jännite voltteina.
TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki 1 Kirjan lukuun 3 liittyvää lisäselitystä ja esimerkkejä Kirjan luvussa 3 (Signals Carried over the Network) luodaan katsaus siihen, minkälaisia
LisätiedotSisältö. Työn lähtökohta ja tavoitteet Lyhyt kertaus prosessista Käytetyt menetelmät Työn kulku Tulokset Ongelmat ja jatkokehitys
Loppuraportti Sisältö Työn lähtökohta ja tavoitteet Lyhyt kertaus prosessista Käytetyt menetelmät Työn kulku Tulokset Ongelmat ja jatkokehitys Työn lähtökohta ja tavoitteet Voimalaitoskattiloiden tulipesässä
LisätiedotDigitaalitekniikan matematiikka Luku 1 Sivu 1 (19) Johdatus digitaalitekniikkaan
Digitaalitekniikan matematiikka Luku 1 Sivu 1 (19) Digitaalitekniikan matematiikka Luku 1 Sivu 2 (19) Johdanto Tässä luvussa esitellään tiedon lajeja ja tiedolle tehtävää käsittelyä käsitellään tiedon
LisätiedotHajautetut käyttöliittymät. Kuvat www-sivulla
Hajautetut käyttöliittymät Kuvat www-sivulla Perusteita Pikselien väri näytöllä muodostuu punaisesta, sinisestä ja vihreästä valosta, jotka erilaisina yhdistelminä muodostavat kaikki muut värit ja yhdessä
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 13 Ti 18.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 13 Ti 18.10.2011 p. 1/43 p. 1/43 Nopeat Fourier-muunnokset Fourier-sarja: Jaksollisen funktion esitys
LisätiedotTämän värilaatuoppaan tarkoitus on selittää, miten tulostimen toimintoja voidaan käyttää väritulosteiden säätämiseen ja mukauttamiseen.
Sivu 1/7 Värilaatuopas Tämän värilaatuoppaan tarkoitus on selittää, miten tulostimen toimintoja voidaan käyttää väritulosteiden säätämiseen ja mukauttamiseen. Laatu-valikko Tulostustila Väri Vain musta
LisätiedotTuntematon järjestelmä. Adaptiivinen suodatin
1 1 Vastaa lyhyesti seuraaviin a) Miksi signaaleja ylinäytteistetään AD- ja DA-muunnosten yhteydessä? b) Esittele lohkokaaviona adaptiiviseen suodatukseen perustuva tuntemattoman järjestelmän mallinnus.
LisätiedotSISÄLLYS - DIGITAALITEKNIIKKA
SISÄLLYS - DIGITAALITEKNIIKKA Digitaalitekniikan perusteita...2 Bitti (bit)...2 Tavu (bytes)...2 Sana (word)...2 Yksiköt...2 Binääri järjestelmän laskutapa...2 Esimerkki: Digikuvan siirron kestoaika...2
LisätiedotTEKNIIKKA JA LIIKENNE. Tietotekniikka. Tietoliikenne INSINÖÖRITYÖ. H.264-koodekin soveltuminen IPTV-järjestelmään
TEKNIIKKA JA LIIKENNE Tietotekniikka Tietoliikenne INSINÖÖRITYÖ H.264-koodekin soveltuminen IPTV-järjestelmään Työn tekijä: Joonas Terhivuo Työn ohjaajat: Jouko Kurki, Jari- Pekka Hela-Aro Työ hyväksytty:..
LisätiedotH.264 MPEG4/10 AVC Tutkielma eräästä videokoodausstandardista Jussi Hanhijärvi
H.264 MPEG4/10 AVC Tutkielma eräästä videokoodausstandardista Jussi Hanhijärvi ISBN 978-952-92-5250-3 2 /64 Nimike: Tekijä: Julkaisija: Oikeudet: H.264 MPEG4/10 AVC Tutkielma eräästä videokoodausstandardista
LisätiedotSpektri- ja signaalianalysaattorit
Spektri- ja signaalianalysaattorit Pyyhkäisevät spektrianalysaattorit Suora pyyhkäisevä Superheterodyne Reaaliaika-analysaattorit Suora analoginen analysaattori FFT-spektrianalysaattori DFT FFT Analysaattoreiden
LisätiedotProjektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén
Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sonifikaatio Menetelmä Sovelluksia Mahdollisuuksia Ongelmia Sonifikaatiosovellus: NIR-spektroskopia kariesmittauksissa
LisätiedotUltraäänen kuvausartefaktat. UÄ-kuvantamisen perusoletukset. Outi Pelkonen OYS, Radiologian Klinikka 29.4.2005
Ultraäänen kuvausartefaktat Outi Pelkonen OYS, Radiologian Klinikka 29.4.2005 kaikissa radiologisissa kuvissa on artefaktoja UÄ:ssä artefaktat ovat kaikuja, jotka näkyvät kuvassa, mutta eivät vastaa sijainniltaan
LisätiedotInfraäänimittaukset. DI Antti Aunio, Aunio Group Oy
Infraäänimittaukset DI Antti Aunio, Aunio Group Oy antti.aunio@aunio.fi Mitä infraääni on? Matalataajuista ilmanpaineen vaihtelua Taajuusalue < 20 Hz Ihmisen kuuloalue on tyypillisesti 20-20 000 Hz Osa
LisätiedotMultimedia. Mitä on multimedia? Mediatyypit. Siirtoformaatit. Teksti Grafiikka Audio Kuva Video
Multimedia Mitä on multimedia? Mediatyypit Teksti Grafiikka Audio Kuva Video Siirtoformaatit 1 Mitä on multimedia? Tannenbaum: Vuorovaikutteinen tietokoneavusteinen esitys, joka sisältää vähintään kaksi
LisätiedotKuvat. 1. Selaimien tunnistamat kuvatyypit
Kuvat Kuvia voi liittää xhtml-sivulle -elementillä -elementillä -elementillä lomakkeiden yhteydessä lähinnä painikenappeja taustakuvina -elementin background-attribuutilla tai
LisätiedotTRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT
3.0.07 0 π TRIGONOMETRISTEN FUNKTIOIDEN KUVAAJAT π = π 3π π = π 5π 6π = 3π 7π TRIGONOMETRISET FUNKTIOT, MAA7 Tarkastellaan aluksi sini-funktiota ja lasketaan sin :n arvoja, kun saa arvoja 0:sta 0π :ään
LisätiedotMallin arviointi ja valinta. Ennustevirhe otoksen sisällä, parametrimäärän valinta, AIC, BIC ja MDL
Mallin arviointi ja valinta Ennustevirhe otoksen sisällä, parametrimäärän valinta, AIC, BIC ja MDL Sisältö Otoksen ennustevirheen estimointi AIC - Akaiken informaatiokriteeri mallin valintaan Parametrimäärän
Lisätiedotesimerkkejä erilaisista lohkokoodeista
6.2.1 Lohkokoodit tehdään bittiryhmälle bittiryhmään lisätään sovitun algoritmin mukaan ylimääräisiä bittejä [k informaatiobittiä => n koodibittiä, joista n-k lisäbittiä], käytetään yleensä merkintää (n,k)-koodi
LisätiedotS MRI sovellukset Harjoitustehtävät. Ryhmä 1 Juha-Pekka Niskanen Eini Niskanen
S-66.3326 MRI sovellukset Harjoitustehtävät Ryhmä 1 Juha-Pekka Niskanen Eini Niskanen Tehtävä 8.3 Tehtävä 8.3 - Teoria Käytännössä MRI-kuvaan muodostuu aina virhettä rajallisen resoluution vuoksi Käytännössä
LisätiedotSynteesi-analyysi koodaus
Luku 2 Synteesi-analyysi koodaus Tärkein koodausmenetelmä puheenkoodausstandardeissa 9-luvulta alkaen on ollut synteesi-analyysi koodaus (engl. analysis-by-synthesis). Tässä lähestymistavassa optimaaliset
LisätiedotMultimedia. Petri Vuorimaa
Multimedia Petri Vuorimaa Luennon sisältö Mitä on multimedia? Mediatyypit Teksti Grafiikka Audio Kuva Video Siirtoformaatit 19.3.2010 Petri Vuorimaa / Mediatekniikan laitos 2 Multimediaosuus Tekstidata
Lisätiedot6.6. Tasoitus ja terävöinti
6.6. Tasoitus ja terävöinti Seuraavassa muutetaan pikselin arvoa perustuen mpäristön pikselien ominaisuuksiin. Kuvan 6.18.a nojalla ja Lukujen 3.4. ja 3.5. harmaasävjen käsittelssä esitellillä menetelmillä
LisätiedotVaatimusmäärittely Ohjelma-ajanvälitys komponentti
Teknillinen korkeakoulu 51 Vaatimusmäärittely Ohjelma-ajanvälitys komponentti Versio Päiväys Tekijä Kuvaus 0.1 21.11.01 Oskari Pirttikoski Ensimmäinen versio 0.2 27.11.01 Oskari Pirttikoski Lisätty termit
LisätiedotDIGI PRINT. Aineistovaatimukset ja aineiston siirto
DIGI PRINT Aineistovaatimukset ja aineiston siirto Glass Jet - Digitaalipainotekniikka Tulostettavan kuvan maksimikoko 2400 x 4000 mm. 6 perusväriä ja hiekkapuhallusta jäljittelevä etch-väri. Väreistä
LisätiedotTehtävä 2: Tietoliikenneprotokolla
Tehtävä 2: Tietoliikenneprotokolla Johdanto Tarkastellaan tilannetta, jossa tietokone A lähettää datapaketteja tietokoneelle tiedonsiirtovirheille alttiin kanavan kautta. Datapaketit ovat biteistä eli
LisätiedotS-114.3812 Laskennallinen Neurotiede
S-114.381 Laskennallinen Neurotiede Projektityö 30.1.007 Heikki Hyyti 60451P Tehtävä 1: Virityskäyrästön laskeminen Luokitellaan neuroni ensin sen mukaan, miten se vastaa sinimuotoisiin syötteisiin. Syöte
LisätiedotIPTV:n asettamat vaatimukset verkolle ja palvelun toteutus. Lauri Suleva TI07 Opinnäytetyö 2011
IPTV:n asettamat vaatimukset verkolle ja palvelun toteutus SimuNetissä Lauri Suleva TI07 Opinnäytetyö 2011 Johdanto Työn tarkoituksena tutustua IPTV-palveluun yleisesti IPTV-palveluun vaikuttavien tekijöiden
LisätiedotTHE audio feature: MFCC. Mel Frequency Cepstral Coefficients
THE audio feature: MFCC Mel Frequency Cepstral Coefficients Ihmiskuulo MFCC- kertoimien tarkoituksena on mallintaa ihmiskorvan toimintaa yleisellä tasolla. Näin on todettu myös tapahtuvan, sillä MFCC:t
Lisätiedot1. Perusteita. 1.1. Äänen fysiikkaa. Ääniaalto. Aallonpituus ja amplitudi. Taajuus (frequency) Äänen nopeus
1. Perusteita 1. Äänen fysiikkaa 2. Psykoakustiikka 3. Äänen syntetisointi 4. Samplaus ja kvantisointi 5. Tiedostoformaatit 1.1. Äänen fysiikkaa ääni = väliaineessa etenevä mekaaninen värähtely (aaltoliike),
LisätiedotMatematiikka ja teknologia, kevät 2011
Matematiikka ja teknologia, kevät 2011 Peter Hästö 3. helmikuuta 2011 Matemaattisten tieteiden laitos Sisältö Kurssi koostuu kuudesta (seitsemästä) toisistaan riippumattomasta luennosta. Aihepiirit ovat:
LisätiedotHTML5 video, audio, canvas. Mirja Jaakkola
HTML5 video, audio, canvas Mirja Jaakkola Video webbisivulla HTML5 mahdollistaa videon lisäämisen webbi-sivuille ilman plugineja. Yleisimmät videoformaatit webissä: Mpeg-4 eli H.264 Ogg Flash Perustuu
LisätiedotKohina. Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N)
Kohina Havaittujen fotonien statistinen virhe on kääntäen verrannollinen havaittujen fotonien lukumäärän N neliö juureen ( T 1/ N) N on suoraan verrannollinen integraatioaikaan t ja havaittuun taajuusväliin
Lisätiedot6.8 Erityisfunktioiden sovelluksia
6.8 Erityisfunktioiden sovelluksia Tässä luvussa esitellään muutama esimerkki, joissa käytetään hyväksi eksponentti-, logaritmi- sekä trigonometrisia funktioita. Ensimmäinen esimerkki juontaa juurensa
Lisätiedot805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016)
805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) Tavoitteet (teoria): Hallita autokovarianssifunktion ominaisuuksien tarkastelu. Osata laskea autokovarianssifunktion spektriiheysfunktio. Tavoitteet
LisätiedotTekniikka ja liikenne (5) Tietoliikennetekniikan laboratorio
Tekniikka ja liikenne 4.4.2011 1 (5) Tietoliikennetekniikan laboratorio Työ 1 PCM-työ Työn tarkoitus Työssä tutustutaan pulssikoodimodulaation tekniseen toteutustapaan. Samalla nähdään, miten A/Dmuunnin
LisätiedotSäätötekniikan ja signaalinkäsittelyn työkurssi
Säätötekniikan ja signaalinkäsittelyn työkurssi Työ D104: Kuvien suodatus 0.9 op. Julius Luukko Lappeenrannan teknillinen yliopisto Sähkötekniikan osasto/säätötekniikan laboratorio Sisältö 1 Johdanto 1
LisätiedotVideon tallentaminen Virtual Mapista
Videon tallentaminen Virtual Mapista Kamera-ajon tekeminen Karkean kamera ajon teko onnistuu nopeammin Katseluohjelmassa (Navigointi > Näkymät > Tallenna polku). Liikeradan ja nopeuden tarkka hallinta
Lisätiedot8. Kuvaustekniikat. Tämän kuvauksen esittäminen ei ole kuitenkaan suoraviivaista. Niinpä se käydään läpi kaksivaiheisena
8. Kuvaustekniikat Tietokonegrafiikassa hyödynnetty termi tekstuuri on oikeastaan hieman kehno, sillä se on jossakin määrin sekoittava eikä tarkoita pinnan pienimittakaavaisen geometrian käsittelyä sanan
LisätiedotLOPPURAPORTTI 19.11.2007. Lämpötilahälytin. 0278116 Hans Baumgartner xxxxxxx nimi nimi
LOPPURAPORTTI 19.11.2007 Lämpötilahälytin 0278116 Hans Baumgartner xxxxxxx nimi nimi KÄYTETYT MERKINNÄT JA LYHENTEET... 3 JOHDANTO... 4 1. ESISELOSTUS... 5 1.1 Diodi anturina... 5 1.2 Lämpötilan ilmaisu...
LisätiedotLaskuharjoitus 4 ( ): Tehtävien vastauksia
TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki Laskuharjoitus 4 (2.10.2013): Tehtävien vastauksia 1. Tutkitaan signaalista näytteenotolla muodostettua PAM (Pulse Amplitude Modulation) -signaalia.
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Kojemeteorologia, 3 op 9 luentoa, 3 laskuharjoitukset ja vierailu mittausasemalle Tentti Oppikirjana Rinne & Haapanala:
LisätiedotValmiustaitoja biokemisteille
Valmiustaitoja biokemisteille jatkuu 3-Harjoituskerta Kuvan käsittely Microsoft PowerPointilla, kuvan tuominen Wordiin ja kuvatekstin lisääminen Ma 11.2.2019 Valmiustaitoja biokemisteille - Aikataulu Ryhmä
LisätiedotJPEG:n algoritmit ja niiden vaihtoehdot
JPEG:n algoritmit ja niiden vaihtoehdot Tutkielma kurssille T-61.246 Digitaalinen signaalinkäsittely ja suodatus Marko Knuutila, 51284D Sisällysluettelo Johdanto...2 JPEG:n algoritmi... 2 Häviöttömät algoritmit...
LisätiedotLAS-TIEDOSTON SISÄLTÖ LIITE 2/1
LAS-TIEDOSTON SISÄLTÖ LIITE 2/1 LAS-TIEDOSTON SISÄLTÖ Las-tiedoston version 1.4 mukainen runko koostuu neljästä eri lohkosta, ja jokaiseen lohkoon voidaan tallentaa vain standardissa sovittua tietoa ja
LisätiedotStereoskooppisen kuvan koodaus
Stereoskooppisen kuvan koodaus T-75.2122 Visuaalisen mediatekniikan perusteet Mikko Kytö, Mikko Kuhna Mediatekniikan laitos Määritelmistä Stereoskooppinen media Käyttäminen tapahtuu stereonäön kautta,
LisätiedotT SKJ - TERMEJÄ
T-61140 SKJ - termit Sivu 1 / 7 T-61140 SKJ - TERMEJÄ Nimi Opnro Email Signaalinkäsittelyyn liittyviä termejä ja selityksiä Kevät 2005 Täytä lomaketta kevään aikana ja kerää mahdollisesti puuttuvia termejä
LisätiedotFYSP105/2 VAIHTOVIRTAKOMPONENTIT. 1 Johdanto. 2 Teoreettista taustaa
FYSP105/2 VAIHTOVIRTAKOMPONENTIT Työn tavoitteita o Havainnollistaa vaihtovirtapiirien toimintaa o Syventää ymmärtämystä aiheeseen liittyvästä fysiikasta 1 Johdanto Tasavirta oli 1900 luvun alussa kilpaileva
LisätiedotKompleksiluvut signaalin taajuusjakauman arvioinnissa
Kompleksiluvut signaalin taajuusjakauman arvioinnissa Vierailuluento IMA-kurssilla Heikki Huttunen Lehtori, TkT Signaalinkäsittely, TTY heikki.huttunen@tut.fi Department of Signal Processing Fourier-muunnos
LisätiedotIhminen havaitsijana: Luento 6. Jukka Häkkinen ME-C2600
Ihminen havaitsijana: Luento 6 Jukka Häkkinen ME-C2600 Kevät 2016 1 Luento 6 Kontrastiherkkyys Muodon havaitseminen 2 Campbell-Robson-kuva Vaakasuunta = juovaston frekvenssi Pystysuunta = juovaston kontrasti
LisätiedotMonikanavaäänen perusteet. Tero Koski
Monikanavaäänen perusteet Tero Koski Lähtökohdat Monikanavaääni tarkoi6aa äänital8ota, jossa on toiste6avia kanavia enemmän kuin kaksi 2.1 ; 3.0 ; 3.1 ; 4.0 ; 4.1 ; 7.2 ; 10.2 ; 22.2 ; Monikanavaääntä
Lisätiedot