Computer Vision: Hoe Leer ik een Computer Zien?
|
|
- Martina de Valk
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Computer Vision: Hoe Leer ik een Computer Zien? Michael H.F. Wilkinson Instituut voot Wiskunde en Informatica Rijksuniversiteit Groningen 27 April 2006
2 Overzicht 1 of 19 Wat is Computer Vision? Wat zijn practische toepassingen? Hoe modelleer je zien? Eén interpretatie: een beeld is een verzameling Filters: hoe verander ik een beeld? Soorten filters Voorbeelden Spectra: wat zit er in het beeld? Hoe reken ze dat uit? Wat kun je er mee? Conclusie
3 Wat is Computer Vision? 2 of 19 Computer Vision (= Machine Vision) houdt zich bezig met hoe een computer kan leren zien. Het doel is hier: hoe kan een computer beelden inhoudelijk interpreteren. Bijkomend doel is het van de mens overnemen van saaie of moeilijke visuele taken. Uiteindelijke zou een computer uitgerust met camera (b.v. webcam) zelf een 3-D beeld van de wereld om hem heen moeten kunnen reconstrueren. Een belangrijk onderscheid met beeldbewerking is het onderzoek er niet direct op is gericht om beelden fraaier te maken. Beeldbewerking is wel vaak nodig om de de ruwe data beter te kunnen verwerken.
4 Wat zijn practische toepassingen? 3 of 19 Robotica: robots (Aibo) kunnen nu al (beperkt) zien Bewaking: intelligente camera s slaan alleen alarm in de centrale als er iets raars gebeurt. Medische wetenschap: Screening (kanker)cellen op afwijkingen Screening voor TBC en borstkanker 3D scans (MRI en CT)... Multimedia: Content-Based Image Retrieval : vinden van plaatjes op basis van inhoud, niet tekst Video analyse en annotatie: vinden van scenes (doelpunten) in grote video archieven. Kwaliteitscontrole aan lopende band.
5 Hoe modelleer je zien? 4 of 19 Computer Vision begint altijd met een wiskundig model Modellen van menselijke waarneming worden gebruikt: Bepaalde cellen in de hersenen reageren als filters voor bepaalde informatie. Deze kunnen nagebootst worden door bepaalde wiskundige filters op beelden. Een ander belangrijk aspect is het modelleren van de natuurkundige beperkingen van een lens: Geen enkele lens is oneindig scherp Ieder systeem levert ruis. Lenzen projecteren de 3-D wereld met perspectief op een 2-D vlak Tot slot is er een model dat goed is in het modelleren van objecten: (mathematische) morfologie.
6 Morfologie: Beeld = Verzameling 5 of 19 Het kern-idee is dat ieder beeld, maar ook ieder object in beeld, is te beschouwen als een verzameling (beeld) punten. bij binaire (zwart/wit) beelden is het model het simpelst alle witte (voorgrond) pixels zijn lid van de verzameling, de zwarte (achtergrond) niet. Operaties op het beeld (filters) kunnen stukken van de voorgrond verwijderen, of stukken achtergrond omzetten in voorgrond. De kern-operaties gebruiken allemaal een kleine verzameling, het structurerend element (S.E.). Bij ieder toepassing van een filter wordt het S.E. geschoven naar ieder positie in het beeld, en wordt bekeken hoe goed het past bij de locale beeld-inhoud Door geschikte combinaties van basis-operatoren te gebruiken kunnen zeer complexe vision taken worden volbracht.
7 Dilatie en Erosie 6 of 19 Links beeld X. Midden: S.E.A. Rechts: dilatie van X met A. Links beeld X. Midden: S.E.A. Rechts: erosie van X met A.
8 Opening & Sluiting: de basis filters 7 of 19 Beeld Opening S.E. Sluiting Een opening is een erosie gevolgd door een dilatie Een sluiting is een dilatie gevolgd door een erosie.
9 Grijswaarde beelden 8 of 19 Links: Lenna, de beroemdste vrouw in computer vision. Rechts: links boven: dilatie; rechts boven: erosie; links onder: opening; rechts onder: closing.
10 Oppervlakte Filters 9 of 19 Gewone openingen of sluitingen met S.E. s verstoren de randen van structuren Een ander type opening (of sluiting) kijkt naar complete lichte (of donkere) structuren in beeld, en verwijdert ze als ze te klein zijn. Lenna met ruis (links) gewone opening sluiting met vierkant S.E. (midden) opervlakte opening sluiting (rechts)
11 Attribuut Filters 10 of 19 Attribute filters generalizeren het idee van oppervlakte filters Dit gebeurd b.v. door andere eigenschappen (attributen) van objecten te gebruiken in de beslissing wat verwijderd danwel versterkt moet worden. Voor beelden zijn omtrek, langgerektheid, of aantal gaten. Het is daardoor ook mogelijk objecten of structuren in beeld te verwijderen gebaseerd op vorm in plaats van grootte. Beeld X Moeren Bouten
12 Bloedvat herkenning met attribuut filters 11 of 19 angiogram gefilterd met λ = 2.0 segmentatie van origineel segmentatie van gefilterde set In angiografie proberen artsen bloedvaten zichtbaar te maken Door een elongatie-attribuut te nemen is een 3-D dataset (16 MB) in ca 7 s te filteren op een PC.
13 Vector-attribuut filters 12 of 19 Verwijderen of versterken van objecten die voldoende op één of andere referentie vorm lijken Voorbeeld: verwijder objecten die genoeg (ɛ) op de letter A lijken. Origineel ɛ = 0.01 ɛ = 0.10 ɛ = 0.15 Als de tolerantie-waarde ɛ = 0 betekend dat dat alleen objecten identiek aan de referentie worden gefilterd.
14 Herkenning verkeersborden 13 of 19 Door middel van schaal en rotatie invariante filtering kun je b.v. verkeersborden herkennen. Meerdere verschillende typen borden kunnen in pricipe worden gedetecteerd in één filter operatie.
15 Morfologische Spectra 14 of 19 Een spectrum karakteriseerd een beeld in een (vaak relatief klein) aantal getallen. In de morfologie kunnen z.g. patroon-spectra worden uitgerekend door een reeks filters los te laten op een beeld. Ieder filter verwijdert details tot en met een bepaalde maat. Door bij te houden wat hoeveel inhoud wordt verwijderd bij iedere stap ontstaat een histogram hoeveel details van verschillende grootte er in het beeld zitten. Het is ook mogelijk dit te doen met vorm-gevoelige filters In dat geval gebruik je b.v. het aantal gaten of de mate van langgerektheid (elongatie) als variabele parameter.
16 Gezichts-detectie 15 of 19 Een grijswaarde voorbeeld van het berekenen van een patroon-spectrum Er wordt een reeks openingen met cirkelvormige S.E. s gebruikt Door te kijken hoe als functie van de straal van het S.E. de beeldinhoud veranderd is het mogelijk de locatie van gezichten te bepalen in een beeld.
17 Letter-patroon spectrum 16 of 19 Hierbij een voorbeeld van een spectrum dat gebruik maakt van filters die ieder de eerste n letters van het alfabet uit een beeld verwijderen. Amount of detail removed 9 x Number of objects removed Number of letters in F Number of letters in F Beeld Patroon spectrum Vorm histogram stap 1 stap 2 stap 3 stap 4 stap 5
18 2D-spectra 17 of 19 In plaats van één set filters te nemen is het ook mogelijk om vorm- en groottegevoelige filters te combineren Zo onstaat een 2-D vorm-grootte histogram van de beeldinhoud. Diatomee-herkenning kan dan met > 95% betrouwbaarheid
19 Conclusies 18 of 19 Beeldanalyse en Computer Vision zijn vakgebieden die nog volop in ontwikkeling zijn. Desondanks kunnen we nu al veel nuttige dingen er mee doen Vaak drijft de practische vraag de ontwikkeling van nieuwe theorie Het leert je een hoop respect voor het menselijk visueel systeem In Groningen wordt o.a. onderzoek gedaan naar: Ruimtelijk gevoelige patroon-spectra Andere manieren om vorm te karakterizeren Ander manieren om objecten te karakteriseren Medische toepassingen En nog veel meer
20 Vragen?
Computer Vision: Hoe Leer ik een Computer Zien?
Computer Vision: Hoe Leer ik een Computer Zien? Michael H.F. Wilkinson Instituut voor Wiskunde en Informatica Rijksuniversiteit Groningen Les voor technasium, 5 februari 2008 Informatica aan de RUG Informatica
Nadere informatieSamenhang in Morfologische Beeldanalyse
Samenhang in Morfologische Beeldanalyse Michael H. F. Wilkinson Instituut voor Wiskunde en Informatica Rijksuniversiteit Groningen Overzicht Wat is mathematische morfologie? Connected Filters Basis idee
Nadere informatieSnelle algoritmen voor Min en Max filters
Snelle algoritmen voor Min en Max filters Michael H.F. Wilkinson Instituut voor Wiskunde en Informatica Rijksuniversiteit Groningen 27 augustus 2007 Morfologie: Dilatie en Erosie 1 of 18 Links beeld X.
Nadere informatieOntwerp van een beeldverwerkingsprocedure voor kwantificering en karakterisering van vlokken en draden in actief slibsystemen.
Ontwerp van een beeldverwerkingsprocedure voor kwantificering en karakterisering van vlokken en draden in actief slibsystemen. Het actief slibsysteem : Influent Aëratie Sedimentatie Effluent Recirculatieslib
Nadere informatieTentamen Beeldverwerking TI2716-B Woensdag 28 januari 2015 14.00-17.00
Tentamen Beeldverwerking TI2716-B Woensdag 28 januari 2015 14.00-17.00 De 2D Gaussische fimctie e-' = 037 e'^ =0.14 e"'' = 0.082 e-' =0.018 deze toets bestaat uit 4 opgaven en 8 pagina's Opgave 1 en 2
Nadere informatieDeel 1. Wat is HDR fotografie?.
Deel 1. Wat is HDR fotografie?. Inleiding. Met het intrede van de digitale fotografie is ook de beeldbewerkingsoftware in een stroomversnelling geraakt. Eén van de meest recente ontwikkelingen is de High
Nadere informatieBeeldverwerking. Beeldverwerking
Beeldvererking Beeldverbetering, -beerking en -analyse Johan Baeten Beeldvererking Deel - Beeldvererking Beeldverbetering - Basisbegrippen Voorbeerking Filteren Segmentatie Randdetectie modellering Beeldanalyse
Nadere informatieTentamen 8D040 - Basis beeldverwerking. 24 juni 2011, uur
Tentamen 8D040 - Basis beeldverwerking 24 juni 2011, 14.00-17.00 uur 1 Algemeen: Maak opgave 4 op een apart vel, en de overige opgaven op een andere set vellen. Alle vragen tellen even zwaar mee in het
Nadere informatieCover Page. The handle holds various files of this Leiden University dissertation.
Cover Page The handle http://hdl.handle.net/1887/21763 holds various files of this Leiden University dissertation. Author: Fortes, Wagner Rodrigues Title: Error bounds for discrete tomography Issue Date:
Nadere informatieheugen gebruikt, wat met name van belang is vanwege de beperkte bandbreedte van de memory bus van PCs. In het geval van een volume
Samenvatting Het onderwerp van dit proefschrift is efficiënte algoritmen voor morfologische beeldverwerking. Ieder hoofdstuk behandelt een algoritme uit de mathematische morfologie. Er worden overzichten
Nadere informatieTentamen 8D040 - Basis beeldverwerking. 24 juni 2011, 14.00-17.00 uur
Tentamen 8D040 - Basis beeldverwerking 24 juni 2011, 14.00-17.00 uur 1 Algemeen: Maak opgave 4 op een apart vel, en de overige opgaven op een andere set vellen. Alle vragen tellen even zwaar mee in het
Nadere informatieHoe AI kan ingezet worden voor de analyse van asbesthoudende daken
Hoe AI kan ingezet worden voor de analyse van asbesthoudende daken Earth Observation Data Sciences www.vlaanderen.be/informatievlaanderen www.vito.be Workshop: Asbestinventarisatie en analyse Weerslag
Nadere informatieHDR- FOTOGRAFIE. Inleiding. Het digitale beeld - Bijlage
HDR- FOTOGRAFIE Inleiding Wanneer je door de zoeker van je al dan niet spiegelreflex camera kijkt en een prachtige scène hebt waargenomen en vastgelegd, dan is er naderhand soms enige teleurstelling wanneer
Nadere informatieHertentamen 8D040 - Basis beeldverwerking
Hertentamen 8D040 - Basis beeldverwerking 6 augustus 203, 4:00-7:00 Opmerkingen: Maak elke opgave op een apart vel. Antwoord op vraag 4 mag gewoon in het Nederlands. Een gewone rekenmachine is toegestaan.
Nadere informatieRecognition and Detection of Objects Using Visual and Textual Cues S. Karaoğlu
Recognition and Detection of Objects Using Visual and Textual Cues S. Karaoğlu Samenvatting Met dit proefschrift richten we onze aandacht op object herkenning en detectie voor een beter begrip in afbeeldingen.
Nadere informatieWat is perceptie? Artificiële Intelligentie 1. Visuele perceptie. Perceptie. een probleem? De camera obscura
Wat is perceptie? Perceptie is het waarnemen van de staat van de wereld. Artificiële Intelligentie Visuele perceptie Hoofdstuk 24 uit Russell & Norvig Hiervoor heb je sensors nodig, voorbeeld Binaire sensor:
Nadere informatieContinuous Learning in Computer Vision S.L. Pintea
Continuous Learning in Computer Vision S.L. Pintea Continuous Learning in Computer Vision Natura non facit saltus. Gottfried Leibniz Silvia-Laura Pintea Intelligent Sensory Information Systems University
Nadere informatieHET INSTRUMENT 2010 Vision conferentie
HET INSTRUMENT 2010 Vision conferentie Starten met beeldverwerking, hoe werkt dat? 29 September 2010 Jaap van de Loosdrecht Coördinator NHL Kenniscentrum Computer Vision Overzicht NHL Kenniscentrum Computer
Nadere informatieLineaire afbeeldingen
Les 2 Lineaire afbeeldingen Als een robot bij de robocup (het voetbaltoernooi voor robots een doelpunt wil maken moet hij eerst in de goede positie komen, d.w.z. geschikt achter de bal staan. Hiervoor
Nadere informatieVak naam : Beeldbewerking Docent : Lb Vak code : BBW1N1 Datum : Klas : NH43 Tijd : uur Aantal bladzijden : 2 Lok : T40
Vak naam : Beeldbewerking Docent : Lb Vak code : BBW1N1 Datum : 04-01-2000 Klas : NH43 Tijd : 15.05 uur Aantal bladzijden : 2 Lok : T40 Bij dit tentamen is het toegestaan gebruik te maken van dictaten,
Nadere informatieData Vision. Your partner in Vision Solutions
Data Vision Your partner in Vision Solutions Wie ben ik? Gaspar van Elmbt Account Manager - Data Vision Zuid Nederland + Belgisch Limburg Historie: - Bachelor Electrical Engineering - Hard & Software engineer
Nadere informatien-queens minimale dominantie verzamelingen Chessboard Domination on Programmable Graphics Hardware door Nathan Cournik
n-queens minimale dominantie verzamelingen Chessboard Domination on Programmable Graphics Hardware door Nathan Cournik Rick van der Zwet 4 augustus 2010 Samenvatting Dit schrijven zal
Nadere informatieIn Vlaanderen bestaat er nog geen leerlijn programmeren! Hierdoor baseren wij ons op de leerlijn die men in Nederland toepast voor basisscholen.
Leerlijn programmeren In Vlaanderen bestaat er nog geen leerlijn programmeren! Hierdoor baseren wij ons op de leerlijn die men in Nederland toepast voor basisscholen. Deze leerlijn is opgebouwd aan de
Nadere informatieProgramma van Toetsing en Afsluiting
Leerweg: Basis Klas: 3 Vak: Wiskunde Methode: getal en Ruimte Toetsnr 3.1.1 Wat moet je voor de toetsing doen? Hoofdstuk 1 Procenten Je kan rekenen met breuken en procenten. Je kan rekenen van afnamen
Nadere informatieOefeningenles beeldverwerking
Oefeningenles beeldverwerking Histogram Wat is een histogram hoe kunnen we een histogram opstellen? Welke afbeelding hoort bij welk histogram? Waarom? Een histogram geeft voor elke grijswaarde het aantal
Nadere informatie20 De leerling leert alleen en in samenwerking met anderen in praktische situaties wiskunde te herkennen en te gebruiken om problemen op te lossen
Onderwerp: Kwadraten en Wortels H1 19 De leerling leert passende wiskundetaal te gebruiken voor het ordenen van het eigen denken en voor uitleg aan anderen, en leert de wiskundetaal van anderen te begrijpen.
Nadere informatieComputerspellen in soorten en maten
in soorten en maten dr. Walter Kosters, Universiteit Leiden Toptoets, Universiteit Leiden, Informatica woensdag 4 juni 2008 www.liacs.nl/home/kosters/ 1 School basisschool middelbare school universiteit
Nadere informatieKrommen tellen: van de Griekse Oudheid tot snaartheorie
Krommen tellen: van de Griekse Oudheid tot snaartheorie Martijn Kool Mathematisch Instituut Universiteit Utrecht 1/34 Introductie Meetkunde Algebraïsche Meetkunde Aftellende Meetkunde Reis: Griekse Oudheid
Nadere informatieNovum, wiskunde LTP leerjaar 1. Wiskunde, LTP leerjaar 1. Vak: Wiskunde Leerjaar: 1 Onderwerp: In de Ruimte H1 Kerndoel(en):
Wiskunde, LTP leerjaar 1 Onderwerp: In de Ruimte H1 26 De leerling leert te werken met platte en ruimtelijke vormen en structuren, leert daarvan afbeeldingen te maken en deze te interpreteren, en leert
Nadere informatieArtificiële Intelligentie, les 9: Visuele perceptie
Artificiële Intelligentie, les 9: Visuele perceptie Borremans Gert Charles Herzeel Van den Broeck Michaël Van Poppel Roel Verborgh David 28 november 2002 1 Inleiding Perceptie is het waarnemen van de staat
Nadere informatieRekenen: Getallen groep 5 en hoger. Rekenen en schattingen ontdekken. Algebra groep 5 en hoger. Patronen en relaties ontdekken.
Activiteit 4 Kaarten truc Fout opsporen & herstellen Samenvatting Wanneer data worden opgeslagen op een harde schijf of worden verzonden van de ene computer naar de andere, nemen we aan dat de data niet
Nadere informatieVan component tot vision project
Techniek gaat prima samen. Van component tot vision project Al meer dan tien jaar is Data Vision de grootste distributeur van vision componenten in de Benelux met kantoren in Nederland en België. Data
Nadere informatieHoorcollege 1 datavisualisatie 21-11-12
Hoorcollege 1 21-11-12 docenten! http://vimeo.com/31244010#at=10 hoorcollege 1 introductie HVA CMD V2 21 november 2012!! justus sturkenboom! j.p.sturkenboom@hva.nl! yuri westplat! y.westplat@hva.nl! vandaag
Nadere informatieOefeningenles beeldverwerking
Oefeningenles beeldverwerking Histogram Wat is een histogram hoe kunnen we een histogram opstellen? Welke afbeelding hoort bij welk histogram? Waarom? Een histogram geeft voor elke grijswaarde het aantal
Nadere informatieSQL Aantekeningen 3. Maarten de Rijke mdr@science.uva.nl. 22 mei 2003
SQL Aantekeningen 3 Maarten de Rijke mdr@science.uva.nl 22 mei 2003 Samenvatting In deze aflevering: het selecteren van tuples, operaties op strings, en aggregatie functies. Verder kijken we naar iets
Nadere informatieFotografie: van opname tot archivering deel 1. Bruno Vandermeulen
Fotografie: van opname tot archivering deel 1 Bruno Vandermeulen 6 7 8 9 10 11 12 1 3 Wat is een camera? Zwarte doos: camera obscura Sensor Sluiter Objectief Diafragma Sensor Pixels Grootte 15 16 Camera
Nadere informatieRekenen en wiskunde ( bb kb gl/tl )
Tussendoelen Rekenen en wiskunde Rekenen en wiskunde ( bb kb gl/tl ) vmbo = Basis Inzicht en handelen Vaktaal wiskunde Vaktaal wiskunde gebruiken voor het ordenen van het eigen denken en voor uitleg aan
Nadere informatieKRACHT VAN LUCHTFOTOS
KRACHT VAN LUCHTFOTOS (Satellietfoto s) WAT KAN JE ER MEE???? TOEPASSINGEN I. Zoekt u soms de verschillen van twee luchtfoto s II. Waar kan ik in een stad zonnepanelen op daken plaatsen en waar staan zij
Nadere informatieAUTOMATISCHE OBJECTHERKENNING EN VERANDERINGSDETECTIE UIT PUNTENWOLKEN VANUIT DE LUCHT EN VANAF DE STRAAT. SANDER OUDE ELBERINK 11 JUNI 2015
AUTOMATISCHE OBJECTHERKENNING EN VERANDERINGSDETECTIE UIT PUNTENWOLKEN VANUIT DE LUCHT EN VANAF DE STRAAT. SANDER OUDE ELBERINK 11 JUNI 2015 ITC = FACULTY OF GEO-INFORMATION SCIENCE AND EARTH OBSERVATION
Nadere informatieVaardigheden Algebra en tellen Verbanden Verandering Statistiek en kansrekening Keuzeonderwerpen
Léon Tolboom Vaardigheden Algebra en tellen Verbanden Verandering Statistiek en kansrekening Keuzeonderwerpen Hier gaat het voornamelijk over het kunnen vertalen van een probleem naar de wiskunde, het
Nadere informatieTentamen 8D040/41 - Basis beeldverwerking. 25 juni 2010, uur
Tentamen 8D040/41 - Basis beeldverwerking 25 juni 2010, 14.00-17.00 uur 1 Algemeen: Maak opgave 1 op een apart vel, en de overige opgaven op een andere set vellen. Alle vragen tellen even zwaar mee in
Nadere informatieVectoren, matrices en beeld. Figuur: Lena. Albert-Jan Yzelman
Vectoren, matrices en beeld Figuur: Lena Vectoren, matrices en beeld Hoe coderen we foto s zodat ze te gebruiken zijn op computers? Wat verwachten we van de bestandsgrootte? Hoe verkleinen we de benodigde
Nadere informatieParking Surveillance. foreground/background segmentation - objectherkenning. Examen Beeldverwerking Pieter Vancoillie
Parking Surveillance foreground/background segmentation - objectherkenning Examen Beeldverwerking Pieter Vancoillie Doel van het (deel)project Uit beelden van een camera voetgangers, fietsers en auto s
Nadere informatieHANDMATIG FOTOGRAFEREN
W W W. K L E I N E D R O M E R S. N L 2 0 1 8 K L E I N E D R O M E R S EBOOK HANDMATIG FOTOGRAFEREN Ligt jouw camera ook meer stof te verzamelen dan foto s? Dan wordt het tijd voor verandering, want die
Nadere informatieDIGITAL DESIGN MONOGRAM MARIUS DE JONG CMV1H
DIGITAL DESIGN MONOGRAM MARIUS DE JONG CMV1H 1 INHOUD Brainstorm op papier... 3 Schets op papier... 4 Gedachte achter het monogram... 4 Verwerking in Adobe Illustrator CC... 5 Product placement... 6 Desk...
Nadere informatieInstructie voor Docenten. Hoofdstuk 13 OMTREK EN OPPERVLAKTE
Instructie voor Docenten Hoofdstuk 13 OMTREK EN OPPERVLAKTE Instructie voor docenten H13: OMTREK EN OPPERVLAKTE DOELEN VAN DIT HOOFDSTUK: Leerlingen weten wat de begrippen omtrek en oppervlakte betekenen.
Nadere informatieReferentieniveaus uitgelegd. 1S - rekenen Vaardigheden referentieniveau 1S rekenen. 1F - rekenen Vaardigheden referentieniveau 1F rekenen
Referentieniveaus uitgelegd De beschrijvingen zijn gebaseerd op het Referentiekader taal en rekenen'. In 'Referentieniveaus uitgelegd' zijn de niveaus voor de verschillende sectoren goed zichtbaar. Door
Nadere informatieRICHTLIJNEN FOTOGRAFIE UGENT. September 2016
RICHTLIJNEN FOTOGRAFIE UGENT September 2016 INHOUD Introductie 3 Gebruik en plaatsing Losse / enkele foto 4 Foto wolk 4 fotografiestijlen 5 Fotografiestijl 1: conceptueel en verhalend Uitleg en voorbeelden
Nadere informatieAdres boekje met Ringen
http://psdtuts.com/tutorials/designing-tutorials/create-a-custom-mac-osx-style-ring-binder-addressbook-icon/ Adres boekje met Ringen Stap 1 Nieuw Document : 1024 pixels op 1024 pixels. Ons boekje zal 512px
Nadere informatieStapelgek in 42 stappen
Stapelgek in 42 stappen Een stap voor stap beschrijving van het maken van een simpele stack met DeepSkyStacker met eenvoudige nabewerking in Photoshop Download en installeer het gratis programma DeepSkyStacker
Nadere informatieFiguur 1: gekleurde pixels op een digitale sensor
Wat zijn megapixels en waarom moet ik mij daar druk om maken? De afgelopen jaren zijn alle camera fabrikanten bezig geweest met een zogenaamde Megapixel oorlog. De ene fabrikant adverteerde met de nieuwste
Nadere informatieScherpte in de fotografie
Scherpte in de fotografie Uitleg clubavond 6 September 2012 Herman Boom Waar gaat deze presentatie over? Wat is scherpte Wel Hoe mensen scherpte ervaren Wat beinvloedt scherpte - een beetje begrip Een
Nadere informatieDatalogging. Introductie
Introductie Datalogging omvat het verzamelen, opslaan en analyseren van data. Datalogging systemen zullen gewoonlijk gedurende een bepaald tijdsbestek een gebeurtenis of proces bewaken met behulp van sensors
Nadere informatieVorig college. IN2505-II Berekenbaarheidstheorie College 4. Opsommers versus herkenners (Th. 3.21) Opsommers
Vorig college College 4 Algoritmiekgroep Faculteit EWI TU Delft Vervolg NDTM s Vergelijking rekenkracht TM s en NDTM s Voorbeelden NDTM s 20 april 2009 1 2 Opsommers Opsommers versus herkenners (Th. 3.21)
Nadere informatieNeuronavigatie. Wat is neuronavigatie? Ontwikkeling van de neuronavigatie. Hoe werkt neuronavigatie?
Neuronavigatie Wat is neuronavigatie? Neuronavigatie betekent navigeren, ofwel de weg vinden, binnen het zenuwstelsel. Hierbij gaat het dan in de eerste plaats om de hersenen. Met behulp van de huidige
Nadere informatieMeten met Nemo Next Move in Movement Disorders. Joost Calon, ZiuZ
Meten met Nemo Next Move in Movement Disorders Joost Calon, ZiuZ Nemo studie Doel: de diagnose beter maken met camera s, sensoren en algoritmes. 7 ziektebeelden uit elkaar halen Tremor, chorea, dystonie,
Nadere informatieToegepaste Wiskunde 2: Het Kalman-filter
Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer
Nadere informatieHet gebruik van filters bij landschapsfotografie. Myriam Vos
Het gebruik van filters bij landschapsfotografie Waarom zijn er filters nodig? Het dynamisch bereik van een camera is de verhouding van het felste licht tot het zwakste licht dat nog kan worden waargenomen.
Nadere informatieDe laborant bewaakt het maken van de MRI-scans en kan na afloop met computertechnieken de beelden nog op allerlei manieren manipuleren.
MRI-scan Inleiding Voor een goede bescherming zijn de hersenen opgeborgen in de schedel en het ruggenmerg in de wervelkolom. Door deze goed beschutte positie zijn ze echter ook weinig toegankelijk voor
Nadere informatieLeesbaarheid verkeersborden voor connected car
Leesbaarheid verkeersborden voor connected car Verkeersbordendatabank voor snelheidsassistentie en duurzame routering? Niet zo n gek idee! 15 maart 2017 Overzicht 1. Verkeersbordenherkenningsproces 2.
Nadere informatieEen speelvriendje op batterijen: hoe gaan kinderen om met robots?
Behavioural Science Institute Afdeling Sociale en Cultuurpsychologie Een speelvriendje op batterijen: hoe gaan kinderen om met robots? Terugkoppeling onderzoeksresultaten mei-juni 2016 Sari Nijssen, promovenda
Nadere informatieCover Page. The handle holds various files of this Leiden University dissertation.
Cover Page The handle http://hdl.handle.net/1887/39638 holds various files of this Leiden University dissertation. Author: Pelt D.M. Title: Filter-based reconstruction methods for tomography Issue Date:
Nadere informatieBiomedische beeldanalyse
ICT in andere disciplines Biomedische beeldanalyse nauwkeurigere diagnose en minimaal invasieve behandeling Wiro Niessen Erasmus MC, Universitair Medisch Centrum Rotterdam Universiteit van Delft Overzicht
Nadere informatieWiskunde D-dag Vrijeschool Zutphen VO donderdag 18 februari, 12:30u 16:30u. Aan de gang
Wiskunde D-dag 2016 Vrijeschool Zutphen VO donderdag 18 februari, 12:30u 16:30u Aan de gang Verkenning 1 piano Je moet een zware piano verschuiven door een 1 meter brede gang met een rechte hoek er in.
Nadere informatieRAAK ViaVote Symposium
RAAK ViaVote Symposium Computer Vision: Trends en ontwikkelingen 22 januari 2015 Jaap van de Loosdrecht Lector Computer Vision NHL Kenniscentrum Computer Vision Overzicht Wat is Computer Vision? NHL Kenniscentrum
Nadere informatie5 Eenvoudige complexe functies
5 Eenvoudige complexe functies Bij complexe functies is zowel het domein als het beeld een deelverzameling van. Toch kan men in eenvoudige gevallen het domein en het beeld in één vlak weergeven. 5.1 Functies
Nadere informatieRekenen en wiskunde ( bb kb gl/tl )
Tussendoelen Rekenen en Rekenen en ( bb kb gl/tl ) vmbo = Basis Inzicht en handelen Vaktaal Vaktaal herkennen en voor het ordenen van herkennen en voor het ordenen van herkennen en voor het ordenen van
Nadere informatiePROGRAMMA 2011-2012. Vak: informatica..
Vak: informatica.. Laag: vwo-4. PROGRAMMA 2011-2012 week leerstof dagen toets overig 34-26.08 zomervakantie Introductie in het vak / Uitleg Elektronisch Examendossier (= ElEx) 4 3 29.08-02.09 HW = huiswerk
Nadere informatieTENTAMEN. x 2 x 3. x x2. cos( x y) cos ( x) cos( y) + sin( x) sin( y) d dx arcsin( x)
FACULTEIT TECHNISCHE NATUURWETENSCHAPPEN Opleiding Technische Natuurkunde Kenmerk: 46055907/VGr/KGr Vak : Inleiding Optica (4602) Datum : 29 januari 200 Tijd : 3:45 uur 7.5 uur TENTAMEN Indien U een onderdeel
Nadere informatieWC004 - Nightvision Chatcam. Belangrijk! Installeer eerst de driver voordat de Sweex Nightvision Chatcam wordt aangesloten!
WC004 - Nightvision Chatcam Inleiding Stel de Sweex Nightvision Chatcam niet bloot aan extreme temperaturen. Plaats het apparaat niet in direct zonlicht of in de dichte nabijheid van verwarmingselementen.
Nadere informatieScherptediepte. Inleiding
Inleiding In ieder objectief vinden we een diafragma. Het diafragma bestaat uit een aantal lamellen, die tesamen openingen met verschillende diameters kunnen vormen. Doordat het diafragma deze verschillende
Nadere informatieHandleiding Optiekset met bank
Handleiding Optiekset met bank 112110 112110 112114 Optieksets voor practicum De bovenstaande Eurofysica optieksets zijn geschikt voor alle nodige optiekproeven in het practicum. De basisset (112110) behandelt
Nadere informatieEWMA Control Charts in Statistical Process Monitoring I.M. Zwetsloot
EWMA Control Charts in Statistical Process Monitoring I.M. Zwetsloot EWMA Control Charts in Statistical Process Monitoring Inez M. Zwetsloot Samenvatting EWMA Regelkaarten in Statistische Procesmonitoring
Nadere informatieEen Steen van Rosetta voor het geautomatiseerd herkennen van digitaal beeldmateriaal
EEN STEEN VAN ROSETTA I530 1 Een Steen van Rosetta voor het geautomatiseerd herkennen van digitaal beeldmateriaal CEES SNOEK Een klassiek probleem rond het begrijpen van afbeeldingen is de ontcijfering
Nadere informatieBloemdetectie aardbeiplanten voor plaatsspecifiek spuiten tegen Botrytis
Bloemdetectie aardbeiplanten voor plaatsspecifiek spuiten tegen Botrytis Ard Nieuwenhuizen Nota 662 Bloemdetectie aardbeiplanten voor plaatsspecifiek spuiten tegen Botrytis Ard Nieuwenhuizen Plant Research
Nadere informatieBeeldverwerking. Deel 2. Segmentatie. Segmentatie
Beeldverwerking Deel 2 Segmentatie Johan Baeten Beeldverwerking Deel2-1 Segmentatie Doel: Beeld opsplitsen in gebieden Objecten onderscheiden van achtergrond Sementatie is in het algemeen moeilijk Johan
Nadere informatieBeelddiameter 4.5 mm 1.8mm 0.7mm
Leerlingmateriaal 1. Vaststaande opdracht P.O. 1 Microscopie Vlotvaren. V4 Biologie. Naam: Daphne Kamp Klas: V4t Partner: Inge Verbeek Datum: 5 november 2008 1) De haren zien er uit als doorzichtige stokjes,
Nadere informatieCover Page. The handle http://hdl.handle.net/1887/20358 holds various files of this Leiden University dissertation.
Cover Page The handle http://hdl.handle.net/1887/20358 holds various files of this Leiden University dissertation. Author: Witsenburg, Tijn Title: Hybrid similarities : a method to insert relational information
Nadere informatieCreeër een 3D effect met
3D-effect MAT spotvernis all over glansvernis pms NEXPRESS DRYINK NEXPRESS DRYINK NEXPRESS DRYINK NEXPRESS DRYINK klik hier voor Creeër een 3D effect met pixel afbeeldingen klik hier voor Creeër een 3D
Nadere informatieThe Color of X-rays. Spectral Computed Tomography Using Energy Sensitive Pixel Detectors E.J. Schioppa
The Color of X-rays. Spectral Computed Tomography Using Energy Sensitive Pixel Detectors E.J. Schioppa Samenvatting Het netvlies van het oog is niet gevoelig voor deze straling: het oog dat vlak voor het
Nadere informatieVerscherpen van foto s (Adobe Photoshop CS3)
Verscherpen van foto s (Adobe Photoshop CS3) Ga je voor de beste kwaliteit van je foto, in webpresentatie of afdruk? Lees dan verder, want het verscherpen van beeldmateriaal is een kritische stap in de
Nadere informatieVisuele geletterdheid
Visuele geletterdheid Ola Lanko Kijken, daar draait het om in het boek Required Reading van Ola Lanko. Op een laagdrempelige manier onderzoekt de 27-jarige Oekraïense fotografe de manier waarop wij naar
Nadere informatieDEEL 1. Voorwoord Over dit boek en de auteurs...ix
Voorwoord Over dit boek en de auteurs...............................ix DEEL 1 Basisvaardigheden. Situering van Photoshop binnen de grafische sector..............5 Het werkgebied..........................................7
Nadere informatieTips voor betere foto s. Tips voor betere foto s. Camera vasthouden. Camera vasthouden. Camera vasthouden. Autofocus
Tips voor betere foto s Tips voor betere foto s Koos Mast Irma Meijerman Oktober 2009 Camera vasthouden Auto-focus Licht en kleur Zwart-wit Compositie Symmetrie en ritme Formaat en uitsnede Standpunt Voorgrond/achtergrond
Nadere informatieUitgebreid eindwerkvoorstel Lokaliseren van personen en objecten met behulp van camera s
Uitgebreid eindwerkvoorstel Lokaliseren van personen en objecten met behulp van camera s Sofie De Cooman 21 December 2006 Stagebedrijf: Interne begeleider: Externe begeleider: BarcoView Koen Van De Wiele
Nadere informatieOverwegingen bij het kopen van een digitale foto camera.
Overwegingen bij het kopen van een digitale foto camera. Prijs, vorm, kleur en koopmoment. Digitale fotocamera's met verwisselbare lens t.o.v. camera's met vaste lens. Minimum aantal pixels. Lengte breedte
Nadere informatieWaar blijft de minister
INTERVIEW Robots en intelligentie Waar blijft de minister van ICT? Door Bettina Gelderland Sociale robots, drones, zelfrijdende auto s Er komt een nieuwe generatie robots aan: slimmer, flexibeler en socialer.
Nadere informatieOnafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms
Onafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms Giso Dal (0752975) Pagina s 5 7 1 Deelverzameling Representatie
Nadere informatieDe wiskunde van de beeldherkenning
De wiskunde van de beeldherkenning Op zoek naar wat er niet verandert! In het kader van: (Bij) de Faculteit Wiskunde en Informatica van de TU/e op bezoek c Faculteit Wiskunde en Informatica, TU/e Inhoudsopgave
Nadere informatieDomein A: Vaardigheden
Examenprogramma Wiskunde A havo Het eindexamen bestaat uit het centraal examen en het schoolexamen. Het examenprogramma bestaat uit de volgende domeinen: Domein A Vaardigheden Domein B Algebra en tellen
Nadere informatieRandom-Getallen. Tristan Demont en Mark van der Boor en
Random-Getallen Tristan Demont en Mark van der Boor 0768931 en 0772942 18 januari 2013 Begeleider: Relinde Jurrius Opdrachtgever: Berry Schoenmakers Modelleren B, 2WH02 Technische Universiteit Eindhoven
Nadere informatieAlgoritmiek. 8 uur college, zelfwerkzaamheid. Doel. Hoe te realiseren
Algoritmiek Doel Gevoel en inzicht ontwikkelen voor het stapsgewijs, receptmatig oplossen van daartoe geëigende [biologische] probleemstellingen, en dat inzicht gebruiken in het vormgeven van een programmeerbare
Nadere informatieCAMERA EN ACCESSOIRES
HISTOGRAM Het histogram Het histogram bestaat uit een grafiek die over het algemeen vaak in de vorm van een heuvel is getekend. Hij is voor elke foto anders en laat zien hoe de verdeling van licht en donker
Nadere informatieHoe Shiny, Vector Dice in Illustrator te maken
Hoe Shiny, Vector Dice in Illustrator te maken door Joshua Bader In deze zelfstudie laat ik je zien hoe je een set vectordobbelstenen maakt met Adobe Illustrator en de Gradient Mesh Tool. De Gradient Mesh
Nadere informatieDigitale Image Processing
6-7 Digitale Image Processing Labo 1 : Verwijderen van periodische ruis uit beelden Bart Vanrumste Alexander Alderweireldt 1 Maak gebruik van periodic.m en maak een som van 5 verschillende sinussen. Kies
Nadere informatieAgenda. Voorstellen. Uw applicatie. Technische context. Project aanpak
Agenda Voorstellen Uw applicatie Technische context Project aanpak Batenburg Data Vision X-Ray UV VIS NIR SWIR MWIR LWIR X-Ray Ultra Violet Visible Near IR Short Wave Mid Wave Long Wave 0.01-10 nm 10-400
Nadere informatieOntwerp van Algoritmen: opgaven weken 3 en 4
0 Ontwerp van Algoritmen: opgaven weken 3 en 4 Voor alle volgende opgaven over programmaatjes geldt de spelregel: formuleer altijd eerst alle bewijsverplichtingen. selectie 45. (tail distribution)(prima
Nadere informatieFOTOGRAFEREN MET GEMAK. Webinar serie - vervolg
FOTOGRAFEREN MET GEMAK Webinar serie - vervolg Landschapsfotografie LANDSCHAPSFOTOGRAFIE Wat is een landschap? LANDSCHAPSFOTOGRAFIE Wat is een landschap? Een geheel van geologische, biologische en cultuurhistorische
Nadere informatieOnderwijsbehoeften: - Korte instructie - Afhankelijk van de resultaten Test jezelf toevoegen Toepassing en Verdieping
Verdiepend Basisarrange ment Naam leerlingen Groep BBL 1 Wiskunde Leertijd; 5 keer per week 45 minuten werken aan de basisdoelen. - 5 keer per week 45 minuten basisdoelen toepassen in verdiepende contexten.
Nadere informatieAan de gang. Wiskunde B-dag 2015, vrijdag 13 november, 9:00u-16:00u
Aan de gang Wiskunde B-dag 2015, vrijdag 13 november, 9:00u-16:00u Verkenning 1 (Piano) Je moet een zware piano verschuiven door een 1 meter brede gang met een rechte hoek er in. In de figuur hierboven
Nadere informatie