Графическая информация
<<  Цветовые Обработка и создание изображений  >>
Как получается цифровое изображение
Как получается цифровое изображение
Почему оно может получиться плохо
Почему оно может получиться плохо
Почему оно может получиться плохо
Почему оно может получиться плохо
Что такое гистограмма
Что такое гистограмма
Что такое гистограмма
Что такое гистограмма
Что такое гистограмма
Что такое гистограмма
Что такое гистограмма
Что такое гистограмма
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Линейная коррекция
Гамма-коррекция
Гамма-коррекция
Гамма-коррекция
Гамма-коррекция
Гамма-коррекция
Гамма-коррекция
Гамма-коррекция
Гамма-коррекция
Гамма-коррекция
Гамма-коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Нелинейная коррекция
Сравнение линейной и нелинейной коррекции
Сравнение линейной и нелинейной коррекции
Сравнение линейной и нелинейной коррекции
Сравнение линейной и нелинейной коррекции
Компенсация разности освещения
Компенсация разности освещения
Компенсация разности освещения
Компенсация разности освещения
Компенсация разности освещения
Компенсация разности освещения
Компенсация разности освещения
Компенсация разности освещения
Компенсация разности освещения
Компенсация разности освещения
Выравнивание освещения
Выравнивание освещения
Компенсация разности освещения
Компенсация разности освещения
Цветовая коррекция изображений
Цветовая коррекция изображений
Цветовая коррекция изображений
Цветовая коррекция изображений
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
«Серый мир» - примеры
Растяжение контрастности всех каналов (“autolevels”)
Растяжение контрастности всех каналов (“autolevels”)
Растяжение контрастности всех каналов (“autolevels”)
Растяжение контрастности всех каналов (“autolevels”)
Растяжение контрастности (“autolevels”)
Растяжение контрастности (“autolevels”)
Растяжение контрастности (“autolevels”)
Растяжение контрастности (“autolevels”)
Растяжение контрастности (“autolevels”)
Растяжение контрастности (“autolevels”)
Коррекция с опорным цветом
Коррекция с опорным цветом
Коррекция с опорным цветом
Коррекция с опорным цветом
Коррекция с опорным цветом
Коррекция с опорным цветом
Борьба с шумом изображения
Борьба с шумом изображения
Борьба с шумом изображения
Борьба с шумом изображения
Борьба с шумом изображения
Борьба с шумом изображения
Шум в бинарных изображениях
Шум в бинарных изображениях
Применения сужения к бинарному изображению с сильным шумом
Применения сужения к бинарному изображению с сильным шумом
Применения сужения к бинарному изображению с сильным шумом
Применения сужения к бинарному изображению с сильным шумом
Применения сужения к бинарному изображению с сильным шумом
Применения сужения к бинарному изображению с сильным шумом
Применения открытия к бинарному изображению с сильным шумом
Применения открытия к бинарному изображению с сильным шумом
Применения открытия к бинарному изображению с сильным шумом
Применения открытия к бинарному изображению с сильным шумом
Применения открытия к бинарному изображению с сильным шумом
Применения открытия к бинарному изображению с сильным шумом
Устранение шума в бинарных изображениях
Устранение шума в бинарных изображениях
Применения закрытия к бинарному изображению с дефектами объектов
Применения закрытия к бинарному изображению с дефектами объектов
Применения закрытия к бинарному изображению с дефектами объектов
Применения закрытия к бинарному изображению с дефектами объектов
Применения закрытия к бинарному изображению с дефектами объектов
Применения закрытия к бинарному изображению с дефектами объектов
Не лучший пример для морфологии
Не лучший пример для морфологии
Применения операции открытия
Применения операции открытия
Применения операции открытия
Применения операции открытия
Применения операции открытия
Применения операции открытия
Устранение шума в полутоновых и цветных изображениях
Устранение шума в полутоновых и цветных изображениях
Усреднение (box filter)
Усреднение (box filter)
Усреднение (box filter)
Усреднение (box filter)
Медианный фильтр
Медианный фильтр
Медианный фильтр
Медианный фильтр
Очистка изображения с помощью медианного фильтра
Очистка изображения с помощью медианного фильтра
Фильтр Гаусса (gaussian blurring)
Фильтр Гаусса (gaussian blurring)
Маленькая экскурсия к Фурье
Маленькая экскурсия к Фурье
Маленькая экскурсия к Фурье
Маленькая экскурсия к Фурье
Маленькая экскурсия к Фурье
Маленькая экскурсия к Фурье
Фильтр Гаусса (gaussian blurring)
Фильтр Гаусса (gaussian blurring)
Фильтр Гаусса (gaussian blurring)
Фильтр Гаусса (gaussian blurring)
Фильтр Гаусса (gaussian blurring)
Фильтр Гаусса (gaussian blurring)
Адаптивные фильтры
Адаптивные фильтры
Адаптивные фильтры
Адаптивные фильтры
«Продвинутые» фильтры
«Продвинутые» фильтры
«Продвинутые» фильтры
«Продвинутые» фильтры
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Примеры шумоподавления
Подчеркивание контуров объекта
Подчеркивание контуров объекта
Пример оконтуривания объекта
Пример оконтуривания объекта
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Подчеркивание краев
Тиснение
Тиснение
Тиснение
Тиснение
Цифровой негатив
Цифровой негатив
Цифровой негатив
Цифровой негатив
Светящиеся края
Светящиеся края
Перенос/поворот
Перенос/поворот
Волны
Волны
Эффект стекла
Эффект стекла
Картинки из презентации «Обработка изображений» к уроку информатики на тему «Графическая информация»

Автор: vvp. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока информатики, скачайте бесплатно презентацию «Обработка изображений.ppt» со всеми картинками в zip-архиве размером 3593 КБ.

Обработка изображений

содержание презентации «Обработка изображений.ppt»
Сл Текст Сл Текст
1Обработка изображений. Компьютерная 47http://projects.graphicon.ru/publiclib/cat
графика Computer graphics Компьютерное log/214.
(машинное) зрение Computer (machine) 48Важное замечание. Множество A обычно
vision Обработка изображений Image является объектом обработки, а множество B
processing. Вежневец Владимир (называемое структурным элементом) –
vvp@graphicon.ru. инструментом. Результат морфологических
2Цель лекции. Рассказать о нескольких операций во многом определяется
способах обработки изображений, которые применяемым структурным элементом. Выбирая
могут пригодиться в «реальной жизни» Зачем различный структурный элемент можно решать
обрабатывать? Улучшение изображения для разные задачи обработки изображений:
восприятия человеком цель – чтобы стало Шумоподавление Выделение границ объекта
«лучше» с субъективной точки зрения Выделение скелета объекта Выделение
человека Улучшение изображения для сломанных зубьев на изображении шестерни.
восприятия компьютером цель – упрощение 49Применения сужения к бинарному
последующего распознавания Развлечение изображению с сильным шумом.
(спецэффекты) цель – получить эстетическое 50Применения открытия к бинарному
удовольствие от красивого эффекта. изображению с сильным шумом.
3План лекции. Введение Коррекция 51Устранение шума в бинарных
контрастности/яркости изображения изображениях. Пример бинарного изображению
Коррекция цветового баланса изображения с дефектами распознаваемых объектов.
Подавление шума в изображениях 52Применения закрытия к бинарному
Подчеркивание резких границ (краев) на изображению с дефектами объектов.
изображении Спецэффекты. 53Не лучший пример для морфологии. Не во
4Изображение. Изображение оптическое – всех случаях математическая морфология так
картина, получаемая в результате легко убирает дефекты, как хотелось бы…
прохождения через оптическую систему 54Применения операции открытия.
лучей, распространяющихся от объекта, и 55Устранение шума в полутоновых и
воспроизводящая его контуры и детали. цветных изображениях Усреднение (box
Физический энциклопедический словарь. filter) Медианный фильтр Фильтр Гаусса
Компьютерное представление изображения: (gaussian blurring) Адаптивные фильтры.
Функция интенсивности (яркости) канала Подавление и устранение шума.
Используется дискретное представление. 56Устранение шума в полутоновых и
5Обработка изображений. Семейство цветных изображениях. Пример: изображение
методов и задач, где входной и выходной с равномерным шумом. Err(i,j) – нормально
информацией являются изображения. Примеры распределенная случайная величина.
: Устранение шума в изображениях Улучшение 57Операция «свертка» (convolution).
качества изображения Усиления полезной и Свертка двумерной функции f по функции g в
подавления нежелательной (в контексте непрерывном и дискретном случае. Часто,
конкретной задачи) информации. свертка изображения по какой-либо функции
6Как получается цифровое изображение? называется применением фильтра к
Свет, падая на светочувствительный элемент изображению.
преобразуется в электрические сигналы 58Усреднение (box filter). Операция
Сигналы оцифровываются, превращаются в усреднения значения каждого пикселя –
массив чисел. X – характеристика яркости cвертка по константной функции: Результат
света y – яркость пиксела изображения. применения:
7Почему оно может получиться плохо? 59Подавление и устранение шума.
Ограниченный диапазона чувствительности Устранение шума в полутоновых, цветных и
датчика “Плохой” функции передачи датчика. бинарных изображениях с помощью медианного
8«Улучшение» изображения. Изменение фильтра - выбор медианы среди значений
контраста изображения Компенсация: яркости пикселей в некоторой окрестности.
Ограниченного диапазона яркостей датчика Определение медианы: Медианный фильтр
“Плохой” функции передачи датчика. X – радиусом r – выбор медианы среди пикселей
характеристика яркости света y – яркость в окрестности [-r,r].
пиксела изображения. 60Медианный фильтр. Результат применения
9Что такое гистограмма? Гистограмма – медианного фильтра с радиусом 5 пикселей.
это график распределения тонов на Результат применения медианного фильтра с
изображении. На горизонтальной оси - шкала радиусом в 7 пикселей к изображению с
яркостей тонов от белого до черного, на шумом и артефактами в виде тонких светлых
вертикальной оси - число пикселей заданной окружностей.
яркости. 0. 255. 0. 255. 61Очистка изображения с помощью
10Изменение контраста изображения. Что медианного фильтра. Фильтр с окрестностью
может не устраивать в полученном 3x3.
изображении: Узкий или смещенный диапазон 62Быстрая реализация медианного фильтра.
яркостей пикселей (тусклое или Медианный фильтр считается дольше, чем
«пересвеченное» изображение) Концентрация операция свертки, поскольку требует
яркостей вокруг определенных значений, частичной сортировки массива яркостей
неравномерное заполнение диапазона окрестных пикселей. Возможности ускорения:
яркостей (узкий диапазон - тусклое Использовать алгоритмы быстрой сортировки
изображение) Коррекция - к изображению Конкретная реализация для каждого радиуса
применяется преобразование яркостей, (3x3, 5x5) Не использовать сортировку
компенсирующий нежелательный эффект: y – вообще – считать через гистограмму
яркость пиксела на исходном изображении, x окрестности точки.
– яркость пиксела после коррекции. 63Фильтр Гаусса (gaussian blurring).
11Линейная коррекция. Компенсация узкого Свертка по функции: Параметр задает
диапазона яркостей – линейное растяжение: степень размытия. На графике функция с .
График функции f -1(y). 64Маленькая экскурсия к Фурье. +. Низкие
12Линейная коррекция. Компенсация узкого частоты. Высокие частоты.
диапазона яркостей – линейное растяжение: 65Фильтр Гаусса (gaussian blurring).
13Линейная коррекция. Линейное Результаты свертки по функции Гаусса и по
растяжение – «как AutoContrast в константной функции (усреднения). Важное
Photoshop». свойство фильтра Гаусса – он по сути
14Линейная коррекция. Линейная коррекция является низкочастотным фильтром. Фильтр
помогает не всегда! Гаусса с Sigma = 4. Усреднение по 49
15Нелинейная коррекция. Нелинейная пикселям (7x7). Исходное изображение.
компенсация недостаточной контрастности 66Адаптивные фильтры. Чего бы хотелось?
Часто применяемые функции: Гамма-коррекция Размывать шум, резкие границы – сохранять.
Изначальная цель – коррекция для Как бы этого добиться? Предположение:
правильного отображения на мониторе. перепады яркости из-за шума относительно
Логарифмическая Цель – сжатие перепадов на резких границах невелики
динамического диапазона при визуализации Алгоритм: При расчете новой яркости
данных. усреднять только по тем пикселям из
16Гамма-коррекция. Гамма-коррекция окрестности, которые не сильно отличаются
Изначальная цель – коррекция для по яркости от обрабатываемого.
правильного отображения на мониторе. Так 67Адаптивный фильтр - пример. for (each
называют преобразование вида: Графики pixel of the current video frame) { GetRGB
функции f -1(y). (source_pixel, r, g, b); tot_red =
17Нелинейная коррекция. График функции f tot_green = tot_blue = 0; count_red =
-1(y). count_green = count_blue = 0; for (each
18Нелинейная коррекция. График функции f pixel in the specified radius) { GetRGB
-1(y). (neighbour_pixel, r1, g1, b1); if
19Сравнение линейной и нелинейной (abs(r1-r) < Threshold) {tot_red += r1;
коррекции. count_red ++;} if (abs(g1-g) <
20Компенсация разности освещения. Threshold) {tot_green += g1; count_green
Пример. ++;} if (abs(b1-b) < Threshold)
21Компенсация разности освещения. Идея: {tot_blue += b1; count_blue ++;} }
Формирование изображения: Плавные destination_pixel = RGB (tot_red /
изменения яркости относятся к освещению, count_red, tot_green / count_green ,
резкие - к объектам. Изображение tot_blue / count_blue ); }.
освещенного объекта. Объект. Освещение. 68Адаптивные фильтры. Примеры таких
22Выравнивание освещения. Алгоритм фильтров:
Получить приближенное изображение http://www.compression.ru/video/denoising/
освещения путем низочастотной фильтрации enoising.pdf.
Восстановить изображение по формуле. 69«Продвинутые» фильтры. Примеры таких
23Выравнивание освещения. Пример. фильтров – лекция Алексея Лукина.
24Компенсация разности освещения. 70В чем отличие разных фильтров? Что
Пример. /. =. Gauss 14.7 пикселей. лучше? – зависит от конкретной задачи. Box
25План лекции. Введение Коррекция filer (простое размытие) – помимо
контрастности/яркости изображения подавления шума портит резкие границы и
Коррекция цветового баланса изображения размывает мелкие детали изображения
Подавление шума в изображениях Gaussian filter – меньше размывает мелкие
Подчеркивание резких границ (краев) на детали, лучше убирает шум Median filter –
изображении Спецэффекты. резких границ не портит, убирает мелкие
26Цветовая коррекция изображений. детали, изображение становится менее
Изменение цветового баланса Компенсация: естественным Адаптивные фильтры – меньше
Неверного цветовосприятия камеры Цветного портят детали, зависят от большего числа
освещения. параметров. Иногда изображение становится
27«Серый мир». Предположение: Сумма всех менее естественным. «Продвинутые» фильтры
цветов на изображении естественной сцены – лучшее сохранение деталей, меньше
дает серый цвет; Метод: Посчитать средние размытие. Часто сложны в реализации и
яркости по всем каналам: Масштабировать очень медленные.
яркости пикселей по следующим 71Как бороться с шумом аппаратуры?
коэффициентам: Предположим, камера, которой производится
28«Серый мир» - примеры. съемка заметно «шумит». Обычно шум
29«Серый мир» - примеры. измерительной аппаратуры моделируется как
30«Серый мир» - примеры. случайная нормально распределенная
31«Идеальный отражатель». Предположение: случайная величина с нулевым средним -
Наиболее яркие области изображения Err(i,j) ;
относятся к бликам на поверхностях, модель 72Примеры шумоподавления. Так работают
отражения которых такова, что цвет блика = камеры в некоторых сотовых телефонах.
цвету освещения; (дихроматическая модель) Зашумленные изображения. Усреднение по 10
Метод Обнаружить максимумы по каждому из изображениям.
каналов: Масштабировать яркости пикселов: 73Примеры шумоподавления. Испорченное
32Цветовая коррекция изображений. изображение. Исходное изображение.
Растяжение контрастности (“autolevels”) 74Примеры шумоподавления. Усреднение по
Идея – растянуть интенсивности по каждому 9 пикселям (3x3). Медианный фильтр (3x3).
из каналов на весь диапазон; Метод: Найти 75План лекции. Введение Коррекция
минимум, максимум по каждому из каналов: контрастности/яркости изображения
Преобразовать интенсивности: Коррекция цветового баланса изображения
33Растяжение контрастности всех каналов Подавление шума в изображениях
(“autolevels”). Подчеркивание резких границ (краев) на
34Растяжение контрастности изображении Спецэффекты.
(“autolevels”). 76Подчеркивание контуров объекта.
35Коррекция с опорным цветом. Рассмотрим подчеркивание краев (границ)
Предположение Пользователь указывает цвет Край(edge) – резкое изменение яркости на
вручную; Источник: Априорные знания – изображении, часто соответствует границам
«облака – белые» Хорошая фотография этой объектов на изображении.
же сцены Метод Преобразовать по каждому из 77Операция оконтуривания объекта. При
каналов цвета по формуле: работе с бинарными изображениями контуры
36Коррекция с опорным цветом. Примеры: объекта можно получить с помощью операций
37План лекции. Введение Коррекция математической морфологии Внутреннее
контрастности/яркости изображения оконтуривание CI = A – (A (-) B) Внешнее
Коррекция цветового баланса изображения оконтуривание CO = (A (+) B) – A.
Подавление шума в изображениях 78Пример оконтуривания объекта.
Подчеркивание резких границ (краев) на 79Подчеркивание краев. Нас интересуют
изображении. области резкого изменения яркости –
38Борьба с шумом изображения. Подавление нахождение таких областей можно
и устранение шума Причины возникновения организовать на основе анализа первой и
шума: Несовершенство измерительных второй производной изображения. График
приборов Хранение и передача изображений с функции. График производной. График 2ой
потерей данных. Сильное сжатие JPEG. Шум производной.
фотоаппарата. 80Подчеркивание краев. Известно, что
39Шум в бинарных изображениях. Пример наибольшее изменение функции происходит в
бинарного изображению с сильным шумом. направлении ее градиента. Величина
40Подавление и устранение шума. изменения измеряется абсолютной величиной
Устранение шума в бинарных изображениях. градиента. Часто используется приближенное
Бинарное изображение – изображение, вычисление градиента:
пиксели которого принимают всего два 81Подчеркивание краев. Семейство методов
значения (0 и 1). Широко известный способ основано на приближенном вычисление
- устранение шума с помощью операций градиента, анализе его направления и
математической морфологии: Сужение абсолютной величины. Свертка по функциям:
(erosion) Расширение (dilation) Закрытие Математический смысл – приближенное
(closing) Раскрытие (opening). вычисление производных по направлению.
41Операции математической морфологии. Робертса. Превитт. Собеля.
Расширение A (+) B = {t ? R2: t = a + b, a 82Подчеркивание краев. Примеры
? A, b ? B}. A (+) B. B. применения операторов подчеркивания краев:
42Операции математической морфологии. Робертса. Превитт. Собеля.
Сужение A (-) B = (AC (+) B)С, где AC – 83План лекции. Введение Коррекция
дополнение A. A. B. A(-)B. контрастности/яркости изображения
43Свойства морфологических операций. Коррекция цветового баланса изображения
Коммутативный закон A (+) B = B (+) A A Подавление шума в изображениях
(-) B < > B (-) A Ассоциативный Подчеркивание резких границ (краев) на
закон A (+) (B (+) C) = (A (+) B) (+) C A изображении Спецэффекты.
(-) (B (-) C) = (A (-) B) (-) C. 84Спецэффекты. Рассмотрим Тиснение
44Дискретные операции морфологии. B. Негатив «Светящиеся» края Геометрические
A(+)B. A. эффекты Перенос/поворот Искажение «Эффект
45Алгоритм морфологического сужения. стекла».
Void erosion(bit* src[], bool* mask[], 85Тиснение. Фильтр + сдвиг яркости,
BIT* dst[]) { // W, H – размеры исходного нормировка…
и результирующего изображений // MW, MH – 86Цифровой негатив.
размеры структурного множества for(y = 87Светящиеся края. Медианный фильтра +
MH/2; y < H – MH/2; y++) { for(x = выделение краев + фильтр «максимума».
MW/2; x < W – MW/2; x++) { BIT min = 88Перенос/поворот. Перенос: x(k; l) = k
MAXBIT; for(j = -MH/2; j <= MH/2; j++) + 50; y(k; l) = l; Поворот: x(k; l) = (k .
{ for(i = -MW/2; i <= MW/2; i++) x0)cos(µ) + (l . y0)sin(µ) + x0; y(k; l) =
if((mask[i][j]) && (src[x + i][y + .(k . x0)sin(µ) + (l . y0)cos(µ) + y0; x0
j] < min)) { min = src[x + i][y + j]; } = y0 = 256.5 (центр поворота), µ = ?/6.
} dst[x][y] = min; } } }. 89«Волны». Волны 1: x(k; l) = k +
46Алгоритм морфологического расширения. 20sin(2?l / 128); y(k; l) = l; Волны 2:
Void dilation(bit* src[], bool* mask[], x(k; l) = k + 20sin(2?k / 30); y(k; l) =
BIT* dst[]) { // W, H – размеры исходного l;
и результирующего изображений // MW, MH – 90«Эффект стекла». x(k; l) = k +
размеры структурного множества for(y = (rand(1, 1) – 0.5) * 10; y(k; l) = l +
MH/2; y < H – MH/2; y++) { for(x = (rand(1, 1) – 0.5) * 10;
MW/2; x < W – MW/2; x++) { BIT max = 0; 91Что такое гистограмма? Гистограммы -
for(j = -MH/2; j <= MH/2; j++) { for(i представления распределения частот
= -MW/2; i <= MW/2; i++) выбранных переменных. Каждому интервалу
if((mask[i][j]) && (src[x + i][y + значений переменной соответствует некий
j] > max)) { max = src[x + i][y + j]; } счетчик (столбец гистограммы). Значение
} dst[x][y] = max; } } }. счетчика (высота столбца) соответствует
47Операции раскрытия и закрытия. частоте попадания значения переменной в
Морфологическое раскрытие (opening) данный интервал. Гистограмма – это график
open(A, B) = (A (-) B) (+) B распределения тонов на изображении. На
Морфологическое закрытие (closing) горизонтальной оси отображается шкала
close(A, B) = (A (+) B) (-) B. яркостей тонов от белого до черного, а на
Образовательные материалы по мат. вертикальной оси указано число пикселей
морфологии доступны по адресу: заданной яркости на изображении.
Обработка изображений.ppt
http://900igr.net/kartinka/informatika/obrabotka-izobrazhenij-123447.html
cсылка на страницу

Обработка изображений

другие презентации на тему «Обработка изображений»

«Построение изображения» - Недостатки зрения. Линзы. Характеристикаизображения. Изображение. Перевернутое действительное увеличенное. Построение изображений. Изображение тела лежащего на оси. Рассеивающая линза. Собирающая линза. Прямое мнимое уменьшенное.

«Построение изображения в тонкой линзе» - Собирающая линза предмет находится за двойным фокусом. Два «замечательных» луча. Проект по физике Тема: оптика. Проводим два «замечательных» луча из точки А. Изображение предмета всегда мнимое, уменьшенное, прямое. И лучи расходятся! Построй изображение предмета. Что же делать? Изображение предмета : увеличенное, прямое, мнимое.

«Компьютерная графика» - Векторная графика. Сравнительная характеристика растровой и векторной графики. Области применения графики. Растр M x N (графическая сетка). Виды компьютерной графики. 3D графика. Основные проблемы при работе с растровой графикой. Компьютерная графика. Виды компьютерной графики отличаются принципами формирования изображения.

«Изображения в ворде» - 4. Нажмите левой кнопкой мыши ИЗ ФАЙЛА. 5. Выделить изображение, которое необходимо вставить. 7. Нажать левой кнопкой мыши ВСТАВИТЬ. 2. В строке меню нажмите левой кнопкой мыши ВСТАВКА. 3. Нажмите левой кнопкой мыши РИСУНОК. Вставка изображения из файла в ворд. Вставка изображения (из коллекции и из файла) в документ Word.

«Изображение в полиграфии» - Множественность Массовость Общедоступность. Соединение изображения с текстом. Специфика изображения в полиграфии. Шрифт. Отличительная черта большинства изобразительных полиграфических произведений. Книга. Главное свойство полиграфического изображения. Искусство книги.

«Векторная и растровая графика» - Недостатки векторной графики. Достоинства растровой графики. Таким образом каждому пикселю присваивается цвет. Векторные изображения описываются десятками, а иногда и тысячами команд. Недостатки растровой графики. Векторные изображения занимают относительно небольшой объём памяти. Формирование изображений в векторных графических редакторах.

Графическая информация

19 презентаций о графической информации
Урок

Информатика

130 тем
Картинки