Milderung der Aliasing-Effekte (keine Lösung des Problems)
|
|
- Oswalda Walter
- vor 5 Jahren
- Abrufe
Transkript
1 Anti-Aliasing Milderung der Aliasing-Effekte (keine Lösung des Problems) A priori Methoden: Darzustellende Objekte bekannt. Pixelwert durch analytische Integration über die Pixelfläche A posteriori Methoden: Darzustellende Objekte bzw. Helligkeiten nur punktweise zu ermitteln. Pixelwert durch Summation vieler Helligkeiten innerhalb der Pixelfläche (Supersampling) Oliver Deussen Abtasttheorem 1
2 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 2
3 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 3
4 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 4
5 Probleme: Gezackte Kanten Verlust von Details Unschöne Texturdarstellung Oliver Deussen Abtasttheorem 5
6 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 6
7 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 7
8 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 8
9 A-Priori Methoden Funktion bekannt Pixel wird als Fläche aufgefasst analytische Integration Oliver Deussen Abtasttheorem 9
10 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 10
11 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 11
12 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 12
13 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 13
14 Anti-Aliasing für Linien a priori Methode (Primitiv bekannt) bisher: (a) (b) aus Foley, van Dam, Feiner, Hughes: Computer Graphics Idee: Fasse Linie als dickes Primitiv auf Oliver Deussen Abtasttheorem 14
15 Schwärzung proportional zu überdeckender Fläche ( unwighted area sampling ) es gilt: 1. Schwärzung nimmt mit zunehmender Entfernung von der Linie ab 2. Pixel, die nicht von der Linie geschnitten werden, werden auch nicht gefärbt 3. Gleiche überdeckte Flächen tragen gleichen Anteil zur Gesamtintensität bei, egal wieweit Fläche vom Zentrum des Pixels entfernt Oliver Deussen Abtasttheorem 15
16 aus Foley, van Dam, Feiner, Hughes: Computer Graphics Problem: Intensitätsvariation auf der Linie Oliver Deussen Abtasttheorem 16
17 Besser: Schwärzung in Abhängigkeit vom Abstand zum Pixelzentrum Pixel als Kreisfläche konischer Filter Cone weighting function W Box weighting function W Desired line Pixel Desired line Pixel Region of overlap Region of overlap Subvolume W s Subvolume Ws ungewichtet konische Gewichtung aus Foley, van Dam, Feiner, Hughes: Computer Graphics Oliver Deussen Abtasttheorem 17
18 Gubta-Sproull Algorithmus Verwende konischen Filter (vorberechnete Werte in Tabelle) Abstand Linie-Pixelzentrum wird inkrementell berechnet D = v cos φ = v dx dx2 + dy 2 v = vertikalerabstand es gilt (analog Bresenham): v dx = F (x p + 1, y p ) 2 bei Wahl von E: 2v dx = d + dx d = F(M) NE: 2v dx = d - dx Oliver Deussen Abtasttheorem 18
19 Berechnung der Entfernung im Gubta-Sproull Algorithmus NE 1 v M 2 2 dx + dy dx dy D v P=(x,y ) P P E 1 v aus Foley, van Dam, Feiner, Hughes: Computer Graphics Oliver Deussen Abtasttheorem 19
20 static void IntensifyPixel(int, int, double) void AntiAliasedLineMidpoint(int x0, int y0, int x1, int y1) { int dx = x1 - x0; int dy = y1 - y0; int d = 2 dy - dx; / Initial value d start as before / int incre = 2 dy; / Increment used for move to E / int incrne = 2 (dy - dx); / Increment used for move to NE / int two v dx = 0; / Numerator; v = 0 for start pixel / double invdenom = 1.0 / (2.0 sqrt(dx dx + dy dy)); / Precomputed inverse denominator / double two dx invdenom = 2.0 dx invdenom; / Precomputed constant / int x = x0; int y = y0; IntensifyPixel(x,y,0); / Start pixel / IntensifyPixel(x,y+1,two dx invdenom); IntensifyPixel(x,y-1,two dx invdenom); while (x < x1) { Oliver Deussen Abtasttheorem 20
21 if (d < 0) { / Choose E / two v dx = d + dx; d += incre; x++; } else { / Choose NE / two v dx = d - dx; d += incrne; x++; y++; } / Now set chosen pixel and its neighbors / IntensifyPixel(x,y,two v dx invdenom); IntensifyPixel(x,y+1,two v dx invdenom - two v dx invdenom); IntensifyPixel(x,y-1,two v dx invdenom + two v dx invdenom); } } / AntiAliasedLineMidpoint / Oliver Deussen Abtasttheorem 21
22 void IntensifyPixel(int x, int y, double distance) { double intensity = Filter(Round(fabs(distance))); / Table lookup done on an integer index; thickness 1 / WritePixel(x,y,intensity); } / IntensifyPixel / Oliver Deussen Abtasttheorem 22
23 A-Posteriori Methoden nur punktweise Anfrage möchlich Integration über Monte-Carlo Verfahren Oliver Deussen Abtasttheorem 23
24 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 24
25 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 25
26 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 26
27 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 27
28 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 28
29 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 29
30 Copyright: SIGGRAPH/Eurographics Oliver Deussen Abtasttheorem 30
31 Statisches Supersampling pro Pixel werden 5, 9 oder mehr Werte ermittelt hoher Rechenaufwand Pixel hoher Aufwand 5-fach 9-fach Oliver Deussen Abtasttheorem 31
32 Adaptives Supersampling Unterteile, wenn Differenz der Samplingwerte Grenze überschreitet Differenz zu groß A B F G E H D (a) C (b) (c) Ergebnis, wenn bei (b) aufgehört wird: ( V = 1 A+E ( C+E 2 + D+E B+G )) H+G 2 + E+G 2 + F +G 2 Vorteil: effizienter Nachteile: Treppenbildung durch regelmäßiges Gitter feste Startanzahl Strahlen Oliver Deussen Abtasttheorem 32
33 Stochastisches Sampling zufällige Abtastwerte (zufällig, aber gut ausfüllend) Jittering Vorteil: keine Treppeneffekte Nachteil: Rauschen Verbesserung: Statistisches Supersampling: adaptives Setzen der Punkte Oliver Deussen Abtasttheorem 33
34 Zusammenfassung Antialiasing: a priori Methoden (Primitive, Text) a posteriori Methoden (Supersampling) Antialiasing von Linien: ungewichtete Variante (Linie als dickes Primitiv) gewichtete Version (Gubta-Sproull Algorithmus) Oliver Deussen Abtasttheorem 34
Graphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Antialiasing Graphische DV und BV, Regina Pohle, 5. Antialiasing 1 Einordnung in die Inhalte der Vorlesung Einführung mathematische
MehrBerechnung von Formfaktoren
Berechnung von Formfaktoren Oliver Deussen Formfaktorberechnung 1 Formfaktor ist eine Funktion in Abhängigkeit der Geometrie ist unabhängig von reflektierenden oder emittierenden Eigenschaften (ρ) der
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Graphische Grundalgorithmen Graphische DV und BV, Regina Pohle, 4. Algorithmen für graphische Primitive 1 Einordnung in die Inhalte
MehrFüllen von Primitiven
Füllen von Primitiven Basisproblem der 2D-Graphik Anwendung: füllen beliebiger Flächen (Polygone, Freiformkurven) Darstellung von Buchstaben dicke Primitive (Linien, Kreise, Kurven), Teilproblem in der
MehrLokale Beleuchtungsmodelle
Lokale Beleuchtungsmodelle Oliver Deussen Lokale Modelle 1 Farbschattierung der Oberflächen abhängig von: Position, Orientierung und Charakteristik der Oberfläche Lichtquelle Vorgehensweise: 1. Modell
Mehr3D-Computergrafik. Rastergrafik
3D-Computergrafik Rastergrafik Notation von Polygonen Polygone werden nach 2D abgebildet Für weitere Betrachtungen reicht also zunächst: Betrachtung 2D-Prmitiven Erörtern der Aufgaben der Computergrafik
Mehr5. Numerische Differentiation. und Integration
5. Numerische Differentiation und Integration 1 Numerische Differentiation Problemstellung: Gegeben ist eine differenzierbare Funktion f : [a,b] R und x (a,b). Gesucht sind Näherungen für die Ableitungen
MehrRastergrafikalgorithmen
Rastergrafikalgorithmen Vortrag über Rastergrafikalgorithmen im Rahmen des Proseminars Computergrafik Vortragender: Christian Vonsien Dienstag, 18. Mai 2010 Proseminar Computergrafik SS2010 - Rastergrafikalgorithmen
MehrDer Algorithmus von Bresenham
Der Algorithmus von Bresenham Das Bresenham-Verfahren beruht im wesentlichen auf zwei grundsätzliche Beobachtungen: - Es reicht ein Verfahren aus um Geraden mit einer Steigung im Bereich von null bis eins
Mehr5. Numerische Differentiation. und Integration
5. Numerische Differentiation und Integration 1 Numerische Differentiation Problemstellung: Gegeben ist eine differenzierbare Funktion f : [a,b] R und x (a,b). Gesucht sind Näherungen für die Ableitungen
MehrBildsegmentierung mit Snakes und aktiven Konturen
Bildsegmentierung mit Snakes und aktiven Konturen 5. Dezember 2005 Vortrag zum Seminar Bildsegmentierung und Computer Vision Übersicht 1 2 Definition der Snake Innere Energie S(c) 3 Statisches Optimierungsproblem
Mehr1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.
. Filterung im Ortsbereich. Grundbegriffe. Lineare Filter.3 Nicht-Lineare Filter.4 Separabele Filter.5 Implementierung. Filterung im Frequenzbereich. Fouriertransformation. Hoch-, Tief- und Bandpassfilter.3
MehrGraphische Datenverarbeitung
Graphische Datenverarbeitung Raster-Algorithmen Prof. Dr.-Ing. Detlef Krömker Goethe-Universität, Frankfurt Model and View Transformation Beleuchtungsrechnung Projektion Klipping Rückblick Rendering-Pipeline
MehrDebayeringverfahren. 19. Mai Thomas Noack, Nikolai Kosjar. SE Computational Photography - Debayeringverfahren
Debayeringverfahren Thomas Noack, Nikolai Kosjar 19. Mai 2010 Was bisher geschah... Reduktion der Herstellungskosten durch Einsatz von nur noch einem CCD-Sensor mit Bayer-Filter Problem: Bayer Image Full
MehrBlendaX Grundlagen der Computergrafik
BlendaX Grundlagen der Computergrafik Beleuchtungsmodelle (Reflection Models) 16.11.2007 BlendaX Grundlagen der Computergrafik 1 Rendering von Polygonen Der Renderingprozess lässt sich grob in folgende
MehrMonte-Carlo-Methode. mit Pseudo- und Quasizufallszahlen
Gott würfelt nicht Monte-Carlo-Methode mit Pseudo- und Quasizufallszahlen Inhaltsverzeichnis Pseudo- und Quasizufallszahlen Monte-Carlo- Monte-Carlo- Monte-Carlo-Methode Bekannt nach Stadt Monte Carlo
Mehr4.7 Globale Beleuchtungsmodelle
Erinnerung: - Ein lokales Beleuchtungsmodell berücksichtigt nur das direkt einfallende Licht einer Lichtquelle - Nur lokale Beleuchtung + konstante ambiente Beleuchtung, um reflektiertes und gebrochenes
MehrComputergraphik Grundlagen
Computergraphik Grundlagen X. Rasterung Linien und Kreise Prof. Stefan Schlechtweg Hochschule Anhalt Fachbereich Informatik Inhalt Lernziele 1. Was ist ein Pixel? 2. Rasterung 3. Pixelgraphik Vor- und
MehrAlgorithmen und Datenstrukturen SS Übungsblatt 1: Grundlagen
Ludwig-Maximilians-Universität München München, 16.04.2018 Institut für Informatik Prof. Dr. Thomas Seidl Anna Beer, Florian Richter Algorithmen und Datenstrukturen SS 2018 Übungsblatt 1: Grundlagen Tutorien:
MehrBerechnung kürzester Wege
Berechnung kürzester Wege 7. Algorithmus der Woche Informatikjahr 2006 Prof. Dr. Peter Sanders Dipl.-Inform. Johannes Singler 18. April 2006 Berechnung kürzester Wege 7. Algorithmus der Woche, Informatikjahr
Mehr1. Grundzüge der Objektorientierung 2. Methoden, Unterprogramme und Parameter 3. Datenabstraktion 4. Konstruktoren 5. Vordefinierte Klassen
1. Grundzüge der Objektorientierung 2. Methoden, Unterprogramme und Parameter 3. Datenabstraktion 4. Konstruktoren 5. Vordefinierte Klassen II.2.2 Methoden, Unterprogramme und Parameter - 1 - 2. Methoden
MehrMorphing. von Tim Sternberg. Im Rahmen des Seminars Manipulation und Verarbeitung digitaler Bilder
von Tim Sternberg Im Rahmen des Seminars Manipulation und Verarbeitung digitaler Bilder Einleitung Mit Morphing wird der fließende Übergang eines Bildes in ein anderes bezeichnet. Zwei digitale Bilder
MehrComputergraphik I. Das Abtasttheorem. Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1
Das Abtasttheorem Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1 Problem bei zeitlicher Abtastung: Oliver Deussen Abtasttheorem 2 Darstellung auf Monitor Was geschieht eigentlich, wenn
Mehrdie Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering
Farbreduktion die Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering zwei Schritte: geeignete Farben (Repäsentanten) finden Farbreduktion alle Bildfarben den Repräsentanten zuordnen
Mehr14.3 Berechnung gekrümmter Flächen
4.3 Berechnung gekrümmter Flächen Gekrümmte Flächen werden berechnet, indem sie als Graph einer Funktion zweier Veränderlicher aufgefasst werden. Fläche des Graphen einer Funktion zweier Veränderlicher
MehrRekursion. Annabelle Klarl. Einführung in die Informatik Programmierung und Softwareentwicklung
Rekursion Annabelle Klarl Zentralübung zur Vorlesung Einführung in die Informatik: http://www.pst.ifi.lmu.de/lehre/wise-12-13/infoeinf WS12/13 Aufgabe 1: Potenzfunktion Schreiben Sie eine Methode, die
MehrMarching Cubes - Erstellung von Polygonmodellen aus Voxelgittern
Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern Matthias Kirschner Advanced Topics in Computer Graphics - WS06/07 Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern Matthias
MehrErste Java-Programme (Scopes und Rekursion)
Lehrstuhl Bioinformatik Konstantin Pelz Erste Java-Programme (Scopes und Rekursion) Tutorium Bioinformatik (WS 18/19) Konstantin: Konstantin.pelz@campus.lmu.de Homepage: https://bioinformatik-muenchen.com/studium/propaedeutikumprogrammierung-in-der-bioinformatik/
MehrSelbststudium OOP7 & ALG2 Auftrag
Selbststudium OOP7 & ALG2 Auftrag Kapitel 5.6 1. zu bearbeitende Aufgaben: 5.24 bis 5.30 5.24: Return Method Set entryset() V get(object key) Set keyset() V put(k key, V value) void
MehrAlgorithmen & Datenstrukturen Midterm Test 2
Algorithmen & Datenstrukturen Midterm Test 2 Martin Avanzini Thomas Bauereiß Herbert Jordan René Thiemann
MehrPlotten von Kreisen ( nach Jack Bresenham ) (C) Ac bis
Plotten von Kreisen ( nach Jack Bresenham ) (C) Ac 3-1990 bis 2-2017 Wie zeichnet der Computer Kreise? Natürlich mithilfe von Pixels, picture elements, also kleinen Bildpunkten. Die beste Approximation
MehrVerbesserung der Bildqualität
Thomas Jung Raytracing Modell Laufzeitoptimierungen Schnittalgorithmen Szenendatenstrukturen Verbesserung der Bildqualität 1 Realzeitanforderungen begrenzen Bildqualität Fotorealismus nur mit globalen
MehrAliasing und Antialiasing
Aliasing und Antialiasing Auswirkungen und Effekte %HLVSLHOH Detlef Krömker Detlef Krömker Detlef Krömker Detlef Krömker Linien 00% 20% 20% Windows95 Banner Win95 Banner auf LCD-Display Moiree Moiree (Resampling
MehrJAVA für Nichtinformatiker - Probeklausur -
JAVA für Nichtinformatiker - Probeklausur - Die folgenden Aufgaben sollten in 150 Minuten bearbeitet werden. Aufgabe 1: Erläutere kurz die Bedeutung der folgenden Java-Schlüsselwörter und gib Sie jeweils
MehrBildpunkt auf dem Gitter: Pixel (picture element) (manchmal auch Pel)
4. Digitalisierung und Bildoperationen 4.1 Digitalisierung (Sampling, Abtastung) Rasterung auf 2D-Bildmatrix mathematisch: Abb. einer 2-dim. Bildfunktion mit kontinuierlichem Definitionsbereich auf digitales
MehrChristina Nell. 3D-Computergrafik
Christina Nell 3D-Computergrafik Was ist 3D-Computergrafik? 3D graphics is the art of cheating without getting caught. (unbekannte Quelle) Folie 2/52 Inhalt Beleuchtung Shading Texturierung Texturfilterung
MehrIntroduction to Python. Introduction. First Steps in Python. pseudo random numbers. May 2016
to to May 2016 to What is Programming? All computers are stupid. All computers are deterministic. You have to tell the computer what to do. You can tell the computer in any (programming) language) you
MehrEVC Repetitorium Blender
EVC Repetitorium Blender Michael Hecher Felix Kreuzer Institute of Computer Graphics and Algorithms Vienna University of Technology INSTITUTE OF COMPUTER GRAPHICS AND ALGORITHMS Filter Transformationen
MehrHow to make a PIXAR movie
How to make a PIXAR movie Non-Photorealistic Rendering Definition NPR is an area of computer graphics that focuses on enabling a wide variety of expressive styles for digital art. Alternativbezeichnungen:
MehrObjektorientierte Programmierung und Modellierung
Objektorientierte Programmierung und Modellierung Einführung, Teil 2 24.10.17 - WS17/18 Hakan Aksu 1 Raumänderung beachten Dienstag 14:15-15:45 Uhr in M001 (anstatt K101) 2 Ausfalltermine 31.10 Vorlesung
MehrC/C++-Programmierung
1 C/C++-Programmierung Verhalten, static, namespace, Operatorüberladung, ADL, Referenzen Sebastian Hack Christoph Mallon (hack mallon)@cs.uni-sb.de Fachbereich Informatik Universität des Saarlandes Wintersemester
MehrAlgorithmus zum Graphen-Matching. und. Anwendung zur inhaltsbasierten Bildersuche
Algorithmus zum Graphen-Matching und Anwendung zur inhaltsbasierten Bildersuche Gliederung 1. Einführung 2. Algorithmus Beschreibung Beispiel Laufzeit 3. Anwendung des Algorithmus Seite 1 von 18 1. Einführung
MehrProgrammierpraktikum WS 16/17
Programmierpraktikum in Rasterbildern Fakultät für Mathematik und Informatik Datenbanksysteme für neue Anwendungen FernUniversität in Hagen 8.Oktober 2016 c 2016 FernUniversität in Hagen Übersicht 1 Raster-
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrMatlab Zufall / Programmieren mit Matlab. Dr. Hermann Lehner Departement Informatik, ETH Zürich
Matlab Zufall / Programmieren mit Matlab Dr. Hermann Lehner Departement Informatik, ETH Zürich Dr. Hermann Lehner 20.11.2017 1 Zufall ist ein Wort ohne Sinn; nichts kann ohne Ursache existieren -- Voltaire?
MehrSoftware Entwicklung 1
Software Entwicklung 1 Annette Bieniusa / Arnd Poetzsch-Heffter AG Softech FB Informatik TU Kaiserslautern Fallstudie: Lauftagebuch Bieniusa/Poetzsch-Heffter Software Entwicklung 1 2/ 21 Erstellen einer
MehrComputergraphik I. Scan Conversion: Lines & Co. Einordnung in die Pipeline. G. Zachmann Clausthal University, Germany zach@tu-clausthal.
11/4/10 lausthal omputergraphik I Scan onversion of Lines. Zachmann lausthal University, ermany zach@tu-clausthal.de Einordnung in die Pipeline Rasterisierung der Objekte in Pixel Ecken-Werte interpolieren
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrDistributed Algorithms. Image and Video Processing
Chapter 7 High Dynamic Range (HDR) Distributed Algorithms for Quelle: wikipedia.org 2 1 High Dynamic Range bezeichnet ein hohes Kontrastverhältnis in einem Bild Kontrastverhältnis bei digitalem Bild: 1.000:1
Mehr4. Segmentierung von Objekten Video - Inhaltsanalyse
4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
Mehr10. Felder (Arrays) Teil 2. Java-Beispiele: Echo.java Primzahlen.java Monate.java. K. Bothe, Institut für Informatik, HU Berlin, GdP, WS 2015/16
10. Felder (Arrays) Teil 2 Java-Beispiele: Echo.java Primzahlen.java Monate.java K. Bothe, Institut für Informatik, HU Berlin, GdP, WS 2015/16 Version: 18. Nov. 2015 2 Techniken mit Arrays: Boolean-Anzeige-Feld
MehrAnalyse Kryptographischer Algorithmen: KRYPTON & TWOFISH
Analyse Kryptographischer Algorithmen: KRYPTON & TWOFISH Martin Lötzsch loetzsch@informatik.hu-berlin.de Einleitung. Das Seminar Analyse Kryptographischer Algorithmen beschäftigte sich mit interessanten,
Mehrn 1. Grundzüge der Objektorientierung n 2. Methoden, Unterprogramme und Parameter n 3. Datenabstraktion n 4. Konstruktoren n 5. Vordefinierte Klassen
n 1. Grundzüge der Objektorientierung n 2. Methoden, Unterprogramme und Parameter n 3. Datenabstraktion n 4. Konstruktoren n 5. Vordefinierte Klassen II.2.2 Methoden, Unterprogramme und Parameter - 1 -
MehrTexture Based Direct Volume Rendering
Texture Based Direct Volume Rendering Vorlesung: "Advanced Topics in Computer Graphics" cbrak@upb.de 1 Agenda 1. Einleitung Volume Rendering 1.1. Volumendatensatz 1.2. Volumenintegral 1.3. Image order
MehrRekursion. Annabelle Klarl. Einführung in die Informatik Programmierung und Softwareentwicklung
Annabelle Klarl Zentralübung zur Vorlesung Einführung in die Informatik: http://www.pst.ifi.lmu.de/lehre/wise-13-14/infoeinf WS13/14 Action required now 1. Smartphone: installiere die App "socrative student"
Mehr= a) Berechnen Sie die fehlenden Funktionswerte der Wertetabelle. n
Info 12 IF1 GK (GA) Bearbeitungszeit: 135 min Seite 1 Aufgabe 1: rekursive Funktionen Die Hofstadter-Funktion ist definiert durch: hof ( n hof ( n 1)) + hof ( n hof ( n 2)) hof ( n) = 1 a) Berechnen Sie
MehrProgrammier-Befehle - Woche 10
Funktionen Rekursion Selbstaufruf einer Funktion Jeder rekursive Funktionsaufruf hat seine eigenen, unabhängigen Variablen und Argumente. Dies kann man sich sehr gut anhand des in der Vorlesung gezeigten
MehrZielbild B. all. Oft verwendet: kubische B-Splines. Bestimmung der Koeffizienten Vorlesung BV&ME
2.2) geometrische Transformationen (CG/BV) 2.2.c) Resamplingproblem ( ) = A(x, y) 1 ( ) = A h { k,l} B k,l Qellbild A Zielbild B y x AT 1 Methodischer Ansatz 2 für das Resampling: Statt der gewichteten
MehrComputergraphik I. Freiformkurven. aus: Farin Curven und Flächen im CAGD. Oliver Deussen Freiformkurven 1
Freiformkurven aus: Farin Curven und Flächen im CAGD Oliver Deussen Freiformkurven 1 Definition für gebogene Kurven und Flächen Anwendungen: CAD: Automobil-, Flugzeug-, Schiffsbau Computergraphik: Objektmodellierung
Mehr1. Grundzüge der Objektorientierung 2. Methoden, Unterprogramme und Parameter 3. Datenabstraktion 4. Konstruktoren 5. Vordefinierte Klassen
1. Grundzüge der Objektorientierung 2. Methoden, Unterprogramme und Parameter 3. Datenabstraktion 4. Konstruktoren 5. Vordefinierte Klassen II.2.2 Methoden, Unterprogramme und Parameter - 1 - 2. Methoden
MehrBildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17
Bildverarbeitung: Filterung D. Schlesinger () Bildverarbeitung: Filterung 1 / 17 Allgemeines Klassische Anwendung: Entrauschung (Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
MehrDipl. Inf. Eric Winter. PostgreSQLals HugeData Storage Ein Erfahrungsbericht
Dipl. Inf. Eric Winter Entwicklungsleiter PTC GPS-Services GmbH PostgreSQLals HugeData Storage Ein Erfahrungsbericht Inhalt 1. Problembeschreibung 2. Partielle Indexierung 3. Partitionierung 1. Vererbung
MehrEnblend - Portierung auf die GPU
Multi-Core Architectures and Programming Enblend - Portierung auf die GPU Hardware/Software Co-Design September 25, 2009 1 Inhalt 1 Motivation 2 Enblend-Algorithmus 3 Beschleunigung mittels Cuda 4 Benchmark
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrGraphalgorithmen. Graphen
(Folie 270, Seite 67 im Skript) Graphen (Folie 271, Seite 67 im Skript) Graphen Definition Ein ungerichteter Graph ist ein Paar (V, E), wobei V die Menge der Knoten und E ( V 2) die Menge der Kanten ist.
MehrII. Grundlagen der Programmierung. Beispiel: Merge Sort. Beispiel: Merge Sort (Forts. ) Beispiel: Merge Sort (Forts. )
Technische Informatik für Ingenieure (TIfI) WS 2006/2007, Vorlesung 9 II. Grundlagen der Programmierung Ekkart Kindler Funktionen und Prozeduren Rekursion Datenstrukturen Merge S ( split, s, merge ) Beispiel:
Mehr10 Berechnungen aus der Elektrotechnik
Eingabe R 0 T = -100, 100, 600 1 10 Berechnungen aus der Elektrotechnik 10.1 Temperaturverhalten metallischer Widerstände Der elektrische Widerstand aller Materialien ist mehr oder weniger stark von seiner
MehrProgrammiertechnik Übungen zu Klassen & -methoden
Programmiertechnik Übungen zu Klassen & -methoden Prof. Dr. Oliver Haase Oliver Haase Hochschule Konstanz 1 Übung 1 Ein Verfahren, den größten gemeinsamen Teiler (ggt) zweier Zahlen a und b, a
MehrLokale Beleuchtungsmodelle
Lokale Beleuchtungsmodelle Proseminar GDV, SS 05 Alexander Gitter Betreuer: Dirk Staneker Wilhelm-Schickard-Institut für Informatik Graphisch-Interaktive Systeme Sand 14 D-72076 Tübingen Einleitung und
MehrSolutions I Publication:
WS 215/16 Solutions I Publication: 28.1.15 1 Vektor I 4 2 Ein Objekt A befindet sich bei a = 5. Das zweite Objekt B befindet sich bei b = 4. 2 3 (a) Die Entfernung von Objekt A zum Ursprung ist die Länge
MehrGraustufendarstellung
Graustufendarstellung Diskrepanz zwischen (physikalischer) Luminanz und (wahrgenommener) Helligkeit von Graustufen: Wahrnehmung reagiert in Relation zur empfangenen Lichtenergie in etwa logarithmisch (+
MehrBayesian Networks. Syntax Semantics Parametrized Distributions Inference in Bayesian Networks. Exact Inference. Approximate Inference
Syntax Semantics Parametrized Distributions Inference in Exact Inference Approximate Inference enumeration variable elimination stochastic simulation Markov Chain Monte Carlo (MCMC) 1 Includes many slides
MehrComputergrafik SS 2016 Oliver Vornberger. Vorlesung vom Kapitel 11: Fraktale
Computergrafik SS 2016 Oliver Vornberger Vorlesung vom 03.05.2016 Kapitel 11: Fraktale 1 Selbstähnlichkeit 2 Koch'sche Schneeflocke a+(x-a) cos(60 ) - (y-b) sin(60 ) b+(y-b) cos(60 ) + (x-a) sin(60 ) a,b
MehrInformatik für Mathematiker und Physiker Woche 6. David Sommer
Informatik für Mathematiker und Physiker Woche 6 David Sommer David Sommer October 31, 2017 1 Heute: 1. Rückblick Übungen Woche 5 2. Libraries 3. Referenzen 4. Step-Wise Refinement David Sommer October
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
Mehr9 Arrangements und Dualität
9 Arrangements und Dualität 9.1 Strahlenverfolgung und Diskrepanz Wir betrachten eine Anwendung aus der Computergraphik: realistische Bilder von 3D- Szenen lassen sich durch ray tracing berechnen. Für
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
Mehr13. Java Klassen. Lernziele. Klassen - Technisch. Definition: Klassen
Lernziele Sie können eigene Klassen/Datentypen erstellen. Sie verstehen, wie Objekte von Klassen instanziert und verwendet werden. Sie kennen den Begriff der Datenkapselung und können dies anwenden. 13.
Mehr7.0 Arbeiten mit Objekten und Klassen
252-0027 Einführung in die Programmierung I 7.0 Arbeiten mit Objekten und Klassen Thomas R. Gross Department Informatik ETH Zürich Copyright (c) Pearson 2013. and Thomas Gross 2016 All rights reserved.
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, May 12, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrWerkstatt Multiplikation Posten: Alice in Mandelland. Informationsblatt für die Lehrkraft. Alice in Mandelland
Alice in Mandelland Thema: Schultyp: Vorkenntnisse: Bearbeitungsdauer: Mandelbrotmenge Mittelschule, technische Berufsschule, Fachhochschule Grundlagen der komplexen Zahlen, Elementare Programmierkenntnisse
MehrFourier Optik. Zeit. Zeit
Fourier Optik Beispiel zur Fourier-Zerlegung: diskretes Spektrum von Sinus-Funktionen liefert in einer gewichteten Überlagerung näherungsweise eine Rechteckfunktion Sin t Sin 3t Sin 5t Sin 7t Sin 9t Sin
MehrMartin Unold INFORMATIK. Geoinformatik und Vermessung
Wiederholung So sieht ein leeres Java-Programm aus public class Programmname { public static void main (String[] args) { // Hier stehen die Anweisungen Welche Arten von Anweisungen gibt es? Anweisungen
MehrSeminar. Algorithmische Geometrie
Seminar Algorithmische Geometrie WS 2000/2001 Thema: Konvexe Hülle Mirko Dennler 21439 Inhaltsverzeichnis Konvexe Hülle 1. Problemstellung 3 2. GRAHAMS SCAN 4-5 3. JARVIS' MARCH 5-6 4. QUICK HULL 6-7 5.
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Zahlentheorie, Arithmetik und Algebra II Benjamin Fischer Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Gliederung Lineare Rekursion BigInteger Chinesischer
MehrBildsegmentierung mit Level Sets
Bildsegmentierung mit Level Sets Seminar Bildsegmentierung und Computer Vision im Wintersemester 2005 Übersicht 1 Übersicht 2 Definitionen Ausbreitungsgeschwindigkeit Übersicht 3 Inter-Frame-basierte Modellierung
MehrProgrammieren II Abstrakte Klassen / Virtuelle Methoden. Programmieren II Abstrakte Klassen / Virtuelle Methoden
Einleitende Bemerkungen Einleitende Bemerkungen Aspekte Aufbau von sinnvollen Klassenhierarchien Verwaltung von Objekten unterschiedlichen Typs Mitarbeiter Besonderheiten der Anwendung jeder Angehörige
MehrPolymorphismus 44. Function.hpp. #include <string>
Polymorphismus 44 #include Function.hpp class Function { public: virtual ~Function() {}; virtual const std::string& get_name() const = 0; virtual double execute(double x) const = 0; }; // class
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens WS 2013/14 Operatoren Operatoren führen Aktionen mit Operanden aus. Der
Mehr13. Java Klassen. Klassen, Typen, Objekte, Deklaration, Instanzierung, Konstruktoren, Kapselung, statische Felder und Methoden
378 Lernziele Sie können eigene Klassen/Datentypen erstellen. Sie verstehen, wie Objekte von Klassen instanziert und verwendet werden. Sie kennen den Begriff der Datenkapselung und können dies anwenden.
MehrSerie 6. x 2 + y 2, 0 z 4.
Analysis D-BAUG Dr. Cornelia Busch FS 6 Serie 6. Wir betrachten drei verschiedene Flaschen in der Form eines Paraboloids P, eines Hyperboloids H und eines Kegels K. Diese sind wie folgt gegeben: P = {
MehrVerteilung des Korrelationskoeffizienten r. für zwei unabhängige normalverteilte Merkmale. Studie
für zwei unabhängige normalverteilte Merkmale Studie Autor: Helmut Vetter Ort, Datum: Arlesheim, 23.07.2017 Diese Arbeit wurde mit TexLive erstellt. Als Berechnungstool wurde Excel und VBA-Basic verwendet.
MehrGedächtnis. Während der Abarbeitung eines Algorithmus müssen sich Dinge gemerkt werden bzw. auf Dingen wird gerechnet. Zugriff.
Gedächtnis Während der Abarbeitung eines Algorithmus müssen sich Dinge gemerkt werden bzw. auf Dingen wird gerechnet Hauptspeicher 38265 Telefon CPU Gedächtnis Vorlesender Zugriff Verarbeitungseinheit
MehrAdaptive Systeme. Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff
Adaptive Systeme Evolutionäre Algorithmen: Überlebenskampf und Evolutionäre Strategien Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Überblick Einleitung Adaptive Filter Künstliche
MehrAbgabe: keine Pflichtabgabe (vor 12 Uhr) Aufgabe 10.1 (P) Vererbung Gegeben seien folgende Java-Klassen:
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2011 Einführung in die Informatik I Übungsblatt 10 Prof. Dr. Helmut Seidl, A. Lehmann, A. Herz,
Mehr