Графическая информация Скачать
презентацию
<<  Кодирование и обработка графической информации Изображения  >>
Изображение
Изображение
Изображение
Изображение
Изображение
Изображение
Представление изображений
Представление изображений
Представление изображений
Представление изображений
Представление изображений
Представление изображений
Представление изображений
Представление изображений
Представление изображений
Представление изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Сжатие изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Поиск по базе данных изображений
Структуры баз данных для изображений
Структуры баз данных для изображений
Структуры баз данных для изображений
Структуры баз данных для изображений
Структуры баз данных для изображений
Структуры баз данных для изображений
Упражнения
Упражнения
Упражнения
Упражнения
Упражнения
Упражнения
Ссылки на литературу
Ссылки на литературу
Картинки из презентации «Изображение» к уроку информатики на тему «Графическая информация»

Автор: Денис Шестаков. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока информатики, скачайте бесплатно презентацию «Изображение.ppt» со всеми картинками в zip-архиве размером 380 КБ.

Скачать презентацию

Изображение

содержание презентации «Изображение.ppt»
Сл Текст Сл Текст
1 18изображений не подходят (значения цветов не являются
2Представление изображений. Оцифрованное (дискретное) непрерывными) Можно использовать методы сжатия для ASCII-файлов
представление полевых пространственных данных Цифровые (или Пример формата: GIF [1]. 283.
растровые) изображения m ? n матрица пикселей По k бит на каждый 19Поиск по базе данных изображений. С помощью иерархической
пиксел - 2k возможных значений Типы изображений: Черно-белые классификации изображений При поиске пользователь использует
изображения (черный = 0; белый = 1; например, телефакс) иерархию, например: Художественные произведения Живопись Россия
Полутоновые изображения (обычно k = 8, что дает 256 уровней 19-ый век С помощью индекса признаков Изображения
серого) Цветные изображения (различные представления). 267. рассматриваются как документы с индексом терминов Поиск по
3Представление изображений. Электромагнитные источники содержимому Поиск по шаблону, возвращающий изображения похожие
изображений: Видимый свет (фотографии) Инфракрасный диапазон на заданное изображение, фигуру и т.д. 284.
(например, изображения со спутников) Рентгеновское излучение 20Поиск по базе данных изображений. Извлечение признаков и
(рентгенологические (радиологические) и прочие медицинские индексация изображений Извлечение описательных атрибутов из
изображения) Устройства, создающие цифровые изображения: Сканер изображений Вручную, автоматически или комбинированная схема
Цифровая камера Электронный микроскоп Основные параметры: (автоматическое сегментация и ручное добавление свойств) Ручное
Разрешение (частота дискретизации, количество пикселей на дюйм) (неавтоматическое) индексирование: Выполняется «экспертом»,
Точность (число бит на пиксел). 268. знакомым (обученным) с шаблонами (графическими образами) и
4Представление изображений. Полутоновые изображения Как словарем, которые используются в рассматриваемой базе данных
правило 8 бит на пиксел, что дает 256 оттенков серого Передача изображений Множество экспертов: строгие правила
полутонов (halftoning) – имитация уровней серого черным и белым непротиворечивости, общий глоссарий Распознавание образов может
Стандартная технология печати: круглые точки разных размеров с осуществляться автоматическими средствами Каждый заслуживающий
равноотстоящими центрами Цифровая передача полутонов: С помощью внимания объект (пространственная струкутура) дополняется
шаблонов: каждый пиксел заменяется черно-белым шаблоном описательными атрибутами и вводится в систему вручную Помощь при
(«шрифтом») с определенной пропорцией черного Размывание выборе индексных терминов: иерархические словари, системы
(dithering): создание дополнительных цветов в изображениях с перекрестных ссылок, тезаурусы предметных областей Времязатратно
ограниченной цветовой палитрой; настройка значений соседних и дорого. 285.
пикселей для создания нужных оттенков серого. 269. 21Поиск по базе данных изображений. Автоматическое
5Представление изображений. Цветные изображения Модели индексирование: Адаптировано к различным областям применения
естественного цвета (true color): Три компоненты (канала) на (распознавание документов, распознавание символов, технических
пиксел (плюс возможно 4-ый канал – альфа-канал (?-channel) = чертежей, рентгенограмм и т.д.) В начале, система должна быть
информация о прозрачности) RGB: Red (красный), Green (зеленый), «обучена», а объекты рассматриваемой предметной области
Blue (голубой); обычно 3 x 8 = 24 бита на пиксел CMY: Cyan упорядоченны по категориям Допускается определенная степень
(голубой), Magenta (пурпурный), Yellow (желтый); CMYK неопределенности (нечеткости) Важная область применения
используется в цветной печати, где K (key) - черный HSI: Hue автоматического анализа изображений и распознавания объектов:
(цвет), Saturation (насыщенность), Intensity (интенсивность); преобразование бумажных документов в цифровую форму, и
используется при обработке изображений YUV: цвет задается одной последующая индексация оцифрованных документов (? электронные
яркостной компонентой Y и двумя цветовыми компонентами U и V; библиотеки) Сегментация: Выявление областей (представляющих
используется при сжатии изображений; используется в формате интерес в каком-то отношении) в изображениях Сегмент – связная
JPEG, телевизионном стандарте PAL Информация о яркости отделена область, удовлетворяющая предикату однородности Основа для
от информации о цвете Большая часть информации заключена в последующего поиска Одна из самых трудных задач обработки
Y-компоненте Эффективна для сжатия изображений (JPEG) изображений Несколько возможных (эвристических) методов. 286.
Изображения с цветовой таблицей: Информация о цвете хранится в 22Поиск по базе данных изображений. Примеры предикатов
отдельной таблице Палитра из, например, 256 цветов Отображение однородности: Черно-белые изображения: p% пикселей связной
таблицы в RGB-значения Уменьшение размера; достаточно для многих области имеют определенный цвет (черный или белый) Полутоновые
приложений. 270. изображения со сгруппированными по значениям пикселями, например
6Представление изображений. Форматы изображений Существуют – 0..9, 10-19, и т.д.: связная область однородна, если как
десятки форматов [2] для различных приложений и сред, среди них: минимум p% ее пикселей относятся к одной группе значений
BMP: Windows Bitmap - растровое изображение Windows GIF: Динамическая классификация полутонов: значения для каждого из
Graphics Interchange Format; включает сжатие (без потерь), для классов не задаются предварительно, вместо задается размер
обмена графическими изображениями JBIG: Joint Bi-level Image интервала – значения серого у p% пикселей должны быть в пределах
Experts Group; формат обмена графической информацией JPEG: Joint ? единиц Полутоновые изображения с заданной базовой функцией
Photographic Experts Group; сжатие (с потерями) фотографических (для однородности): для как минимум p% пикселей рассматриваемой
изображений PBM: Portable Bitmap Format; формат для черно-белых области верно grey_level(x, y) - f(x, y) < ? Связная область:
изображений; 1 бит на пиксел PGM: Portable Greymap Format; для Для каждой пары пикселей - (x1, y1), (xn, yn) существует
полутоновой графики; 8 бит на пиксел PNG: Portable Network последовательность пикселей из данной области {(x1, y1), ...,
Graphics; замена GIF; сжатие без потерь PPM: Portable Pixmap (xn, yn)} таких, что пиксели {(xi, yi), (xi+1, yi+1)} являются
Format; для цветных изображений; 24 бита на пиксел TIFF: Tagged смежными (соседями) для любого i. 287.
Image File Format; для хранения изображений; гибкий и 23Поиск по базе данных изображений. Разнообразные методы
настраиваемый формат; множество опций. 271. сегментации: а) Сегментация на регулярные блоки: Пример:
7Сжатие изображений. Необходимо про работе с большими разбиение пространства с помощью тетрарного или двоичного дерева
архивами изображений: Уменьшение размера Уменьшение времени до тех пор пока не будут получены однородные области Как
передачи Возможно в силу избыточности информации в изображениях правило, не удовлетворяется условие максимальности для
Несколько методов, приспособленных для различных типов сегментации: соседние блоки могут образовывать одну однородную
изображений Основные этапы: 1. Моделирование Определение область Обобщение сегментации с помощью двоичного дерева:
распределения символов или блоков 2. Кодирование Определение разбиение может производиться в любом направлении – сегментация
бинарных представлений для символов/блоков На основе модели на полигоны Компромиссное решение: разбиение только в
распределения Алгоритмы: кодирование по алгоритму Хаффмана, направлениях 0?, 45?, 90? и 135? б) Разбиение и слияние:
арифметическое кодирование. 272. Дополнение методов а) для выполнения условия максимальности
8Сжатие изображений. Характеристики методов Сжатие с Попарная тестовая проверка полученных регионов на однородность
потерями/без потерь: приблизительное или точное восстановление Обычно, сегментация для произвольного предиката однородности не
оригинального изображения Эффективность сжатия (скорость является уникальной. 288.
передачи данных), измеряется в битах на пиксел Скорость 24Поиск по базе данных изображений. в) Наращивание областей:
(отдельно для упаковки и распаковки) Искажение (для методов с Начать с набора затравочных (начальных) точек (seed points)
потерями): MAE (mean absolute error): средняя абсолютная ошибка Наращивать однородные области, рассматривая пиксели, примыкающие
MSE (mean squared error): среднеквадратическая ошибка RMSE (root к (сначала) затравочным точкам и (далее) к растущим однородным
mean squared error): квадратный корень из MSE SNR (signal to областям Основное затруднение: как выбирать затравочные точки?
noise ratio): отношение сигнал-шум PSNR (peak signal to noise г) Движение по контуру: Движение по контуру объекта (области),
ratio): отношение максимальный сигнал-шум Ошибкоустойчивость (по которую предполагается обнаружить; контур можно определить,
отношению к потенциальным ошибкам во время передачи) Для методов следуя вдоль наибольшего градиента (изменений в значениях уровня
с потерями: появление границ между блоками (блок – группа из, серого) д) Сравнение с пороговым значением: Применимо, если
например, 8х8 пикселей), размывание изображения и т.д. 273. представляющие интерес объекты и фон изображения имеют
9Сжатие изображений. Сжатие черно-белых (двухуровневых) достаточно отличающиеся значения уровней серого Гистограмма
изображений Как правило сжатие без потерь Вероятность(белый) значений серого для изображения имеет два или более пиков, между
>> Вероятность(черный) Однородные области одного цвета которыми можно выбрать пороговые значения для уровня серого
Пример применения: телефакс Различные методы сжатия: Метод RLE Должна быть, как правило, дополнена более сложными методами.
(run-length coding): Построчная обработка, слева направо «Серия» 289.
- последовательность пикселей одного цвета Белые и черные серии 25Поиск по базе данных изображений. Поиск по содержимому в
чередуются Длины серий кодируются с помощью, например, кода базах данных изображений Общее свойство: Не стопроцентно точный
Хаффмана или с помощью заранее известной таблицы кодов. 274. поиск Виды запросов: Найти изображения с определенными
10Сжатие изображений. Иерархическое блочное кодирование: признаками (цвет, текстура, фигура и т.д.) Найти изображения,
Блоки, в которых все пиксели белые, кодируются 0, иначе 1 содержащие определенный тип(-ы) объектов Найти объекты (в
Несколько уровней блоков: самый нижний уровень – непосредственно изображениях) с определенными атрибутами, например, определенной
изображение Аналогично иерархическому сжатию битовых строк (см. фигуры (круг, треугольник и т.д.), размера, цвета и т.д. Найти
тему 6, «Битово-матричное индексирование») Но в данном случае, изображения, в которых объект типа А расположен слева от объекта
блоки бит – двумерные; деление на блоки как, например, в типа Б (пространственное отношение) Поиск по сходству: найти
тетрарных деревьях Пример: пиксели ‘x’ можно не хранить. 275. изображения (сегменты), похожие на заданное изображение
11Сжатие изображений. Кодирование с предсказанием (prediction (сегмент) Приложения: распознавание/идентификация людей по
coding): Для рассматриваемого пиксела, исходя из значений фотографиям или по отпечаткам пальцев; распознавание военных
соседних пикселей (пиксели слева и сверху, т.е. уже объектов (самолетов, кораблей и т.д.). 290.
закодированные), определяется вероятность иметь черный или белый 26Поиск по базе данных изображений. Подходы к организации
цвет Используется в JBIG (Joint Bi-level Image Experts Group) поиска по сходству: а) Метрический подход: Вводится функция
Более новый стандарт известен как JBIG2, предыдущий – JBIG1 расстояния (метрическая функция) для изображений (сегментов)
Стандарт от ISO/IEC и ITU-T Для «предсказания» используются 7-10 Задача: найти ближайшего соседа (k ближайших соседей) к
пикселей Окончательное кодирование с помощью QM-coder [3] заданному в запросе изображению (сегменту) Простейшие
(двоичное арифметическое кодирование) Типичный коэффициент метрические функция для m ? n цветных изображений: Сумма
сжатия – 20:1. 276. евклидовых расстояний между попарными значениями пикселей (в
12Сжатие изображений. Сжатие полутоновых изображений Сильная трехмерном пространстве) Евклидово расстояние в (m ? n ?
зависимость между значениями соседних пикселей Наличие текстур 3)-мерном пространстве Требуется большой объем вычислений
усложняет процесс сжатия Методы сжатия сильно отличаются от Упрощение: Для уменьшения размерности использовать извлечение
методов для черно-белых изображений (I) Сжатие без потерь: признаков: например, применить DCT (см.«Сжатие изображений») и
Относительно редкое использование Пример приложения: сжатие далее для вычисления расстояний использовать полученные
рентгенограмм Типичный коэффициент сжатия – 2:1 Сжатие без коэффициенты; новая метрическая функция d’ должна удовлетворять
потерь в JPEG (Joint Photographic Experts Group): Основано на (приблизительно) условию: d’(a, b) < d’(a, c), если d(a, b)
прогнозировании Несколько вариантов возможных (предсказываемых) < d (a, c). 291.
значений: a, b, c, (a+b)/2, a+b?c, b+(a?c)/2, a+(b-c)/2, ... 27Поиск по базе данных изображений. б) Трансформационный
Кодируется (с помощью арифметического кодера) разница между подход: Один из видов метрического подхода Основная идея:
реальным и «предсказанным» значениями пиксела. 277. степень несходства пропорциональна минимальной «цене»
13Сжатие изображений. (II) Сжатие с потерями: трансформации одного изображения (сегмента) в другое Выбрать
Удовлетворительно для большинства приложений Коэффициент сжатия изображение, которое наименее непохоже на заданное в запросе
10:1 обычно дает гарантию “неотличимости” сжатого изображения от изображение Примеры трансформационных операторов: сдвиг
оригинала Группы применяемых методов: Квантование (смещение), вращение, масштабирование (увеличение, уменьшение),
(quantization): Как правило, не используется независимо - часть растяжение, закрашивание и т.д. У каждого оператора своя функция
более сложных методов Диапазон значений задается одним значением стоимости Общая цена трансформации – сумма стоимостей каждой из
Используются самые важные разряды в значениях пикселов операций Определить для изображения последовательность
Прогнозирование: Строится «разностное» изображение (в котором трансформационных шагов с наименьшей стоимостью, затем найти
значение каждого пиксела равно разнице между реальным и минимум по всем рассматриваемым изображениям Более настраиваемый
предсказанным значениями этого пиксела), затем полученное подход (по сравнению с метрическим); пользователи могут задавать
изображение квантуется и только потом кодируется DPCM - свои собственные трансформационные операторы и функции стоимости
дифференциальная импульсно-кодовая модуляция (ДИКМ). 278. Метрический подход обеспечивает лучшую индексацию. 292.
14Сжатие изображений. Субдискретизация (subsampling): 28Поиск по базе данных изображений. Пример: Система QBIC [4]
Уменьшение разрешения; например, при замене блока в 2x2 пикселя (IBM's Query By Image Content) Поиск по содержимому изображений
одним значением Обычно часть других методов Пирамидальная Извлечение признаков при наполнении базы данных: Расположение
техника: Итерационная субдискретизация (блок пикселей заменяется цветов/текстур Идентификация объектов: ручная,
одним пикселем с усредненным значением, получившееся изображение полуавтоматическая, автоматическая сегментация Графически
опять разбивается на блоки, заменяемые одним пикселом, и т.д.); задаваемые запросы, основанные на: Изображениях-образцах
в итоге, получаем одно значение (= усредненный уровень серого) Набросках, эскизах, введенных пользователем (параметры фигур)
Получаемые (и хранимые) «разностные» изображения, в которых Цветах (основной цвет или цветовая гистограмма) Структуре
значение каждого пиксела равны разнице между реальным и текстур (крупнозернистость, контраст, направленность) Движении
усредненным по блоку значениями, позволяют восстановить камеры или объекта (для видео) Быстрый поиск: Фильтрация и
оригинальное изображение Своего рода обобщение иерархического индексация Уменьшение размерности с помощью преобразований
блочного кодирования Естественный подход для постепенного (индексация на основе R*-дерева). 293.
(progressive) отображения (передачи) графики: сначала 29Структуры баз данных для изображений. Последовательное
отображение в плохом разрешении, затем последовательно все в хранение матрицы пикселей (возможно в сжатом виде), занимающей в
более лучшем. 279. большинстве случаев несколько дисковых страниц Каждое
15Сжатие изображений. Векторное квантование: Каждому блоку изображение можно рассматривать как один самостоятельный файл а)
пикселей (например, двум соседним пикселям или блоку в 4х4 Реляционное представление: Представление изображения:
пиксела) ставится в соответствие вектор Выбираются наиболее идентификатор изображения и его основные свойства (атрибуты)
типичные вектора, которые помещаются в «кодовую книгу» Создается Представление объекта: объекты (сегменты, прямоугольники) внутри
(и кодируется) индекс, который каждому блоку ставит в изображений; извлекаются вручную или автоматически Атрибуты
соответствие определенный вектор из кодовой книги Быстрая включают: id изображения, id объекта, координаты минимального
распаковка Различные эвристики для формирования кодовой книги ограничивающего прямоугольника, признаки Обобщение:
Пример (блок – два соседние пиксела; двумерные вектора): вероятностные отношения - объект x находится в изображении i с
Полутоновая «Лена» Представление пар пикселов Два бита на пиксел вероятностью p Запросы: применять стандартную технику запросов,
Четыре бита на вектор в двумерном пр-ве [0,0]-[255,255] используя значения признаков в условиях запроса. 294.
(разбиение Вороного) Взято - 30Структуры баз данных для изображений. б) Пространственное
http://www.gamasutra.com/features/20010416/ivanov_01.htm. 280. представление: Например, с помощью R- или R*-деревьев Построить
16Сжатие изображений. Преобразование: Рассмотрение частотных одно R-дерево для всех изображений в базе данных Страница,
характеристик изображения Основной инструмент: дискретное соответствующая листу, содержит близко-расположенные объекты (их
Фурье-преобразование (DFT – discrete Fourier transformation) Для MBR’ы) со списком указателей на исходные изображения Также
изображений более распространено: дискретное сохранены дополнительные свойства (признаки) объекта Для не
косинус-преобразование [1] (DCT) Для блока N ? N: Стандарт JPEG: пространственных свойств объектов может быть построен отдельный
DCT применяется к блоку 8 на 8 пикселей, что дает 64 индекс Общие замечания: При отсутствии «пространственного»
коэффициента Низкие (самые важные) частоты находятся слева контеста, изображения могут рассматриваться как документы, и
вверху Коэффициенты квантуются (с помощью матрицы квантования) и процесс выборки данных может осуществляться с помощью общих
кодируются Высокая эффективность и качество; возможность методов информационного поиска Совместное использование
постепенного отображения (передачи) графики. 281. пространственных и не пространственных критериев при поиске
17Сжатие изображений. Вейвлеты: Учитываются не только достигается за счет совмещения (объединение, пересечение, ...)
частотные характеристики (как в DCT), но пространственное списков указателей из соответствующих индексов. 295.
расположение Разные семейства базовых вейвлет-функций (например, 31Структуры баз данных для изображений. Примерная архитектура
Хаара, Добеши) Дискретное вейвлет-преобразование (DFT) базы данных для изображений. 296.
используется в новом стандарте JPEG 2000 JPEG 2000 превосходит 32Упражнения. Применить пирамидальное кодирование (см
JPEG Фракталы: Фрактал - структура, состоящая из частей, которые «пирамидальная техника») к приведенному ниже полутоновому
в каком-то смысле подобны целому В некоторых изображениях изображению размером в 4 на 4 пикселя. Затем восстановить
(например, фотографиях природных объектов) части изображения (раскодировать) изображение. Диапазон значений серого – 0..255.
могут быть похожими на другие части того же изображения Могут Кодирование в двоичные значения опустить. Для приведенного ниже
достигаться очень высокие коэффициенты сжатия Очень медленное полутонового изображения произвести сегментацию на регулярные
сжатие, относительно быстрая распаковка Не является реальным блоки (разбиение с помощью, например, тетрарного дерева). Далее,
конкурентом JPEG. 282. проверить соседние области на однородность и слить, где
18Сжатие изображений. Сжатие цветных изображений возможно. Область однородна, если разница между наибольшим и
Непосредственное расширение методов сжатия полутоновых наименьшим значением пиксела не более 10. 297.
изображений Простейшая идея: применить сжатие для полутонов к 33Ссылки на литературу. [1] J. Miano. Compressed Image File
каждому из цветов (красный, синий, зеленый) Но тогда не будет Formats: JPEG, PNG, GIF, XBM, BMP. ACM Press, Addison-Wesley
учитываться высокая корреляция между цветами Лучшая идея: Professional, 1999 [2]
преобразовать в YUV-модель цвета (сделано в JPEG) Человеческий http://en.wikipedia.org/wiki/Category:Graphics_file_formats [3]
глаз наиболее чувствителен к яркости (компонента Y); компоненты ITU-T Recommendation T.82. Information Technology - Coded
цветности (U и V) менее важны и, значит, могут кодироваться Representation of Picture and Audio Information - Progressive
менее точно (например, к ним можно применить субдискретизацию) Bi-level Image Compression, 1993 [4]
Изображения с цветовой таблицей: Методы сжатия полутоновых http://wwwqbic.almaden.ibm.com/. 298.
«Изображение» | Изображение.ppt
http://900igr.net/kartinki/informatika/Izobrazhenie/Izobrazhenie.html
cсылка на страницу

Графическая информация

другие презентации о графической информации

«Растровый графический редактор» - Форматы графических файлов. Школьная лекция (2 часа). Различают основной цвет, которым рисуются контуры фигур, и цвет фона. Абсцисса x точки увеличивается слева направо, ордината y — сверху вниз. Растровые изображения очень чувствительны к масштабированию (увеличению или уменьшению). Масштабирующие инструменты.

«Графический редактор» - Формул Пикселей Шифра Координат. Результат тестирования. Правильных ответов. Векторном редакторе растровом редакторе рисунке на бумаге. Панель инструментов. Цели и задачи урока: Оценка. Палитра. Двухмерная графика. Познакомить учащихся с некоторыми программными средствами для создания графики. Программные средства.

«Программа для фото» - Расслабив глазные мышцы, посмотреть вдаль на счет 1-6. повторить 1-2 раза. 4. Быстро поморгать, закрыть глаза и посидеть спокойно, медленно считая до пяти. Можно любоваться своей работой и показать друзьям. МОУ Новоуспенская СОШ. 6. 9. 5. Фотография в рамке. Вытянуть правую руку вперёд. . Шаги в работе.

«Уроки графики» - Преобразование линий в формы и операции с формами Урок №16. Рабочее окно программы Macromedia Flash Урок №2. Добавляем ключевые кадры и масштабируем движущийся объект Урок №8. Слои и кадры Урок №6. Раздел Другие эффекты включает тридцать один эффект: Трассировка растровых изображений Урок №14. Заложить необходимый фундамент нужно в школе.

«Графические программы» - Затем задний и передний планы сжимаются с помощью вейвлет-преобразования, а маска — алгоритмом JB2. Готовый рисунок или чертёж можно распечатать на принтере или экспортировать в растровое изображение. DjVu. Официальная версия Adobe Photoshop была выпущена в феврале 1990 года. Поддерживая позиции лидера на рынке столь продолжительное время, Adobe продолжает совершенствовать программу.

«Графическая информация» - Рекомендуется для использования при работе с издательскими системами. Вычислим объем видеопамяти. Используется для размещения графических изображений на Web-страницах в Интернете. Дискретизация. В современных компьютерах разрешение экрана обычно составляет 1280х1024 точек. Кодирование зависти от прикладной среды.

Урок

Информатика

126 тем
Картинки
Презентация: Изображение | Тема: Графическая информация | Урок: Информатика | Вид: Картинки