Grafisk Teknik. Färg. Övningar med lösningar/svar. Sasan Gooran (HT 2013)

Relevanta dokument
DIGITAL FÄRGRASTRERING

DIGITAL FÄRGRASTRERING FÄRG. SPD Exempel. Sasan Gooran (HT 2003) En blåaktig färg

DIGITAL FÄRGRASTRERING

DIGITAL FÄRGRASTRERING FÄRG. Färg. Sasan Gooran

FÄRG. Färg. SPD Exempel FÄRG. Stavar och Tappar. Ögats receptorer. Sasan Gooran (HT 2003) En blåaktig färg

DIGITAL FÄRGRASTRERING

Grafisk Teknik. Rastrering. Övningar med lösningar/svar. Sasan Gooran (HT 2013)

FÄRG DIGITAL FÄRGRASTRERING FÄRG. Ögats receptorer. SPD Exempel. Stavar och Tappar. Sasan Gooran (HT 2003) En blåaktig färg

1. (Dugga 1.1) (a) Bestäm v (3v 2u) om v = . (1p) and u =


6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A =

Egenvärden och egenvektorer

1 Reducerat faktorförsök rf f

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

. (2p) 2x + 2y + z = 4 y + 2z = 2 4x + 3y = 6

Sida 1 av Låt VV = RR nn där RR nn är mängden av alla reella n-tipplar (ordnade listor med n reella tal) dvs

Lösningar till MVE021 Linjär algebra för I

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

15 september, Föreläsning 5. Tillämpad linjär algebra

TNM011 Grafisk teknik Laboration 3 - Färg

TAMS79: Föreläsning 10 Markovkedjor

10.4. Linjära höljet LINJÄRA RUM

Moment 6.1, 6.2 Viktiga exempel Övningsuppgifter T6.1-T6.6

5 Linjär algebra. 5.1 Addition av matriser 5 LINJÄR ALGEBRA

Föreläsningsanteckningar Linjär Algebra II Lärarlyftet

Lösningsförslag till skrivningen i Vektorgeometri (MAA702) Måndagen den 13 juni 2005

Geometriska vektorer

Grafisk Teknik. Rastrering. Övningar med lösningar/svar. Sasan Gooran (HT 2004)

SF1624 Algebra och geometri Tentamen Onsdagen 29 oktober, 2014

SF1624 Algebra och geometri

Vektorgeometri för gymnasister

3 1 = t 2 2 = ( 1) ( 2) 1 2 = A(t) = t 1 10 t

29 november, 2016, Föreläsning 21. Ortonormala baser (ON-baser) Gram-Schmidt s ortogonaliseringsprocess

14 september, Föreläsning 5. Tillämpad linjär algebra

Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 9 juni 2011 kl

Lösningsförslag till skrivningen i Vektorgeometri (MAA702) måndagen den 30 maj 2005

TNM059 Grafisk teknik

Logik och Jämförelser. Styrsatser: Villkorssatsen if och repetitonssatsen for. Scriptfiler. Kommentarer. Tillämpningar: Ett enkelt filter.

SKRIVNING I VEKTORGEOMETRI

1 som går genom punkten (1, 3) och är parallell med vektorn.

Enhetsvektorer. Basvektorer i två dimensioner: 1 1 Basvektorer i tre dimensioner: Enhetsvektor i riktningen v: v v

2 = 3 = 1. ekvationssystem är beskriven som de vektorer X =

Lösningsforslag till tentamen i SF1624 den 22/ e x e y e z = 5e x 10e z = 5(1, 0, 2). 1 1 a a + 2 2a 4

DIAGONALISERING AV EN MATRIS

4x az = 0 2ax + y = 0 ax + y + z = 0

Preliminärt lösningsförslag

Preliminärt lösningsförslag

Numerisk Analys, MMG410. Exercises 2. 1/33

Hemuppgift 1, SF1861 Optimeringslära, VT 2017

tal. Mängden av alla trippel av reella tal betecknas med R 3 och x 1 x 2 En sekvens av n reella tal betecknas med (x 1, x 2,, x n ) eller

. b. x + 2 y 3 z = 1 3 x y + 2 z = a x 5 y + 8 z = 1 lösning?

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604, den 17 april 2010 kl

ANDRAGRADSKURVOR Vi betraktar ekvationen

MVE022 Urval av bevis (på svenska)

Vi definierar addition av två vektorer och multiplikation med en reell skalär (tal) λλ enligt nedan

Modul 1: Komplexa tal och Polynomekvationer

SF1624 Algebra och geometri Tentamen Onsdag, 13 januari 2016

Laboration 1. Grafisk teknik (TNM059) Introduktion till Matlab. R. Lenz och S. Gooran (VT2007)

KPP053, HT2016 MATLAB, Föreläsning 2. Vektorer Matriser Plotta i 2D Teckensträngar

Laboration 1. Grafisk teknik Rastrering. Sasan Gooran (HT 2004)

LÖSNINGAR LINJÄR ALGEBRA LUNDS TEKNISKA HÖGSKOLA MATEMATIK

Vectorer, spannet av vektorer, lösningsmängd av ett ekvationssystem.

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna

SF1900 Sannolikhetsteori och statistik, HT 2017 Laboration 1 för CINEK2

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604 för D, den 5 juni 2010 kl

TSBB14 Laboration: Intro till Matlab 1D

A = x

Vektorgeometri för gymnasister

P Q = ( 2, 1, 1), P R = (0, 1, 0) och QR = (2, 2, 1). arean = 1 2 P Q P R

1 Linjära ekvationssystem. 2 Vektorer

14. Minsta kvadratmetoden

Tentamen 1 i Matematik 1, HF okt 2018, Skrivtid: 14:00-18:00 Examinator: Armin Halilovic

Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra, SF1604, den 15 mars 2012 kl

e 3 e 2 e 1 Kapitel 3 Vektorer i planet och i rummet precis ett sätt skrivas v = x 1 e 1 + x 2 e 2

GRAM-SCHMIDTS METOD ... Med hjälp av Gram-Schmidts metod kan vi omvandla n st. linjäroberoende vektorer. samma rum dvs som satisfierar

Hemuppgift 1, SF1861 Optimeringslära för T

Dagens ämnen. Linjära ekvationssystem: Successiv elimination Vektorer Definitionen Grundläggande räkneoperationer Bas och koordinater Ortsvektorer

September 13, Vektorer En riktad sträcka P Q, där P Q, är en pil med foten i P och med spetsen i Q. Denna har. (i) en riktning, och

Laboration 2. Grafisk teknik (TNM059) Digital Rastrering. S. Gooran (VT2007)

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

Föreläsning 13 Linjär Algebra och Geometri I

FÖ: MVE045, Riemann integral, grunder Zoran Konkoli, HT 2018

x 2y + z = 1 (1) 2x + y 2z = 3 (2) x + 3y z = 4 (3)

Laboration 0: Del 2. Benjamin Kjellson Introduktion till matriser, vektorer, och ekvationssystem

Vektorerna är parallella med planet omm de är vinkelräta mot planets normal, dvs mot

Dagens program. Linjära ekvationssystem och matriser

LYCKA TILL! kl 8 13

Datorlaboration :: 1 Problembeskrivning ::

u av funktionen u = u(x, y, z) = xyz i punkten M o = (x o, y o, z o ) = (1, 1, 1) i riktningen mot punkten M 1 = (x 1, y 1, z 1 ) = (2, 3, 1)

= ( 1) ( 1) = 4 0.

SF1624 Algebra och geometri Tentamen med lösningsförslag onsdag, 11 januari 2017

TAIU07 Matematiska beräkningar med Matlab

SKRIVNING I VEKTORGEOMETRI

Självkoll: Ser du att de två uttrycken är ekvivalenta?

1 Grundläggande kalkyler med vektorer och matriser

TMV206: Linjär algebra

MULTIPLIKATION AV MATRISER, BASER I RUMMET SAMT FÖRSTA MÖTET MED MATRISINVERSER = = =

x 1 x 2 T (X) = T ( x 3 x 4 x 5

8(x 1) 7(y 1) + 2(z + 1) = 0

Transkript:

Grafisk Teknik Färg Övningar med lösningar/svar Det här lilla häftet innehåller ett antal räkneuppgifter med svar och i vissa fall med fullständiga lösningar De här uppgifterna täcker en del av kursen som handlar om färg De grundläggande teorier som behövs för att kunna lösa dessa uppgifter gås igenom under kursens föreläsningar och även finns i kursmaterialen som distribueras under kursen Sasan Gooran (HT 3)

Övningar: Belysnigens spektralfördelning beskrivs med funktionen l(λ), där λ är våglängdsvariabeln Reflektansegenskaperna beskrivs med r(λ) och kamerans tre kanaler med c R (λ), c G (λ), c B (λ) a) Hur beräknas kamerans (RGB)-vektor som funktion av l(λ), r(λ) och c R (λ), c G (λ), c B (λ)? b) Approximera l, r och c med 5-D vektorer: c R (λ) = (,,,, ) c G (λ) = (, /3, /3, /3, ) c B (λ) = (,,,, ) Beskriv (RGB)-vektorn som en funktion av l och r c) Vilken färg har belysningen som ges av vektorn l = (,,,, )? d) Beräkna (RGB)-vektorn för kombinationen l,, där reflektansvektorn, = ( /, /, /, /, / ) e) Konstruera en fördelning r så att (l, ) och (l,r ) ger samma RGB-vektor Färgmatchningsfunktionerna ges av: x(λ) = ( 5 5 45 ) y(λ) = ( 5 35 4 ) z(λ) = ( 8 5 ) En belysningskälla ges av: L(λ) = ( 4 8 6 ) Två objektpunkters reflektansegenskaper ges av: O (λ) = ( /4 /4 / /8 ) O (λ) = ( /3 /3 ) Ingen normalisering krävs a) Beräkna -koordinater för O och O under belysning L b) Är O och O metameriska under belysning L? 3 Nedan följer en förenklad version av CIEs färgmatchningsfunktioner: x(λ) = ( 5 5 ) y(λ) = ( 5 6 3 ) z(λ) = ( 6 8 ) a) Beräkna CIE koordinater för följande spektralfördelningar (belysning och reflektansegenskaper ingår): s (λ) = ( ) s (λ) = ( 3 ) b) Beskriv alla spektra av formen s(λ) = ( a b c ) som är metameriska

4 Raderna i matrisen M = [ ; ; ] definierar 3 färgmatchningsfunktioner x(λ), y(λ) och z(λ), tex x = ( ) Spektralfördelningarna för två ljuskällor är: L(λ)=[ ] och L(λ)=[ ] Reflektansegenskaperna för en objektpunkt beskrivs med vektorn R(λ) = ( r, r, r3, r4 ) a) Beräkna färgkoordinaterna för R under belysning L(λ) respektive L(λ) b) Beskriv alla metameriska färger under belysningen L(λ) Ge exempel på två metameriska färger under L c) Beskriv alla metameriska färger under belysningen L(λ) Ge exempel på två metameriska färger under L 5 Följande matriser beskriver en -kanals kamera K, en belysningskälla L och två reflektansspektra (objektpunkter) O Som det framgår av matriserna har vi delat in det synliga våglängdsintervallet i 4 delintervall K = [ ; ] L = [ 3 4] O = [ ; ]/ a) Beräkna den resulterande pixelvektorn (numeriska värden) för de två objektpunkterna b) Anta att vitt ljus representeras med en vektor V = [4 4 4 4] Använd den kamera som beskrivs mha matrisen K ovan Konstruera två reflektansspektra R och R så att R och R är metameriska under L (lampan ovan) men inte under vitt ljus (V) 6 Nedan följer en förenklad version av CIEs färgmatchningsfunktioner x(λ) = [ 5 5 ] y(λ) = [ 5 6 3 ] z(λ) = [ 6 8 ] a) Beräkna CIE koordinater för följande spektralfördelning R (λ) under I (λ) = [ ] (Ingen normalisering behövs för denna deluppgift) R (λ) = [ ] b) Vilken normaliseringsfaktor bör användas för att ljuskällans vitpunkt ska ha -värdet =? Svara för ljuskällan i uppgift a, dvs för I (λ) c) Beskriv alla spektra av formen R(λ) = ( a a a 3 ) som är metameriska under I (λ) 3

Lösningar och Svar a) Anta att alla fördelningar kan reprsenteras med vektorer av längd N, dvs l(λ) = [l,l,,l N ], r(λ) = [,r,, r N ], c R (λ) = [c R,c R,,c RN ], c G (λ) = [c G, c G,, c GN ] och c B (λ) = [c B, c B,, c BN ] man kan beräkna RGB vektorerna på två olika sätt, Metod : genom summan av punktvis multiplikation mellan vektorerna Metod : Matrismultiplikation Metod : R kan beräknas enligt, R = l C R + l r C R + + l N r N C RN vilket kan skrivas som, R = sum(l*r*c R ), där (*) betecknar elementvis multiplikation och sum betyder summan av alla element i vektorn G och B kan beräknas på motsvarande sätt: G = sum(l*r*c G ) och B = sum(l*r*c B ) Metod : Man kan bilda matriser först enligt, C R C G C B l C R C G C B l C =, L = och RR = C RN C GN C BN l N r r N C är en N x 3 matris L är en N x N diagonal matris och RR är en N x matris RGB vektorn kan nu direkt beräknas genom följande matrismultiplikation (T betyder transponat): R G B = C T L R b) R G B = l + l r 3 (l r + l r + l r ) 3 3 4 4 l 4 r 4 + l 5 r 5 c) Färgen på belysningen är neutral, och om vi antar att är det största värdet ljusintensiteten kan anta då är färgen på belysningen vit 4

5 d) R G B = e) Anta att vi har två skilda reflektansspektra och r enligt, = a a a 3 a 4 a 5 och r = b b b 3 b 4 b 5 För att dessa två spektra ska ge samma RGB-vektor måste vi ha, a + a 3 (a + a 3 + a 4 ) a 4 + a 5 = b + b 3 (b + b 3 + b 4 ) b 4 + b 5 Det finns oändligt många skilda spektra som kan uppfylla detta, exempelvis följande två: = och r = a) för O under L : = 335 335 9 för O under L : = 3 6 8 b) Nej eftersom: 335 335 9 3 6 8

3 a) för S : = 7 8 7 för S : = b) Anta att vi har följande två skilda spektralfördelningar s och p av formen som nämndes i uppgiften: 5 3 36 s = a a a 3 och p = b b b 3 för att dessa två ska vara metameriska måste vi ha: a + 5a + a 3 = b + 5b + b 3 3a = 3b 6a = 6b Förenklar vi ekvationerna ovan får vi, a = b a = b a 3 = b 3, vilket innebär att för att s och p ska vara metameriska måste de vara lika, vilket betyder att det inte finns metameriska spektra av formen s = a a a 3 4 a) Färgkoordinaterna för R under L: Färgkoordinaterna för R under L: r 3 + r 4 = r + r = b) Anta att vi har två fördelningar R = [ r r 3 r 4 ] och R' = [ r' r' r' 3 r' 4 ] För att de ska vara metameriska under L måste vi ha: r 3 + r 4 = r' 3 + r' 4 r = r' + r = r' + r' Förenklar vi ekvationerna får vi: r 3 + r 4 = r' 3 + r' 4 r = r' = r' Exempel på två fördelningar som är metameriska under L: [ ] och [ ] 6

c) Anta att vi har två fördelningar R = [ r r 3 r 4 ] och R' = [ r' r' r' 3 r' 4 ] För att de ska vara metameriska under L måste vi ha: = = = r' Förenklar vi ekvationerna får vi: = r' Exempel på två fördelningar som är metameriska under L: [ ] och [ ] 5 a) för o (rad i O)à (3, ) för o (rad i O)à (, 5) b) K = [ ; ] L = [ 3 4] V=[4 4 4 4] För att R= a a a 3 a 4 ha: och R = b b b 3 b 4 ska vara metameriska under L, bör vi a + a = b + b 3a 3 + 4a 4 = 3b 3 + 4b 4 och för att inte vara metameriska under V bör vi ha antingen a + a b + b eller a 3 + a 4 b 3 + b 4 Exempel: R=(/, /4, /3, /4) och R=(/4, 3/8, /, /8) 6 a) = = =4 b) normaliseringsfaktorn: sum(y* I) = 3 c) Om (a,,,, a, a3) och (b,,,, b, b3) är metameriska, då gäller: 7

a+ a = b+ b a = b 6a+8a = 6b+8b à a= b a = b a3 b3 kan vara godtyckliga 8