ನಿಯಮದಂತೆ, ಸಂಕೇತಗಳು ನಿರಂತರ ರೂಪದಲ್ಲಿ ಮಾಹಿತಿ ಸಂಸ್ಕರಣಾ ವ್ಯವಸ್ಥೆಯನ್ನು ಪ್ರವೇಶಿಸುತ್ತವೆ. ನಿರಂತರ ಸಂಕೇತಗಳ ಕಂಪ್ಯೂಟರ್ ಪ್ರಕ್ರಿಯೆಗೆ, ಮೊದಲನೆಯದಾಗಿ, ಅವುಗಳನ್ನು ಡಿಜಿಟಲ್ ಆಗಿ ಪರಿವರ್ತಿಸುವುದು ಅವಶ್ಯಕ. ಇದನ್ನು ಮಾಡಲು, ಮಾದರಿ ಮತ್ತು ಪ್ರಮಾಣೀಕರಣ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಡೆಸಲಾಗುತ್ತದೆ.

ಚಿತ್ರ ಮಾದರಿ

ಮಾದರಿ- ಇದು ನಿರಂತರ ಸಂಕೇತವನ್ನು ಸಂಖ್ಯೆಗಳ (ಮಾದರಿಗಳು) ಅನುಕ್ರಮವಾಗಿ ಪರಿವರ್ತಿಸುವುದು, ಅಂದರೆ, ಕೆಲವು ಸೀಮಿತ-ಆಯಾಮದ ಆಧಾರದ ಪ್ರಕಾರ ಈ ಸಂಕೇತದ ಪ್ರಾತಿನಿಧ್ಯ. ಈ ಪ್ರಾತಿನಿಧ್ಯವು ನಿರ್ದಿಷ್ಟ ಆಧಾರದ ಮೇಲೆ ಸಂಕೇತವನ್ನು ಪ್ರಕ್ಷೇಪಿಸುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

ಸಂಸ್ಕರಣೆಯನ್ನು ಸಂಘಟಿಸುವ ದೃಷ್ಟಿಕೋನದಿಂದ ಮಾದರಿಯ ಅತ್ಯಂತ ಅನುಕೂಲಕರ ಮತ್ತು ನೈಸರ್ಗಿಕ ಮಾರ್ಗವೆಂದರೆ ಸಿಗ್ನಲ್‌ಗಳನ್ನು ಅವುಗಳ ಮೌಲ್ಯಗಳ (ಮಾದರಿಗಳು) ಮಾದರಿಯ ರೂಪದಲ್ಲಿ ಪ್ರತ್ಯೇಕ, ನಿಯಮಿತವಾಗಿ ಅಂತರದ ಬಿಂದುಗಳಲ್ಲಿ ಪ್ರತಿನಿಧಿಸುವುದು. ಈ ವಿಧಾನವನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ ರಾಸ್ಟರೈಸೇಶನ್, ಮತ್ತು ಮಾದರಿಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ನೋಡ್‌ಗಳ ಅನುಕ್ರಮ ರಾಸ್ಟರ್. ನಿರಂತರ ಸಂಕೇತದ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಮಧ್ಯಂತರವನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ ಮಾದರಿ ಹಂತ. ಹೆಜ್ಜೆಯ ಪರಸ್ಪರ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮಾದರಿ ದರ,

ಮಾದರಿಯ ಸಮಯದಲ್ಲಿ ಉದ್ಭವಿಸುವ ಅತ್ಯಗತ್ಯ ಪ್ರಶ್ನೆ: ಈ ಮಾದರಿಗಳಿಂದ ಅದನ್ನು ಮರುನಿರ್ಮಾಣ ಮಾಡಲು ಯಾವ ಆವರ್ತನದಲ್ಲಿ ನಾವು ಸಿಗ್ನಲ್ ಮಾದರಿಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬೇಕು? ನಿಸ್ಸಂಶಯವಾಗಿ, ಮಾದರಿಗಳನ್ನು ತುಂಬಾ ಅಪರೂಪವಾಗಿ ತೆಗೆದುಕೊಂಡರೆ, ಅವು ವೇಗವಾಗಿ ಬದಲಾಗುತ್ತಿರುವ ಸಿಗ್ನಲ್ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ. ಸಂಕೇತದ ಬದಲಾವಣೆಯ ದರವು ಅದರ ವರ್ಣಪಟಲದ ಮೇಲಿನ ಆವರ್ತನದಿಂದ ನಿರೂಪಿಸಲ್ಪಟ್ಟಿದೆ. ಹೀಗಾಗಿ, ಮಾದರಿ ಮಧ್ಯಂತರದ ಕನಿಷ್ಠ ಅನುಮತಿಸುವ ಅಗಲವು ಸಿಗ್ನಲ್ ಸ್ಪೆಕ್ಟ್ರಮ್ನ ಅತ್ಯಧಿಕ ಆವರ್ತನಕ್ಕೆ ಸಂಬಂಧಿಸಿದೆ (ಅದಕ್ಕೆ ವಿಲೋಮ ಅನುಪಾತದಲ್ಲಿರುತ್ತದೆ).

ಏಕರೂಪದ ಮಾದರಿಯ ಸಂದರ್ಭದಲ್ಲಿ, ಈ ಕೆಳಗಿನವು ನಿಜವಾಗಿದೆ: ಕೋಟೆಲ್ನಿಕೋವ್ ಅವರ ಪ್ರಮೇಯ, 1933 ರಲ್ಲಿ "ದೂರಸಂಪರ್ಕದಲ್ಲಿ ಗಾಳಿ ಮತ್ತು ತಂತಿಯ ಸಾಮರ್ಥ್ಯದ ಕುರಿತು" ಕೃತಿಯಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಯಿತು. ಇದು ಹೇಳುತ್ತದೆ: ನಿರಂತರ ಸಂಕೇತವು ಆವರ್ತನದಿಂದ ಸೀಮಿತವಾದ ಸ್ಪೆಕ್ಟ್ರಮ್ ಅನ್ನು ಹೊಂದಿದ್ದರೆ, ನಂತರ ಅದನ್ನು ಅವಧಿಯೊಂದಿಗೆ ತೆಗೆದುಕೊಳ್ಳಲಾದ ಅದರ ಪ್ರತ್ಯೇಕ ಮಾದರಿಗಳಿಂದ ಸಂಪೂರ್ಣವಾಗಿ ಮತ್ತು ನಿಸ್ಸಂದಿಗ್ಧವಾಗಿ ಮರುನಿರ್ಮಾಣ ಮಾಡಬಹುದು, ಅಂದರೆ. ಆವರ್ತನದೊಂದಿಗೆ.

ಕಾರ್ಯವನ್ನು ಬಳಸಿಕೊಂಡು ಸಿಗ್ನಲ್ ಮರುಸ್ಥಾಪನೆಯನ್ನು ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ .

.

ಮೇಲಿನ ಮಾನದಂಡಗಳನ್ನು ಪೂರೈಸುವ ನಿರಂತರ ಸಂಕೇತವನ್ನು ಸರಣಿಯಾಗಿ ಪ್ರತಿನಿಧಿಸಬಹುದು ಎಂದು ಕೋಟೆಲ್ನಿಕೋವ್ ಸಾಬೀತುಪಡಿಸಿದರು: ಈ ಪ್ರಮೇಯವನ್ನು ಮಾದರಿ ಪ್ರಮೇಯ ಎಂದೂ ಕರೆಯುತ್ತಾರೆ. ಕಾರ್ಯವನ್ನು ಸಹ ಕರೆಯಲಾಗುತ್ತದೆ, 1915 ರಲ್ಲಿ ವಿಟೇಕರ್ ಅವರು ಈ ಪ್ರಕಾರದ ಇಂಟರ್ಪೋಲೇಷನ್ ಸರಣಿಯನ್ನು ಅಧ್ಯಯನ ಮಾಡಿದರು. ಮಾದರಿ ಕಾರ್ಯವು ಸಮಯದಲ್ಲಿ ಅನಂತ ವಿಸ್ತರಣೆಯನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಅದು ಸಮ್ಮಿತೀಯವಾಗಿರುವ ಹಂತದಲ್ಲಿ ಏಕತೆಗೆ ಸಮಾನವಾದ ಅದರ ಶ್ರೇಷ್ಠ ಮೌಲ್ಯವನ್ನು ತಲುಪುತ್ತದೆ.

ಈ ಪ್ರತಿಯೊಂದು ಕಾರ್ಯಗಳನ್ನು ಆದರ್ಶದ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿ ಪರಿಗಣಿಸಬಹುದು ಕಡಿಮೆ ಪಾಸ್ ಫಿಲ್ಟರ್(ಕಡಿಮೆ-ಪಾಸ್ ಫಿಲ್ಟರ್) ಡೆಲ್ಟಾ ನಾಡಿಗೆ ಸಮಯಕ್ಕೆ ಆಗಮಿಸುತ್ತದೆ. ಹೀಗಾಗಿ, ಅದರ ಪ್ರತ್ಯೇಕ ಮಾದರಿಗಳಿಂದ ನಿರಂತರ ಸಂಕೇತವನ್ನು ಪುನಃಸ್ಥಾಪಿಸಲು, ಅವುಗಳನ್ನು ಸೂಕ್ತವಾದ ಕಡಿಮೆ-ಪಾಸ್ ಫಿಲ್ಟರ್ ಮೂಲಕ ರವಾನಿಸಬೇಕು. ಅಂತಹ ಫಿಲ್ಟರ್ ಕಾರಣವಲ್ಲ ಮತ್ತು ದೈಹಿಕವಾಗಿ ಅವಾಸ್ತವಿಕವಾಗಿದೆ ಎಂದು ಗಮನಿಸಬೇಕು.

ಮೇಲಿನ ಅನುಪಾತವು ಅವುಗಳ ಮಾದರಿಗಳ ಅನುಕ್ರಮದಿಂದ ಸೀಮಿತ ಸ್ಪೆಕ್ಟ್ರಮ್ನೊಂದಿಗೆ ಸಂಕೇತಗಳನ್ನು ನಿಖರವಾಗಿ ಪುನರ್ನಿರ್ಮಿಸುವ ಸಾಧ್ಯತೆಯನ್ನು ಅರ್ಥೈಸುತ್ತದೆ. ಸೀಮಿತ ಸ್ಪೆಕ್ಟ್ರಮ್ ಸಂಕೇತಗಳು- ಇವುಗಳು ಫೋರಿಯರ್ ಸ್ಪೆಕ್ಟ್ರಮ್ ವ್ಯಾಖ್ಯಾನದ ಪ್ರದೇಶದ ಸೀಮಿತ ಭಾಗದಲ್ಲಿ ಮಾತ್ರ ಶೂನ್ಯದಿಂದ ಭಿನ್ನವಾಗಿರುವ ಸಂಕೇತಗಳಾಗಿವೆ. ಆಪ್ಟಿಕಲ್ ಸಿಗ್ನಲ್‌ಗಳನ್ನು ಅವುಗಳಲ್ಲಿ ಒಂದಾಗಿ ವರ್ಗೀಕರಿಸಬಹುದು, ಏಕೆಂದರೆ ಆಪ್ಟಿಕಲ್ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಪಡೆದ ಚಿತ್ರಗಳ ಫೋರಿಯರ್ ಸ್ಪೆಕ್ಟ್ರಮ್ ಅವುಗಳ ಅಂಶಗಳ ಸೀಮಿತ ಗಾತ್ರದ ಕಾರಣದಿಂದಾಗಿ ಸೀಮಿತವಾಗಿದೆ. ಆವರ್ತನವನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ ನೈಕ್ವಿಸ್ಟ್ ಆವರ್ತನ. ಇದು ಸೀಮಿತಗೊಳಿಸುವ ಆವರ್ತನವಾಗಿದ್ದು, ಇನ್‌ಪುಟ್ ಸಿಗ್ನಲ್‌ನಲ್ಲಿ ಯಾವುದೇ ಸ್ಪೆಕ್ಟ್ರಲ್ ಘಟಕಗಳು ಇರಬಾರದು.

ಚಿತ್ರದ ಪರಿಮಾಣೀಕರಣ

ಡಿಜಿಟಲ್ ಇಮೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್ನಲ್ಲಿ, ಪ್ರಕಾಶಮಾನ ಮೌಲ್ಯಗಳ ನಿರಂತರ ಕ್ರಿಯಾತ್ಮಕ ಶ್ರೇಣಿಯನ್ನು ಹಲವಾರು ಪ್ರತ್ಯೇಕ ಹಂತಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ. ಈ ವಿಧಾನವನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ ಪ್ರಮಾಣೀಕರಣ. ನಿರಂತರ ವೇರಿಯೇಬಲ್ ಅನ್ನು ಡಿಸ್ಕ್ರೀಟ್ ವೇರಿಯಬಲ್ ಆಗಿ ಪರಿವರ್ತಿಸುವುದರಲ್ಲಿ ಇದರ ಸಾರವು ಸೀಮಿತ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಈ ಮೌಲ್ಯಗಳನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ ಪ್ರಮಾಣೀಕರಣ ಮಟ್ಟಗಳು. ಸಾಮಾನ್ಯವಾಗಿ, ರೂಪಾಂತರವನ್ನು ಒಂದು ಹಂತದ ಕಾರ್ಯದಿಂದ ವ್ಯಕ್ತಪಡಿಸಲಾಗುತ್ತದೆ (Fig. 1). ಚಿತ್ರದ ಮಾದರಿಯ ತೀವ್ರತೆಯು ಮಧ್ಯಂತರಕ್ಕೆ ಸೇರಿದ್ದರೆ (ಅಂದರೆ, ಯಾವಾಗ ) , ನಂತರ ಮೂಲ ಓದುವಿಕೆಯನ್ನು ಕ್ವಾಂಟೀಕರಣ ಮಟ್ಟದಿಂದ ಬದಲಾಯಿಸಲಾಗುತ್ತದೆ, ಅಲ್ಲಿ – ಪ್ರಮಾಣೀಕರಣದ ಮಿತಿಗಳು. ಪ್ರಕಾಶಮಾನ ಮೌಲ್ಯಗಳ ಕ್ರಿಯಾತ್ಮಕ ವ್ಯಾಪ್ತಿಯು ಸೀಮಿತವಾಗಿದೆ ಮತ್ತು ಸಮನಾಗಿರುತ್ತದೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ.

ಅಕ್ಕಿ. 1. ಪ್ರಮಾಣೀಕರಣವನ್ನು ವಿವರಿಸುವ ಕಾರ್ಯ

ಈ ಸಂದರ್ಭದಲ್ಲಿ ಮುಖ್ಯ ಕಾರ್ಯವೆಂದರೆ ಮಿತಿಗಳು ಮತ್ತು ಪ್ರಮಾಣೀಕರಣದ ಮಟ್ಟಗಳ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ಧರಿಸುವುದು. ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಸರಳವಾದ ಮಾರ್ಗವೆಂದರೆ ಡೈನಾಮಿಕ್ ಶ್ರೇಣಿಯನ್ನು ಸಮಾನ ಮಧ್ಯಂತರಗಳಾಗಿ ವಿಭಜಿಸುವುದು. ಆದಾಗ್ಯೂ, ಈ ಪರಿಹಾರವು ಉತ್ತಮವಾಗಿಲ್ಲ. ಹೆಚ್ಚಿನ ಇಮೇಜ್ ಎಣಿಕೆಗಳ ತೀವ್ರತೆಯ ಮೌಲ್ಯಗಳನ್ನು ಗುಂಪು ಮಾಡಿದ್ದರೆ, ಉದಾಹರಣೆಗೆ, "ಡಾರ್ಕ್" ಪ್ರದೇಶದಲ್ಲಿ ಮತ್ತು ಮಟ್ಟಗಳ ಸಂಖ್ಯೆ ಸೀಮಿತವಾಗಿದ್ದರೆ, ಅಸಮಾನವಾಗಿ ಪ್ರಮಾಣೀಕರಿಸಲು ಸಲಹೆ ನೀಡಲಾಗುತ್ತದೆ. "ಡಾರ್ಕ್" ಪ್ರದೇಶದಲ್ಲಿ ಹೆಚ್ಚಾಗಿ ಪ್ರಮಾಣೀಕರಿಸುವುದು ಅವಶ್ಯಕ, ಮತ್ತು "ಬೆಳಕು" ಪ್ರದೇಶದಲ್ಲಿ ಕಡಿಮೆ ಬಾರಿ. ಇದು ಪ್ರಮಾಣೀಕರಣ ದೋಷವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ಡಿಜಿಟಲ್ ಇಮೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್ ಸಿಸ್ಟಮ್‌ಗಳಲ್ಲಿ, ಅವರು ಕ್ವಾಂಟೈಸೇಶನ್ ಮಟ್ಟಗಳು ಮತ್ತು ಮಿತಿಗಳ ಸಂಖ್ಯೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ, ಏಕೆಂದರೆ ಚಿತ್ರವನ್ನು ಎನ್‌ಕೋಡ್ ಮಾಡಲು ಅಗತ್ಯವಿರುವ ಮಾಹಿತಿಯ ಪ್ರಮಾಣವು ಅವುಗಳ ಸಂಖ್ಯೆಯನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಪ್ರಮಾಣೀಕರಿಸಿದ ಚಿತ್ರದಲ್ಲಿ ತುಲನಾತ್ಮಕವಾಗಿ ಕಡಿಮೆ ಸಂಖ್ಯೆಯ ಮಟ್ಟಗಳೊಂದಿಗೆ, ತಪ್ಪು ಬಾಹ್ಯರೇಖೆಗಳು ಕಾಣಿಸಿಕೊಳ್ಳಬಹುದು. ಪರಿಮಾಣಾತ್ಮಕ ಚಿತ್ರದ ಹೊಳಪಿನಲ್ಲಿ ಹಠಾತ್ ಬದಲಾವಣೆಯ ಪರಿಣಾಮವಾಗಿ ಅವು ಉದ್ಭವಿಸುತ್ತವೆ ಮತ್ತು ಅದರ ಬದಲಾವಣೆಯ ಸಮತಟ್ಟಾದ ಪ್ರದೇಶಗಳಲ್ಲಿ ವಿಶೇಷವಾಗಿ ಗಮನಿಸಬಹುದಾಗಿದೆ. ತಪ್ಪು ಬಾಹ್ಯರೇಖೆಗಳು ಚಿತ್ರದ ದೃಶ್ಯ ಗುಣಮಟ್ಟವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಕುಗ್ಗಿಸುತ್ತವೆ, ಏಕೆಂದರೆ ಮಾನವ ದೃಷ್ಟಿ ಬಾಹ್ಯರೇಖೆಗಳಿಗೆ ವಿಶೇಷವಾಗಿ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತದೆ. ವಿಶಿಷ್ಟ ಚಿತ್ರಗಳನ್ನು ಏಕರೂಪವಾಗಿ ಪ್ರಮಾಣೀಕರಿಸುವಾಗ, ಕನಿಷ್ಠ 64 ಹಂತಗಳ ಅಗತ್ಯವಿದೆ.

ನಿರಂತರ ಚಿತ್ರವನ್ನು ಪರಿಗಣಿಸಿ - ಎರಡು ಪ್ರಾದೇಶಿಕ ಅಸ್ಥಿರಗಳ ಕಾರ್ಯ x 1 ಮತ್ತು x 2 f(x 1 , x 2) ಸೀಮಿತ ಆಯತಾಕಾರದ ಪ್ರದೇಶದಲ್ಲಿ (ಚಿತ್ರ 3.1).

ಚಿತ್ರ 3.1 - ನಿರಂತರದಿಂದ ಪ್ರತ್ಯೇಕ ಚಿತ್ರಕ್ಕೆ ಪರಿವರ್ತನೆ

ಪ್ರಾದೇಶಿಕ ವೇರಿಯಬಲ್‌ನಲ್ಲಿ ಮಾದರಿ ಹಂತ Δ 1 ಪರಿಕಲ್ಪನೆಯನ್ನು ನಾವು ಪರಿಚಯಿಸೋಣ x 1 ಮತ್ತು Δ 2 ವೇರಿಯಬಲ್ ಮೂಲಕ x 2. ಉದಾಹರಣೆಗೆ, ಅಕ್ಷದ ಉದ್ದಕ್ಕೂ Δ 1 ಅಂತರದಿಂದ ಪರಸ್ಪರ ದೂರದಲ್ಲಿರುವ ಬಿಂದುಗಳಲ್ಲಿ ಎಂದು ಒಬ್ಬರು ಊಹಿಸಬಹುದು. x 1 ಪಾಯಿಂಟ್ ವೀಡಿಯೊ ಸಂವೇದಕಗಳಿವೆ. ಅಂತಹ ವೀಡಿಯೊ ಸಂವೇದಕಗಳನ್ನು ಸಂಪೂರ್ಣ ಆಯತಾಕಾರದ ಪ್ರದೇಶದಲ್ಲಿ ಸ್ಥಾಪಿಸಿದರೆ, ನಂತರ ಚಿತ್ರವನ್ನು ಎರಡು ಆಯಾಮದ ಲ್ಯಾಟಿಸ್ನಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗುತ್ತದೆ

ಸಂಕೇತವನ್ನು ಕಡಿಮೆ ಮಾಡಲು, ನಾವು ಸೂಚಿಸುತ್ತೇವೆ

ಕಾರ್ಯ f(ಎನ್ 1 , ಎನ್ 2) ಎರಡು ಡಿಸ್ಕ್ರೀಟ್ ಅಸ್ಥಿರಗಳ ಕಾರ್ಯವಾಗಿದೆ ಮತ್ತು ಇದನ್ನು ಎರಡು ಆಯಾಮದ ಅನುಕ್ರಮ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಅಂದರೆ, ಪ್ರಾದೇಶಿಕ ಅಸ್ಥಿರಗಳ ಮೂಲಕ ಚಿತ್ರವನ್ನು ಮಾದರಿ ಮಾಡುವುದರಿಂದ ಅದನ್ನು ಮಾದರಿ ಮೌಲ್ಯಗಳ ಕೋಷ್ಟಕಕ್ಕೆ ಅನುವಾದಿಸುತ್ತದೆ. ಕೋಷ್ಟಕದ ಆಯಾಮವನ್ನು (ಸಾಲುಗಳು ಮತ್ತು ಕಾಲಮ್‌ಗಳ ಸಂಖ್ಯೆ) ಮೂಲ ಆಯತಾಕಾರದ ಪ್ರದೇಶದ ಜ್ಯಾಮಿತೀಯ ಆಯಾಮಗಳು ಮತ್ತು ಸೂತ್ರದ ಪ್ರಕಾರ ಮಾದರಿ ಹಂತದ ಆಯ್ಕೆಯಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ

ಅಲ್ಲಿ ಚದರ ಆವರಣಗಳು [...] ಸಂಖ್ಯೆಯ ಪೂರ್ಣಾಂಕ ಭಾಗವನ್ನು ಸೂಚಿಸುತ್ತವೆ.

ನಿರಂತರ ಚಿತ್ರದ ವ್ಯಾಖ್ಯಾನದ ಡೊಮೇನ್ ಒಂದು ಚೌಕವಾಗಿದ್ದರೆ ಎಲ್ 1 = ಎಲ್ 2 = ಎಲ್,ಮತ್ತು ಮಾದರಿ ಹಂತವನ್ನು ಅಕ್ಷಗಳ ಉದ್ದಕ್ಕೂ ಒಂದೇ ರೀತಿ ಆಯ್ಕೆ ಮಾಡಲಾಗುತ್ತದೆ x 1 ಮತ್ತು x 2 (Δ 1 = Δ 2 = Δ), ನಂತರ

ಮತ್ತು ಟೇಬಲ್ ಆಯಾಮ ಎನ್ 2 .

ಚಿತ್ರದ ಮಾದರಿಯ ಮೂಲಕ ಪಡೆದ ಕೋಷ್ಟಕದ ಅಂಶವನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ " ಪಿಕ್ಸೆಲ್"ಅಥವಾ " ಕೌಂಟ್ಡೌನ್". ಪಿಕ್ಸೆಲ್ ಅನ್ನು ಪರಿಗಣಿಸಿ f(ಎನ್ 1 , ಎನ್ 2) ಈ ಸಂಖ್ಯೆಯು ನಿರಂತರ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಕಂಪ್ಯೂಟರ್ ಮೆಮೊರಿಯು ಪ್ರತ್ಯೇಕ ಸಂಖ್ಯೆಗಳನ್ನು ಮಾತ್ರ ಸಂಗ್ರಹಿಸಬಹುದು. ಆದ್ದರಿಂದ, ಮೆಮೊರಿಯಲ್ಲಿ ನಿರಂತರ ಮೌಲ್ಯವನ್ನು ದಾಖಲಿಸಲು fಹಂತ D ಯೊಂದಿಗೆ ಅನಲಾಗ್-ಟು-ಡಿಜಿಟಲ್ ಪರಿವರ್ತನೆಗೆ ಒಳಪಟ್ಟಿರಬೇಕು f(ಚಿತ್ರ 3.2 ನೋಡಿ).

ಚಿತ್ರ 3.2 - ನಿರಂತರ ಪ್ರಮಾಣದ ಪ್ರಮಾಣೀಕರಣ

ಅನಲಾಗ್-ಟು-ಡಿಜಿಟಲ್ ಪರಿವರ್ತನೆಯ ಕಾರ್ಯಾಚರಣೆಯನ್ನು (ಹಂತದ ಮೂಲಕ ನಿರಂತರ ಮೌಲ್ಯವನ್ನು ಮಾದರಿ) ಹೆಚ್ಚಾಗಿ ಕರೆಯಲಾಗುತ್ತದೆ ಪ್ರಮಾಣೀಕರಣ. ಕ್ವಾಂಟೈಸೇಶನ್ ಹಂತಗಳ ಸಂಖ್ಯೆ, ಪ್ರಕಾಶಮಾನ ಕಾರ್ಯದ ಮೌಲ್ಯಗಳು ಮಧ್ಯಂತರದಲ್ಲಿ _____ _______, ಸಮಾನವಾಗಿರುತ್ತದೆ

ಪ್ರಾಯೋಗಿಕ ಇಮೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್ ಸಮಸ್ಯೆಗಳಲ್ಲಿ, ಪ್ರಮಾಣ ಪ್ರನಿಂದ ವ್ಯಾಪಕವಾಗಿ ಬದಲಾಗುತ್ತದೆ ಪ್ರ= 2 ("ಬೈನರಿ" ಅಥವಾ "ಕಪ್ಪು ಮತ್ತು ಬಿಳಿ" ಚಿತ್ರಗಳು) ವರೆಗೆ ಪ್ರ= 210 ಅಥವಾ ಹೆಚ್ಚು (ಬಹುತೇಕ ನಿರಂತರ ಪ್ರಕಾಶಮಾನ ಮೌಲ್ಯಗಳು). ಹೆಚ್ಚಾಗಿ ಆಯ್ಕೆಮಾಡಲಾಗಿದೆ ಪ್ರ= 28, ಇದರಲ್ಲಿ ಇಮೇಜ್ ಪಿಕ್ಸೆಲ್ ಅನ್ನು ಡಿಜಿಟಲ್ ಡೇಟಾದ ಒಂದು ಬೈಟ್‌ನೊಂದಿಗೆ ಎನ್‌ಕೋಡ್ ಮಾಡಲಾಗಿದೆ. ಮೇಲಿನ ಎಲ್ಲದರಿಂದ, ಕಂಪ್ಯೂಟರ್‌ನ ಮೆಮೊರಿಯಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ಪಿಕ್ಸೆಲ್‌ಗಳು ಮೂಲ ನಿರಂತರ ಚಿತ್ರವನ್ನು ಆರ್ಗ್ಯುಮೆಂಟ್‌ಗಳು (ಕಕ್ಷೆಗಳು?) ಮತ್ತು ಮಟ್ಟಗಳ ಮೂಲಕ ಮಾದರಿಯ ಫಲಿತಾಂಶವಾಗಿದೆ ಎಂದು ನಾವು ತೀರ್ಮಾನಿಸುತ್ತೇವೆ. (ಎಲ್ಲಿ ಮತ್ತು ಎಷ್ಟು, ಮತ್ತು ಎಲ್ಲವೂ ಪ್ರತ್ಯೇಕವಾಗಿದೆ) ಮಾದರಿ ಹಂತಗಳು Δ 1 ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿದೆ , Δ 2 ಅನ್ನು ಸಾಕಷ್ಟು ಚಿಕ್ಕದಾಗಿ ಆರಿಸಬೇಕು ಆದ್ದರಿಂದ ಮಾದರಿ ದೋಷವು ಅತ್ಯಲ್ಪವಾಗಿರುತ್ತದೆ ಮತ್ತು ಡಿಜಿಟಲ್ ಪ್ರಾತಿನಿಧ್ಯವು ಅಗತ್ಯ ಚಿತ್ರ ಮಾಹಿತಿಯನ್ನು ಉಳಿಸಿಕೊಳ್ಳುತ್ತದೆ.

ಮಾದರಿ ಮತ್ತು ಕ್ವಾಂಟೈಸೇಶನ್ ಹಂತವು ಚಿಕ್ಕದಾಗಿದೆ, ಕಂಪ್ಯೂಟರ್ ಮೆಮೊರಿಯಲ್ಲಿ ರೆಕಾರ್ಡ್ ಮಾಡಬೇಕಾದ ಇಮೇಜ್ ಡೇಟಾದ ಪ್ರಮಾಣವು ಹೆಚ್ಚಾಗುತ್ತದೆ ಎಂದು ನೆನಪಿನಲ್ಲಿಡಬೇಕು. ಈ ಹೇಳಿಕೆಯ ವಿವರಣೆಯಾಗಿ, 50x50 ಮಿಮೀ ಅಳತೆಯ ಸ್ಲೈಡ್‌ನಲ್ಲಿರುವ ಚಿತ್ರವನ್ನು ಪರಿಗಣಿಸಿ, ಇದನ್ನು ಡಿಜಿಟಲ್ ಆಪ್ಟಿಕಲ್ ಡೆನ್ಸಿಟಿ ಮೀಟರ್ (ಮೈಕ್ರೊಡೆನ್ಸಿಟೋಮೀಟರ್) ಬಳಸಿ ಮೆಮೊರಿಗೆ ನಮೂದಿಸಲಾಗುತ್ತದೆ. ಇನ್‌ಪುಟ್‌ನ ಮೇಲೆ, ಮೈಕ್ರೊಡೆನ್ಸಿಟೋಮೀಟರ್‌ನ ರೇಖೀಯ ರೆಸಲ್ಯೂಶನ್ (ಪ್ರಾದೇಶಿಕ ಅಸ್ಥಿರಗಳಿಗೆ ಮಾದರಿ ಹಂತ) 100 ಮೈಕ್ರಾನ್‌ಗಳಾಗಿದ್ದರೆ, ಆಯಾಮದ ಪಿಕ್ಸೆಲ್‌ಗಳ ಎರಡು ಆಯಾಮದ ಶ್ರೇಣಿ ಎನ್ 2 = 500×500 = 25∙10 4. ಹಂತವನ್ನು 25 ಮೈಕ್ರಾನ್‌ಗಳಿಗೆ ಇಳಿಸಿದರೆ, ರಚನೆಯ ಆಯಾಮಗಳು 16 ಪಟ್ಟು ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಎನ್ 2 = 2000×2000 = 4∙10 6. 256 ಹಂತಗಳಲ್ಲಿ ಕ್ವಾಂಟೈಸೇಶನ್ ಅನ್ನು ಬಳಸುವುದು, ಅಂದರೆ, ಪತ್ತೆಯಾದ ಪಿಕ್ಸೆಲ್ ಅನ್ನು ಬೈಟ್ ಮೂಲಕ ಎನ್ಕೋಡಿಂಗ್ ಮಾಡುವುದು, ಮೊದಲ ಸಂದರ್ಭದಲ್ಲಿ, ರೆಕಾರ್ಡಿಂಗ್ಗಾಗಿ 0.25 ಮೆಗಾಬೈಟ್ ಮೆಮೊರಿ ಅಗತ್ಯವಿದೆ ಮತ್ತು ಎರಡನೆಯ ಸಂದರ್ಭದಲ್ಲಿ, 4 ಮೆಗಾಬೈಟ್ಗಳು.

ಚಿತ್ರಗಳು ಮತ್ತು ಧ್ವನಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುವ ಅನಲಾಗ್ ಮತ್ತು ಪ್ರತ್ಯೇಕ ವಿಧಾನಗಳು

ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಚಿತ್ರಗಳ ರೂಪದಲ್ಲಿ ಮಾಹಿತಿಯನ್ನು ಗ್ರಹಿಸಲು ಮತ್ತು ಸಂಗ್ರಹಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ (ದೃಶ್ಯ, ಧ್ವನಿ, ಸ್ಪರ್ಶ, ರುಚಿ ಮತ್ತು ಘ್ರಾಣ). ದೃಶ್ಯ ಚಿತ್ರಗಳನ್ನು ಚಿತ್ರಗಳ ರೂಪದಲ್ಲಿ ಉಳಿಸಬಹುದು (ರೇಖಾಚಿತ್ರಗಳು, ಛಾಯಾಚಿತ್ರಗಳು, ಇತ್ಯಾದಿ), ಮತ್ತು ಧ್ವನಿ ಚಿತ್ರಗಳನ್ನು ದಾಖಲೆಗಳು, ಮ್ಯಾಗ್ನೆಟಿಕ್ ಟೇಪ್ಗಳು, ಲೇಸರ್ ಡಿಸ್ಕ್ಗಳು ​​ಇತ್ಯಾದಿಗಳಲ್ಲಿ ರೆಕಾರ್ಡ್ ಮಾಡಬಹುದು.

ಗ್ರಾಫಿಕ್ ಮತ್ತು ಆಡಿಯೊ ಸೇರಿದಂತೆ ಮಾಹಿತಿಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಬಹುದು ಅನಲಾಗ್ಅಥವಾ ಪ್ರತ್ಯೇಕವಾದರೂಪ. ಅನಲಾಗ್ ಪ್ರಾತಿನಿಧ್ಯದೊಂದಿಗೆ, ಭೌತಿಕ ಪ್ರಮಾಣವು ಅನಂತ ಸಂಖ್ಯೆಯ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಅದರ ಮೌಲ್ಯಗಳು ನಿರಂತರವಾಗಿ ಬದಲಾಗುತ್ತವೆ. ಪ್ರತ್ಯೇಕವಾದ ಪ್ರಾತಿನಿಧ್ಯದೊಂದಿಗೆ, ಭೌತಿಕ ಪ್ರಮಾಣವು ಸೀಮಿತ ಮೌಲ್ಯಗಳ ಗುಂಪನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಅದರ ಮೌಲ್ಯವು ಥಟ್ಟನೆ ಬದಲಾಗುತ್ತದೆ.

ಮಾಹಿತಿಯ ಅನಲಾಗ್ ಮತ್ತು ಡಿಸ್ಕ್ರೀಟ್ ಪ್ರಾತಿನಿಧ್ಯದ ಉದಾಹರಣೆಯನ್ನು ನಾವು ನೀಡೋಣ. ಇಳಿಜಾರಾದ ಸಮತಲದಲ್ಲಿ ಮತ್ತು ಮೆಟ್ಟಿಲುಗಳ ಮೇಲೆ ದೇಹದ ಸ್ಥಾನವನ್ನು X ಮತ್ತು Y ನಿರ್ದೇಶಾಂಕಗಳ ಮೌಲ್ಯಗಳಿಂದ ನಿರ್ದಿಷ್ಟಪಡಿಸಲಾಗುತ್ತದೆ, ಒಂದು ದೇಹವು ಇಳಿಜಾರಾದ ಸಮತಲದಲ್ಲಿ ಚಲಿಸಿದಾಗ, ಅದರ ನಿರ್ದೇಶಾಂಕಗಳು ನಿರಂತರವಾಗಿ ಬದಲಾಗುತ್ತಿರುವ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಒಂದು ನಿರ್ದಿಷ್ಟ ಶ್ರೇಣಿಯಿಂದ, ಮತ್ತು ಮೆಟ್ಟಿಲುಗಳ ಉದ್ದಕ್ಕೂ ಚಲಿಸುವಾಗ - ಕೇವಲ ಒಂದು ನಿರ್ದಿಷ್ಟ ಮೌಲ್ಯಗಳ ಸೆಟ್, ಇದು ಥಟ್ಟನೆ ಬದಲಾಗುತ್ತದೆ (Fig. .1.6).

ಗ್ರಾಫಿಕ್ ಮಾಹಿತಿಯ ಅನಲಾಗ್ ಪ್ರಾತಿನಿಧ್ಯದ ಉದಾಹರಣೆಯೆಂದರೆ, ಉದಾಹರಣೆಗೆ, ಒಂದು ಚಿತ್ರಕಲೆ, ಅದರ ಬಣ್ಣವು ನಿರಂತರವಾಗಿ ಬದಲಾಗುತ್ತದೆ, ಮತ್ತು ಡಿಸ್ಕ್ರೀಟ್ ಪ್ರಾತಿನಿಧ್ಯವು ಇಂಕ್ಜೆಟ್ ಪ್ರಿಂಟರ್ ಬಳಸಿ ಮುದ್ರಿಸಲಾದ ಮತ್ತು ವಿವಿಧ ಬಣ್ಣಗಳ ಪ್ರತ್ಯೇಕ ಚುಕ್ಕೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಚಿತ್ರವಾಗಿದೆ. ಧ್ವನಿ ಮಾಹಿತಿಯ ಅನಲಾಗ್ ಸಂಗ್ರಹಣೆಯ ಉದಾಹರಣೆಯೆಂದರೆ ವಿನೈಲ್ ರೆಕಾರ್ಡ್ (ಧ್ವನಿ ಟ್ರ್ಯಾಕ್ ನಿರಂತರವಾಗಿ ಅದರ ಆಕಾರವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ), ಮತ್ತು ಡಿಸ್ಕ್ರೀಟ್ ಒಂದು ಆಡಿಯೊ ಸಿಡಿ (ಇದರ ಧ್ವನಿ ಟ್ರ್ಯಾಕ್ ವಿಭಿನ್ನ ಪ್ರತಿಫಲಿತ ಪ್ರದೇಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ).

ಗ್ರಾಫಿಕ್ ಮತ್ತು ಧ್ವನಿ ಮಾಹಿತಿಯನ್ನು ಅನಲಾಗ್‌ನಿಂದ ಪ್ರತ್ಯೇಕ ರೂಪಕ್ಕೆ ಪರಿವರ್ತಿಸುವುದು ಇವರಿಂದ ನಡೆಸಲ್ಪಡುತ್ತದೆ ಮಾದರಿ, ಅಂದರೆ, ನಿರಂತರ ಗ್ರಾಫಿಕ್ ಇಮೇಜ್ ಮತ್ತು ನಿರಂತರ (ಅನಲಾಗ್) ಧ್ವನಿ ಸಂಕೇತವನ್ನು ಪ್ರತ್ಯೇಕ ಅಂಶಗಳಾಗಿ ವಿಭಜಿಸುವುದು. ಮಾದರಿ ಪ್ರಕ್ರಿಯೆಯು ಎನ್ಕೋಡಿಂಗ್ ಅನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಅಂದರೆ, ಪ್ರತಿ ಅಂಶಕ್ಕೆ ನಿರ್ದಿಷ್ಟ ಮೌಲ್ಯವನ್ನು ಕೋಡ್ ರೂಪದಲ್ಲಿ ನಿಯೋಜಿಸುತ್ತದೆ.

ಮಾದರಿನಿರಂತರ ಚಿತ್ರಗಳು ಮತ್ತು ಧ್ವನಿಯನ್ನು ಸಂಕೇತಗಳ ರೂಪದಲ್ಲಿ ಪ್ರತ್ಯೇಕ ಮೌಲ್ಯಗಳ ಗುಂಪಾಗಿ ಪರಿವರ್ತಿಸುವುದು.

ಪರಿಗಣಿಸಬೇಕಾದ ಪ್ರಶ್ನೆಗಳು

1. ಗ್ರಾಫಿಕ್ ಮತ್ತು ಆಡಿಯೊ ಮಾಹಿತಿಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವ ಅನಲಾಗ್ ಮತ್ತು ಡಿಸ್ಕ್ರೀಟ್ ವಿಧಾನಗಳ ಉದಾಹರಣೆಗಳನ್ನು ನೀಡಿ.

2. ಮಾದರಿ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲತತ್ವ ಏನು?

ಅನಲಾಗ್ ಮತ್ತು ಡಿಸ್ಕ್ರೀಟ್ ಚಿತ್ರ. ಗ್ರಾಫಿಕ್ ಮಾಹಿತಿಯನ್ನು ಅನಲಾಗ್ ಅಥವಾ ಡಿಸ್ಕ್ರೀಟ್ ರೂಪದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಬಹುದು. ಅನಲಾಗ್ ಚಿತ್ರದ ಒಂದು ಉದಾಹರಣೆಯೆಂದರೆ ಅದರ ಬಣ್ಣವು ನಿರಂತರವಾಗಿ ಬದಲಾಗುವ ಪೇಂಟಿಂಗ್, ಮತ್ತು ವಿಭಿನ್ನ ಬಣ್ಣಗಳ ಪ್ರತ್ಯೇಕ ಚುಕ್ಕೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಇಂಕ್ಜೆಟ್ ಪ್ರಿಂಟರ್ ಬಳಸಿ ಮುದ್ರಿಸಲಾದ ಮಾದರಿಯು ಪ್ರತ್ಯೇಕವಾದ ಚಿತ್ರದ ಉದಾಹರಣೆಯಾಗಿದೆ. ಅನಲಾಗ್ (ತೈಲ ಚಿತ್ರಕಲೆ). ಡಿಸ್ಕ್ರೀಟ್.

ಸ್ಲೈಡ್ 11ಪ್ರಸ್ತುತಿಯಿಂದ "ಮಾಹಿತಿ ಎನ್ಕೋಡಿಂಗ್ ಮತ್ತು ಪ್ರಕ್ರಿಯೆ".

ಪ್ರಸ್ತುತಿಯೊಂದಿಗೆ ಆರ್ಕೈವ್ನ ಗಾತ್ರವು 445 KB ಆಗಿದೆ.

ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ 9 ನೇ ತರಗತಿ

"ಬ್ರಾಂಚಿಂಗ್ ಸ್ಟ್ರಕ್ಚರ್ ಅಲ್ಗಾರಿದಮ್ಸ್" - IF ಸ್ಥಿತಿ, ನಂತರ ಕ್ರಿಯೆ. ನಮಗೆ ಏನು ಗೊತ್ತು? ಪಾಠ ರಚನೆ. ಕವಲೊಡೆಯುವ ಅಲ್ಗಾರಿದಮ್. ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ ಮತ್ತು ಟೇಬಲ್ ಅನ್ನು ಭರ್ತಿ ಮಾಡಿ. 85 ರಿಂದ 100 ಅಂಕಗಳನ್ನು ಗಳಿಸುವ ವಿದ್ಯಾರ್ಥಿಯು ಸ್ಪರ್ಧೆಯ ಎರಡನೇ ಸುತ್ತಿಗೆ ಮುನ್ನಡೆಯುತ್ತಾನೆ. ಅಂಕಗಳ ಸಂಖ್ಯೆಯನ್ನು ನಮೂದಿಸಿ ಮತ್ತು ಅವನು ಅದನ್ನು ಎರಡನೇ ಸುತ್ತಿಗೆ ತಲುಪಿದ್ದಾನೆಯೇ ಎಂದು ನಿರ್ಧರಿಸಿ. a ಮತ್ತು b ನಡುವಿನ ದೊಡ್ಡ ಸಂಖ್ಯೆಯನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಯಲ್ಲಿ ಪ್ರೋಗ್ರಾಂ ಬರೆಯಿರಿ. ಕವಲೊಡೆಯುವ ಅಲ್ಗಾರಿದಮ್ ಒಂದು ಅಲ್ಗಾರಿದಮ್ ಆಗಿದೆ, ಇದರಲ್ಲಿ ಸ್ಥಿತಿಯನ್ನು ಅವಲಂಬಿಸಿ, ಕ್ರಮಗಳ ಒಂದು ಅಥವಾ ಇನ್ನೊಂದು ಅನುಕ್ರಮವನ್ನು ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ.

"ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸೃಷ್ಟಿ" - ಸಿಮ್ಯುಲೇಶನ್ ವಿಧಾನ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸುವ ವಿಧಾನಗಳು. ವಿಕಾಸಾತ್ಮಕ ವಿಧಾನ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ. ಅನೇಕ ಜನರೊಂದಿಗೆ ಸಹಬಾಳ್ವೆ ಮಾಡಬಹುದು, ವೈಯಕ್ತಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ನಿಭಾಯಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ರಚನಾತ್ಮಕ ವಿಧಾನ. ತಾರ್ಕಿಕ ವಿಧಾನ. ಅಭಿವೃದ್ಧಿಯ ಸಮಯದಲ್ಲಿ ತೊಂದರೆಗಳು. ಅಭಿವೃದ್ಧಿ ನಿರೀಕ್ಷೆಗಳು ಮತ್ತು ಅನ್ವಯದ ಕ್ಷೇತ್ರಗಳು.

"ಸೈಕ್ಲಿಕ್ ಪ್ರೋಗ್ರಾಂಗಳು" - ಡಿಜಿಟಲ್. ಪೂರ್ವ ಷರತ್ತಿನೊಂದಿಗೆ ಲೂಪ್ ಮಾಡಿ. ಮೊತ್ತವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. ನಂತರದ ಸ್ಥಿತಿಯೊಂದಿಗೆ ಲೂಪ್ ಮಾಡಿ. ನಿಯತಾಂಕದೊಂದಿಗೆ ಲೂಪ್ ಮಾಡಿ. ಯೂಕ್ಲಿಡ್ ಅಲ್ಗಾರಿದಮ್. ಆವರ್ತಕ ಕಾರ್ಯಕ್ರಮಗಳು. ನೈಸರ್ಗಿಕ ಸಂಖ್ಯೆಗಳ ಮೊತ್ತವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. ಚಕ್ರದ ಪರಿಕಲ್ಪನೆ. ಡೌನ್ ಪೇಮೆಂಟ್. ಕಾರ್ಯ ಕೋಷ್ಟಕ. ಲೆಕ್ಕ ಹಾಕಿ. ಉದಾಹರಣೆ. ವಿಭಾಜಕಗಳು. ಇನ್ಫರ್ಮ್ಯಾಟಿಕ್ಸ್. ಸಂಖ್ಯೆಗಳ ಸಂಖ್ಯೆಯನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. ಹುಡುಕಿ. ಮೂರು-ಅಂಕಿಯ ನೈಸರ್ಗಿಕ ಸಂಖ್ಯೆಗಳ ಸಂಖ್ಯೆಯನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. ಮೂರು-ಅಂಕಿಯ ಸಂಖ್ಯೆಗಳು. ಕಾರ್ಯ ಮೌಲ್ಯಗಳ ಗುಂಪನ್ನು ಹುಡುಕಿ. ಡಾಲರ್ ಪರಿವರ್ತನೆ ಟೇಬಲ್.

"ಇಮೇಲ್ ಎಂದರೇನು" - ಕಳುಹಿಸುವವರು. ಇಮೇಲ್ ವಿಳಾಸ. ಇಮೇಲ್ ಇತಿಹಾಸ. ಇ-ಮೇಲ್ ಗೋಚರಿಸುವಿಕೆಯ ಪ್ರಶ್ನೆ. ಅಕ್ಷರ ರಚನೆ. ಮೇಲ್ ರೂಟಿಂಗ್. ಪತ್ರ. ಇಮೇಲ್. ನಕಲು ಮಾಡಿ. ದಿನಾಂಕ. ಎಕ್ಸ್-ಮೇಲರ್. ಇಮೇಲ್. ಇಮೇಲ್ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ.

"ಇಮೇಲ್ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವುದು" - ಇಮೇಲ್ ವಿಳಾಸ. ಅಂಚೆಪೆಟ್ಟಿಗೆ. ಇಮೇಲ್ ಪ್ರೋಟೋಕಾಲ್. ಫೈಲ್ ಹಂಚಿಕೆ ನೆಟ್ವರ್ಕ್. ವಿಳಾಸ ಪ್ರತ್ಯೇಕತೆ. ಇಮೇಲ್ ಪ್ರಯೋಜನಗಳು. ಮೇಲ್ ಗ್ರಾಹಕರು. ಇಮೇಲ್ ಆವಿಷ್ಕಾರಕ. ವಿಳಾಸ. ಇಮೇಲ್. ಇಮೇಲ್‌ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಸಾಫ್ಟ್‌ವೇರ್. ಇಮೇಲ್ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಟೆಲಿಕಾನ್ಫರೆನ್ಸ್. ಮೇಲ್ ಸರ್ವರ್. ಫೈಲ್ ಹಂಚಿಕೆ.

“ಫೋಟೋಶಾಪ್‌ನಲ್ಲಿ ಸಂಸ್ಕರಣೆ” - ಕೂಲ್ ಹುಡುಗರೇ. ನಕಲಿಯನ್ನು ಹೇಗೆ ಪ್ರತ್ಯೇಕಿಸುವುದು. ರಾಸ್ಟರ್ ಮತ್ತು ವೆಕ್ಟರ್ ಚಿತ್ರಗಳು. ಪರಿಚಯ. ಬಹುಮಾನದ ಸ್ಥಳಗಳು. ಅಡೋಬ್ ಫೋಟೋಶಾಪ್ ಪ್ರೋಗ್ರಾಂ. ರೀಟಚಿಂಗ್. ಫೋಟೋಶಾಪ್ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಸ್ಪರ್ಧೆಗಳು. ಪ್ರಕಾಶಮಾನ ಹೊಂದಾಣಿಕೆ. ನನ್ನ ಸ್ನೇಹಿತರು. ಪ್ರಾಯೋಗಿಕ ಭಾಗ. ಇದೇ ರೀತಿಯ ಕಾರ್ಯಕ್ರಮಗಳು. ಮುಖ್ಯ ಭಾಗ. ವಿನ್ಯಾಸ. ಅಸಾಮಾನ್ಯ ಪ್ರಾಣಿಗಳು. ಬಹು ಚಿತ್ರಗಳ ಸಂಯೋಜನೆ.

ಪ್ರತ್ಯೇಕ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಚಿತ್ರಗಳು, ಪ್ರತಿಯೊಂದೂ ಸೀಮಿತ ಸಂಖ್ಯೆಯ ವಿಶಿಷ್ಟ ಮೌಲ್ಯಗಳನ್ನು ಮಾತ್ರ ತೆಗೆದುಕೊಳ್ಳಬಹುದು, ಅದು ಸೀಮಿತ ಸಮಯದಲ್ಲಿ ಬದಲಾಗಬಹುದು, ಇದನ್ನು ಪ್ರತ್ಯೇಕ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಪ್ರತ್ಯೇಕವಾದ ಚಿತ್ರದ ಅಂಶಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೇಳುವುದಾದರೆ, ಅಸಮಾನ ಪ್ರದೇಶವನ್ನು ಹೊಂದಿರಬಹುದು ಮತ್ತು ಅವುಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದೂ ಅಸಮಾನ ಸಂಖ್ಯೆಯ ವಿಶಿಷ್ಟ ಶ್ರೇಣಿಗಳನ್ನು ಹೊಂದಿರಬಹುದು ಎಂದು ಒತ್ತಿಹೇಳಬೇಕು.

ಮೊದಲ ಅಧ್ಯಾಯದಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ, ರೆಟಿನಾವು ದೃಶ್ಯ ವಿಶ್ಲೇಷಕದ ಹೆಚ್ಚಿನ ಭಾಗಗಳಿಗೆ ಪ್ರತ್ಯೇಕ ಚಿತ್ರಗಳನ್ನು ರವಾನಿಸುತ್ತದೆ.

ಅವರ ಸ್ಪಷ್ಟವಾದ ನಿರಂತರತೆಯು ದೃಷ್ಟಿಯ ಭ್ರಮೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಆರಂಭದಲ್ಲಿ ನಿರಂತರ ಚಿತ್ರಗಳ ಈ "ಕ್ವಾಂಟೈಸೇಶನ್" ಕಣ್ಣಿನ ಆಪ್ಟಿಕಲ್ ಸಿಸ್ಟಮ್ನ ರೆಸಲ್ಯೂಶನ್ಗೆ ಸಂಬಂಧಿಸಿದ ಮಿತಿಗಳಿಂದಲ್ಲ ಮತ್ತು ದೃಶ್ಯ ವ್ಯವಸ್ಥೆಯ ರೂಪವಿಜ್ಞಾನದ ರಚನಾತ್ಮಕ ಅಂಶಗಳಿಂದಲ್ಲ, ಆದರೆ ನರ ಜಾಲಗಳ ಕ್ರಿಯಾತ್ಮಕ ಸಂಘಟನೆಯಿಂದ ನಿರ್ಧರಿಸಲ್ಪಡುತ್ತದೆ.

ಒಂದು ಅಥವಾ ಇನ್ನೊಂದು ಸಂಖ್ಯೆಯ ದ್ಯುತಿಗ್ರಾಹಕಗಳನ್ನು ಒಂದುಗೂಡಿಸುವ ಗ್ರಾಹಕ ಕ್ಷೇತ್ರಗಳಿಂದ ಚಿತ್ರವನ್ನು ಪ್ರತ್ಯೇಕ ಅಂಶಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ. ಪ್ರಾದೇಶಿಕ ಮತ್ತು ತಾತ್ಕಾಲಿಕ ಸಂಕಲನದ ಮೂಲಕ ಉಪಯುಕ್ತ ಬೆಳಕಿನ ಸಂಕೇತದ ಪ್ರಾಥಮಿಕ ಆಯ್ಕೆಯನ್ನು ಸ್ವೀಕರಿಸುವ ಕ್ಷೇತ್ರಗಳು ಉತ್ಪಾದಿಸುತ್ತವೆ.

ರೆಟಿನಾದ (ಫೋವಿಯಾ) ಕೇಂದ್ರ ಭಾಗವು ಕೋನ್‌ಗಳಿಂದ ಮಾತ್ರ ಆಕ್ರಮಿಸಲ್ಪಡುತ್ತದೆ; ರಾತ್ರಿ ದೃಷ್ಟಿ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ, ರೆಟಿನಾದ ಮಧ್ಯ ಭಾಗದಲ್ಲಿರುವ ಕೋನ್ ಕ್ಷೇತ್ರಗಳು ಸರಿಸುಮಾರು ಒಂದೇ ಗಾತ್ರವನ್ನು ಹೊಂದಿರುತ್ತವೆ (ಕೋನೀಯ ಅಳತೆಯಲ್ಲಿ ಸುಮಾರು 5"). ಕೋನೀಯ ಆಯಾಮಗಳು ಸುಮಾರು 90" ಇರುವ ಫೊವಿಯಾದಲ್ಲಿನ ಅಂತಹ ಕ್ಷೇತ್ರಗಳ ಸಂಖ್ಯೆಯು ಸುಮಾರು 200 ಆಗಿದೆ. ರಾತ್ರಿ ದೃಷ್ಟಿ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಮುಖ್ಯ ಪಾತ್ರವನ್ನು ರಾಡ್ ಕ್ಷೇತ್ರಗಳಿಂದ ಆಡಲಾಗುತ್ತದೆ, ಇದು ರೆಟಿನಾದ ಸಂಪೂರ್ಣ ಉಳಿದ ಮೇಲ್ಮೈಯನ್ನು ಆಕ್ರಮಿಸುತ್ತದೆ. ಅವು ರೆಟಿನಾದ ಸಂಪೂರ್ಣ ಮೇಲ್ಮೈ ಮೇಲೆ ಸುಮಾರು 1° ಕೋನೀಯ ಗಾತ್ರವನ್ನು ಹೊಂದಿರುತ್ತವೆ. ರೆಟಿನಾದಲ್ಲಿ ಅಂತಹ ಕ್ಷೇತ್ರಗಳ ಸಂಖ್ಯೆ ಸುಮಾರು 3 ಸಾವಿರ, ಆದರೆ ಈ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಮಂದವಾಗಿ ಬೆಳಗುವ ವಸ್ತುಗಳ ವೀಕ್ಷಣೆಯನ್ನು ರೆಟಿನಾದ ಬಾಹ್ಯ ಪ್ರದೇಶಗಳಿಂದ ನಡೆಸಲಾಗುತ್ತದೆ.

ಪ್ರಕಾಶವು ಹೆಚ್ಚಾದಂತೆ, ಶೇಖರಣಾ ಕೋಶಗಳ ಮತ್ತೊಂದು ವ್ಯವಸ್ಥೆಯು-ಕೋನ್ ಗ್ರಹಿಸುವ ಕ್ಷೇತ್ರಗಳು-ಪ್ರಮುಖ ಪಾತ್ರವನ್ನು ವಹಿಸಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಫೊವಿಯಾದಲ್ಲಿ, ಪ್ರಕಾಶದ ಹೆಚ್ಚಳವು ಪರಿಣಾಮಕಾರಿ ಕ್ಷೇತ್ರದ ಬಲದಲ್ಲಿ ಕ್ರಮೇಣ ಇಳಿಕೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ, ಸುಮಾರು 100 ಆಸ್ಬಿಯ ಹೊಳಪಿನಲ್ಲಿ, ಅದು ಒಂದು ಕೋನ್‌ಗೆ ಕಡಿಮೆಯಾಗುತ್ತದೆ. ಪರಿಧಿಯಲ್ಲಿ, ಹೆಚ್ಚುತ್ತಿರುವ ಪ್ರಕಾಶದೊಂದಿಗೆ, ರಾಡ್ ಕ್ಷೇತ್ರಗಳು ಕ್ರಮೇಣ ಆಫ್ ಆಗುತ್ತವೆ (ಪ್ರತಿಬಂಧಿಸುತ್ತದೆ) ಮತ್ತು ಕೋನ್ ಕ್ಷೇತ್ರಗಳು ಕಾರ್ಯರೂಪಕ್ಕೆ ಬರುತ್ತವೆ. ಹೊರವಲಯದಲ್ಲಿರುವ ಕೋನ್ ಕ್ಷೇತ್ರಗಳು, ಫೊವೆಲ್ ಕ್ಷೇತ್ರಗಳಂತೆ, ಅವುಗಳ ಮೇಲೆ ಬೆಳಕಿನ ಶಕ್ತಿಯ ಘಟನೆಯನ್ನು ಅವಲಂಬಿಸಿ ಕಡಿಮೆಯಾಗುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿವೆ. ಕೋನ್ ಗ್ರಹಿಸುವ ಕ್ಷೇತ್ರಗಳು ಹೆಚ್ಚುತ್ತಿರುವ ಪ್ರಕಾಶದೊಂದಿಗೆ ಹೊಂದಬಹುದಾದ ದೊಡ್ಡ ಸಂಖ್ಯೆಯ ಕೋನ್‌ಗಳು ಕೇಂದ್ರದಿಂದ ರೆಟಿನಾದ ಅಂಚುಗಳಿಗೆ ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಕೇಂದ್ರದಿಂದ 50-60 ° ಕೋನೀಯ ದೂರದಲ್ಲಿ ಸರಿಸುಮಾರು 90 ತಲುಪುತ್ತದೆ.

ಉತ್ತಮ ಹಗಲಿನ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಗ್ರಾಹಕ ಕ್ಷೇತ್ರಗಳ ಸಂಖ್ಯೆಯು ಸುಮಾರು 800 ಸಾವಿರವನ್ನು ತಲುಪುತ್ತದೆ ಎಂದು ಲೆಕ್ಕಹಾಕಬಹುದು ಈ ಮೌಲ್ಯವು ಮಾನವ ಆಪ್ಟಿಕ್ ನರದಲ್ಲಿನ ಫೈಬರ್ಗಳ ಸಂಖ್ಯೆಗೆ ಸರಿಸುಮಾರು ಅನುರೂಪವಾಗಿದೆ. ಹಗಲಿನ ದೃಷ್ಟಿಯಲ್ಲಿ ವಸ್ತುಗಳ ತಾರತಮ್ಯ (ರೆಸಲ್ಯೂಶನ್) ಮುಖ್ಯವಾಗಿ ಫೊವಿಯಾದಿಂದ ನಡೆಸಲ್ಪಡುತ್ತದೆ, ಅಲ್ಲಿ ಗ್ರಹಿಸುವ ಕ್ಷೇತ್ರವನ್ನು ಒಂದು ಕೋನ್ಗೆ ಕಡಿಮೆ ಮಾಡಬಹುದು ಮತ್ತು ಶಂಕುಗಳು ಹೆಚ್ಚು ದಟ್ಟವಾಗಿ ನೆಲೆಗೊಂಡಿವೆ.

ರೆಟಿನಾದ ಶೇಖರಣಾ ಕೋಶಗಳ ಸಂಖ್ಯೆಯನ್ನು ತೃಪ್ತಿಕರ ಅಂದಾಜಿಗೆ ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಾದರೆ, ಸ್ವೀಕರಿಸುವ ಕ್ಷೇತ್ರಗಳ ಸಂಭವನೀಯ ಸ್ಥಿತಿಗಳ ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ಧರಿಸಲು ಇನ್ನೂ ಸಾಕಷ್ಟು ಡೇಟಾ ಇಲ್ಲ. ಗ್ರಹಿಸುವ ಕ್ಷೇತ್ರಗಳ ಭೇದಾತ್ಮಕ ಮಿತಿಗಳ ಅಧ್ಯಯನದ ಆಧಾರದ ಮೇಲೆ ಕೆಲವು ಅಂದಾಜುಗಳನ್ನು ಮಾತ್ರ ಮಾಡಬಹುದು. ನಿರ್ದಿಷ್ಟ ಆಪರೇಟಿಂಗ್ ಇಲ್ಯುಮಿನೇಷನ್ ಶ್ರೇಣಿಯಲ್ಲಿನ ಫೊವಲ್ ರಿಸೆಪ್ಟಿವ್ ಫೀಲ್ಡ್‌ಗಳಲ್ಲಿನ ಥ್ರೆಶೋಲ್ಡ್ ಕಾಂಟ್ರಾಸ್ಟ್ 1 ರ ಕ್ರಮವಾಗಿದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಗುರುತಿಸಬಹುದಾದ ಹಂತಗಳ ಸಂಖ್ಯೆ ಚಿಕ್ಕದಾಗಿದೆ. ಕೋನ್ ಫೋವಲ್ ರಿಸೆಪ್ಟಿವ್ ಕ್ಷೇತ್ರದ ಪುನರ್ರಚನೆಯ ಸಂಪೂರ್ಣ ಶ್ರೇಣಿಯ ಉದ್ದಕ್ಕೂ, 8-9 ಹಂತಗಳು ಭಿನ್ನವಾಗಿರುತ್ತವೆ.

ಗ್ರಹಿಸುವ ಕ್ಷೇತ್ರದಲ್ಲಿ ಶೇಖರಣೆಯ ಅವಧಿ - ನಿರ್ಣಾಯಕ ಅವಧಿ ಎಂದು ಕರೆಯಲ್ಪಡುವ - ಸರಾಸರಿ 0.1 ಸೆಕೆಂಡಿನ ಕ್ರಮದ ಮೌಲ್ಯದಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ, ಆದರೆ ಹೆಚ್ಚಿನ ಮಟ್ಟದ ಪ್ರಕಾಶದಲ್ಲಿ ಅದು ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆಯಾಗಬಹುದು.

ವಾಸ್ತವದಲ್ಲಿ, ಪ್ರಸಾರವಾದ ಚಿತ್ರಗಳ ಪ್ರತ್ಯೇಕ ರಚನೆಯನ್ನು ವಿವರಿಸುವ ಮಾದರಿಯು ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾಗಿರಬೇಕು. ಗ್ರಾಹಕ ಕ್ಷೇತ್ರದ ಗಾತ್ರಗಳು, ಮಿತಿಗಳು ಮತ್ತು ನಿರ್ಣಾಯಕ ಅವಧಿಯ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕಾಗುತ್ತದೆ, ಹಾಗೆಯೇ ದೃಶ್ಯ ಮಿತಿಗಳ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಸ್ವರೂಪ. ಆದರೆ ಸದ್ಯಕ್ಕೆ ಇದರ ಅವಶ್ಯಕತೆ ಇಲ್ಲ. ಸಮಾನ ವಿಸ್ತೀರ್ಣದ ಅಂಶಗಳ ಒಂದು ಸೆಟ್ ಅನ್ನು ಚಿತ್ರದ ಮಾದರಿಯಾಗಿ ಕಲ್ಪಿಸಿಕೊಳ್ಳುವುದು ಸಾಕು, ಅದರ ಕೋನೀಯ ಆಯಾಮಗಳು ಕಣ್ಣಿನಿಂದ ಪರಿಹರಿಸಲ್ಪಟ್ಟ ಚಿಕ್ಕ ವಿವರಗಳ ಕೋನೀಯ ಆಯಾಮಗಳಿಗಿಂತ ಚಿಕ್ಕದಾಗಿದೆ, ಗರಿಷ್ಠ ಸಂಖ್ಯೆಗಿಂತ ಹೆಚ್ಚಿರುವ ಪ್ರತ್ಯೇಕ ಸ್ಥಿತಿಗಳ ಸಂಖ್ಯೆ ಪ್ರಖರತೆಯ ಪ್ರತ್ಯೇಕವಾದ ಹಂತಗಳು, ಮತ್ತು ನಿರ್ಣಾಯಕ ಫ್ಲಿಕ್ಕರ್ ಸಮ್ಮಿಳನ ಆವರ್ತನದಲ್ಲಿ ಮಿನುಗುವ ಅವಧಿಗಿಂತ ಕಡಿಮೆಯಿರುವ ಪ್ರತ್ಯೇಕ ಬದಲಾವಣೆಯ ಸಮಯ.

ಬಾಹ್ಯ ಪ್ರಪಂಚದ ನೈಜ ನಿರಂತರ ವಸ್ತುಗಳ ಚಿತ್ರಗಳನ್ನು ನೀವು ಅಂತಹ ಪ್ರತ್ಯೇಕ ಚಿತ್ರಗಳೊಂದಿಗೆ ಬದಲಾಯಿಸಿದರೆ, ಕಣ್ಣು ಪರ್ಯಾಯವನ್ನು ಗಮನಿಸುವುದಿಲ್ಲ.* ಪರಿಣಾಮವಾಗಿ, ಈ ರೀತಿಯ ಪ್ರತ್ಯೇಕ ಚಿತ್ರಗಳು ದೃಶ್ಯ ವ್ಯವಸ್ಥೆಯು ಗ್ರಹಿಸುವುದಕ್ಕಿಂತ ಕಡಿಮೆ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ. **

* ಬಣ್ಣ ಮತ್ತು ಪರಿಮಾಣದ ಚಿತ್ರಗಳನ್ನು ಪ್ರತ್ಯೇಕ ಮಾದರಿಯೊಂದಿಗೆ ಬದಲಾಯಿಸಬಹುದು.
** ನಿರಂತರ ಚಿತ್ರಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾದವುಗಳೊಂದಿಗೆ ಬದಲಾಯಿಸುವ ಸಮಸ್ಯೆ ಚಲನಚಿತ್ರ ಮತ್ತು ದೂರದರ್ಶನ ತಂತ್ರಜ್ಞಾನಕ್ಕೆ ಮುಖ್ಯವಾಗಿದೆ. ಸಮಯದ ಪ್ರಮಾಣೀಕರಣವು ಈ ತಂತ್ರದ ಆಧಾರವಾಗಿದೆ. ಪಲ್ಸ್-ಕೋಡ್ ದೂರದರ್ಶನ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ, ಚಿತ್ರವನ್ನು ಪ್ರತ್ಯೇಕ ಅಂಶಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ ಮತ್ತು ಹೊಳಪಿನಿಂದ ಪ್ರಮಾಣೀಕರಿಸಲಾಗುತ್ತದೆ.