Le rendu en demi-ton avec sensibilité à la structure

Dans ce mémoire nous allons présenter une méthode de diffusion d’erreur originale qui peut reconstruire des images en demi-ton qui plaisent à l’œil. Cette méthode préserve des détails fins et des structures visuellement identifiables présentes dans l’image originale. Nous allons tout d’abord présenter et analyser quelques travaux précédents afin de montrer certains problèmes principaux du rendu en demi-ton, et nous allons expliquer pourquoi nous avons décidé d’utiliser un algorithme de diffusion d’erreur pour résoudre ces problèmes. Puis nous allons présenter la méthode proposée qui est conceptuellement simple et efficace. L’image originale est analysée, et son contenu fréquentiel est détecté. Les composantes principales du contenu fréquentiel (la fréquence, l’orientation et le contraste) sont utilisées comme des indices dans un tableau de recherche afin de modifier la méthode de diffusion d’erreur standard. Le tableau de recherche est établi dans un étape de pré-calcul et la modification est composée par la modulation de seuil et la variation des coefficients de diffusion. Ensuite le système en entier est calibré de façon à ce que ces images reconstruites soient visuellement proches d’images originales (des aplats d’intensité constante, des aplats contenant des ondes sinusoïdales avec des fréquences, des orientations et des constrastes différents). Finalement nous allons comparer et analyser des résultats obtenus par la méthode proposée et des travaux précédents, et démontrer que la méthode proposée est capable de reconstruire des images en demi-ton de haute qualité (qui préservent des structures) avec un traitement de temps très faible.

La composition au moyen des quarts de ton

La version intégrale de cette thèse est disponible uniquement pour consultation individuelle à la Bibliothèque de musique de l’Université de Montréal.

See London from the London Eye. 'Ver Londres desde el London Eye'.

Las Unidades de Evaluación se presentan como alternativa a las pruebas de rendimiento o exámenes. Una Unidad de Evaluación tiene tres partes esenciales: el escenario, las tareas y los inventarios de corrección. El 'escenario' es el estímulo, la situación significativa del contexto que se utiliza para movilizar los conocimientos; se utiliza un formato verbal (texto escrito) y otro no verbal (imágenes, tablas, gráficos, cuadros, etc.) que se extraen de cualquier fuente documental. Las 'tareas' permiten conocer, mediante la movilización de los conocimientos, cuál es la competencia alcanzada en el uso de procesos cognitivos, afectivos, sociales y funcionales, y el nivel de logro de los aprendizajes. Para que la información contenida sea completa (saber, hacer y querer) la Unidad de Evaluación debe incluir tareas que valoren aprendizajes receptivos, productivos y valorativos. El proceso de evaluación concluye con la corrección de tareas, realizada por el propio alumno o por el profesorado. Con carácter general, las tareas utilizadas en las Unidades de Evaluación se definen con diferentes formatos de respuesta y criterios de corrección. Esta Unidad de Evaluación se presenta como un modelo de evaluación competencial, en ningún caso pretende ser algo más que una ejemplificación que estimule la creación de materiales para la evaluación de las competencias básicas de los propios docentes. Elaborada por la Oficina de Evaluación de la Junta de Comunidades de Castilla-La Mancha para su aplicación en la convocatoria de septiembre de 2009 de las pruebas de graduado en educación secundaria para personas adultas

Brown bear, brown bear, what do you see?

El formato repetitivo está diseñado para ayudar a los niños a aprender los nombres de los colores y de los animales. Las ilustraciones collage a doble página, cuentan con un oso pardo, un pájaro rojo, un pato amarillo, un caballo azul, una rana verde, un gato morado, un perro blanco y una oveja negra, que invitan a descubrir la criatura que mostrarán a continuación. Imágenes identificables y repetición rítmica de preguntas y respuesta del texto es el patrón se repite una y otra vez, hasta que el pre-lector puede predecir fácilmente la siguiente rima. Una cosa que los lectores tal vez no pueden predecir, sin embargo, es el tipo de personaje que hará su aparición en el desenlace. Para lectura interactiva en voz alta entre el profesor y los alumnos y para lectura compartida.

Rooster's off to see the world.

Una buena mañana, un gallo decidió que quería viajar. Por el camino se le unieron dos gatos, tres ranas, cuatro tortugas y cinco peces, todos deseosos de conocer el mundo. Pero descubren que llevar una vida itinerante es un trabajo más difícil de lo que pensaban. Esta historia sirve para iniciar a los niños en el significado de los números y en las operaciones aritméticas de suma y resta.

Wait and see.

Bear se sienta debajo de un árbol a esperar. Llega Cat y le pregunta porque esta sentado, le contesta que espere. Llegan Dog y Horse y les da la misma respuesta. A que están esperando los cuatro sentados debajo de un árbol.

Brown bear, brown bear, what do you see?

El formato repetitivo está diseñado para ayudar a los niños a aprender los nombres de los colores y de los animales. Las ilustraciones collage a doble página, cuentan con un oso pardo, un pájaro rojo, un pato amarillo, un caballo azul, una rana verde, un gato morado, un perro blanco y una oveja negra, que invitan a descubrir la criatura que mostrarán a continuación. Imágenes identificables y repetición rítmica de preguntas y respuesta del texto es el patrón se repite una y otra vez, hasta que el pre-lector puede predecir fácilmente la siguiente rima. Una cosa que los lectores tal vez no pueden predecir, sin embargo, es el tipo de personaje que hará su aparición en el desenlace. Para lectura interactiva en voz alta entre el profesor y los alumnos y para lectura compartida.

See inside London. 'Ver el interior de Londres'.

La historia de Londres contada para los niños. Utiliza ilustraciones y solapas para que éstos conozcan los más importantes acontecimientos ocurridos en la ciudad a lo largo de dos mil años, desde incendios hasta plagas y terribles ataques aéreos.

Spatial calibration of an optical see-through head-mounted display

We present here a method for calibrating an optical see-through Head Mounted Display (HMD) using techniques usually applied to camera calibration (photogrammetry). Using a camera placed inside the HMD to take pictures simultaneously of a tracked object and features in the HMD display, we could exploit established camera calibration techniques to recover both the intrinsic and extrinsic properties of the~HMD (width, height, focal length, optic centre and principal ray of the display). Our method gives low re-projection errors and, unlike existing methods, involves no time-consuming and error-prone human measurements, nor any prior estimates about the HMD geometry.

An automated calibration method for non-see-through head mounted displays

Accurate calibration of a head mounted display (HMD) is essential both for research on the visual system and for realistic interaction with virtual objects. Yet, existing calibration methods are time consuming and depend on human judgements, making them error prone. The methods are also limited to optical see-through HMDs. Building on our existing HMD calibration method [1], we show here how it is possible to calibrate a non-see-through HMD. A camera is placed inside an HMD displaying an image of a regular grid, which is captured by the camera. The HMD is then removed and the camera, which remains fixed in position, is used to capture images of a tracked calibration object in various positions. The locations of image features on the calibration object are then re-expressed in relation to the HMD grid. This allows established camera calibration techniques to be used to recover estimates of the display’s intrinsic parameters (width, height, focal length) and extrinsic parameters (optic centre and orientation of the principal ray). We calibrated a HMD in this manner in both see-through and in non-see-through modes and report the magnitude of the errors between real image features and reprojected features. Our calibration method produces low reprojection errors and involves no error-prone human measurements.

An automated calibration method for non-see-through head mounted displays

Accurate calibration of a head mounted display (HMD) is essential both for research on the visual system and for realistic interaction with virtual objects. Yet, existing calibration methods are time consuming and depend on human judgements, making them error prone, and are often limited to optical see-through HMDs. Building on our existing approach to HMD calibration Gilson et al. (2008), we show here how it is possible to calibrate a non-see-through HMD. A camera is placed inside a HMD displaying an image of a regular grid, which is captured by the camera. The HMD is then removed and the camera, which remains fixed in position, is used to capture images of a tracked calibration object in multiple positions. The centroids of the markers on the calibration object are recovered and their locations re-expressed in relation to the HMD grid. This allows established camera calibration techniques to be used to recover estimates of the HMD display's intrinsic parameters (width, height, focal length) and extrinsic parameters (optic centre and orientation of the principal ray). We calibrated a HMD in this manner and report the magnitude of the errors between real image features and reprojected features. Our calibration method produces low reprojection errors without the need for error-prone human judgements.