Gráfico de trama digital: Revelando el poder de los gráficos rasterizados digitales en la visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
Qué es un gráfico rasterizado digital
Un gráfico rasterizado digital (DRG) es una imagen digital resultante del escaneo de un mapa topográfico USGS en papel para su uso en una computadora. Los DRG creados por el USGS normalmente se escanean a 250 ppp y se guardan como TIFF. La imagen rasterizada suele incluir la información del borde original, denominada "collar del mapa". El archivo del mapa está proyectado en UTM y georreferenciado a la superficie de la Tierra. Los DRG se utilizan habitualmente en aplicaciones SIG. Los GRD se produjeron por primera vez en 1995.
Cómo se beneficiará
(I) Información y validaciones sobre los siguientes temas:
Capítulo 1: Gráfico rasterizado digital
Capítulo 2: Gráficos rasterizados
Capítulo 3: Formato de archivo (GIS)
Capítulo 4: GeoTIFF
Capítulo 5: Formato de archivo de imagen
Capítulo 6: GDAL
Capítulo 7: Mapeo web
Capítulo 8: Mapa de bits
Capítulo 9: Servicio Geológico de Estados Unidos
Capítulo 10: Mapa terrestre
(II) Respondiendo las principales preguntas del público sobre gráficos rasterizados digitales.
(III) Ejemplos del mundo real para el uso de gráficos rasterizados digitales en muchos campos.
Para quién es este libro
Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de gráfico rasterizado digital.
Lee más de Fouad Sabry
Tecnologías Emergentes En Entretenimiento [Spanish]
Relacionado con Gráfico de trama digital
Títulos en esta serie (100)
Ecualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de radón: Revelando patrones ocultos en datos visuales Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesTransformación dura: Revelando la magia de Hough Transform en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesModelo de apariencia de color: Comprensión de la percepción y la representación en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesEspacio de color: Explorando el espectro de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFiltro de partículas: Explorando los filtros de partículas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHistograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHistograma de gradientes orientados: Revelando el ámbito visual: explorando el histograma de gradientes orientados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetección de manchas: Revelando patrones en datos visuales Calificación: 0 de 5 estrellas0 calificacionesMapeo de colores: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFunción de combinación de colores: Comprensión de la sensibilidad espectral en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesAjuste del paquete: Optimización de datos visuales para una reconstrucción precisa Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesDetección de bordes: Explorando los límites en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesContorno activo: Avances en la visión por computadora con técnicas de contorno activo Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesTransformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Gráficos rasterizados: Comprender los fundamentos de los gráficos rasterizados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEditora de gráficos ráster: Transformando realidades visuales: dominio de los editores de gráficos rasterizados en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEditora de gráficos vectoriales: Potenciando la creación visual con algoritmos avanzados Calificación: 0 de 5 estrellas0 calificacionesGráficos vectoriales: Dominar los gráficos vectoriales en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRepresentación de volumen: Explorando el realismo visual en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRepresentación de línea de exploración: Explorando el realismo visual a través de técnicas de renderizado Scanline Calificación: 0 de 5 estrellas0 calificacionesModelado y renderizado basado en imágenes: Explorando el realismo visual: técnicas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCortes de gráficos de visión por computadora: Explorando cortes de gráficos en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos de trazado de rayos: Explorando la representación fotorrealista en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesSegmentación de imagen: Desbloqueo de información a través de Pixel Precision Calificación: 0 de 5 estrellas0 calificacionesPerfil de color: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMapeo de colores: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora de polígono: Explorando la intersección de gráficos por computadora poligonales y visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora de vértice: Explorando la intersección de los gráficos por computadora Vertex y la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMapa de altura: Explorando la representación del terreno a través de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesPrimitiva geométrica: Explorando los fundamentos y aplicaciones de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesClasificación de imágenes contextuales: Comprensión de los datos visuales para una clasificación eficaz Calificación: 0 de 5 estrellas0 calificacionesSuperficie procesal: Explorando la generación y el análisis de texturas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesGráficos por computadora bidimensionales: Explorando el ámbito visual: gráficos por computadora bidimensionales en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesIluminación global: Visión avanzada: conocimientos sobre la iluminación global Calificación: 0 de 5 estrellas0 calificacionesVóxel: Explorando las profundidades de la visión por computadora con tecnología Voxel Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesSombreadora: Explorando los reinos visuales con Shader: un viaje a la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesFlujo óptico: Explorando patrones visuales dinámicos en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesProcesamiento de imágenes piramidales: Explorando las profundidades del análisis visual Calificación: 0 de 5 estrellas0 calificacionesMatplotlib, Introducción a la Visualización 2D, Parte II Calificación: 0 de 5 estrellas0 calificacionesEstimación de movimiento: Avances y aplicaciones en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesUF0307 - Representación Gráfica y maquetismo Calificación: 2 de 5 estrellas2/5
Inteligencia (IA) y semántica para usted
Klara y el Sol Calificación: 5 de 5 estrellas5/5Resumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesDominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Metodología de la programación Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesEl mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5Cómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesMáquinas predictivas: La sencilla economía de la inteligencia artificial Calificación: 5 de 5 estrellas5/5Cómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Fundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesEl poder de las imagenes, la palabra no tiene poder Calificación: 0 de 5 estrellas0 calificacionesProgramacion Orientada a Objetos y Estructura de Datos a Fondo Calificación: 0 de 5 estrellas0 calificacionesChat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesDesarrollo de aplicaciones C#: con Visual Studio .NET Curso práctico Calificación: 0 de 5 estrellas0 calificacionesInteligencia Artificial Calificación: 4 de 5 estrellas4/5GuíaBurros: Inteligencia Artificial: Su lado oscuro y el fin del principio Calificación: 0 de 5 estrellas0 calificacionesOracle 12c PL/SQL: Curso práctico de formación Calificación: 0 de 5 estrellas0 calificacionesCiencias de la Computación en la escuela: Guía para enseñar mucho más que a programar Calificación: 5 de 5 estrellas5/5Diseño de algoritmos y su programación en C Calificación: 0 de 5 estrellas0 calificacionesAprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesDesarrollo de software con netbeans 7.1: Programe para scritorio, web y dispositivos móviles Calificación: 0 de 5 estrellas0 calificacionesMáquinas como yo Calificación: 4 de 5 estrellas4/5ANDROID: Aprende desde cero a crear aplicaciones Calificación: 0 de 5 estrellas0 calificacionesArrancar con html5 curso de programación: Curso de programación Calificación: 0 de 5 estrellas0 calificacionesPython fácil Calificación: 4 de 5 estrellas4/5Programación de Inteligencia Artificial. Curso Práctico Calificación: 0 de 5 estrellas0 calificaciones¿Cómo piensan las máquinas?: Inteligencia artificial para humanos Calificación: 5 de 5 estrellas5/5
Comentarios para Gráfico de trama digital
0 clasificaciones0 comentarios
Vista previa del libro
Gráfico de trama digital - Fouad Sabry
Capítulo 1: Gráfico rasterizado digital
Un gráfico ráster digital (DRG) es una imagen legible por computadora creada mediante el escaneo de un mapa topográfico del USGS en papel. Normalmente, los DRG creados por el USGS se analizan a 250 ppp y se almacenan como TIFF. Normalmente, la imagen ráster incluye la información de límite original, a menudo conocida como collar de mapa
. El archivo cartográfico se proyecta en UTM y se georreferencia a la superficie terrestre. Los DRG se utilizan con frecuencia en aplicaciones SIG. Los DRG se fabricaron inicialmente en 1995.
{Fin del capítulo 1}
Capítulo 2: Gráficos rasterizados
En gráficos por computadora y fotografía digital, un gráfico rasterizado representa una imagen bidimensional como una matriz rectangular o cuadrícula de píxeles cuadrados que se puede ver en un monitor de computadora, papel u otro medio de visualización. Técnicamente, un ráster se define por la anchura y la altura de la imagen en píxeles y el número de bits por píxel. Las imágenes rasterizadas se almacenan en archivos de imagen cuyos formatos de distribución, creación, generación y adquisición varían.
En las industrias de impresión y preimpresión, las imágenes rasterizadas se denominan contones (de tonos continuos). Sin embargo, en los sistemas digitales, el arte lineal se implementa típicamente como gráficos vectoriales.
Numerosas manipulaciones de trama se transfieren directamente a los formalismos matemáticos del álgebra lineal, donde la estructura de las matrices matemáticas es de gran importancia.
El término raster
proviene del latín rastrum (rastrillo), que se deriva del verbo radere (barrer) (raspar). Se deriva del escaneo de trama de los monitores de televisión de tubo de rayos catódicos (CRT), que pintan la imagen una línea a la vez guiando magnética o electrostáticamente un haz de electrones enfocado. También se puede utilizar para referirse a una cuadrícula rectangular de píxeles. Actualmente, el término rastrum se refiere a una herramienta para hacer líneas de pentagrama musical.
La teselación de un plano en una matriz bidimensional de cuadrados, cada uno llamado celda o píxel, es el enfoque fundamental que sustenta el modelo de datos ráster (de elemento de imagen
). En fotografía digital, el plano es el campo visual proyectado sobre el sensor de imagen; En el arte por computadora, es un lienzo virtual; y en los sistemas de información geográfica, es una proyección de la superficie de la Tierra. La resolución o el soporte, el tamaño de cada píxel cuadrado, permanece constante en toda la cuadrícula. Un método de cuadrícula podría proporcionar datos ráster o basados en cuadrículas.
Para cada píxel, se guarda un único valor numérico. Este valor es un color visible para la mayoría de las fotos, pero son posibles mediciones alternativas, incluidos códigos numéricos para categorías cualitativas. Cada cuadrícula ráster tiene un formato de píxel único, que especifica el tipo de datos de cada entero. Los formatos de píxeles comunes incluyen binario, escala de grises, paleta y a todo color, donde la profundidad de color controla la precisión de los colores mostrados y el espacio de color determina el rango de cobertura de color (que a menudo es menor que el rango completo de la visión humana del color). La mayoría de los formatos rasterizados de color contemporáneos expresan el color con 24 bits (casi 16 millones de colores diferentes) y 8 bits (0-255) por canal de color (rojo, verde y azul). Los sensores digitales utilizados en la teledetección y la astronomía suelen ser capaces de detectar y almacenar longitudes de onda más allá del espectro visible; el gran sensor de mapa de bits CCD del Observatorio Vera C. Rubin captura 3,2 gigapíxeles en una sola imagen (6,4 GB sin procesar) en seis canales de color que superan el rango espectral de la visión humana del color.
La mayoría de las imágenes de computadora se guardan en formatos de gráficos rasterizados o sus variantes comprimidas, como GIF, JPEG y PNG, que se usan ampliamente en Internet. Un formato de datos ráster se basa en una teselación (a menudo rectangular y cuadrada) del plano 2D en celdas con un solo valor cada una. La matriz bidimensional debe serializarse para almacenar los datos en un archivo. En un formato de fila principal, las celdas a lo largo de la primera fila (normalmente superior) se enumeran de izquierda a derecha, seguidas inmediatamente por las de la segunda fila, y así sucesivamente.
En la ilustración de la derecha, las celdas de la teselación A se superponen al patrón de puntos B, lo que produce una matriz C de recuentos de cuadrantes que refleja el número de puntos en cada celda. Para fines de visualización, se utilizó una tabla de búsqueda para colorear cada celda de la imagen D. Los números se presentan como una matriz principal de fila en serie:
1 3 0 0 1 12 8 0 1 4 3 3 0 2 0 2 1 7 4 1 5 4 2 2 0 3 1 2 2 2 2 3 0 5 1 9 3 3 3 4 5 0 8 0 2 4 3 2 8 4 3 2 2 7 2 3 2 10 1 5 2 1 3 7
Para reconstruir la cuadrícula bidimensional, el archivo debe incluir una sección de encabezado que especifique al menos el número de columnas y el tipo de datos de píxel (con el número de bits o bytes por valor) para que el lector sepa dónde se detiene cada valor y dónde comenzar a leer el siguiente. El número de filas, los parámetros