Spatial Filtere. Lars Vidar Magnusson. February 6, Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters

Størrelse: px
Begynne med side:

Download "Spatial Filtere. Lars Vidar Magnusson. February 6, Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters"

Transkript

1 Spatial Filtere Lars Vidar Magnusson February 6, 207 Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters

2 Hvordan Lage Spatial Filtere Det er å lage et filter er nokså enkelt; vi må bare bestemme størrelse og sette koeffisientene. Koeffisientene bestemmer hva filteret gjør. Under ser vi to eksempler; ett hvor koeffisientene settes direkte, og et hvor de settes utifra en funksjon h(x, y) = e x2 +y 2 2σ 2 h(, ) h(0, ) h(, ) h(, 0) h(0, 0) h(, 0) h(, ) h(0, ) h(, )

3 Utjevnende (Smoothing) Filtere Utjevnende filtere kalles ofte averaging eller lowpass filtere. De er ment for å fjerne unødvendige detaljer. De har mange bruksområder Fjerning av støy Fjerne irrelevante detaljer (mindre enn objektet av interesse) Jevne ut kunstige kanter Ulempen er at de ofte kan fjerne detaljer vi faktisk er interesserte i.

4 Gjennomsnittsfilter Det enkleste smoothing filteret er gjennomsnittsfilteret (average). Under er 3 3 gjennomsnittsfilter. 9 Dette er det samme filteret som vist tidligere, bare at vi har flyttet brøken utenfor. Filtere med bare like koeffisienter kalles ofte for box filtere.

5 Gjennomsnittsfilter - Eksempel Under er det gitt et eksempel med en filterstørrelse på 3.

6 Gjennomsnittsfilter - Eksempel Under er det gitt et eksempel med en filterstørrelse på 5.

7 Gjennomsnittsfilter - Eksempel Under er det gitt et eksempel med en filterstørrelse på 9.

8 Gjennomsnittsfilter - Eksempel Under er det gitt et eksempler med en filterstørrelse på 5.

9 Gjennomsnittsfilter - Eksempel Under er det gitt et eksempel med en filterstørrelse på 35.

10 Vektet Gjennomsnittsfilter Et litt mer interessant filter er et vektet gjennomsnittsfilter (weighted average) Senterpunktet er vektet høyest, siden det viktigste punktet. Naboene er vektet inversely i forhold til avstanden fra senter. Legg merke til at summen av koeffisientene er 6; dette er grunnen til at vi normaliserer med /6.

11 Vektet Gjennomsnittsfilter - Eksempel Under er det gitt et eksempel på bruk av vektet gjennomsnittsfilter.

12 Order-Statistic Filtere We kan også ta i bruk ikke-lineære filtere i form av rekkefølgerangering (order) for utjevning. Et populært slikt filter er median filteret. Sorterer intensitetene i det gjeldende vinduet og velger det midterste. Egner seg svært godt til såkalt salt-og-pepper støy.

13 Median Filter - Eksempel Under ser dere et bilde av et kretskort som har en betydelig mengde salt-og-pepper støy. Bildet i midten er output fra konvoluering med 3x3 gjennomsnittsfilter, mens bildet til høyre er et median-filter.

14 Skjærpende (Sharpening) Filtere Poenget med skjærpende (sharpening) filtere er å fremhver detaljer; det omvendte av smoothing filtere. Siden vi kunne jevne ut med integrasjon (summering), er det naturlig å tenke at vi kan skjærpe med derivering. Vi skal se på et sett med detaljeskjærpende filtere som er basert på den først- og andre-deriverte.

15 Grunnleggende Teori Vi begynner med å se på en-dimensjonelle funksjoner. En enkel definisjon på den første-deriverte kan være følgende differanse. f x = f (x + ) f (x) Vi bruker den partielle deriverte for å sørge for konsekvent notasjon. Den andre-deriverte kan da bli følgende. 2 f = f (x + ) + f (x ) 2f (x) x 2

16 Krav til den Deriverte Definisjonene gitt på forrige slide er bare en mulig løsning. Det finnes flere. Vi har følgende krav til den første-deriverte. null i områder med konstant intensitet ikke-null i områder hvor intensitetet begynner å endre seg ikke-null i ramper Vi har følgende krav til den andre-deriverte. null i områder med konstant intensitet ikke-null i områder hvor intensitetet begynner å endre seg null i ramper

17 Test av Definisjonene Vi kan verifisere de definerte derivasjonene ved å se på et enkelt eksempel Vi kan se at kravene er oppfylt.

18 Andre-Deriverte for Skjærping - Laplacian Vi må definere den andre-deriverte for to dimensjoner før vi kan bruke den til bildeskjærping. Vi er bare interesserte i filtere som er isotropisk (isotropic) i.e. de er rotasjonsinvariante. Det har blitt vist at den enkleste isotropiske andre-deriverte er Laplacian, som er definert som. 2 f = 2 f x f y 2

19 Diskret Laplacian Definisjonen på forrige slide må diskretiseres før vi kan bruke den til bildeskjærping. I x-retningen så får vi.. 2 f = f (x +, y) + f (x, y) 2f (x, y) x 2 I y-retningen så får vi.. 2 f = f (x, y + ) + f (x, y ) 2f (x, y) y 2 Det følger deretter at den diskrete Laplacian er.. 2 f (x, y) = f (x +, y) + f (x, y) + f (x, y + ) + f (x, y ) 4f (x, y)

20 Laplacian Filter Utifra den forrige sliden har vi kommet frem til følgende filter Denne kan alternativt byttes ut med

21 Laplacian Filter Vi kan også inkorporere de diagonale retningene. Da får vi følgende filter. 8 Denne kan alternativt byttes ut med.. 8

22 Bildeskjærpning Da kan vi endelig se på hvordan man utfører bildeskjærping med den andre-deriverte. g(x, y) = f (x, y) + c[ 2 f (x, y)] Hvor c er en konstant som sier hvor mye vi skal skjærpe.

Filtrering i Frekvensdomenet II

Filtrering i Frekvensdomenet II Filtrering i Frekvensdomenet II Lars Vidar Magnusson March 7, 2017 Delkapittel 4.8 Image Smoothing Using Frequency Domain Filters Delkapittel 4.9 Image Sharpening Using Frequency Domain Filters Low-Pass

Detaljer

Punkt, Linje og Kantdeteksjon

Punkt, Linje og Kantdeteksjon Punkt, Linje og Kantdeteksjon Lars Vidar Magnusson April 18, 2017 Delkapittel 10.2 Point, Line and Edge Detection Bakgrunn Punkt- og kantdeteksjon er basert på teorien om skjærping (forelesning 7 og 8).

Detaljer

Mer om Histogramprosessering og Convolution/Correlation

Mer om Histogramprosessering og Convolution/Correlation Mer om Histogramprosessering og Convolution/Correlation Lars Vidar Magnusson January 30, 2017 Delkapittel 3.3 Histogram Processing Delkapittel 3.4 Fundementals of Spatial Filtering Lokal Histogramprosessering

Detaljer

Histogramprosessering

Histogramprosessering Histogramprosessering Lars Vidar Magnusson January 22, 2018 Delkapittel 3.3 Histogram Processing Histogram i Bildeanalyse Et histogram av et digitalt bilde med intensitet i intervallet [0, L) er en diskret

Detaljer

Intensitetstransformasjoner og Spatial Filtrering

Intensitetstransformasjoner og Spatial Filtrering Intensitetstransformasjoner og Spatial Filtrering Lars Vidar Magnusson January 23, 2017 Delkapittel 3.1 Background Delkapittel 3.2 Some Basic Intensity Tranformation Functions Spatial Domain Som vi allerede

Detaljer

Grunnleggende Matematiske Operasjoner

Grunnleggende Matematiske Operasjoner Grunnleggende Matematiske Operasjoner Lars Vidar Magnusson January 16, 2017 Delkapittel 2.6 Array vs Matrise Operasjoner Det er vanlig med både array- og matrise-operasjoner på bilder. Array-multiplikasjon

Detaljer

Histogramprosessering

Histogramprosessering Histogramprosessering Lars Vidar Magnusson January 24, 217 Delkapittel 3.3 Histogram Processing Histogram i Bildeanalyse Et histogram av et digitalt bilde med intensitet i intervallet [, L) er en diskret

Detaljer

Morfologi i Binære Bilder II

Morfologi i Binære Bilder II Morfologi i Binære Bilder II Lars Vidar Magnusson March 28, 2017 Delkapittel 9.3 Opening and Closing Delkapittel 9.4 The Hit-or-Miss Transformation Opening (Åpning) Opening er en morfologisk operasjon

Detaljer

Filtrering i Frekvensdomenet III

Filtrering i Frekvensdomenet III Filtrering i Frekvensdomenet III Lars Vidar Magnusson March 13, 2017 Delkapittel 4.9.5 Unsharp Masking, Highboost Filtering, and High-Frequency-Emphasis Filtering Delkapittel 4.10 Unsharp Masking og Highboost

Detaljer

Kantdeteksjon og Fargebilder

Kantdeteksjon og Fargebilder Kantdeteksjon og Fargebilder Lars Vidar Magnusson April 25, 2017 Delkapittel 10.2.6 More Advanced Techniques for Edge Detection Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Marr-Hildreth

Detaljer

Morfologi i Gråskala-Bilder

Morfologi i Gråskala-Bilder Morfologi i Gråskala-Bilder Lars Vidar Magnusson April 3, 2017 Delkapittel 9.6 Gray-Scale Morphology Generelt Gråskala morfologiske operasjoner har mye til felles med binære morfologiske operasjoner. Vi

Detaljer

Morfologi i Gråskala-Bilder II

Morfologi i Gråskala-Bilder II Morfologi i Gråskala-Bilder II Lars Vidar Magnusson April 4, 2017 Delkapittel 9.6 Gray-Scale Morphology Top-Hat (Topphatt) Transformasjon Et eksempel på bruk av top-hat transformasjonen Top-Hat (Topphatt)

Detaljer

Fourier-Transformasjoner II

Fourier-Transformasjoner II Fourier-Transformasjoner II Lars Vidar Magnusson February 27, 2017 Resten av Delkapittel 4.2 Preliminary Concepts Delkapittel 4.3 Sampling and the Fourier Transform of Sampled Functions Delkapittel 4.4

Detaljer

Eksamen i MIK130, Systemidentifikasjon

Eksamen i MIK130, Systemidentifikasjon DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: 21 februar 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen Bokmål

Detaljer

Morfologi i Binære Bilder

Morfologi i Binære Bilder Morfologi i Binære Bilder Lars Vidar Magnusson February 26, 2018 Delkapittel 9.1 Preliminaries Delkapittel 9.2 Dilation and Erosion Delkapittel 9.3 Opening and Closing Delkapittel 9.4 The Hit-or-Miss Transformation

Detaljer

MAT1030 Diskret Matematikk

MAT1030 Diskret Matematikk MAT1030 Diskret Matematikk Forelesning 29: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo 13. mai 2009 (Sist oppdatert: 2009-05-17 22:38) Forelesning 29: Kompleksitetsteori

Detaljer

Forelesning 29: Kompleksitetsteori

Forelesning 29: Kompleksitetsteori MAT1030 Diskret Matematikk Forelesning 29: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo Forelesning 29: Kompleksitetsteori 13. mai 2009 (Sist oppdatert: 2009-05-17

Detaljer

Grunnleggende om Digitale Bilder (ITD33515)

Grunnleggende om Digitale Bilder (ITD33515) Grunnleggende om Digitale Bilder (ITD33515) Lars Vidar Magnusson January 13, 2017 Delkapittel 2.2, 2.3, 2.4 og 2.5 Lys og det Elektromagnetiske Spektrum Bølgelengde, Frekvens og Energi Bølgelengde λ og

Detaljer

Filter-egenskaper INF Fritz Albregtsen

Filter-egenskaper INF Fritz Albregtsen Filter-egenskaper INF 60-04.03.2002 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 2: - Lineær filtrering - Gradient-detektorer - Laplace-operatorer Linearitet H [af (x, y) + bf 2 (x, y)] ah [f (x, y)]

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Oppgavesettett er på : 6 sider

Detaljer

Brukerkurs i Gauss feilforplantning

Brukerkurs i Gauss feilforplantning Brukerkurs i Gauss feilforplantning Knut S. Gjerden 9. august 2011 evt. gaussisk feilforplantning eller bruk av Gauss lov for feilforplantning. Samt litt generelt om fysikkting.

Detaljer

1 Mandag 22. februar 2010

1 Mandag 22. februar 2010 1 Mandag 22. februar 2010 Vi begynner med litt repetisjon fra forrige gang, med å sjekke om et vektorfelt er konservativt og dersom svaret er ja, regne ut potensialfunksjonen. Videre skal vi se på en variant

Detaljer

Oversikt over det kinesiske restteoremet

Oversikt over det kinesiske restteoremet Oversikt over det kinesiske restteoremet Richard Williamson 3. desember 2014 Oppgave 1 Finn et heltall x slik at: (1) x 2 (mod 6); (2) x 3 (mod 11). Hvordan vet jeg at vi bør benytte det kinesiske restteoremet?

Detaljer

Kapittel 2. Antiderivering. 2.1 Derivasjon

Kapittel 2. Antiderivering. 2.1 Derivasjon Kapittel 2 Antiderivering I dette og neste kapittel skal vi bli kjent med noen typer difflikninger og lære hvordan disse kan løses. Til dette trenger vi derivering og antiderivering. 2.1 Derivasjon I Kapittel

Detaljer

MAT feb feb mars 2010 MAT Våren 2010

MAT feb feb mars 2010 MAT Våren 2010 MAT 1012 Våren 2010 Mandag 22. februar 2010 Forelesning Vi begynner med litt repetisjon fra forrige gang, med å sjekke om et vektorfelt er konservativt og dersom svaret er ja, regne ut potensialfunksjonen.

Detaljer

Plan for fagdag 1. Plan: Viktig å få gjort arbeidsoppgavene! Differanse- og summefølger. Bruk av kurvetilpasning. Fagdag R

Plan for fagdag 1. Plan: Viktig å få gjort arbeidsoppgavene! Differanse- og summefølger. Bruk av kurvetilpasning. Fagdag R Plan for fagdag 1 R2-04.09.2014 Plan: Teori: Litt om de vanlige teknikkene for å finne ut av følger og rekker: - Differanse- og summefølger. - Bruk av kurvetilpasning. (Regresjon.) - Figur-tall. - Sammenhengen:

Detaljer

ØVINGER 2017 Løsninger til oppgaver. Øving 1

ØVINGER 2017 Løsninger til oppgaver. Øving 1 ØVINGER 017 Løsninger til oppgaver Øving 1.1. Frekvenstabell For å lage en frekvenstabell må vi telle antall observasjoner av hvert antall henvendelser. Siden antall henvendelser på en gitt dag alltid

Detaljer

MA1410: Analyse - Notat om differensiallikninger

MA1410: Analyse - Notat om differensiallikninger Høgskolen i Agder Avdeling for realfag MA40: Analyse - Notat om differensiallikninger Dato: Høsten 2000 Merknader: Dette notatet kommer i tillegg til 4.2 og 6. i læreboka. Ma 40: Analyse skal inneholde

Detaljer

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein INF2310 - Stikkord over pensum til midtveis 2017 Kristine Baluka Hein 1 Forhold mellom størrelse i bildeplan y og "virkelighet"y y y = s s og 1 s + 1 s = 1 f Rayleigh kriteriet sin θ = 1.22 λ D y s = 1.22

Detaljer

Løsningsforslag øving 6

Løsningsforslag øving 6 Løsningsforslag øving 6 7 Husk Teorem 79 i notatet: En delmengde U av et vektorrom V er et underrom hvis ) nullvektoren er i U, ) summen av to vektorer i U er i U igjen, og 3) et skalarmultiplum av en

Detaljer

Løsningsforslag Eksamen S2, høsten 2016 Laget av Tommy Odland Dato: 27. januar 2017

Løsningsforslag Eksamen S2, høsten 2016 Laget av Tommy Odland Dato: 27. januar 2017 Løsningsforslag Eksamen S, høsten 016 Laget av Tommy Odland Dato: 7. januar 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 3 5x, og vi kommer til å få bruk for reglene (ax n ) = anx

Detaljer

Polare trekanter. Kristian Ranestad. 27. oktober Universitetet i Oslo

Polare trekanter. Kristian Ranestad. 27. oktober Universitetet i Oslo Universitetet i Oslo 27. oktober 2011 Pol og polare Enhetssirkelen har likningen q(x, y) = x 2 + y 2 1 = 0 For hvert punkt a = (a 1, a 2 ) på sirkelen er tangentlinja til sirkelen definert av likningen

Detaljer

Test, 4 Differensiallikninger

Test, 4 Differensiallikninger Test, 4 Differensiallikninger Innhold 4.1 Førsteordens differensiallikninger... 1 4. Modellering... 7 4.3 Andreordens homogene differensiallikninger... 13 Oppgaver og løsninger Grete Larsen/NDLA 4.1 Førsteordens

Detaljer

Litt om numerisk integrasjon og derivasjon og løsningsforslag til noen ekstraoppgaver MAT-INF 1100 uke 48 (22/11-26/11)

Litt om numerisk integrasjon og derivasjon og løsningsforslag til noen ekstraoppgaver MAT-INF 1100 uke 48 (22/11-26/11) Litt om numerisk integrasjon og derivasjon og løsningsforslag til noen ekstraoppgaver MAT-INF 1100 uke 48 (22/11-26/11) Knut Mørken 22. november 2004 Vi har tidligere i kurset sett litt på numerisk derivasjon

Detaljer

Oppgave 3c Konvolusjonsteoremet: f Λ g, F G og f g, F Λ G F rste del sier at konvolusjon i det romlige domenet (f Λ g) er det samme som pixelvis multi

Oppgave 3c Konvolusjonsteoremet: f Λ g, F G og f g, F Λ G F rste del sier at konvolusjon i det romlige domenet (f Λ g) er det samme som pixelvis multi Oppgave 3a 1 P N 1 N x=0 P N 1 y=0 f (x; y) e j2ß(ux+vy)=n Oppgave 3b 2D diskret konvolusjon for x =0to M for y =0to N h(x; y) =0 for m =0to M for n =0to N h(x; y)+ = f (m; n) Λ g(x m; y n) h(x; y) =h(x;

Detaljer

EKSAMEN Løsningsforslag

EKSAMEN Løsningsforslag 5..7 EKSAMEN Løsningsforslag Emnekode: ITD5 Dato:. desember 7 Hjelpemidler: - To A-ark med valgfritt innhold på begge sider. - Formelhefte. - Kalkulator som deles ut samtidig med oppgaven. Emnenavn: Matematikk

Detaljer

Kommentarer til oppgavene

Kommentarer til oppgavene Kommentarer til oppgavene 7.4, 7.7, 7.0, 7.4, 7., 7.98, 7.9 Teknikker: Se/gjette/prøve, gjerne i kombinasjon med tabeller, differanser og: Figurtall. (Eksempel 5, eksempel og figuren nederst side 59, 7.5,

Detaljer

MAT1120 Notat 2 Tillegg til avsnitt 5.4

MAT1120 Notat 2 Tillegg til avsnitt 5.4 MAT1120 Notat 2 Tillegg til avsnitt 54 Dette notatet utfyller bokas avsnitt 54 om matriserepresentasjonen (også kalt koordinatmatrisen) til en lineær avbildning mellom to endeligdimensjonale vektorrom

Detaljer

Lineære ligningssystemer og gausseliminasjon

Lineære ligningssystemer og gausseliminasjon Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente Oppvarming Her er et eksempel på et

Detaljer

Oppsummering MA1101. Kristian Seip. 23. november 2017

Oppsummering MA1101. Kristian Seip. 23. november 2017 Oppsummering MA1101 Kristian Seip 23. november 2017 Forelesningen 23. november Denne forelesningen beskriver de store linjer og sammenhengen mellom de ulike deltemaene i MA1101 noen tips for eksamensperioden

Detaljer

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I Lokale operasjoner INF 30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre

Detaljer

MAT1120 Notat 2 Tillegg til avsnitt 5.4

MAT1120 Notat 2 Tillegg til avsnitt 5.4 MAT1120 Notat 2 Tillegg til avsnitt 54 Dette notatet utfyller bokas avsnitt 54 om matriserepresentasjoner (også kalt koordinatmatriser) av lineære avbildninger mellom endeligdimensjonale vektorrom En slik

Detaljer

1 Mandag 15. februar 2010

1 Mandag 15. februar 2010 1 Mandag 15. februar 2010 Vi begynner med et eksempel på bruk av partiell derivasjon for å gjøre såkalt lineær regresjon, eller minste kvadraters metode. Dette er en anvendelse av teorien vi har gjennomgått

Detaljer

MAT feb feb feb MAT Våren 2010

MAT feb feb feb MAT Våren 2010 Våren 2010 Mandag 15. februar 2010 Forelesning Vi begynner med et eksempel på bruk av partiell derivasjon for å gjøre såkalt lineær regresjon, eller minste kvadraters metode. Dette er en anvendelse av

Detaljer

INEC1800 ØKONOMI, FINANS OG REGNSKAP EINAR BELSOM

INEC1800 ØKONOMI, FINANS OG REGNSKAP EINAR BELSOM INEC1800 ØKONOMI, FINANS OG REGNSKAP EINAR BELSOM HØST 2017 FORELESNINGSNOTAT 3 Etterspørselselastisitet og marginalinntekt* Dette notatet beskriver etterspørselselastisitet. Det vil si relative endring

Detaljer

Obligatorisk oppgave 1 i MAT1140, Høst Løsninger med kommentarer

Obligatorisk oppgave 1 i MAT1140, Høst Løsninger med kommentarer Obligatorisk oppgave 1 i MAT1140, Høst 2014. Oppgave 1 er med kommentarer En funksjon f : R R er en polynomfunksjon hvis f kan defineres som f(x) = a 0 + a 1 x + + a n x n hvor n 0 og a 0,..., a n er reelle

Detaljer

Kontinuitet og grenseverdier

Kontinuitet og grenseverdier Kontinuitet og grenseverdier Avdeling for lærerutdanning, Høgskolen i Vestfold 5. januar 2009 1 Innledning Kontinuitetsbegrepet For å motivere og innlede til kontinuitetsbegrep skal vi først undersøke

Detaljer

Løsningsforslag Eksamen S2, høsten 2015 Laget av Tommy O. Sist oppdatert: 25. mai 2017

Løsningsforslag Eksamen S2, høsten 2015 Laget av Tommy O. Sist oppdatert: 25. mai 2017 Løsningsforslag Eksamen S2, høsten 215 Laget av Tommy O. Sist oppdatert: 25. mai 217 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere funksjonen f(x) = x 3 + 2x. Formelen vi må bruke er (x n ) =

Detaljer

Løsningsskisser til oppgaver i Kapittel Integrerende faktor

Løsningsskisser til oppgaver i Kapittel Integrerende faktor Løsningsskisser til oppgaver i Kapittel 6.4 - Integrerende faktor Teori: Differensialligninger på formen y fx y gx (lineære i y av første orden) er ikke separable hvis ikke fx og gx er tallkonstanter.

Detaljer

Introduksjon. MAT1030 Diskret Matematikk. Introduksjon. En graf. Forelesning 22: Grafteori. Roger Antonsen

Introduksjon. MAT1030 Diskret Matematikk. Introduksjon. En graf. Forelesning 22: Grafteori. Roger Antonsen MAT1030 Diskret Matematikk Forelesning 22: Grafteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo Introduksjon 21. april 2009 (Sist oppdatert: 2009-04-21 15:13) MAT1030 Diskret Matematikk

Detaljer

Introduksjon. MAT1030 Diskret matematikk. Søkealgoritmer for grafer. En graf

Introduksjon. MAT1030 Diskret matematikk. Søkealgoritmer for grafer. En graf Introduksjon MAT13 Diskret matematikk Forelesning 21: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 9. april 28 Vi skal nå over til kapittel 1 & grafteori. Grafer fins overalt rundt

Detaljer

MAT1030 Diskret matematikk

MAT1030 Diskret matematikk MAT1030 Diskret matematikk Forelesning 21: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 9. april 2008 Introduksjon Vi skal nå over til kapittel 10 & grafteori. Grafer fins overalt

Detaljer

MAT feb feb feb MAT Våren 2010

MAT feb feb feb MAT Våren 2010 MAT 1012 Våren 2010 Forelesning Vi er ferdig med en-variabel-teorien, og vi kan begynne å jobbe med funksjoner i flere variable. Det første vi skal gjøre er å gå gjennom de vanlige analysene vi gjør for

Detaljer

Oppsummering TMA4100. Kristian Seip. 26./28. november 2013

Oppsummering TMA4100. Kristian Seip. 26./28. november 2013 Oppsummering TMA4100 Kristian Seip 26./28. november 2013 Forelesningene 26./28. november Disse forelesningene er et forsøk på å se de store linjer og sammenhengen mellom de ulike deltemaene i TMA4100 delvis

Detaljer

Lineære ligningssystemer og gausseliminasjon

Lineære ligningssystemer og gausseliminasjon Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente. Oppvarming Her er et eksempel på et

Detaljer

Løsningsforslag Eksamen S2, våren 2016 Laget av Tommy Odland Dato: 29. januar 2017

Løsningsforslag Eksamen S2, våren 2016 Laget av Tommy Odland Dato: 29. januar 2017 Løsningsforslag Eksamen S, våren 016 Laget av Tommy Odland Dato: 9. januar 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = e x. Den generelle regelen er at (e ax ) = ae ax, i vårt tilfelle

Detaljer

Dato: fredag 14 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen. 1 Diskret tilstandsrommodell 2. 2 Stående pendel 4

Dato: fredag 14 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen. 1 Diskret tilstandsrommodell 2. 2 Stående pendel 4 DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK30, Systemidentifikasjon Dato: fredag 4 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler:

Detaljer

Korteste Vei I. Lars Vidar Magnusson 9.4.2014. Kapittel 24 Hvordan finne korteste vei Egenskaper ved korteste vei

Korteste Vei I. Lars Vidar Magnusson 9.4.2014. Kapittel 24 Hvordan finne korteste vei Egenskaper ved korteste vei Korteste Vei I Lars Vidar Magnusson 9.4.2014 Kapittel 24 Hvordan finne korteste vei Egenskaper ved korteste vei Korteste Vei Problemet I denne forelesningen skal vi se på hvordan vi kan finne korteste

Detaljer

Matematikk for økonomer Del 2

Matematikk for økonomer Del 2 Matematikk for økonomer Del 2 Formelark Dokument type: Formelark Antall kapitler: 10 kapitler Antall sider: 17 Sider Forfatter: Studiekvartalets kursholdere rett til bruk av materialet. Det innebærer at

Detaljer

Polynomisk interpolasjon

Polynomisk interpolasjon Polynomisk interpolasjon Hans Munthe-Kaas 1. jaunar 2002 Abstract Dette notatet tar for seg interpolasjon med polynomer. Notatet er ment som et tillegg til læreboken i I162, og forsøker å framstille dette

Detaljer

Fourier-Transformasjoner

Fourier-Transformasjoner Fourier-Transformasjoner Lars Vidar Magnusson February 21, 2017 Delkapittel 4.1 Background Delkapittel 4.2 Preliminary Concepts Fourier Fourier var en fransk matematiker/fysiker som levde på 1700/1800-tallet.

Detaljer

Basisoppgaver til 1P kap. 5 Funksjoner

Basisoppgaver til 1P kap. 5 Funksjoner Basisoppgaver til 1P kap. 5 Funksjoner 5.1 Funksjoner og grafer 5.2 Førstegradsfunksjoner 5.3 Lineær vekst 5.4 Proporsjonalitet 5.5 Andregradsfunksjoner 5.6 Mer om funksjoner Basisoppgaver 5.1 Funksjoner

Detaljer

Løsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017

Løsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017 Løsningsforslag Eksamen S, høsten 017 Laget av Tommy O. Sist oppdatert: 6. november 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 4x 3. Vi bruker regelen samt regelen (x n ) = nx

Detaljer

Mer om mengder: Tillegg til Kapittel 1. 1 Regneregler for Booleske operasjoner

Mer om mengder: Tillegg til Kapittel 1. 1 Regneregler for Booleske operasjoner MAT1140, H-16 Mer om mengder: Tillegg til Kapittel 1 Vi trenger å vite litt mer om mengder enn det som omtales i første kapittel av læreboken. I dette tillegget skal vi først se på regneregler for Booleske

Detaljer

Forelesning 30: Kompleksitetsteori

Forelesning 30: Kompleksitetsteori MAT1030 Diskret Matematikk Forelesning 30: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo Forelesning 30: Kompleksitetsteori 19. mai 2009 (Sist oppdatert: 2009-05-19

Detaljer

1 Mandag 8. februar 2010

1 Mandag 8. februar 2010 1 Mandag 8. februar 2010 Vi er ferdig med en-variabel-teorien, og vi kan begynne å jobbe med funksjoner i flere variable. Det første vi skal gjøre er å gå gjennom de vanlige analysene vi gjør for funksjoner

Detaljer

Kombinatorikk. MAT1030 Diskret Matematikk. Oppsummering av regneprinsipper

Kombinatorikk. MAT1030 Diskret Matematikk. Oppsummering av regneprinsipper MAT1030 Diskret Matematikk Forelesning 22: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo Kombinatorikk 14. april 2010 (Sist oppdatert: 2010-04-14 12:43) MAT1030 Diskret Matematikk 14.

Detaljer

MAT1030 Diskret Matematikk

MAT1030 Diskret Matematikk MAT1030 Diskret Matematikk Forelesning 22: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo 14. april 2010 (Sist oppdatert: 2010-04-14 12:42) Kombinatorikk MAT1030 Diskret Matematikk 14.

Detaljer

Modeller med skjult atferd

Modeller med skjult atferd Modeller med skjult atferd I dag og neste gang: Kap. 6 i GH, skjult atferd Ser først på en situasjon med fullstendig informasjon, ikke skjult atferd, for å vise kontrasten i resultatene En prinsipal, en

Detaljer

MAT1030 Diskret matematikk

MAT1030 Diskret matematikk MAT1030 Diskret matematikk Forelesning 13: Funksjoner Dag Normann Matematisk Institutt, Universitetet i Oslo 25. februar 2008 Opphenting Forrige forelesning fortsatte vi innføringen av ekvivalensrelasjoner.

Detaljer

Eksamen S2 va ren 2015 løsning

Eksamen S2 va ren 2015 løsning Eksamen S va ren 05 løsning Tid: timer Hjelpemidler: Vanlige skrivesaker, passer, linjal med centimetermål og vinkelmåler. Oppgave (5 poeng) Deriver funksjonene. a) x f x e x f x e e x b) gx x x x x x

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk. Eksamensdag: Torsdag 9. oktober 2008. Tid for eksamen: 15:00 17:00. Oppgavesettet er på

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Løsningsforslaget

Detaljer

Newtons metode. Gitt f(x) slik at f(a)f(b) < 0, Newtons metode genererer en følge {x k }, hvor. (Newton Raphson) x k+1 = x k f(x k) f (x k )

Newtons metode. Gitt f(x) slik at f(a)f(b) < 0, Newtons metode genererer en følge {x k }, hvor. (Newton Raphson) x k+1 = x k f(x k) f (x k ) Newtons metode 1/15 Gitt f(x) slik at f(a)f(b) < 0, Newtons metode genererer en følge {x k }, hvor x k+1 = x k f(x k) f (x k ) x 0 [a, b] gitt. (Newton Raphson) y=f(x) x k+1 x k Konvergens: Iterasjons

Detaljer

Fourier-Transformasjoner IV

Fourier-Transformasjoner IV Fourier-Transformasjoner IV Lars Vidar Magnusson March 1, 2017 Delkapittel 4.6 Some Properties of the 2-D Discrete Fourier Transform Forholdet Mellom Spatial- og Frekvens-Intervallene Et digitalt bilde

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 28. mars 2007 Tid for eksamen : 13:30 16:30 Oppgavesettet er på : 4 sider

Detaljer

DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk. Løsningsforslag Eksamen i MIK130, Systemidentifikasjon (10 sp)

DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk. Løsningsforslag Eksamen i MIK130, Systemidentifikasjon (10 sp) DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK3, Systemidentifikasjon ( sp) Dato: torsdag 6 desember Lengde på eksamen: 4 timer Tillatte

Detaljer

Notasjon. Løsninger. Problem. Kapittel 7

Notasjon. Løsninger. Problem. Kapittel 7 3 Notasjon Kapittel 7 Funksjoner av stokastiske variabler Har n stokastiske variabler, X 1, X 2,..., X n, med kjent fordeling f( 1, 2,..., n ) og kumulativ fordeling F( 1, 2,..., n ). Ser på Y = u(x 1,

Detaljer

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I Lokale operasjoner INF 30 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre GW Kap. 3.4-3.5 + Kap. 5.3 Vi skal

Detaljer

Motivasjon. Litt sett-teori. Eksempel. INF Mesteparten av kap i DIP Morfologiske operasjoner på binære bilder.

Motivasjon. Litt sett-teori. Eksempel. INF Mesteparten av kap i DIP Morfologiske operasjoner på binære bilder. 1 Motivasjon INF 2310 Mesteparten av kap 9.1-9.5 i DIP Morfologiske operasjoner på binære bilder Basis-begreper Fundamentale operasjoner på binære bilder Sammensatte operasjoner Eksempler på anvendelser

Detaljer

Generell informasjon om faget er tilgjengelig fra It s learning. 1 En kort oppsummering Adaptiv filtrering 2. 3 Prediksjon 4

Generell informasjon om faget er tilgjengelig fra It s learning. 1 En kort oppsummering Adaptiv filtrering 2. 3 Prediksjon 4 Stavanger, 13. august 2013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 2013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 1 En kort oppsummering. 1 2 Adaptiv

Detaljer

SENSORVEILEDNING. Emnenavn: Matematikk 2. Dato:

SENSORVEILEDNING. Emnenavn: Matematikk 2. Dato: SENSORVEILEDNING Emnekode: IRF2004 Emnenavn: Matematikk 2 Eksamensform: Skriftlig Dato: 26..8 Faglærer(e): Tore August Kro Eventuelt: Dette er revidert versjon av sensorveiledningen. Denne sensorveiledningen

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF-Digital bildebehandling Eksamensdag: Tirsdag. mars 5 Tid for eksamen: 5:-9: Løsningsforslaget er på: sider Vedlegg: Ingen

Detaljer

Løsningsforslag. 3 x + 1 + e. g(x) = 1 + x4 x 2

Løsningsforslag. 3 x + 1 + e. g(x) = 1 + x4 x 2 Prøve i FO929A - Matematikk Dato: 1. juni 2012 Målform: Bokmål Antall oppgaver: 5 (20 deloppgaver) Antall sider: 2 Vedlegg: Formelsamling Hjelpemiddel: Kalkulator Alle svar skal grunngis. Alle deloppgaver

Detaljer

Løsningsforslag matematikk S1 V14

Løsningsforslag matematikk S1 V14 Løsningsforslag matematikk S1 V14 Oppgave 1 Bruker ABC-formelen: ABC-formelen gir x = 2 x = 3 x 2 + 3x 3 = 3 2x x 2 + 5x 6 = 0 x = b ± b 2 4ac 2a lg(x + 2) = 2 lg x lg(x + 2) = lg x 2 10 lg(x+2) lg x2

Detaljer

Oppsummering TMA4100. Kristian Seip. 16./17. november 2015

Oppsummering TMA4100. Kristian Seip. 16./17. november 2015 Oppsummering TMA4100 Kristian Seip 16./17. november 2015 Forelesningene 17./18. november Denne forelesningen beskriver de store linjer og sammenhengen mellom de ulike deltemaene i TMA4100 noen tips for

Detaljer

arbeid - massesenter - Delvis integrasjon Forelesning i Matematikk 1 TMA4100

arbeid - massesenter - Delvis integrasjon Forelesning i Matematikk 1 TMA4100 arbeid - massesenter - Delvis integrasjon Forelesning i Matematikk 1 TMA4100 Hans Jakob Rivertz Institutt for matematiske fag 11. oktober 2011 Kapittel 6.6. Arbeid 3 Arbeid definisjon Definisjon (Arbeid

Detaljer

Potensrekker Forelesning i Matematikk 1 TMA4100

Potensrekker Forelesning i Matematikk 1 TMA4100 Potensrekker Forelesning i Matematikk 1 TMA4100 Hans Jakob Rivertz Institutt for matematiske fag 1. november 2011 Kapittel 8.7. Potensrekker (fra konvergens av) 3 Konvergens av potensrekker Eksempel For

Detaljer

Oppsummering TMA4100. Kristian Seip. 17./18. november 2014

Oppsummering TMA4100. Kristian Seip. 17./18. november 2014 Oppsummering TMA4100 Kristian Seip 17./18. november 2014 Forelesningene 17./18. november Disse forelesningene er et forsøk på å se de store linjer og sammenhengen mellom de ulike deltemaene i TMA4100 delvis

Detaljer

Løsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I

Løsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I Løsningsforslag, Ukeoppgaver 9 INF2310, våren 2009 6. Vi har gitt følgende bilde: kompresjon og koding del I 1 0 1 2 2 2 3 3 3 1 1 1 2 1 1 3 3 3 1 0 1 1 2 2 2 3 3 2 1 2 2 3 2 3 4 4 2 1 2 3 2 2 3 4 4 2

Detaljer

Forelening 1, kapittel 4 Stokastiske variable

Forelening 1, kapittel 4 Stokastiske variable Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med

Detaljer

Oppfriskningskurs i matematikk 2008

Oppfriskningskurs i matematikk 2008 Oppfriskningskurs i matematikk 2008 Marte Pernille Hatlo Institutt for matematiske fag, NTNU 4.-9. august 2008 Velkommen! 2 Temaer Algebra Trigonometri Funksjoner og derivasjon Integrasjon Eksponensial-

Detaljer

Divide-and-Conquer. Lars Vidar Magnusson 13.1.2015

Divide-and-Conquer. Lars Vidar Magnusson 13.1.2015 Divide-and-Conquer Lars Vidar Magnusson 13.1.2015 Kapittel 4 Maximum sub-array problemet Matrix multiplikasjon Analyse av divide-and-conquer algoritmer ved hjelp av substitusjonsmetoden Divide-and-Conquer

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Oppgavesettet er på : 7 sider

Detaljer

Lineære likningssystemer og matriser

Lineære likningssystemer og matriser Kapittel 3 Lineære likningssystemer og matriser I dette kapittelet skal vi sette sammen Kapittel 1 og 2. 3.1 Den utvidede matrisen til et likningssystem Vi starter med et lineært likningssystem med m likninger

Detaljer

Forelesning Matematikk 4N

Forelesning Matematikk 4N Forelesning Matematikk 4N Hans Jakob Rivertz Institutt for matematiske fag 11. september 2006 2 Den høyrederiverte og venstrederiverte Definisjon Den høyrederiverte til en funksjon f(x) i punktet x er

Detaljer

INF Triangulering. Med sterk støtte fra Petter Kristiansen. Skal først se på et eksempel fra Google Earth

INF Triangulering. Med sterk støtte fra Petter Kristiansen. Skal først se på et eksempel fra Google Earth INF 4130 17. november 2011 Triangulering Stein Krogdahl Med sterk støtte fra Petter Kristiansen Skal først se på et eksempel fra Google Earth De bruker en underliggende triangulering av landskapet, men

Detaljer

Eksamen REA 3022 Høsten 2012

Eksamen REA 3022 Høsten 2012 Eksamen REA 0 Høsten 01 Del 1 Uten hjelpemidler Oppgave 1 (5 poeng) Deriver funksjonene a) f x x 1 f '( x) x 1 f ' x 8x b) g x x x 1 g( x) x x 1 1 1 g( x) x x x x 1 g x x x x c) hx x e h x x e x e x x

Detaljer

Figur 62: Faktorisering kan lett gjøres ved å skrive inn uttrykket og så klikke på verktøyet for faktorisering.

Figur 62: Faktorisering kan lett gjøres ved å skrive inn uttrykket og så klikke på verktøyet for faktorisering. 11 CAS i GeoGebra Fra og med versjon 4.2 får GeoGebra et eget CAS-vindu. CAS står for Computer Algebra System og er en betegnelse for programvare som kan gjøre symbolske manipuleringer. Eksempler på slike

Detaljer