Introduksjon. «Diskret» sinus/cosinus i 1D. Funksjonen sin(θ) INF april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4
|
|
- Tore Kristiansen
- 6 år siden
- Visninger:
Transkript
1 Introduksjon INF april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4 Fourier: Vi kan uttrykke ethvert bilde som en vektet sum av sinus- og cosinus-signaler med ulik frekvens og orientering I dag: Sinus-funksjoner i 1D og 2D 2D diskret Fouriertransform (DFT) Neste uke: Vindusfunksjoner Konvolusjonsteoremet Filtre og filtrering i frekvensdomenet 1 / 39 Vi fokuserer på samplede bilder -> enkelt «basis-skifte» Hvorfor skifte basis? Analyse av bilder Fjerne/dempe periodisk støy Kompresjon Analyse av lineære filtre (konvolusjonsteoremet) Egenskapsuttrekning Rask implementasjon av (større) konvolusjonsfiltre 2 / 39 Funksjonen sin(θ) «Diskret» sinus/cosinus i 1D sin(θ) svinger mellom 1 og -1 når θ varierer mellom 0 og 2, og den svinger på samme måte når x varierer mellom 2 og 4 osv. (periodisk) y(i) = A sin(2ui/n + ) N : antall sampler u : antall hele perioder I dette eksemplet er A=2, u=7, N=512 og =0 3 / 39 4 / 39 1
2 Hva er forskjellen på sin(θ) og cos(θ)? sin(2ui/n) starter på 0 og repeteres u ganger per N samples Hva får vi om vi legger sammen sin og cos? A 1 sin(θ) + A 2 cos(θ) = A sin(θ + Φ), der A = (A 12 + A 22 ) 1/2 og Φ=atan2(A 2,A 1 ) cos(2ui/n) starter på 1 og repeteres u ganger per N samples Vi ender altså opp med en sin-funksjon med samme frekvens, men endret amplitude og fase A 2 A Φ Bare startpunktet, dvs. faseforskyvningen,, er forskjellig Vi kan også gå andre veien og si at enhver sinus-funksjon med gitt frekvens kan dannes ved å legge sammen en vektet sinog en vektet cos-funksjon med denne samme frekvensen Alternativ koding /representasjon av informasjonen (A, Φ, θ) er altså (A 1, A 2,θ) A 1 5 / 39 6 / 39 Introduksjon til sinus-funksjoner i 2D Sinusfunksjoner i bilder (2D) Horisontal og vertikal komponent 2 ux vy f ( x, y) Asin( ) N A amplitude u vertikal frekvens v horisontal frekvens - faseforskyvning A=50, u=0, v=10 A=20, u=10, v=0 A=50, u=10, v=10 A=100, u=10, v=5 A=100, u=5, v=15 Merk: u og v er antall repetisjoner i bildet vertikalt og horisontalt 7 / 39 8 / 39 2
3 Sum av 2D sinfunksjoner «Basis-bilder» + = Sort er 0, hvit er 1. Ortogonal basis for alle 4x4 gråtonebilder. + = Eksempel: = 1* + 3* +.+ 6* 9 / / 39 Alternativ basis Basisbilder - cosinus Bildene u v 2 ux vy cos( ) N 2 ux vy sin( ) N med frekvensene u = 0,1,,N-1 v = 0,1,,N-1 til v =N1 N-1 Alle digitale bilder av størrelse NxN kan representeres ved vektet summasjon av disse NxN sinus- og cosinus-bildene (basisbilder/basisvektorer) Ved ikke-kvadratiske bilder: cos(2π(ux/m+vy/n)) sin(-2π(ux/m+vy/n)).. til u = N-1 11 / / 39 3
4 u v Basisbilder - sinus Hvordan finne bidraget fra et gitt basisbilde? Vanlig basis med bare 0-ere og ett piksel lik 1 til v =N1 N-1. sum ( x ) ~ 255 (bakre del av bilen).. til u = N-1 sum ( x ) Bidraget finnes altså ved indreproduktet mellom bildet og basisbildet 13 / / 39 Symmetri i basisbildene Eksempel cosinus u= N-5 N-4 N-3 N-2 N-1 Logaritmen til absoluttverdien til cosinus-bidragene sinus u= N-5 N-4 N-3 N-2 N-1 (antisymmetri i sinus-bildene) Logaritmen til absoluttverdien til sinus-bidragene 15 / 39 Første linjen i sinus-bidragene 16 / 39 4
5 Finne fase og amplitude La R inneholde cosinus-bidragene og I inneholde sinusbidragene. Fasen til sinusoiden med frekvens v: I ( v ) tan 1 R( Amplituden til sinusoiden med frekvens v: Φ Resultat som komplekst tall Letter håndtering ved å representere resultatet som et komplekst tall: cosinus-bidragene i realdelen og sinusbidragene i imaginærdelen La F beskrive bildet i den nye basisen F( = R( + ji(, Amplitude og fase kommer da ut som modulus og argument (lengde og vinkel i komplekse planet) j 1 A R 2 2 ( I( Husk fra s. 6: (A, Φ, θ) <=> (A 1, A 2,θ) 17 / / 39 2D diskret Fouriertransform (DFT) F( M 1 N 1 x0 y0 f ( x, y) e j 2 ( ux / M vy / N ) Husk at e jθ = cos(θ) + j sin(θ), slik at vi ender opp sin/cos-basisen i vi er vant med: F( M 1N 1 x0 y0 ) f ( x, y cos Den inverse transformen: N 1 1 f ( x, y) MN 2 ( ux/ M vy / N) j sin2 ( ux / M vy / N) N 1 u0 v0 F( e 2 ( uxvy) j N Eksempel: Amplitude og fase F( - amplituden eller spekteret Forteller noe om hvilke frekvenser bildet inneholder ( - fasen Visuelt ser fasebildet ut som støy, men fasen inneholder viktig informasjon 19 / / 39 5
6 Egenskaper ved 2D DFT F( er periodisk: F( = F(u+N, = F(v+N) = F(u+N,v+N) Egenskaper ved 2D DFT, forts F(0,0) er proporsjonal med middelverdien i bildet Skal inverstranformen holde, må vi anta at bildet er periodisk: f(x,y) = f(x+n,y) = f(x,y+n) = f(x+n,y+n) Konjugert symmetri: Hvis f(x,y) er reell, er F( = conj( F(-- ) Altså er F( = F(-- Shift-teoremet: f(x-x 0,y-y 0 )F( e -j2(ux0+vy0)/n 2D DFT er separabelt i to 1D DFT Absolutt nødvendig (sammen med FFT) for å beregningsmessig kunne transformere bilder av en viss størrelse 21 / / 39 Framvisning av amplitudespekteret Siden F( blir periodisk med periode N, er det vanlig å forskyve spekteret slik at origo (u=v=0) ligger midt i bildet Bytte kvadranter eller pre-multiplisere f(x,y) med (-1) x+y Forts. framvisning av spektere Skalering av verdier: Ofte stor dynamikk i F( (kan ha høye verdier) f(x,y) f(x,y): bildedomenet F( F(: frekvensdomenet F( kalles spekteret til f(x,y) (amplitudespekteret) ( Powerspekteret : F( 2 ) Vanlig å benytte logaritmisk skala F( =C* log( F( +1), der C velges slik at man får gråtoner mellom for eksempel 0 og 255 (8 bit) 23 / / 39 6
7 Eksempler Eksempel skrå frekvens 25 / / 39 Eksempel - diskontinuitet Eksempel diskontinuitet II 27 / / 39 7
8 Eksempel - vanlige objektformer Eksempel vanlig bilde 29 / / 39 Eksempel - retningsdominant Eksempel - smal båndbredde 31 / / 39 8
9 Noen observasjoner Vanligvis størst bidrag/mest energi i spekteret for lave verdier av v Bidrag langs u- og v-aksen fordi bildet er implisitt periodisk og vi har diskontinuiteter langs kantene Linjestrukturer i gitt retning i bildedomenet har linjestruktur normalt på retningen i Fourier-domenet Spektre og kanter Skarp kant: Tilsvarer sum av mange sinusoider Mange Fourier-koeffisienter er <>0 Bredt bånd i Fourier-domenet Blurret kant: Tilsvarer færre sinusoider Smalere bånd i Fourier-domenet Tommelfingerregler: Smal struktur i bildedomenet : Bred struktur i Fourier-domenet Bred struktur i bildedomenet: Smal struktur i Fourier-domenet Linjestruktur i retning i bildedomenet: Linjestruktur i retning normalt på i Fourier-domenet 33 / / 39 Implementasjon av DFT Beregning av F( for én v: O(N 2 ) Beregning for hele bildet: NN F(: O(N 4 ) Finnes en algoritme for rask beregning, 2D FFT (Fast Fouriertransform) Benytter at Fourier-transformen er separabel i to 1D transformer Bruker bilder (eller delbilder) med størrelse 2 k (k er heltall) Har orden O(N 2 log 2 N) Anvendelser av Fourier-transform i bilder Filtrering Fjerne/dempe visse frekvenser (lavpass, høypass, båndpass) Fjerne periodisk støy Analyse/design av konvolusjonskjærner med bestemte frekvensegenskaper Egenskapsuttrekning Finne teksturegenskaper Kompresjon 35 / / 39 9
10 Eksempel: Fjerne periodisk støy Fourier-transform i matlab F = fft2(f); % Gjør en 2D DFT-transform f = ifft2(f); %.. og den inverse transformen F_r = real(f); % Realdelen, altså cosinus-basis-bidragene F_i = imag(f); % Imaginærdelen, altså sinus-basis-bidragene F_r(u+1,v+1); % Gir cosinus-bidragene for frekvens v F_r(1,1); % Gir DC-komponenten fftshift og ifftshift: Flytter kvadranter slik at nullfrekvensen er i midten av bildet, samt omvendt Fig i DIP imagesc( log( abs(fftshift(f)) + 1) ); 37 / / 39 Oppsummering Sinus-funksjoner frekvens/periode, amplitude og fase dekomponere Asin(θ, ) i sin- og cos-komponent 1D og 2D Diskret Fourier-transform bildet beskrevet med cos/sin-basisbilder kompleks representasjon cos- og sin-ledd som reell- og imaginær-komponent implisitt periodisitet utslag i diskontinuitet -> ekstra frekvenser fremvisning av spekteret F( tommelfingerregler 39 / 39 10
INF mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4
INF 2310 22. mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4 I dag: Sinus-funksjoner i 1D og 2D 2D diskret Fouriertransform (DFT) Mandag 27. mars: Supplementsforelesning holdt av
Detaljersin(2 ui/n) starter på 0 og repeteres u ganger per N samples. cos(2 ui/n) starter på 1 og repeteres u ganger per N samples
0700 Foreløbig versjon! INF 0 mars 07 Fourier I -- En litt annen vinkling på stoffet i kapittel I dag: Sinus-funksjoner i D og D D diskret Fouriertransform (DFT) Introduksjon I/II Et gråtonebilde Typisk
Detaljer( x+ π 2) Bakgrunn: Sinus og cosinus. Bakgrunn: Samplet sinus i 1D. Bakgrunn: Samplet sinus i 2D. Bakgrunn: Sinus i 2D. sin( x)=cos.
Bakgrunn: Samplet sinus i 1D Bakgrunn: Sinus og cosinus En generell samplet sinusfunksjon kan skrives som: y(t) = A sin(2πut/n + φ) t : tid; 0, 1,..., N-1 A : amplitude u : antall hele perioder* N : antall
DetaljerBasisbilder - cosinus. Alternativ basis. Repetisjon Basis-bilder. INF april 2010 Fouriertransform del II. cos( )
INF 30 0. april 00 Fouriertransform del II Kjapp repetisjon Bruk av vinduer Konvolusjonsteoremet Filtre og filtrering i frekvensdomenet Eksempel: 3 5 4 5 3 4 3 6 Repetisjon Basis-bilder Sort er 0, hvit
DetaljerIntroduksjon/motivasjon I. FOURIER-TRANSFORM I Ole Marius Hoel Rindal, foiler av Andreas Kleppe. Introduksjon/motivasjon II. Bakgrunn: Frekvens
Introduksjon/motivasjon I INF2310 Digital bildebehandling FORELESNING 8 FOURIER-TRANSFORM I Ole Marius Hoel Rindal, foiler av Andreas Kleppe I dag: Grunnlaget Grunnlaget og intuisjonen i Fourier-analyse
DetaljerINF mars 2017 Diskret Fouriertransform del II
INF230 29. mars 207 Diskret Fouriertransform del II Kjapp repetisjon Konvolusjonsteoremet Filtre og filtrering i frekvensdomenet Bruk av vinduer 207.03.29 INF230 / 40 Repetisjon Basis-bilder Sort er 0,
DetaljerBasisbilder - cosinus v Bildene
Repetisjon Basis-bilder 737 Midlertidig versjon! INF 3 9 mars 7 Diskret Fouriertransform del II Ortogonal basis for alle 4x4 gråtonebilder Kjapp repetisjon Konvolusjonsteoremet Filtre og filtrering i frekvensdomenet
DetaljerINF2310 Digital bildebehandling FORELESNING 9 FOURIER-TRANFORM I. Andreas Kleppe
INF Digital bildebehandling FORELESNING 9 FOURIER-TRANFORM I Andreas Kleppe I går: Det matematiske fundamentet I dag: Grunnlaget Grunnlaget og intuisjonen i Fourier-analyse D diskret Fourier-transform
DetaljerEksempel: Ideelt lavpassfilter
Filterdesign i frekvensdomenet Lavpassfiltre Romlig representasjon av ideelt lavpassfilter Slipper bare gjennom lave frekvenser (mindre enn en grense D 0 som kalles filterets cut-off-frekvens) I signalbehandling
DetaljerRepetisjon: Standardbasis
INF230 Digital bildebehandling FORELESNING 9 FOURIER-TRANFORM II Ole Marius Hoel Rindal, foiler av Andreas Kleppe Kort repetisjon av forrige mandagsforelesning Konvolusjonsteoremet og bruk av dette: Design
DetaljerINF2310 Digital bildebehandling FORELESNING 9 FOURIER-TRANFORM II. Andreas Kleppe
INF230 Digital bildebehandling FORELESNING 9 FOURIER-TRANFORM II Andreas Kleppe Kort repetisjon av forrige mandagsforelesning Konvolusjonsteoremet og bruk av dette: Design av konvolusjonsfiltre med bestemte
DetaljerUNIVERSITETET 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
DetaljerDagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling
Dagens mål Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 IF2310 - Digital bildebehandling Ole Marius Hoel Rindal, slides av Andreas Kleppe Dagens mål Forstå
DetaljerBildetransformer Lars Aurdal
Bildetransformer Lars Aurdal FORSVARETS FORSKNINGSINSTITUTT Lars Aurdal. Forsvarets forskningsinstitutt (FFI), Kjeller. 5 ansatte. Ca. 3 forskere og ingeniører. Tverrfaglig institutt med vekt på arbeide
DetaljerUtkast med løsningshint inkludert UNIVERSITETET I OSLO
Utkast med løsningshint inkludert UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30 Digital bildebehandling Eksamensdag: Mandag 6. juni 06 Tid for eksamen: 4:30 8:30 Løsningsforslaget er
DetaljerFilter-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)]
DetaljerUNIVERSITETET 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
DetaljerFourier-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
DetaljerUke 6: Analyse i frekvensdomenet
Uke 6: Analyse i frekvensdomenet Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/26 Dagens temaer Fra forrige gang Frekvensrespons funksjonen Fourier rekker og
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : XXX sider
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF23 Digital bildebehandling Eksamensdag : Fredag 7. juni 29 Tid for eksamen : 9: 3: (4 timer) Løsningsskissen er på : 8 sider
DetaljerViktige Fourier-transform par. Konvolusjons-teoremet. 2-D Diskret Fourier-Transform (DFT) INF 2310 Digital bildebehandling
- iskret Fourier-Transform FT INF 3 igital bildebehandling FILTRERING I FREKVENS-OMÈNET II Konolusjons-teoremet Lapass- øypass- og Båndpass-filter esign a filtre i frekens-doménet Rask implementasjon a
DetaljerRepetisjon: LTI-systemer
Forelesning, 11. mars 4 Tilhørende pensum er 6.1-6.4 i læreboken. repetisjon av FIR-filtre frekvensresponsen til et FIR-filter beregne utgangen fra FIR-filtret ved hjelp av frekvensresponsen steady-state
DetaljerUNIVERSITETET 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
DetaljerUke 6: Analyse i frekvensdomenet
Uke 6: Analyse i frekvensdomenet Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/39 Dagens temaer Fra forrige gang Frekvensrespons funksjonen Fourier rekker og
Detaljerf(t) F( ) f(t) F( ) f(t) F( )
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR PETROLEUMSTEKNOLOGI OG ANVENDT GEOFYSIKK Oppgave SIG4045 Geofysisk Signalanalyse Lsningsforslag ving 3 a) ' xy (t) = x()y(t + )d : La oss, for
DetaljerDagens temaer. Tema. Time 6: Analyse i frekvensdomenet. z-transformasjonen. Fra forrige gang. Frekvensrespons funksjonen
Dagens temaer Time 6: Analyse i frekvensdomenet Andreas Austeng@ifi.uio.no, INF3470 Institutt for informatikk, Universitetet i Oslo Oktober 2009 Fra forrige gang Frekvensrespons funksjonen Fourier rekker
DetaljerTMA Matlab Oppgavesett 2
TMA4123 - Matlab Oppgavesett 2 18.02.2013 1 Fast Fourier Transform En matematisk observasjon er at data er tall, og ofte opptrer med en implisitt rekkefølge, enten i rom eller tid. Da er det naturlig å
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : irsdag 9. mars id for eksamen : 5: 9: Oppgavesettet er på : 5 sider
DetaljerForelesening INF / Spektre - Fourier analyse
Forelesening INF 24 27/ - 25 Spektre - Fourier analyse Spektre - Fourier analyse og syntese Tosidig spektrum Beat notes Amplitudemodulasjon Periodiske og ikke-periodiske signaler Fourier rekker - analyse
DetaljerUNIVERSITETET 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
DetaljerTransformanalyse. Jan Egil Kirkebø. Universitetet i Oslo 17./23. september 2019
Transformanalyse Jan Egil Kirkebø Universitetet i Oslo janki@ifi.uio.no 17./23. september 2019 Jan Egil Kirkebø (Inst. for Inf.) IN3190/IN4190 17./23. september 2019 1 / 22 Egenfunksjoner til LTI-systemer
DetaljerBruk av tidsvindu. Diskret Fourier-transform. Repetisjon: Fourier-transformene. Forelesning 6. mai 2004
Repetisjon: Fourier-transformene Forelesning 6. mai 4 Spektralanalyse Pensum i boken: 3-4 til 3-5. Diskret tid Kontinuerlig tid Diskret frekvens DFT, X[k] Fourierrekker, {a k } Kontinuerlig frekvens DTFT,
DetaljerEksamen Løsningsforslag
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Eksamen Løsningsforslag INF2310 - Digital Bildebehandling Eksamen i: INF2310 - Digital Bildebehandling Eksamensdag: Torsdag 1. juni 2017 Tidspunkt for eksamen:
DetaljerFourier-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.
Detaljer3UDNWLVN DQYHQGHOVH DY ')7
TE6146 ignalbehandling 3UDNWLVN DQYHQGHOVH DY ')7,QWURGXNVMRQ Kjenner DFT og FFT for effektiv numerisk beregning av DFT. Finnes ferdige funksjoner for FFT- algoritmer implementert i C/C og andre programmeringsspråk.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 4. juni 2008 Tid for eksamen : 14:30 17:30 (3 timer) Oppgavesettet er på
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 11. juni 27 Tid for eksamen: 14.3 17.3 Oppgavesettet er på 5 sider. Vedlegg: INF 347 / INF 447 Digital Signalbehandling
DetaljerTMA4123 - Kræsjkurs i Matlab. Oppgavesett 3 Versjon 1.2
TMA4123 - Kræsjkurs i Matlab. Oppgavesett 3 Versjon 1.2 07.03.2013 I dette oppgavesettet skal vi se på ulike måter fouriertransformasjonen anvendes i praksis. Fokus er på støyfjerning i signaler. I tillegg
DetaljerEksempel 1. Frekvensene i DFT. Forelesning 13. mai På samme måte har vi at. I et eksempel fra forrige uke brukte vi sekvensen
Frekvensene i DFT Forelesning 3. mai 4 Pensum i boken: fra 3-5.3 til 3-8.4, samt 3-9. Delkapitlene 3-8.5, 3-8.6 og 3-8.7 er nyttig selvstudium. Oversikt Spektralanalyse av signaler med endelig lengde Spektralanalyse
DetaljerFunksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 19. august 2010
Funksjoner Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 9. august 200 2 Funksjon som en maskin x Funksjon f f(x) 3 Definisjon- og verdimengde x f(x) 4 Funksjon som en
DetaljerNoen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1.
FYS2130 Våren 2008 Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1. Vi har på forelesning gått gjennom foldingsfenomenet ved diskret Fourier transform, men ikke vært pinlig nøyaktige
DetaljerRepetisjon: Eksempel. Repetisjon: Aliasing. Oversikt, 26.februar Gitt. Alle signaler. Ettersom. vil alle kontinuerlig-tid signaler.
Oversikt, 6.februar Tilhørende pensum i boken er. -.. Repetisjon regning med aliasing og folding rekonstruksjon ved substitusjon FIR-filtre glidende middel et generelt FIR-filter enhetsimpulsresponsen
DetaljerSTE 6146 Digital signalbehandling. Løsningsforslag til eksamen avholdt
HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Sivilingeniørstudiet EL/RT STE 6146 Digital signalbehandling Løsningsforslag til eksamen avholdt 06.02.03 Oppgaver 1. Forklar hva som er
DetaljerUNIVERSITETET I OSLO. Dette er et løsningsforslag
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF231 Digital bildebehandling Eksamensdag : Onsdag 3. juni 29 Tid for eksamen : 14:3 17:3 Løsningsforslaget er på :
DetaljerFourier-Transformasjoner
Fourier-Transformasjoner Lars Vidar Magnusson February 5, 2018 Delkapittel 4.1 Background Delkapittel 4.2 Preliminary Concepts Delkapittel 4.3 Sampling and the Fourier Transform of Sampled Functions Delkapittel
DetaljerMAT-INF 2360: Obligatorisk oppgave 1
6. februar, MAT-INF 36: Obligatorisk oppgave Oppgave I denne oppgaven skal vi sammenligne effektiviteten av FFT-algoritmen med en mer rett frem algoritme for DFT. Deloppgave a Lag en funksjon y=dftimpl(x)
DetaljerSEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING
SEGMENTERING IN 106, V-2001 Segmentering er en prosess som deler opp bildet i meningsfulle regioner. I det enkleste tilfelle har vi bare to typer regioner BILDE-SEGMENTERING DEL I Forgrunn Bakgrunn Problemet
DetaljerSampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP
INF 2310 22.01.2008 Ukens temaer Hovedsakelig fra kap. 2.4 i DIP Romlig oppløsning og sampling av bilder Kvantisering Introduksjon til pikselmanipulasjon i Matlab (i morgen på onsdagstimen) Naturen er
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : :3 8:3 Løsningsforslaget er på : 9
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Mandag 1. juni 2015 Tid for eksamen: 14:30 18:30 Oppgavesettett er på: 6 sider Vedlegg:
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Løsningsforslaget
DetaljerSPEKTALANALYSATORER. Fig. 1 Illustrasjon av sammenhengen tidsfunksjon - frekvensspektrum
SPEKTALANALYSATORER Fig. 1 Illustrasjon av sammenhengen tidsfunksjon - frekvensspektrum Vi har ofte nytte av å kunne veksle mellom de to grafiske presentasjonsmåtene for et elektrisk signal, tidsfunksjon
DetaljerTMA4123/TMA4125 Matematikk 4M/4N Vår 2013
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA41/TMA415 Matematikk 4M/4N Vår 1 Løsningsforslag Øving 1 Skriv om følgende trigonometriske funksjoner til fourierrekker ved
DetaljerFiltrering i bildedomenet. Middelverdifilter (lavpass) Lavpassfiltre. INF2310 Digital bildebehandling FORELESNING 15 REPETISJON
Filtrering i bildedomenet INF3 Digital bildebehandling FORELESNING 5 REPETISJON Andreas Kleppe Filtrering i bildedomenet D diskret Fourier-transform (D DFT) Kompresjon og koding Morfologiske operasjoner
DetaljerTMA Kræsjkurs i Matlab. Oppgavesett 2/3
TMA4123 - Kræsjkurs i Matlab. Oppgavesett 2/3 28.02.2013 Oppgave 0: Bruk av fftshift og ifftshift Når du bruker fft i Matlab flyttes frekvensene over midten av spekteret, slik at får du ut frekvensdata
Detaljer0.1 Morlet wavelets i FYS2130-notasjon (v )
0.1 Morlet wavelets i FYS2130-notasjon (v 28.04.11) I wavelet-formalismen opererer vi ofte med en moder-wavelet som trekkes ut ved hjelp av en skaleringsfaktor for å lage såkalt wavelet-døtre. Dette er
Detaljer5.8 Iterative estimater på egenverdier
5.8 Iterative estimater på egenverdier Det finnes ingen eksplisitt formel for beregning av egenverdiene til en kvadratisk matrise. Iterative metoder som finner (ofte) en (meget god) approksimasjon til
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning.
Stavanger, 6. august 013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 5.1 Implementering av IIR filter....................
DetaljerINF2310 Digital bildebehandling
INF230 Digital bildebehandling Forelesning 5 Repetisjon Andreas Kleppe Filtrering i bildedomenet 2D diskret Fourier-transform (2D DFT) Kompresjon og koding Morfologiske operasjoner på binære bilder F5
DetaljerFYS2130 Svingninger og bølger, Obligatorisk oppgave C. Nicolai Kristen Solheim
FYS213 Svingninger og bølger, Obligatorisk oppgave C Nicolai Kristen Solheim FYS213 Svingninger og bølger Ukeoppgave, sett C Nicolai Kristen Solheim Ukeoppgave, sett C Oppgavetype 1 a) Læreboken beskriver
Detaljer4_Komplekse_tall.odt tg. Kap.4 Komplekse tall
4_Komplekse_tall.odt 04.09.015 tg Kap.4 Komplekse tall e i π +1=0 Innledning... Egenskaper...4 Geometrisk form...5 Regneregler...6 Lengde og argument...8 Polar form...9 Eksponentform - Eulers formel...1
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : irsdag 29. mars 2011 id for eksamen : 15:00 19:00 Oppgavesettet er på : 5
Detaljer1 Trigonometriske Funksjoner Vekt: 1. 2 Trigonometriske Funksjoner Vekt: 1
OPPGAVER TIL FORELESNINGSUKE NUMMER Ukeoppgavene skal leveres som selvsendige arbeider. De forvenes a alle har sa seg inn i insiues krav il innlevere oppgaver: Norsk versjon: hp://www.ifi.uio.no/sudinf/skjemaer/erklaring.pdf
DetaljerINF Kap og i DIP
INF 30 7.0.009 Kap..4.4 og.6.5 i DIP Anne Solberg Geometriske operasjoner Affine transformer Interpolasjon Samregistrering av bilder Geometriske operasjoner Endrer på pikslenes posisjoner o steg:. Finn
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF230 Digital bildebehandling Eksamensdag : Onsdag 6. juni 202 Tid for eksamen : 09:00 3:00 Oppgavesettet er på : 6 sider Vedlegg
DetaljerForelesning nr.12 INF 1410
Forelesning nr.12 INF 1410 Komplekse frekvenser analyse i frekvensdomenet 20.04. INF 1410 1 Oversikt dagens temaer Intro Komplekse tall Komplekse signaler Analyse i frekvensdomenet 20.04. INF 1410 2 Intro
DetaljerINF2310 Digital bildebehandling
INF2310 Digital bildebehandling Ole Marius Hoel Rindal Gråtonetrasformasjoner Histogramtransformasjoner 2D diskret Fourier-transform (2D DFT Filtrering i Fourierdomenet Kompresjon og koding Segmentering
DetaljerForelesning, 23.februar INF2400 Sampling II. Øyvind Ryan. Februar 2006
INF2400 Februar 2006 INF2400 Innhold Delkapitlene 4.4-4.6 fra læreboken, 4.3 er til selvstudium. Repetisjon om sampling og aliasing Diskret-til-kontinuerlig omforming Interpolasjon med pulser Oversamling
DetaljerForelesning, 17.februar INF2400 Sampling II. Øyvind Ryan. Februar 2005
INF2400 Februar 2005 INF2400 Innhold Delkapitlene 4.4-4.6 fra læreboken, 4.3 er til selvstudium. Repetisjon om sampling og aliasing Diskret-til-kontinuerlig omforming Interpolasjon med pulser Oversamling
Detaljer0.1 Kort introduksjon til komplekse tall
Enkel introduksjon til matnyttig matematikk Vi vil i denne innledningen introdusere litt matematikk som kan være til nytte i kurset. I noen tilfeller vil vi bare skrive opp uttrykk uten å komme inn på
DetaljerLyd. Litt praktisk informasjon. Litt fysikk. Lyd som en funksjon av tid. Husk øretelefoner på øvelsestimene denne uken og en stund framover.
Lyd Hva er lyd? Sinuser, frekvenser, tidssignaler Hvordan representere lydsignaler matematisk? Litt praktisk informasjon Husk øretelefoner på øvelsestimene denne uken og en stund framover. Lydeksemplene
DetaljerIdag. Hvis bildet f(x,y) er reelt og symmetrisk, vil Fourier transformen bestå av reelle koeffisienter korresponderende til cosinus leddene.
Slide Slide Idag Cosinus transform Cosinus transform Sinus transform Hvis bildet f(,y) er reelt og symmetrisk, vil Fourier transformen bestå av reelle koeffisienter korresponderende til cosinus leddene.
DetaljerFunksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 18. august 2011
Funksjoner Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 8. august 20 2 Definisjon av funksjon Definisjon En funksjon er en regel f som til et hvert tall i definisjonsmengden
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 3. juni 2009 id for eksamen : 14:30 17:30 Oppgavesettet er på : 6 sider
DetaljerUke 10: Diskret Fourier Transform, II
Uke 10: Diskret Fourier Transform, II Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 011 /38 Dagens temaer Spektral glatting pga endelig lengde data Bruk av DFT en
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : 4:3 8:3 Oppgavesettet er på : 5 sider Vedlegg : Ingen
DetaljerFrevensanalyse av signaler (del 2) og filtrering av bilder
Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33505 Bildebehandling og mønstergjenkjenning Laboppgave nr 3 Frevensanalyse av signaler (del 2) og filtrering av bilder Sarpsborg 28.01.2005
DetaljerINF 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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3440/4440 Signalbehandling Eksamensdag: xx. desember 007 Tid for eksamen: Oppgavesettet er på 6 sider. Vedlegg: Tillatte hjelpemidler:
DetaljerWavelet P Sample number. Roots of the z transform. Wavelet P Amplitude Spectrum.
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR PETROLEUMSTEKNOLOGI OG ANVENDT GEOFYSIKK SIG Geofysisk Signalanalyse Lsningsforslag ving Oppgave a) Vi har Amplitudespekteret er da Y (!) =
DetaljerUke 6: Analyse i frekvensdomenet
Uke 6: Analyse i frekvensdomenet Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/41 Dagens temaer Fra forrige gang Frekvensrespons funksjonen Fourier rekker og
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: mai 2002 IN 155 Digital Signalbehandling Tid for eksamen: 6. mai 9.00 21. mai 12.00 Oppgavesettet er på 5 sider.
Detaljerz = a + jb Mål Komplekse tall: Sum og produkt Komplekse tall
Mål IN3190/4190 Digital signalbehandling Andreas Austeng og Stine Hverven (INF3470/4470, H18). Repetisjon av komplekse tall og trigonometri Beherske komplekse tall. Beherske trigonometriske funksjoner.
DetaljerRepetisjon: Spektrum for en sum av sinusoider
Forelesning 9. april 4 Pensum i boken: - og -, noe fra -4 ikke nødvendig å lese, -6., -8-3. og -3.5 3- til 3-4 Oversikt Spektrum for et signal, frekvensinnholdet Bruk av Fourier-transform FT for å beregne
DetaljerForkunnskapskrav. Hva handler kurset om. Kontaktinformasjon. Kurset er beregnet på en student som kan
Velkommen til INF4, Digital signalbehandling Hilde Skjevling (Kursansvarlig) Svein Bøe (Java) INSTITUTT FOR INFORMATIKK Kontaktinformasjon E-post: hildesk@ifi.uio.no Telefon: 85 4 4 Kontor: 4 i 4.etasje,
DetaljerKomplekse tall: definisjon og regneregler
Komplekse tall: definisjon og regneregler Eugenia Malinnikova, NTNU, Institutt for matematiske fag 22. august 2011 Komplekse tall fra Wikipedia Et komplekst tall er tall på formen x + iy, der x og y er
DetaljerEKSAMEN STE 6219 Digital signalbehandling
HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Masterstudiet EL/RT Side 1 av 4 EKSAMEN STE 6219 Digital signalbehandling Tid: Tirsdag 07.03.2006, kl: 09:00-12:00 Tillatte hjelpemidler:
DetaljerIntroduksjon til lyd. Det ytre øret. Fra lydbølger til nerveimpulser. INF1040 - Digital representasjon 23.09.2009: Introduksjon til lyd.
Foreleser: INF1040 - Digital representasjon 23.09.2009: Introduksjon til lyd Martin Giese Kontakt: martingi@ifi.uio.no, 22852737 Det blir en del stoff per forelesning Er det matematikk eller praktisk regning?
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 1. juni 2015 Tid for eksamen: 14:30 18:30 Løsningsforslaget
DetaljerFFT. Prosessering i frekvensdomenet. Digital signalprosessering Øyvind Brandtsegg
FFT Prosessering i frekvensdomenet Digital signalprosessering Øyvind Brandtsegg Representasjonsmåter Tidsdomene: Amplityde over tid Frekvensdomene: Amplityde over frekvens Hvorfor? Prosessering i frekvensdomenet
DetaljerDagens temaer. Endelig lengde data. Tema. Time 11: Diskret Fourier Transform, del 2. Spektral glatting pga endelig lengde data.
Dagens temaer Time : Diskret Fourier Transform, del Andreas Austeng@ifi.uio.no, INF37 Institutt for informatikk, Universitetet i Oslo Spektral glatting pga endelig lengde data Bruk av en Frekvensestimering
DetaljerLØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling
Side1av4 HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Sivilingeniørstudiet EL/RT LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling Tid: Mandag 27.08.2009, kl: 09:00-12:00
DetaljerUke 9: Diskret Fourier Transform, I
Uke 9: Diskret Fourier Transform, I Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/23 Dagens temaer Sampling og periodisitet DFT DFT og DTFT 3/23 Tema Sampling
DetaljerINF januar 2017 Ukens temaer (Kap med drypp fra kap. 4. i DIP)
25. januar 2017 Ukens temaer (Kap 2.3-2.4 med drypp fra kap. 4. i DIP) Romlig oppløsning Sampling av bilder Kvantisering av pikselintensiteter 1 / 27 Sampling av bilder Naturen er kontinuerlig (0,0) j
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Fredag 29. mars 2019 Tid for eksamen : 14:30 18:30 (4 timer) Oppgavesettet er
DetaljerKonvolusjon og filtrering og frevensanalyse av signaler
Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33505 Bildebehandling og mønstergjenkjenning Laboppgave nr 2 Konvolusjon og filtrering og frevensanalyse av signaler Sarpsborg 21.01.2005 20.01.05
DetaljerForelesning nr.13 INF 1410
Forelesning nr.3 INF 4 Komplekse frekvenser og Laplace-transform Oversikt dagens temaer Me Mer om sinusformede signaler om komplekse frekvenser Introduksjon til Laplace-transform Løsning av kretsligninger
Detaljer