Basisbilder - cosinus. Alternativ basis. Repetisjon Basis-bilder. INF april 2010 Fouriertransform del II. cos( )
|
|
- Toril Borge
- 6 år siden
- Visninger:
Transkript
1 INF april 00 Fouriertransform del II Kjapp repetisjon Bruk av vinduer Konvolusjonsteoremet Filtre og filtrering i frekvensdomenet Eksempel: Repetisjon Basis-bilder Sort er 0, hvit er. Ortogonal basis for alle 4x4 gråtonebilder. = * + 3* +.+ 6* Bildene ux vy cos( ) N Alternativ basis ux vy sin( ) N v u Basisbilder - cosinus med frekvensene u = 0,,,N- v = 0,,,N- til u = N- 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(π(ux/m+vy/n)) sin(-π(ux/m+vy/n)) 3.. til v = N- 4
2 v u Basisbilder - sinus D diskret Fouriertransform (DFT) F( M N x0 y0 e j ( ux / M vy / N ) til u = 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 N x0 y0 ) y cos ( ux/ M vy / N) j sin ( ux / M vy / N).. til v = N- Den inverse transformen: N MN N u0 v0 F( e ( uxv j N 5 6 Litt repetisjon om DFT Fouriertransformen F( er periodisk: F(=F(u+kN,v+kN), k heltall Bildet f(x, implisitt periodisk: f(x,=f(x+kn,y+kn) Amplitudespekteret er gitt ved F( Konjugert symmetri: Hvis f(x, er reell, er F(= * F(-- og altså F( = F(-- Ofte forskyver spekteret med N/ for å få origo (u=v=0) midt i bildet D DFT er separabelt i to D DFT Bruk av vindusfunksjoner Må se på bildet som periodisk Det oppstår diskontinuiteter i kantene av bildet Dette gir kunstige bidrag på aksene i spekteret For å begrense slike høyfrekvente bidrag kan man bruke en vindusfunksjon og vekte dataene før DFT beregnes Vindusfunksjonene modifiserer pikselverdiene slik at de går mot null i enden av sekvensene Lag f w (x,=f(x,w(x, Ta DFT av f w (x, Bildet kan være en liten del av et større bilde, jfr egenskapsuttrekning Shift-teoremet: f(x-x 0,y-y 0 )F( e -j(ux0+vy0)/n 7 8
3 Vindusfunksjoner window function apodization tapering Eksempel: Hamming-vindu. Matlab: h = hamming(n); w = h*h ; fw = w.* f; Effekten av vinduer Hvis vi bruker vindusfunksjon til å redusere effekten av bildekantene i spekteret gjør vi f w (x,=f(x,w(x, før FFT Dette gjør at bidragene langs aksene i Fourier-spekteret reduseres, men vi påvirker også andre frekvenser i bildet Effekten av en multiplikasjon i bildedomenet er en konvolusjon i frekvensdomenet (konvolusjonsteoremet) Multiplikasjon med en bred klokkefunksjon i bildedomenet er ekvivalent med en konvolusjon av en smal klokkefunksjon i frekvensdomenet Bruk av vindusfunksjon gir en blurring av spekteret 9 0 Eksempel, bruk av vindufunksjon Konvolusjonsteoremet x = h( x, F( H ( DFT DFT Konvolusjon i bildedomenet Multiplikasjon i frekvensdomenet Det motsatte gjelder også: h( x, F( H ( Multiplikasjon i bildedomenet Konvolusjon i frekvensdomenet 3
4 Konvolusjonsteoremet D Fourier-transformen til et filter h gir oss innblikk i frekvensresponsen til filteret Kan designe filter i både frekvensdomenet og bildedomenet Begge kan implementeres som konvolusjon i bildedomenet, eller som multiplikasjon i frekvensdomenet Sirkelkonvolusjon F og H må ha samme størrelse: Nullutvide Sirkelkonvolusjon (Kopi fra dsprelated.com) 3 4 Eksempel: Middelverdifilteret Design i romlige domenet og filtrering i frekvensdomenet nullutvide (I)DFT Har en filterkjerne og vil implementere filtreringen i frekvensdomenet: * x (I)DFT = =. Beregn DFT av bildet. Beregn DFT av filterkjernen (med evt nullutvidelse) 3. Multipliser de to transformerte leddene 4. Transformer resultatet tilbake til bildedomenet vha. invers DFT (IDFT) (I)DFT Husk at filteret og bildet må ha samme størrelse (nullutvide filterkjernen) 5 6 4
5 Når er filtrering raskest i frekvensdomenet? f(x, har dimensjon NN, filterkjerne nn Filtrering i bildedomenet krever N n multiplikasjoner og tilsvarende addisjoner Filtrering i frekvensdomenet: FFT av bildet og filterkjernen: * O(N log N) Multiplikasjon i frekvensdomenet: N multiplikasjoner Inverstransform av resultatet : O(N log N) Filtrering i frekvensdomenet raskere når filteret er stort ( n >> log N ) Filterdesign i frekvensdomenet Lavpassfiltre Slipper bare gjennom lave frekvenser (mindre enn en grense D 0 som kalles filterets cut-off frekvens) D 0 oppgis ofte som et tall mellom 0 og ; da menes en cut-off = D 0 N/ Enkelt (også kalt ideelt) lavpassfilter:, D ( v ) D0 H ( 0, D( D0 D( ( u N / ) ( v N / ) (Ordet ideelt kommer fra om H( var enten 0 eller for alle mulige frekvenser u og v, ikke kun 0,,..N-. Dette er et urealiserbart filter, da filterkjernestørrelsen da vil gå mot uendelig) 7 8 Romlig representasjon av ideelt lavpassfilter Eksempler - ideell lavpass IDFT Original D 0 =0. D 0 =0.3 (trunkert sinc-funksjon) Vi får en ringing-effekt i bildet Husk tommelfingerregel om utstrekning i fourier- og bilde-domenet 9 Se på bildene i god nok oppløsning (du skal se stripe/ringing-effekter i de to til høyre). 0 5
6 Matlab-eksempel: Ideelt lavpassfilter im = double(imread(.. )); H = zeros(m,n); for i=:m for j=:n if sqrt( (i-m/)^ + (j-n/)^ ) < N/*r0 H(i,j) = ; end end end IM = fftshift( fft(im) ); im_filt = ifft( ifftshift( IM.*H ) ); imagesc( real( im_filt) ); Butterworth lavpassfilter Vindusfunksjoner brukes til å redusere ringingeffekten Butterworth lavpassfilter av orden n: H ( D( / D n 0 Her vil D 0 beskrive punktet der H( har falt til halvparten av sin maksimumsverdi Lav filterorden (n liten): H( faller langsomt: Lite ringing Høy filterorden (n stor): H( faller raskt: Mer ringing Andre filtre kan også brukes, f.eks. Gaussisk, Bartlett, Blackman, Hamming, Hanning Eksempler Butterworth-lavpass D 0 =0. 0 n= n=4 n=
7 Høypassfiltrering Båndpass og båndstoppfiltere Ideellt høypassfilter: 0, H (, D( D, 0 D( D. 0 Båndpassfilter: Slipper gjennom kun energien i et bestemt frekvensbånd <D low,d high > (eller <D 0 -,D 0 + >) Båndstoppfilter: Fjerner energi i et bestemt frekvensbånd <D low,d high > Butterworth th høypassfilter: (, ) H u v D D u v n 0 / (, ) Butterworth båndstoppfilter: (, ) D( D0 D( H s u v n Butterworth båndpassfilter: H ( H ( p s 5 6 Frekvensrespons til noen vanlige filtre /9 /5 * x /
8 Prewitt-filteret * x = = Korrelasjonsteoremet * h( x, F( H ( Korrelasjon i bildedomenet Multiplikasjon (med F * () i frekvensdomenet Med F( * menes den kompleks-konjugerte konjugerte til F( Det motsatte gjelder også: * h( x, F( H ( Brukes f.eks. til templatmatching Vindusfunksjoner Oppsummering Konvolusjonsteoremet: Konvolusjon i bildedomenet er ekvivalent med multiplikasjon i frekvensdomenet, og omvendt Filtrering kan gjøres i frekvensdomenet Design av filtre i frekvensdomenet Lavpass, høypass, båndpass, båndstopp Analyse av frekvensresponsen til konvolusjonsfiltre 3 3 8
INF 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
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
DetaljerIntroduksjon. «Diskret» sinus/cosinus i 1D. Funksjonen sin(θ) INF april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4
Introduksjon INF 2310 13. 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
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
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
DetaljerINF 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
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
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
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
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
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
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
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
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:
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
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
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
DetaljerPrøve- EKSAMEN med løsningsforslag
Prøve- EKSAMEN med løsningsforslag Emnekode: ITD33514 Dato: Vår 2015 Hjelpemidler: Alle trykte og skrevne. Emne: Bildebehandling og mønstergjenkjenning Eksamenstid: 4 timers eksamen Faglærer: Jan Høiberg
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
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.
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
DetaljerUke 12: FIR-filter design
Uke 12: FIR-filter design Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2013 2/47 Dagens temaer Repetisjon Design av digitale filtre Design av FIR filtre 3/47 Tema
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
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
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
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
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)]
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
DetaljerUke 12: FIR-filter design
Uke 12: FIR-filter design Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/48 Dagens temaer Repetisjon Design av digitale filtre Design av FIR filtre 3/48 Notasjon
DetaljerFiltrering 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
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
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
DetaljerSTE6146 Signalbehandling .RQWLQXHUOLJH ILOWUH
TE6146 ignalbehandling.rqwlqxhuoljh ILOWUH,QWURGXNVMRQ Ved enkelte metoder for design av digitale filtre, baserer en seg på tilgjengeligheten av metoder for design av analoge (kontinuerlige) filtre. Må
DetaljerOppgave 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;
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
DetaljerFiltrering 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
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
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
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.
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
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
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
DetaljerRepetisjon. Jo Inge Buskenes. INF3470/4470, høst Institutt for informatikk, Universitetet i Oslo
Repetisjon Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2013 3 domener Digitale systemer kan analyseres i tids-, frekvens- eller z-domenet 1 Tidsdomenet, eller n-domenet:
DetaljerRepetisjon. Jo Inge Buskenes. INF3470/4470, høst Institutt for informatikk, Universitetet i Oslo
Repetisjon Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2012 2/1 Dagens temaer 3/1 Tema 3 domener Digitale systemer kan analyseres i tids-, frekvens- eller z-domenet
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. 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 :
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,
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
DetaljerLØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling
Side 1 av 4 HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi MSc-studiet EL/RT LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling Tid: Fredag 11.03.2005, kl: 09:00-12:00 Tillatte
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF/ Signalbehandling Eksamensdag: 9. desember Tid for eksamen:. 7. Oppgavesettet er på sider. Vedlegg: Ingen Tillatte hjelpemidler:
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
DetaljerFILTERDESIGN Ukeoppgavene skal leveres som selvstendige arbeider. Det forventes at alle har satt seg inn i instituttets krav til innleverte oppgaver: Norsk versjon: http://www.ifi.uio.no/studinf/skjemaer/erklaring.pdf
DetaljerObligatorisk oppgave 2 INF2310 Våren 2018
Obligatorisk oppgave 2 INF2310 Våren 2018 Dette oppgavesettet er på 7 sider, og består av 2 bildebehandlingsoppgaver. Besvarelsen av denne og neste obligatoriske oppgave må være godkjent for at du skal
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
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
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
DetaljerFiltrering i bildedomenet. 2D-konvolusjons-eksempel. 2D-konvolusjons-eksempel. INF2310 Digital bildebehandling
Filtrering i bildedomenet INF2310 Digital bildebehandling FORELESNING 16 REPETISJON DEL I Andreas Kleppe Filtrering i bildedomenet 2D diskret Fourier-transform (2D DFT) Kompresjon og koding Morfologiske
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
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
DetaljerLokale 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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF347/447 Digital signalbehandling Eksamensdag: 1. desember 16 Tid for eksamen: 14.3 18.3 Oppgavesettet er på 8 sider. Vedlegg:
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
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF210 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 1:00 Løsningsforslaget
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
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....................
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 29. mars 2007 Tid for eksamen: 09.00 2.00 Oppgavesettet er på 5 sider. Vedlegg: INF 3470 / INF 4470 Digital Signalbehandling
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
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3470 Digital signalbehandling Eksamensdag: 1. desember 013 Tid for eksamen: 14.30 18.30 Oppgavesettet er på 15 sider. Vedlegg:
DetaljerObligatorisk oppgave 2
INSTITUTT FOR INFORMATIKK, UNIVERSITETET I OSLO Obligatorisk oppgave 2 INF2310, vår 2017 Dette oppgavesettet er på 9 sider, og består av 2 bildebehandlingsoppgaver. Besvarelsen av denne og forrige obligatoriske
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Eksamensdato: 14.5.213 Varighet/eksamenstid: Emnekode: Emnenavn: 5 timer EDT24T Signalbehandling Klasse(r): 2EI 2EE Studiepoeng: 1 Faglærer(e):
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
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
DetaljerFiltrering. Konvolusjon. Konvolusjon. INF2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDEDOMENET I
Filtrering INF30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDEDOMENET I Andreas Kleppe Naboskaps-operasjoner Konvolusjon og korrelasjon Lavpassfiltrering og kant-bevaring G&W:.6., 3., 3.4-3.5,
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
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 INF 160 Digital bildebehandling Eksamensdag: Mandag 13. mai - mandag 27. mai 2002 Tid for eksamen: 13. mai 2002 kl 09:00 27. mai
DetaljerINF2310 Digital bildebehandling
Filtrering INF30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDEDOMENET I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Lavpassfiltrering og kant-bevaring G&W:.6., 3., 3.4-3.5,
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
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
DetaljerViktige Fourier-transform par. Konvolusjons-teoremet. 2-D Diskret Fourier-Transform (DFT) INF 2310 Digital bildebehandling
- iskret Forier-Transform FT INF 3 igital bildebehandling FILTRERING I FREKVENS-OMÈNET II Konolsjons-teoremet Lapass- øypass- og Båndpass-filter esign a filtre i frekens-doménet Rask implementasjon a konolsjons-filtre
DetaljerTidsdomene analyse (kap 3 del 2)
INF3470 Digital signalbehandling Tidsdomene analyse (kap 3 del 2) Sverre Holm 3.9 Diskret konvolusjon Metode for å finne responsen fra et filter med 0 initialbetingelser, fra impulsresponsen h[n] Enkelt
DetaljerINF2310 Digital bildebehandling
INF230 Digital bildebehandling Forelesning 6 Filtrering i bildedomenet I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Lavpassfiltrering og kant-bevaring G&W: 2.6.2, 3., 3.4-3.5, deler
DetaljerA taxonomy of texture models
INF 5300 - Lecture 22.3.2004 Texture based on filtering Based on: M. Tuceryan and A. Jain, Texture analysis, in Handbook of Pattern Recognition and Computer Vision, C. Chen, L. Pau, W. Wang (editors) T.
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
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
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
DetaljerUNIVERSITETET I OSLO
Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet INF 2310 Digital bildebehandling Eksamensdag: Tirsdag 18. mai - tirsdag 1. juni 2004 Tid for eksamen: 18. mai 2004 kl 09:00 1.
DetaljerFasit, Eksamen. INF3440/4440 Signalbehandling 9. desember c 0 + c 1z 1 + c 2z 2. G(z) = 1/d 0 + d 1z 1 + d 2z 2
Fasit, Eksamen INF/ Signalbehandling 9. desember Oppgave : Strukturer To systemfunksjoner, G(z) og H(z), er gitt som følger: G(z) = c + c z + c z /d + d z + d z og H(z) = /d + dz + d z c + c z + c z. Figur
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
DetaljerINF2310 Digital bildebehandling
INF3 Digital bildebehandling Forelesning 8 Repetisjon: Filtrering i bildedomenet Andreas Kleppe Filtrering og konvolusjon Lavpassfiltrering og kant-bevaring Høypassfiltrering: Bildeforbedring og kantdeteksjon
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
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
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Bokmål Eksamensdato: 7.mai 24 Varighet/eksamenstid: 5 timer Emnekode: TELE 23 Emnenavn: Signalbehandling Klasse(r): 2EI 2EE Studiepoeng: Faglærer(e):
Detaljer