Filtrering i Frekvensdomenet II

Størrelse: px
Begynne med side:

Download "Filtrering i Frekvensdomenet II"

Transkript

1 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

2 Low-Pass Filtere Vi begynner med å se på tre ulike low-pass (lavpass) filtere. Ideelt Butterworth Gaussian Felles for alle disse er at de filtrerer vekk innhold med høy frekvens (raske endringer)

3 Ideelt Low-Pass Filter Et ideelt low-pass filter sender gjennom alle frekvenser enn en gitt grense uten svekkelse (attenuation). Beholder alle frekvense lavere enn en gitt grense (radius) D 0. { 1 if D(u, v) D 0 H(u, v) = 0 if D(u, v) > D 0 hvor D 0 er en positiv konstant kalt cutoff frequency og D(u, v) er avstanden fra (u, v) til senter. D(u, v) = (u P/2) 2 + (v Q/2) 2 Husk P og Q er henholdsvis bredden og høyden til frekvensbildet.

4 Ideelt Low-Pass Filter Under ser du et ideelt filter, samt en profilplot.

5 Ideelt Low-Pass Filter Her er spatial versjonen av filteret.

6 Ideelt Low-Pass Filter Vi skal utføre en rekke utjevninger med cutoff-frekvensene gitt i bildet til høyre. Lars Vidar Magnusson Bildebehandling og Mønstergjenkjenning 2017

7 Ideelt Low-Pass Filter Utjevnet med ideelt filter med D 0 = 10.

8 Ideelt Low-Pass Filter Utjevnet med ideelt filter med D 0 = 30.

9 Ideelt Low-Pass Filter Utjevnet med ideelt filter med D 0 = 60.

10 Ideelt Low-Pass Filter Utjevnet med ideelt filter med D 0 = 160.

11 Ideelt Low-Pass Filter Utjevnet med ideelt filter med D 0 = 460.

12 Butterworth Low-Pass Filter Butterworth lowpass filter er et alternativ for støyreduksjon. Et filter av orden n med cutoff frequency D 0 er definert som.. H(u, v) = [D(u, v)/d 0 ] 2n Har ikke skarpe kanter, så hvor er cutoff frekvensen? Normalt blir det satt en grense når H(u, v) er en viss prosent av maks En mellomting mellom ideelt og Gaussian.

13 Butterworth Low-Pass Filter Et Butterworth filter av n = 2, samt en profilplot av noen varianter.

14 Butterworth Low-Pass Filter Her er spatialutgaven av n = 1 og n = 2.

15 Butterworth Low-Pass Filter Her er spatialutgaven av n = 5 og n = 20.

16 Butterworth Low-Pass Filter Utjevnet med Butterworth filter med n = 2 og D 0 = 10.

17 Butterworth Low-Pass Filter Utjevnet med Butterworth filter med n = 2 og D 0 = 30.

18 Butterworth Low-Pass Filter Utjevnet med Butterworth filter med n = 2 og D 0 = 60.

19 Butterworth Low-Pass Filter Utjevnet med Butterworth filter med n = 2 og D 0 = 160.

20 Butterworth Low-Pass Filter Utjevnet med Butterworth filter med n = 2 og D 0 = 460.

21 Gaussian Low-Pass Filter Gaussian lowpass filter er muligens det mest brukte filteret for støyreduksjon. H(u, v) = e D2 (u,v)/2σ 2 hvor σ er variansen (spredningen/bredden). Vi kan erstatte denne med D 0 og få.. H(u, v) = e D2 (u,v)/2d 2 0

22 Gaussian Low-Pass Filter Et Gaussian lowpass filter og en profilplot med noen alternative D 0.

23 Gaussian Low-Pass Filter Utjevnet med Gaussian filter med D 0 = 10.

24 Gaussian Low-Pass Filter Utjevnet med Gaussian filter med D 0 = 30.

25 Gaussian Low-Pass Filter Utjevnet med Gaussian filter med D 0 = 60.

26 Gaussian Low-Pass Filter Utjevnet med Gaussian filter med D 0 = 160.

27 Gaussian Low-Pass Filter Utjevnet med Gaussian filter med D 0 = 460.

28 High-Pass Filtere Nå har tiden kommet for å se på high-pass (høypass) filtere. Ideelt Butterworth Gaussian Laplacian Felles for alle er at de fremhever fine detaljer (skjærper). De kan utledes fra et lavpassfilter H LP (u, v) med følgende.. H HP (u, v) = 1 H LP (u, v)

29 Ideelt High-Pass Filter Et ideelt high-pass filter er definert som.. { 0 if D(u, v) D 0 H(u, v) = 1 if D(u, v) > D 0 Her er et eksempel samt en profilplot.

30 Ideelt High-Pass Filter Skjærpet med ideelt filter med D 0 = 30.

31 Ideelt High-Pass Filter Skjærpet med ideelt filter med D 0 = 60.

32 Ideelt High-Pass Filter Skjærpet med ideelt filter med D 0 = 160.

33 Butterworth High-Pass Filter Butterworth high-pass filter er definert som.. H(u, v) = [D 0 /D(u, v)] 2n Her er et filter og noen varianter i en profilplot.

34 Butterworth High-Pass Filter Skjærpet med Butterworth filter med n = 2 og D 0 = 30.

35 Butterworth High-Pass Filter Skjærpet med Butterworth filter med n = 2 og D 0 = 60.

36 Butterworth High-Pass Filter Skjærpet med Butterworth filter med n = 2 og D 0 = 160.

37 Gaussian High-Pass Filter Gaussian high-pass filter er definert som... H(u, v) = 1 e D2 (u,v)/2d 2 0 Her er et filter og noen varianter i en profilplot

38 Gaussian High-Pass Filter Skjærpet med Gaussian filter med D 0 = 30.

39 Gaussian High-Pass Filter Skjærpet med Gaussian filter med D 0 = 60.

40 Gaussian High-Pass Filter Skjærpet med Gaussian filter med D 0 = 160.

41 Laplacian i Frekvensdomenet Det kan vises at Laplacian kan implementeres i frekvensdomenet med følgende. H(u, v) = 4π 2 (u 2 + v 2 ) eller uttrykt med D(u, v) så får vi.. H(u, v) = 4π 2 D 2 (u, v) Da får vi følgende uttryk for Laplacian-bildet. 2 f (x, y) = F 1 {H(u, v)f (u, v)}

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

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

Spatial Filtere. Lars Vidar Magnusson. February 6, Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters Spatial Filtere Lars Vidar Magnusson February 6, 207 Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters Hvordan Lage Spatial Filtere Det er å lage et filter er nokså enkelt;

Detaljer

Prøve- EKSAMEN med løsningsforslag

Prøve- 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

Detaljer

Eksempel: Ideelt lavpassfilter

Eksempel: 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

Detaljer

Basisbilder - cosinus. Alternativ basis. Repetisjon Basis-bilder. INF april 2010 Fouriertransform del II. cos( )

Basisbilder - 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

Detaljer

01-Passivt Chebychevfilter (H00-4)

01-Passivt Chebychevfilter (H00-4) Innhold 01-Passivt Chebychevfilter (H00-4)... 1 0-Aktivt Butterworth & Besselfilter (H03-1)... 04 Sallen and Key lavpass til båndpass filter... 3 05 Butterworth & Chebychev (H0- a-d):... 5 06 Fra 1-ordens

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

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

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

UNIVERSITETET I OSLO

UNIVERSITETET 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

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

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

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

Viktige Fourier-transform par. Konvolusjons-teoremet. 2-D Diskret Fourier-Transform (DFT) INF 2310 Digital bildebehandling

Viktige 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

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

UNIVERSITETET I OSLO

UNIVERSITETET 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.

Detaljer

pdf

pdf FILTERDESIGN 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

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

TMA4123 - Kræsjkurs i Matlab. Oppgavesett 3 Versjon 1.2

TMA4123 - 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

Detaljer

IIR filterdesign Sverre Holm

IIR filterdesign Sverre Holm IIR filterdesign IIR filterdesign Sverre Holm Filterspesifikasjon IIR kontra FIR IIR filtre er mer effektive enn FIR færre koeffisienter for samme magnitudespesifikasjon Men bare FIR kan gi eksakt lineær

Detaljer

303d Signalmodellering: Gated sinus a) Finn tidsfunksjonen y(t) b) Utfør en Laplace transformasjon og finn Y(s)

303d Signalmodellering: Gated sinus a) Finn tidsfunksjonen y(t) b) Utfør en Laplace transformasjon og finn Y(s) 303d Signalmodellering: Gated sinus... 1 610 Operasjonsforsterkere H2013-3... 1 805 Sallen and Key LP til Båndpass filter... 2 904 Z-transformasjon av en forsinket firkant puls.... 4 913 Chebyshev filter...

Detaljer

Frevensanalyse av signaler (del 2) og filtrering av bilder

Frevensanalyse 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

Detaljer

01 Laplace og Z-transformasjon av en forsinket firkant puls.

01 Laplace og Z-transformasjon av en forsinket firkant puls. Innholdsfortegnelse 0 Laplace og Z-transformasjon av en forsinket firkant puls.... 0 Sampling og filtrering og derivering av en trekant strømpuls... 03_Digitalt Chebyshev filter... 3 04 Digitalisering

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

FILTERDESIGN 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

Detaljer

TMA Matlab Oppgavesett 2

TMA 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

Detaljer

IIR filterdesign Sverre Holm

IIR filterdesign Sverre Holm IIR filterdesign Sverre Holm Filterspesifikasjon 1 IIR kontra FIR IIR filtre er mer effektive enn FIR færre koeffisienter for samme magnitude- spesifikasjon Men bare FIR kan gi eksakt lineær fase Lineær

Detaljer

FYS Forslag til løsning på eksamen våren 2014

FYS Forslag til løsning på eksamen våren 2014 FYS1210 - Forslag til løsning på eksamen våren 2014 Oppgave 1 Figure 1. viser en forsterker sammensatt av 2 operasjonsforsterkere. Operasjonsforsterkeren 741 har et Gain Band Width produkt GBW = 1MHz.

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO 1 UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF5480 RF kretser, teori og design Eksamensdag: Torsdag 22. november, 2007 Tid for eksamen: 08:45-11:45 Oppgavesettet er på

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: Oppgavesettet er på 9 sider. Vedlegg: Tillatte hjelpemidler: INF2400 Digital signalbehandling 16. 23. april 2004,

Detaljer

Praktiske målinger med oscilloskop og signalgenerator Vi ser på likerettere og frekvensfilter

Praktiske målinger med oscilloskop og signalgenerator Vi ser på likerettere og frekvensfilter Kurs: FYS1210 Elektronikk med prosjektoppgaver Gruppe: Gruppe-dag: Oppgave: LABORATORIEØVELSE NR 2 Omhandler: Praktiske målinger med oscilloskop og signalgenerator Vi ser på likerettere og frekvensfilter

Detaljer

A taxonomy of texture models

A 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.

Detaljer

Forelesning og oppgaver 8 Filtrering

Forelesning og oppgaver 8 Filtrering Digital bildebehandling for Radiografer Side 1 av 9 Forelesning og oppgaver 8 Filtrering 8.1 Om forelesningen 8.1.1 Mål Dere skal vite hvordan vanlige filtre fungerer og ha prøvd å bruke de vanligste typene

Detaljer

Kap 7: Digital it prosessering av analoge signaler

Kap 7: Digital it prosessering av analoge signaler Kap 7: Digital it prosessering av analoge signaler Sverre Holm Temaer 1. Sampling og rekonstruksjon 2. Finne spektret til samplet signal 3. Gjenvinning med forskjellige interpolasjoner 4. Nullinnsetting

Detaljer

Prosjekt 3 - Introduksjon til Vitenskapelige Beregninger

Prosjekt 3 - Introduksjon til Vitenskapelige Beregninger Prosjekt 3 - Introduksjon til Vitenskapelige Beregninger Studentnr: 755110, 759144 og 753717 April 2016 1 Oppgave 1 Røntgenstråler emittert fra en wolfram-anode har en karakteristisk energi E k 60 kev,

Detaljer

Basisbilder - cosinus v Bildene

Basisbilder - 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

Detaljer

Forslag til løsning på eksamen FYS1210 våren 2010

Forslag til løsning på eksamen FYS1210 våren 2010 Forslag til løsning på eksamen FYS1210 våren 2010 Oppgave 1 n seriekopling av solceller forsyner ubest med elektrisk energi. Ubelastet måler vi en spenning på 5 volt over solcellene (Vi måler mellom og

Detaljer

INF mars 2017 Diskret Fouriertransform del II

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,

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

INF1411 Obligatorisk oppgave nr. 4

INF1411 Obligatorisk oppgave nr. 4 INF1411 Obligatorisk oppgave nr. 4 Fyll inn navn på alle som leverer sammen, 2 per gruppe (1 eller 3 i unntakstilfeller): 1 2 3 Informasjon og orientering I denne oppgaven skal du lære litt om responsen

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

Lab 2 Praktiske målinger med oscilloskop og signalgenerator

Lab 2 Praktiske målinger med oscilloskop og signalgenerator Universitetet i Oslo FYS1210 Elektronikk med prosjektoppgave Lab 2 Praktiske målinger med oscilloskop og signalgenerator 17. februar 2016 Labdag: Tirsdag Labgruppe: 3 Oppgave 1: Knekkfrekvens Et enkelt

Detaljer

Utkast med løsningshint inkludert UNIVERSITETET I OSLO

Utkast 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

Detaljer

Repetisjon: LTI-systemer

Repetisjon: 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30-Digital bildebehandling Eksamensdag: Tirsdag 5. mars 06 Tid for eksamen: 09:00-3:00 Løsningsforslaget er på: 4 sider Vedlegg:

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

( x+ π 2) Bakgrunn: Sinus og cosinus. Bakgrunn: Samplet sinus i 1D. Bakgrunn: Samplet sinus i 2D. Bakgrunn: Sinus i 2D. sin( x)=cos.

( 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

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

Sampling ved Nyquist-raten

Sampling ved Nyquist-raten Samplingsteoremet Oppgavegjennomgang, 7.mai Oversikt Presisering av samplingsteoremet Løse utsendt oppgave om sampling Løse oppgave, V Løse oppgave 3, V If a function f (t contains no frequencies higher

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

Repetisjon: Standardbasis

Repetisjon: 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

Detaljer

f(t) F( ) f(t) F( ) f(t) F( )

f(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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

INF2310 Digital bildebehandling FORELESNING 9 FOURIER-TRANFORM II. Andreas Kleppe

INF2310 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

Detaljer

Lydproduksjon. t.no. ww ww.hin. Forelesning 9 Signalbehandling (processing) og effekter MMT205 - F9 1

Lydproduksjon. t.no. ww ww.hin. Forelesning 9 Signalbehandling (processing) og effekter MMT205 - F9 1 MMT205 Lydproduksjon t.no ww ww.hin Forelesning 9 Signalbehandling (processing) og effekter MMT205 - F9 1 F9 - Innhold MMT205 - F9 2 Introduksjon Signalbehandlingsmetoder: Akustiske/mekaniske, eks. mikrofonplassering,

Detaljer

8/24/2009. INF3470 Digital signalbehandling Introduksjon Sverre Holm

8/24/2009. INF3470 Digital signalbehandling Introduksjon Sverre Holm INF3470 Digital signalbehandling Introduksjon Sverre Holm 1 Hvordan virker... CD og lydkoding (mp3 ~1:12) Lyd-filtrering og -effekter Shazam (gjenkjenning av låter, Iphone) Kompresjon av talesignal i GSM:

Detaljer

STE6146 Signalbehandling .RQWLQXHUOLJH ILOWUH

STE6146 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Tirsdag. mars Tid for eksamen : :3 :3 ( timer) Løsningsforslaget

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3470 Digital signalbehandling Eksamensdag: 11. desember 01 Tid for eksamen: 14.30 18.30 Oppgavesettet er på 1 sider. Vedlegg:

Detaljer

Transformanalyse. Jan Egil Kirkebø. Universitetet i Oslo 17./23. september 2019

Transformanalyse. 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

Detaljer

LABORATORIEØVELSE C FYS LINEÆR KRETSELEKTRONIKK 1. TILBAKEKOBLING AV 2-ORDENS SYSTEM 2. KONTURANALYSE OG NYQUISTDIAGRAMMER

LABORATORIEØVELSE C FYS LINEÆR KRETSELEKTRONIKK 1. TILBAKEKOBLING AV 2-ORDENS SYSTEM 2. KONTURANALYSE OG NYQUISTDIAGRAMMER FYS322 - LINEÆR KRETSELEKTRONIKK LABORATORIEØVELSE C 1. TILBAKEKOBLING AV 2-ORDENS SYSTEM 2. KONTURANALYSE OG NYQUISTDIAGRAMMER 3. PI REGULATOR 4. FILTRE Maris Tali(maristal) maristal@student.matnat. uio.no

Detaljer

INF3470/4470 Digital signalbehandling. Introduksjon Sverre Holm

INF3470/4470 Digital signalbehandling. Introduksjon Sverre Holm INF3470/4470 Digital signalbehandling Introduksjon Sverre Holm Hvordan virker... CD og lydkoding (mp3 ~1:12) Lyd-filtrering og -effekter Shazam (gjenkjenning av låter, Iphone) GPS Se kap 7.6-7.10 for

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 13:00 Oppgavesettet er på: 6 sider Vedlegg:

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

Filtrering. Konvolusjon. Konvolusjon. INF2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDEDOMENET I

Filtrering. 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,

Detaljer

Praktiske målinger med oscilloskop og signalgenerator

Praktiske målinger med oscilloskop og signalgenerator Kurs: FYS1210 Elektronikk med prosjektoppgaver Gruppe: Gruppe-dag: Oppgave: LABORATORIEØVELSE NR 2 Omhandler: Praktiske målinger med oscilloskop og signalgenerator Vi ser på likerettere og frekvensfilter

Detaljer

Fakultet for teknologi, kunst og design Teknologiske fag

Fakultet for teknologi, kunst og design Teknologiske fag Fakultet for teknologi, kunst og design Teknologiske fag Eksamen i: Elektronikk Målform: Bokmål Dato: 24. mai 2017 Tid: 3 timer/0900-1200 Antall sider (inkl. forside): 5 (inkludert Vedlegg 1 side) Antall

Detaljer

Uke 12: FIR-filter design

Uke 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

Detaljer

INF2310 Digital bildebehandling

INF2310 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,

Detaljer

Uke 12: FIR-filter design

Uke 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

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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:

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

Fakultet for teknologi, kunst og design Teknologiske fag

Fakultet for teknologi, kunst og design Teknologiske fag Fakultet for teknologi, kunst og design Teknologiske fag Ny/utsatt eksamen i: Elektronikk Målform: Bokmål Dato: 8. juli 015 Tid: 0900-100 Antall sider (inkl. forside og 1 side Vedlegg): 5 Antall oppgaver:

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

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

UKE 5. Kondensatorer, kap. 12, s RC kretser, kap. 13, s Frekvensfilter, kap. 15, s og kap. 16, s.

UKE 5. Kondensatorer, kap. 12, s RC kretser, kap. 13, s Frekvensfilter, kap. 15, s og kap. 16, s. UKE 5 Kondensatorer, kap. 12, s. 364-382 R kretser, kap. 13, s. 389-413 Frekvensfilter, kap. 15, s. 462-500 og kap. 16, s. 510-528 1 Kondensator Lindem 22. jan. 2012 Kondensator (apacitor) er en komponent

Detaljer

Signalfiltrering. Finn Haugen TechTeach. 21. september 2003. Sammendrag

Signalfiltrering. Finn Haugen TechTeach. 21. september 2003. Sammendrag Signalfiltrering Finn Haugen TechTeach. eptember 3 Sammendrag Dette dokumentet gir en kort bekrivele av ignalfiltrering med tidkontinuerlige, ogå kalt analoge, filtere og med tiddikrete, ogå kalt digitale,

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 007 Tid for eksamen : 09:00 1:00 Oppgavesettet er på : 5 sider

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN 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):

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET 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

Detaljer

Repetisjon: Eksempel. Repetisjon: Aliasing. Oversikt, 26.februar Gitt. Alle signaler. Ettersom. vil alle kontinuerlig-tid signaler.

Repetisjon: 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

Detaljer

Forelesning nr.7 INF 1411 Elektroniske systemer. Tidsrespons til reaktive kretser Integrasjon og derivasjon med RC-krester

Forelesning nr.7 INF 1411 Elektroniske systemer. Tidsrespons til reaktive kretser Integrasjon og derivasjon med RC-krester Forelesning nr.7 INF 1411 Elektroniske systemer Tidsrespons til reaktive kretser Integrasjon og derivasjon med RC-krester Dagens temaer Nøyaktigere modeller for ledere, R, C og L Tidsrespons til reaktive

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN 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

Sikkerhetsrapportering

Sikkerhetsrapportering Innhold Sikkerhetsrapportering... 2 Bestilling av rapporter... 2 Forklaring av rapporten i rapportvinduet... 4 Rapport-trestruktur... 4 Filtrering... 4 Implisitt tilgjengelig data... 4 Oppfrisking av rapporten...

Detaljer

Uke 6: Analyse i frekvensdomenet

Uke 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

Detaljer

FFT. Prosessering i frekvensdomenet. Digital signalprosessering Øyvind Brandtsegg

FFT. 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

Detaljer

UKE 5. Kondensatorer, kap. 12, s RC kretser, kap. 13, s Frekvensfilter, kap. 15, s kap. 16, s

UKE 5. Kondensatorer, kap. 12, s RC kretser, kap. 13, s Frekvensfilter, kap. 15, s kap. 16, s UKE 5 Kondensatorer, kap. 2, s. 364-382 R kretser, kap. 3, s. 389-43 Frekvensfilter, kap. 5, s. 462-500 kap. 6, s. 50-528 Kondensator Lindem 22. jan. 202 Kondensator (apacitor) er en komponent som kan

Detaljer

Generell informasjon om faget er tilgjengelig fra It s learning.

Generell informasjon om faget er tilgjengelig fra It s learning. Stavanger,. oktober 3 Det teknisknaturvitenskapelige fakultet ELE5 Signalbehandling, 3. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 4. Frekvensrespons for system.....................

Detaljer

INF2310 Digital bildebehandling

INF2310 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

Detaljer

Justering av bildets middelverdi og standard-avvik IN 106, V-2001 BILDEFORBEDRING, DEL II FILTRERING 19/ Fritz Albregtsen

Justering av bildets middelverdi og standard-avvik IN 106, V-2001 BILDEFORBEDRING, DEL II FILTRERING 19/ Fritz Albregtsen IN 06, V-200 Justering av bildets middelverdi og standard-avvik Gitt et inn-bilde med normalisert histogram p(v),v [0,..., ], 0 p(v) = Da er µ og gitt ved BILDEFORBEDRING, DEL II µ v = vp(v)dv 0 v 2 (

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 2007 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : 5 sider

Detaljer

Brukerveiledning for Styreadministrasjon Helse Midt-Norge RHF

Brukerveiledning for Styreadministrasjon Helse Midt-Norge RHF Brukerveiledning for Styreadministrasjon Helse Midt-Norge RHF Innhold: Funksjoner som gjelder for alle brukere: 1. Dokumenter a. Sakliste og protokoll b. Presentasjoner fra styret 2. RSS-feed (kommer)

Detaljer

Kap.12. Flervegssøketre. Studerer 2-3 og 2-4 trær. Sist oppdatert

Kap.12. Flervegssøketre. Studerer 2-3 og 2-4 trær. Sist oppdatert Kap.12 Flervegssøketre Sist oppdatert 12.04.10 Studerer 2-3 og 2-4 trær Motivasjon n maks = antall elementer i et fullt binært tre med nivåer 0 k ; (en node har ett element) n maks = 2 0 + 2 1 + + 2 k

Detaljer

Forelesning nr.7 INF 1411 Elektroniske systemer. Tidsrespons til reaktive kretser Integrasjon og derivasjon med RC-krester

Forelesning nr.7 INF 1411 Elektroniske systemer. Tidsrespons til reaktive kretser Integrasjon og derivasjon med RC-krester Forelesning nr.7 INF 1411 Elektroniske systemer Tidsrespons til reaktive kretser Integrasjon og derivasjon med RC-krester Dagens temaer Tidsrespons til reaktive kretser RC-integrator/differensiator-respons

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

Forslag til løsning på eksamen FYS1210 V-2007 ( rev.2 )

Forslag til løsning på eksamen FYS1210 V-2007 ( rev.2 ) Forslag til løsning på eksamen FYS20 V-2007 ( rev.2 ) Oppgave Figur a viser et nettverk med et atteri på 24 volt og 4 motstander. R = 3kΩ, R2 =,5 kω, R3 = 9 kω, R4 = 3 kω a) Hva er spenningen i punktene

Detaljer