Signal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal. För en digital bild gäller. Fig. 2.1

Storlek: px
Starta visningen från sidan:

Download "Signal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal. För en digital bild gäller. Fig. 2.1"

Transkript

1 Signal- och Bildbehandling FÖRELÄSNING 7 D signalbehandling (bildbehandling) Den digitala bilden, ärgtabeller D kontinuerlig ouriertransorm och D DFT D sampling D diskret altning Lågpassiltrerande D altningskärnor Teori: Kap., , 3., bara här p. En bild är en D signal D: (t) är en unktion som beror av tiden t. D: (x,y) är en unktion som beror av de spatiella (rums-) koordinaterna x och y. Ex) x, y sinx y x, y svart x, y vitt Fig.. p. Maria Magnusson, Datorseende, Inst. ör Systemteknik, Linköpings Universitet För en digital bild gäller En digital bild är en samplad D-unktion. Samplen kallas pixlar (picture elements). Antalet pixlar = bildens storlek. En vanlig storlek: 5x5= 8 =.5 Mpixel. Ibland är samplen kvantiserade i intervallet [,55]. Dessa värden översätts via en ärgtabell i datorn till gråskalevärden, dvs ->svart och 55->vitt eller godtyckliga ärger (pseudo-ärg) Ibland är samplen lyttalsvärden. Dessa transormeras till intervallet [,55] och vidare via ärgtabell i datorn. En äkta ärgbild har 3 st värden per pixel. De transormeras var ör sig till intervallet [,55] och sedan vidare ut på datorns röda, gröna respektive blåa kanal vilket möjliggör 56 3 = ,8 miljoner ärger. p. 3 Exempel på ärginnehåll i bilder gråskalebild PET-bild av hjärna Psedo-ärgbild Äkta ärgbild p.

2 p. 5 p. 6 Exempel på en digital bild zoom Bildstorlek: 7x pixlar Vanlig gråskaleärgtabell Pixelvärde (x,y) Linjär : : : R G B 56 ärger D/A-omvandlare: omvandlar ett digitalt värde till ett analogt värde i orm av en elektrisk signal 55: och ut på skärmen I denna kursen jobbar vi mest med gråskaleärgtabellen. Pseudo-ärgtabell 56 ärger p. 7 Äkta ärgtabell Pixelvärde [ r (x,y), g (x,y), b (x,y)] p. 8 Över 6 miljoner ärger Pixelvärde (x,y) godtycklig : : : R G B??? Ex ) En PET-bild kan visa var det är aktivitet i hjärnan. Hög aktivitet kan visas röd och låg aktivitet kan visas blå. Linjär : : : R Linjär : : : G Linjär : : : B 55: och ut på skärmen Ex) Användbart t ex när vi vill visa negativa värden blå och positiva värden röda. 55: 55 och ut på skärmens röda kanal 55: 55 och ut på skärmens gröna kanal 55: 55 och ut på skärmens blåa kanal

3 D kontinuerlig ouriertransorm D ouriertransorm j xu yv x, y F v x, ye dx dy D invers ouriertransorm 3.3 j xu yv F v x, y F ve du dv p D ouriertransormen är separabel Den kan beräknas örst i ena ledden och sen i andra ledden: F j xu yv v x, ye F dx dy jyv jxu x, ye dy e dx 3.3 x, ouriertransorm i y - led v p. Fouriertransormen av en reell unktion är hermitisk * F v F v 3.7 F v F v Jämn unktion Re F Im F arg F v Re F v v Im F v v arg F v se Fig. 3. Hermitisk unktion Jämn unktion Udda unktion Udda unktion p. p. Bevis: D ouriertransormen av en reell unktion är hermitisk

4 En bild med amplitudspektrum p. 3 Realdel och Imaginärdel av Fouriertransormen p. Amplitudspektrum är spegelsymmetriskt (jämnt) De låga rekvenserna dominerar Fasspektrum är udda (se kompendiet) Fig. 3. Realdelen är jämn Imaginärdelen är udda Fig. 3. Teorem och samband Formelsamlingen och tabell 3. visar teorem ör Douriertransorm, bl a skalnings-, altnings-, translations- och derivata-teoremet. Dessa är generaliseringar av D-teoremen. Notera också de D-unika teoremen ör generell skalning, rotation och Laplace. Generell skalning : Rotation vinkeln : a A a a a cos R sin sin cos 3.6 p. 5 Teorem och samband Separabla unktioner ger separabel ourier-transorm, se ormelsamlingen, tabell 3.3 och ekvation (3.): Rotationssymmetriska transormpar i Tab. 3.: Transorm-par illustrerade i Fig. 3. p. 6 x, y gx hy F v Gu H v 3.

5 p. 8 Exempel) Beräkning av D ouriertransorm öva på Lektion! D DFT N M FD k, l D n, m e j nk / N ml / M D n, m p. 9 Teorem och samband Tabell 3. visar teorem ör D DFT. Notera att multiplikation i DFT-domänen motsvarar cirkulär altning i spatialdomänen. n m N M MN k l D j nk / N ml / M 3.9 Matlabkommando: FD=t(D) Notera dock att den symmetriska varianten, se ekvation (3.) och (3.), ota är att öredra i bild-sammanhang. Matlabkommando: FD=tshit(t(itshit(D))) D sampling av (x,y) F k, l e 3.8 Ingen vikningsdistorsion! Fig. 3.3 p.

6 p. Bilder med ouriertransorm. Tillräckligt hög samplingsrekvens. p. p. 3 Samband mellan samplad kontinuerlig ouriertransorm och DFT Fig. 3.5a D sampling av (x,y) Vikningsdistorsion! Fig. 3. Bilder med ouriertransorm. För låg samplingsrekvens. p. Eekten av vikningsdistorion som syns tydligt i bl a byxornas randning. Vikningsdistorisionen syns även i ourierdomänen som en ökad intensitet ör de högre rekvenserna. size: x8 size: x8 Fig. 3.5b Relationen mellan kontinuerlig rekvens v och diskret rekvens k,l står i (3.3). Det gäller att N,M är antalet sampelpunkter och D är sampelavståndet. u k ND 3.3 v l MD Fig. 3.7

7 g g g D altning x y h x, y hx, y,, d d Kontinuerlig Linjär diskret 3.5 x y h x, y hx, y,, Cirkulär diskret N M 3.7 x, y h x, y hx, y, N N 3.8 p. 5 g D linjär diskret altning x, y h x, y hx, y, Spegla h i x- och y-axeln = rotera 8 o. Glid med den speglade h över. Multiplicera och summera överlappande värden. Detta ger g * = x, y x, y gx y h, öva på Lektion! p. 6 Beräkningsbörda vid altning p. 7 Bildstorlek vid D linjär diskret altning Valid: Värden utanör inbilden anses odeinierade => Utbilden blir mindre än inbilden. Full: Värden utanör inbilden anses vara => Utbilden blir större än inbilden. Eller lika stor om de extra värdena slängs (Same) p. 8 g Fig. 3. Fig multiplikationer och 8 additioner per pixel!

8 Hur beräknas D ouriertransormen av? h H Byt t x, y, v, Sätt dirac-spikar d(x,y)=d(x)d(y) på varje element i altningskärnan. Antag sampelavstånd D. Detta ger: x d x D d x d x Dd y Tag D kontinuerlig Fouriertransorm jdu j Du v e e v.5cos / T D Du.5 cos Du öva på Lektion! / y D p. 9 x Hur beräknas D DFT:n av? Här är altningskärnan som [n,m]: Sätt in [n,m] i DFT-ormeln (ormelsamlingen): F j nk / N ml / M k, l n, me e j... e.5cos N / n N / m N / k N l M j k N l M j / M / k N l M e / m k / N.5 cos k / N n öva på Lektion!... p. 3 Lågpassiltrerande altningskärna i x-led (u-led) cos Du D här p. 3 Lågpassiltrerande altningskärna i y-led (v-led) cos Dv D här y p. 3 y v x / u v x / u Fig. 3. Fig. 3.

9 Lågpassiltrerande altningskärna i x- och y-led (u- och v-led) = /6 * / / cos Du cos Dv D här Dämpar höga rekvenser p. 33 Fig. 3. Mer lågpassiltrerande altningskärna i x- och y-led (u- och v-led) cos Du cos Dv = 66 6 /56 * /6 D här /6 p. 3 Fig. 3. Lågpassiltrering Jämör med Fig. 3.3 * p. 35 /56 Lågpassiltrering i Fourierdomänen Jm Fig. 3.3 p. 36 Kan t ex användas så här: ) Den suddiga nummerplåten kan klistras in i den skarpa bilden. ) Om det hade unnits ointressanta detaljer i bakgrunden skulle de kunna suddats ut.

TSBB31 Medicinska bilder Föreläsning 3

TSBB31 Medicinska bilder Föreläsning 3 TSBB3 Medicinska bilder öreläsning 3 D signalbehandling (bildbehandling) Den digitala bilden, ärgtabeller D kontinuerlig ouriertransorm och D DT D sampling D diskret altning Lågpassiltrerande D altningskärnor

Läs mer

Signaler, information & bilder, föreläsning 12

Signaler, information & bilder, föreläsning 12 Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden,

Läs mer

TSBB31. En bild är en 2D signal. Exempel på färginnehåll i bilder p. 4. För en digital bild gäller. vitt. Fig. 1.1

TSBB31. En bild är en 2D signal. Exempel på färginnehåll i bilder p. 4. För en digital bild gäller. vitt. Fig. 1.1 TSBB3 Medicinska bilder Föreläsning 3 D signalbehandling (bildbehandling) Den digitala bilden, ärgtabeller D kontinuerlig ouriertransorm och D DFT D sampling D diskret altning Lågpassiltrerande D altningskärnor

Läs mer

Signaler, information & bilder, föreläsning 13

Signaler, information & bilder, föreläsning 13 Signaler, inormation & bilder, öreläsning 3 Michael elsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden,

Läs mer

Signaler, information & bilder, föreläsning 13

Signaler, information & bilder, föreläsning 13 Signaler, inormation & bilder, öreläsning 3 Michael Felsberg och Maria Magnusson Computer Vision Laboratory (atorseende) epartment o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se

Läs mer

Signaler, information & bilder, föreläsning 14

Signaler, information & bilder, föreläsning 14 Signaler, inormation & bilder, öreläsning Michael Felsberg och Maria Magnusson Computer Vision Laborator (Datorseende) Department o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se

Läs mer

Signal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal 1D: f(t) är en funktion f som beror av tiden t. För en digital bild gäller

Signal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal 1D: f(t) är en funktion f som beror av tiden t. För en digital bild gäller Sinal- och Bildbehandlin ÖRELÄSNING 7 D sinalbehandlin (bildbehandlin) Den diitala bilden, ärtabeller D kontinuerli ouriertransorm och D DT D samplin D diskret altnin Låpassiltrerande D altninskärnor Teori:

Läs mer

Signaler, information & bilder, föreläsning 14

Signaler, information & bilder, föreläsning 14 Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laborator Department o Electrical Engineering michael.elsberg@liu.se Översikt D signalbehandling (bildbehandling) orts. Faltningskärnor

Läs mer

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering Signal- och Bildbehandling FÖRELÄSIG 8 signalbehandling (bildbehandling) orts. Lågpassilter, orts. Snonmer Cirkulär och Faltningskärna Linjär altning, orts Filterkärna Faltningskärnor: 3 Filter eriverande

Läs mer

Signaler, information & bilder, föreläsning 15

Signaler, information & bilder, föreläsning 15 Översikt Signaler, inormation & bilder, öreläsning 5 Michael Felsberg och Maria Magnusson Computer Vision Laborator (Datorseende) Department o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se

Läs mer

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70 Tentamen i Signal- och bildbehandling TSEA70 Tid: 2003-08-22 kl. 4-8 Lokaler: G36 Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 6.00. tel 0702/33 79 48 Hjälpmedel: Räknedosa, OH-film, medskickad

Läs mer

Medicinska bilder. Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT. Fastställd av. Fastställandedatum

Medicinska bilder. Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT. Fastställd av. Fastställandedatum 1(6) Medicinska bilder Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT Fastställd av Programnämnden för elektroteknik, fysik och matematik, EF Fastställandedatum LINKÖPINGS UNIVERSITET 2(6)

Läs mer

7 Olika faltningkärnor. Omsampling. 2D Sampling.

7 Olika faltningkärnor. Omsampling. 2D Sampling. 7 Olika faltningkärnor. Omsampling. D Sampling. Aktuella ekvationer: Se formelsamlingen. 7.. Faltningskärnors effekt på bilder. Bilden f(, y) ska faltas med olika faltningskärnor, A H, se nedan. f(,y)

Läs mer

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet Signal- och Bildbehandling FÖRELÄSNING 4 Fouriertransformen, forts Mer egenskaper av fouriertransformen Enkel tillämpning: Filtrera bort oönskat buller från vacker visselton Fouriertransformen, slutsats

Läs mer

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70 Tentamen i Signal- och bildbehandling TSEA70 Tid: 2003-0-0 kl. 4-8 Lokaler: Examinator: U Maria Magnusson Seger Ansvarig lärare: Olle Seger besöker lokalen kl. 5 och 7. tel 259, 0702/337948 Hjälpmedel:

Läs mer

Bildförbättring i spatial domänen (kap. 3) Bildförbättring (enhancement) Spatial domän. Operatorer. Tröskling (threshold) Gråskale-transformationer

Bildförbättring i spatial domänen (kap. 3) Bildförbättring (enhancement) Spatial domän. Operatorer. Tröskling (threshold) Gråskale-transformationer Bildförbättring i spatial domänen (kap. 3) Punktoperationer Gråskaletransformationer Logiska & aritmetiska operationer Filtrering Faltning Lågpassfilter Högpassfilter Bildförbättring (enhancement) Förbättra

Läs mer

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70 Tentamen i Signal- och bildbehandling TSEA70 Tid: 000-03-8 kl. 4-8 Lokaler: Garnisonen Ansvariga lärare: Olle Seger, Maria M Seger besöker lokalerna kl 500 och 700 tel 070/33 79 48 Hjälpmedel: Räknedosa,

Läs mer

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT. Signal- och Bildbehandling, TSBB4 Laboration : Sampling och rekonstruktion. DFT. Maria Magnusson, 7-8 Avdelningen för Datorseende, Institutionen för Systemteknik, Linköpings Universitet Laboration. Förberedelser

Läs mer

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling Lösning till tentamen i Medicinska Bilder, TSBB3, 08-0-4 Maria Magnusson (maria.magnusson@liu.se) DEL : Grundläggande D signalbehandling Uppgift (6p) a och E: E LP-filtrerar mycket och ger en mycket suddig

Läs mer

7 MÖNSTERDETEKTERING

7 MÖNSTERDETEKTERING 7 MÖNSTERDETEKTERING 7.1 Korrelation Korrelation av två bilder f(x,y) och g(x,y) kan språkligt sett betyda att man gör just det som utsäges av (7.1). Bilderna läggs alltså på varandra med den ena bilden

Läs mer

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling Lösning till tentamen i Medicinska Bilder, TSBB31, 2017-10-19 Maria Magnusson (maria.magnusson@liu.se), Anders Eklund DEL 1: Grundläggande 2D signalbehandling Uppgift 1 (4p) a) f(x, y) = 30 Π(x/40, y/20)

Läs mer

Facit till Signal- och bildbehandling TSBB

Facit till Signal- och bildbehandling TSBB Facit till Signal- och bildbehandling TSBB3 6-5-3 Maria Magnusson Seger, maria@isy.liu.se Kontinuerlig faltning (9p) a) Faltningsoperationen illustreras i figuren nedan. et gäller att x(t λ) e 4(t λ) u(t

Läs mer

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14 Tentamen i Signal- och bildbehandling TSBB Tid: 205-0-, 8-3 Lokaler: U, U3, U Ansvarig lärare: Maria Magnusson besöker lokalerna kl. 9.30 och.30 tel 073-80 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,

Läs mer

Försättsblad till skriftlig tentamen vid Linköpings universitet TER1(17) TERE(1)

Försättsblad till skriftlig tentamen vid Linköpings universitet TER1(17) TERE(1) Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 207-0-9 Sal (2) Tid 8-2 Kurskod TSBB3 Provkod TEN Kursnamn/benämning Provnamn/benämning Institution Antal uppgifter som

Läs mer

6 2D signalbehandling. Diskret faltning.

6 2D signalbehandling. Diskret faltning. D signalbehandling. Diskret faltning. Aktella ekationer: Se formelsamlingen... D Diskret faltning. Beräkna g(x = (h f(x = λ= f(x = - - 0 - - och h(x = -. h(x λf(λ, där Centrm (positionen för x = 0 är markerad

Läs mer

Bildbehandling i frekvensdomänen. Erik Vidholm

Bildbehandling i frekvensdomänen. Erik Vidholm Bildbehandling i frekvensdomänen Erik Vidholm erik@cb.uu.se 9 december 2002 Sammanfattning Detta arbete beskriver hur en bild kan tolkas som en tvådimensionell digital signal, hur denna signal Fouriertransformeras

Läs mer

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ 'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ Nyckelord: Sampling, kvantisering, upplösning, geometriska operationer, fotometriska operationer, målning, filtrering 'LJLWDOUHSUHVHQWDWLRQR KODJULQJDYELOGHU En

Läs mer

Signal- och bildbehandling TSBB03 och TSEA70

Signal- och bildbehandling TSBB03 och TSEA70 Tentamen i Signal- och bildbehandling TSBB03 och TSEA70 Tid: 004-08-10 kl. 8-1 Lokaler: TER1 Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 9.00 och 10.45. tel 073-804 38 67 Hjälpmedel: Räknedosa,

Läs mer

Bildbehandling En introduktion. Mediasignaler

Bildbehandling En introduktion. Mediasignaler Bildbehandling En introdktion Mediasignaler Innehåll Grndläggande bildbehandling Foriertransformering Filtrering Spatialdomän Frekvensdomän Vad är bildbehandling? Förbättring Image enhancement Återställning

Läs mer

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14 Tentamen i Signal- och bildbehandling TSBB Tid: 3-5-3 Lokaler: TER Ansvarig lärare: Maria Magnusson besöker lokalen kl. 8.5 och.3 tel 73-8 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film,

Läs mer

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling Lösning till tentamen i Medicinska Bilder, TSBB31, 2014-01-10 Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL 1: Grundläggande 2D signalbehandling Uppgift

Läs mer

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB03 Tentamen i Signal- och bildbehandling TSBB03 Tid: 2006-05-3 kl. 8-2 Lokal: TER2 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9.40. tel 073-804 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,

Läs mer

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling Lösning till tentamen i Medicinska Bilder, TSBB3, 203-0-08 Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL : Grundläggande 2D signalbehandling Uppgift (2p)

Läs mer

FÖRELÄSNING 13: Analoga o p. 1 Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga p. 2 filter = tidskontinuerliga filter

FÖRELÄSNING 13: Analoga o p. 1 Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga p. 2 filter = tidskontinuerliga filter FÖRELÄSNING 3: Analoga o p. Digitala filter. Kausalitet. Stabilitet. Analoga filter Ideala filter Butterworthfilter (kursivt här, kommer inte på tentan, men ganska bra för förståelsen) Kausalitet t oh

Läs mer

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70 Tentamen i Signal- och bildbehandling TSEA Tid: -- kl. - Lokaler: G3 Ansvarig lärare: Henrik Turbell besöker lokalen kl..3 tel Adm. assistent: Ylva Jernling tel Hjälpmedel: Räknedosa, OH-film, medskickad

Läs mer

TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer

TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer Johan Thim 0 januari 207 Introduktion En differentialekvation (DE) i en variabel är en ekvation som innehåller både

Läs mer

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB03 Tentamen i Signal- och bildbehandling TSBB03 Tid: 2004-06-0 kl. 8-2 Lokaler: Garnisonen Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 9.00 och 0.45. tel 073-804 38 67 Hjälpmedel: Räknedosa,

Läs mer

Dagens teman. Mängdlära forts. Relationer och funktioner (AEE 1.2-3, AMII K1.2) Definition av de naturliga talen, Peanos axiom.

Dagens teman. Mängdlära forts. Relationer och funktioner (AEE 1.2-3, AMII K1.2) Definition av de naturliga talen, Peanos axiom. Dagens teman Mängdlära orts. Relationer och unktioner (AEE 1.2-3, AMII K1.2) Deinition av de naturliga talen, Peanos axiom. Relationer och unktioner Relationer Generell deinition: En relation R på mängden

Läs mer

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14 Tentamen i Signal- och bildbehandling TSBB4 Tid: -5-8 Lokaler: TER3 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 8.45 och.45 tel 8336, 73-84 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,

Läs mer

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler Signal- och Bildbehandling, TSBB14 Laboration 2: Sampling och Tidsdiskreta signaler Anders Gustavsson 1997, Maria Magnusson 1998-2013 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings

Läs mer

4x 2 dx = [polynomdivision] 2x x + 1 dx. (sin 2 (x) ) 2. = cos 2 (x) ) 2. t = cos(x),

4x 2 dx = [polynomdivision] 2x x + 1 dx. (sin 2 (x) ) 2. = cos 2 (x) ) 2. t = cos(x), Lunds Tekniska Högskola Matematik Helsingborg Lösningar Analys, FMAA5 9-8-9. a) e sinx) cosx) dx e sinx) + C. b) 4x dx polynomdivision] x + x + x + dx x x + ] ln x + + ) ln) + ) ln) ln). c) Trigonometriska

Läs mer

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Försättsblad till skriftlig tentamen vid Linköpings Universitet Försättsblad till skriftlig tentamen vid Linköpings Universitet Datum för tentamen 203--0 Sal TER4 Tid 8-2 Kurskod TSBB3 Provkod TEN Kursnamn/ Benämning Institution Antal uppgifter som ingår i tentamen

Läs mer

Analys o Linjär algebra. Lektion 7.. p.1/65

Analys o Linjär algebra. Lektion 7.. p.1/65 Analys o Lektion 7 p1/65 Har redan (i matlab bla) stött på tal-listor eller vektorer av typen etc Vad kan sådana tänkas representera/modellera? Hur kan man räkna med sådana? Skall närmast fokusera på ordnade

Läs mer

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70 Tentamen i Signal- och bildbehandling TSEA70 Tid: 00-05-8 kl. -8 Lokaler: G, G Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 5 och 7. tel Hjälpmedel: Räknedosa, OH-film, medskickad formelsamling

Läs mer

A dt = 5 2 da dt + A 100 =

A dt = 5 2 da dt + A 100 = Tentamensskrivning i Matematik IV, F1636(5B11,5B13) Tisdagen den 13 november 7, kl 14-19 Hjälpmedel: BETA, Mathematics Handbook Redovisa lösningarna på ett sådant sätt att beräkningar och resonemang är

Läs mer

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A SF165 Envariabelanalys Lösningsförslag till tentamen 01-1-10 DEL A 1. Låt funktionen f ha definitionsmängden D f =]0, [ och ges av f(x) = e x 1 x. (a) Finn f:s invers f 1. ( p) (b) Finn inversens värdemängd

Läs mer

Försättsblad till skriftlig tentamen vid Linköpings universitet G35(18) TER4(12)

Försättsblad till skriftlig tentamen vid Linköpings universitet G35(18) TER4(12) Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 218-1-24 Sal (2) G35(18) TER4(12) Tid 8-12 Kurskod TSBB31 Provkod TEN1 Kursnamn/benämning Provnamn/benämning Medicinska

Läs mer

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling Lösning till tentamen i Medicinska Bilder, TSBB3, 26--28 Maria Magnusson (maria.magnusson@liu.se), Anders Eklund DEL : Grundläggande 2D signalbehandling Uppgift (3p) Translationsteoremet säger att absolutvärdet

Läs mer

TANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 9 november 2015 Sida 1 / 28

TANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 9 november 2015 Sida 1 / 28 TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 9 november 2015 Sida 1 / 28 Föreläsning 3 Linjära ekvationssystem. Invers. Rotationsmatriser. Tillämpning:

Läs mer

Kontrollskrivning KS1T

Kontrollskrivning KS1T Kontrollskrivning KS1T Matematik 2 Kurskod HF100 Skrivtid 8:15-11:15 måndagen 9 februari 2009 Tentamen består av 4 sidor Hjälpmedel: Utdelat formelblad. Räknedosa. Formelsamling Korrekt löst uppgift ger

Läs mer

Tentamen i Matematisk analys MVE045, Lösningsförslag

Tentamen i Matematisk analys MVE045, Lösningsförslag Tentamen i Matematisk analys MVE5 26-8-23 Lösningsförslag Kl. 8.3 2.3. Tillåtna hjälpmedel: Mathematics handbook for science and engineering (BE- TA) eller CRC Standard Mathematical Tables. Indexeringar

Läs mer

(x + 1) dxdy där D är det ändliga område som begränsas av kurvorna

(x + 1) dxdy där D är det ändliga område som begränsas av kurvorna UPPSALA UNIVERSITET Matematiska institutionen Anders Källström Prov i matematik ES, W Flervariabelanalys 8 1 1 Skrivtid: 9-1. Inga hjälpmedel. Lösningarna skall åtföljas av förklarande text/figurer. Varje

Läs mer

x 2 = lim x 2 x 2 x 2 x 2 x x+2 (x + 3)(x + x + 2) = lim x 2 (x + 1)

x 2 = lim x 2 x 2 x 2 x 2 x x+2 (x + 3)(x + x + 2) = lim x 2 (x + 1) Matematik Hjälpmedel: Inga Chalmers Tekniska Högskola Tentamen 5--7 kl. 4: 8: Telefonvakt: Samuel Bengmark ankn.: 7-87644 Betygsgränser :a poäng, 4:a poäng, 5:a 4 poäng, max: 5 poäng Tentamensgranskning

Läs mer

SF1625 Envariabelanalys Lösningsförslag till tentamen

SF1625 Envariabelanalys Lösningsförslag till tentamen SF1625 Envariabelanalys Lösningsförslag till tentamen 216-6-1 1. Derivera nedanstående funktioner med avseende på x och ange för vilka x derivatan existerar. Endast svar krävs. A. f(x) = arctan 1 x B.

Läs mer

Signal- och bildbehandling TSBB03, TSBB14

Signal- och bildbehandling TSBB03, TSBB14 Tentamen i Signal- och bildbehandling TSBB03, TSBB4 Tid: 00-0- Lokaler: G33 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 4.50 och 6.50 tel 073-804 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,

Läs mer

Spektrala Transformer

Spektrala Transformer Spektrala Transformer Kurssammanfattning Fyra kärnkoncept Sampling Faltning Poler och nollställen Fouriertransform Koncept #1: Sampling En korrekt samplad signal kan rekonstrueras exakt, dvs ingen information

Läs mer

Formelsamling. i kursen Medicinska Bilder, TSBB31. 1D och 2D Fouriertransformer, samt några formler för CT, SPECT, mm

Formelsamling. i kursen Medicinska Bilder, TSBB31. 1D och 2D Fouriertransformer, samt några formler för CT, SPECT, mm Formelsamling i kursen Medicinska Bilder, TSBB31 1D och 2D Fouriertransformer, samt några formler för CT, SPECT, mm Maria Magnusson, maria.magnusson@liu.se 27 oktober 2016 1 1-D Tidskontinuerliga Fouriertransformer

Läs mer

Complex numbers. William Sandqvist

Complex numbers. William Sandqvist Complex numbers Hur många lösningar har en andragradsekvation? y = x 2 1 = 0 Två lösningar! Kommer Du ihåg konjugatregeln? Svaret kan ju lika gärna skrivas: x 1 = 1 x2 = + 1 Hur många lösningar har den

Läs mer

Explorativ övning 7 KOMPLEXA TAL

Explorativ övning 7 KOMPLEXA TAL Explorativ övning 7 KOMPLEXA TAL Övningens syfte är att bekanta sig med komplexa tal. De komplexa talen, som är en utvidgning av de reella talen, kom till på 1400 talet då man försökte lösa kvadratiska

Läs mer

Luft. film n. I 2 Luft

Luft. film n. I 2 Luft Tentamen i Vågrörelselära(FK49) Datum: Måndag, 14 Juni, 21, Tid: 9: - 15: Tillåten Hjälp: Physics handbook eller dylikt och miniräknare Förklara resonemang och uträkningar klart och tydligt. Tentamensskrivningen

Läs mer

Ansiktsigenkänning med MATLAB

Ansiktsigenkänning med MATLAB Ansiktsigenkänning med MATLAB Avancerad bildbehandling Christoffer Dahl, Johannes Dahlgren, Semone Kallin Clarke, Michaela Ulvhammar 12/2/2012 Sammanfattning Uppgiften som gavs var att skapa ett system

Läs mer

HF0021 TEN2. Program: Strömberg. Examinator: Datum: Tid: :15-12:15. , linjal, gradskiva. Lycka till! Poäng

HF0021 TEN2. Program: Strömberg. Examinator: Datum: Tid: :15-12:15. , linjal, gradskiva. Lycka till! Poäng ENAMEN Kursnummer: Moment: Program: Rättande lärare: Eaminator: Datum: id: Hjälpmedel: Omattning oc betgsgränser: HF Matematik ör basår I EN ekniskt basår Marina Arakelan, Jonass Stenolm & Håkan Strömberg

Läs mer

ÖVN 2 - DIFFERENTIALEKVATIONER OCH TRANSFORMMETODER - SF1683. Inofficiella mål

ÖVN 2 - DIFFERENTIALEKVATIONER OCH TRANSFORMMETODER - SF1683. Inofficiella mål ÖVN 2 - DIFFERENTIALEKVATIONER OCH TRANSFORMMETODER - SF1683 KARL JONSSON Nyckelord och innehåll Andra ordningens linjära differentialekvationer Homogena ekvationen Fundamental lösningsmängd, y 1 (t),

Läs mer

Spektrala Transformer för Media

Spektrala Transformer för Media Spektrala Transformer för Media Filtrering och transformer i 2D Linjär bildbehandling Principerna från -dimensionell signalbehandling kan appliceras även på 2D-signaler Tillämpningar: Bildförbättring (brusreducering)

Läs mer

ett uttryck för en våg som beskrivs av Jonesvektorn: 2

ett uttryck för en våg som beskrivs av Jonesvektorn: 2 Tentamen i Vågrörelselära(FK49) Datum: Tisdag, 6 Juni, 29, Tid: 9: - 5: Tillåten Hjälp: Physics handbook eller dylikt Förklara resonemang och uträkningar klart och tydligt. Tentamensskrivningen består

Läs mer

Spektrala Transformer för Media

Spektrala Transformer för Media Spektrala Transformer för Media Filtrering och transformer i 2D DT2/3 Spektrala Transformer Jonas Beskow Linjär bildbehandling Principerna från -dimensionell signalbehandling kan appliceras även på 2D-signaler

Läs mer

= e 2x. Integrering ger ye 2x = e 2x /2 + C, vilket kan skrivas y = 1/2 + Ce 2x. Här är C en godtycklig konstant.

= e 2x. Integrering ger ye 2x = e 2x /2 + C, vilket kan skrivas y = 1/2 + Ce 2x. Här är C en godtycklig konstant. Lösningsförslag till Tentamen, SF1633, Differentialekvationer I den 19 december 216 kl 8: - 13: För godkänt (betyg E krävs tre godkända moduler från del I Varje moduluppgift består av tre frågor För att

Läs mer

DT1120 Spektrala transformer för Media Tentamen

DT1120 Spektrala transformer för Media Tentamen DT Spektrala transformer för Media Tentamen 77 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: 3:9 p, 4: 3 p, 5: 7 p Tillåtna hjälpmedel: räknare,

Läs mer

TSBB31 Medicinska bilder Föreläsning 1

TSBB31 Medicinska bilder Föreläsning 1 TSBB3 Medicinska bilder Föreläsnin Inormaion hp://www.cvl.isy.liu.se/educaion/underraduae/sbb3 Repeiion (och lie ny?) av D Fourierransorm Vikia sinaler (unkioner) Tolknin Teorem Eenskaper Linjär sysem

Läs mer

Blandade A-uppgifter Matematisk analys

Blandade A-uppgifter Matematisk analys TEKNISKA HÖGSKOLAN Matematik Blandade A-uppgifter Matematisk analys 1 Låt u = i och v = 1 + i Skriv det komplexa talet z = u/v på den polära formen re iϕ Svar: e i π Bestäm de reella tal x för vilka x

Läs mer

Kompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter Laura Enflo & Giampiero Salvi

Kompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter Laura Enflo & Giampiero Salvi Kompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter & Giampiero Salvi Komplex analys Om man endast använder den reella tallinjen är det inte

Läs mer

TATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning

TATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning TATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning Johan Thim 4 mars 2018 1 Linjära DE av godtycklig ordning med konstanta koefficienter Vi kommer nu att betrakta linjära differentialekvationer

Läs mer

Lösning till tentamen i SF1633 Differentialekvationer I för BD, M och P, , kl

Lösning till tentamen i SF1633 Differentialekvationer I för BD, M och P, , kl KTH Matematik Bengt Ek och Olle Stormark. Lösning till tentamen i SF633 Differentialekvationer I för BD, M och P, 008 0 6, kl. 4.00 9.00. Hjälpmedel: BETA. Uppgifterna 5 motsvarar kursens fem moduler.

Läs mer

2320 a. Svar: C = 25. Svar: C = 90

2320 a. Svar: C = 25. Svar: C = 90 2320 a Utgå ifrån y = sin x Om vi subtraherar 25 från vinkeln x, så kommer den att "senareläggas" med 25 och således förskjuts grafen åt höger y = sin(x 25 ) Svar: C = 25 b Utgå ifrån y = sin x Om vi adderar

Läs mer

Föreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18.

Föreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18. Föreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18.1 Delkapitlet introducerar en del terminologi och beteckningar som används.

Läs mer

En bijektion mellan två mängder A och B som har ändligt antal element kan finnas endast om mängderna har samma antal element.

En bijektion mellan två mängder A och B som har ändligt antal element kan finnas endast om mängderna har samma antal element. Inversa unktion BIJEKTION, INJEKTION, SURJEKTION Allmän terminologi I samband med variabelbyte vid beräkning av integraler har vi en avbildning mellan två mängder A och B, dvs en unktion : A B Vi har otast

Läs mer

Signal- och bildbehandling

Signal- och bildbehandling 1(9) Signal- och bildbehandling Programkurs 6 hp Signal and Image Processing TSBB14 Gäller från: 2018 VT Fastställd av Programnämnden för kemi, biologi och bioteknik, KB Fastställandedatum LINKÖPINGS UNIVERSITET

Läs mer

Namn Klass Personnummer (ej fyra sista)

Namn Klass Personnummer (ej fyra sista) Prövning matematik 4 april 06 (prövningstillfälle 6) Namn Klass Personnummer (ej fyra sista) Mobiltelefonnummer e-post SKRIV TYDLIGT! Alla papper ska förses med namn och återlämnas Skriv tydligt. Oläsliga

Läs mer

Bildbehandling i spatialdomänen och frekvensdomänen

Bildbehandling i spatialdomänen och frekvensdomänen Digital Media Lab 2016-02-22 Tillämpad Fysik och Elektronik Ulrik Söderström Bildbehandling i spatialdomänen och frekvensdomänen Fouriertransform och filtering Del 1. Fouriertransformen 1.1. Fourieranalys

Läs mer

c d Z = och W = b a d c för några reella tal a, b, c och d. Vi har att a + c (b + d) b + d a + c ac bd ( ad bc)

c d Z = och W = b a d c för några reella tal a, b, c och d. Vi har att a + c (b + d) b + d a + c ac bd ( ad bc) 1 Komplexa tal 11 De reella talen De reella talen skriver betecknas ofta med symbolen R Vi vill inte definiera de reella talen här, men vi noterar att för varje tal a och b har vi att a + b och att ab

Läs mer

TEM Projekt Transformmetoder

TEM Projekt Transformmetoder TEM Projekt Transformmetoder Utförs av: Mikael Bodin 19940414 4314 William Sjöström 19940404 6956 Sammanfattning I denna laboration undersöks hur Fouriertransformering kan användas vid behandling och analysering

Läs mer

Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A

Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A Institutionen för matematik SF1626 Flervariabelanalys Torsdag augusti 16, 2018 DEL A 1. Givet funktionen f(x, y) = ln(x 2 y 2 ). a) Bestäm definitionsmängden D för f. Rita även en bild av D. (2 p) b) Bestäm

Läs mer

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling Lösning till tentamen i Medicinska Bilder, TSBB3, 202-0-25 Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL : Grundläggande 2D signalbehandling Uppgift (2p)

Läs mer

MR-laboration: design av pulssekvenser

MR-laboration: design av pulssekvenser MR-laboration: design av pulssekvenser TSBB3 Medicinska Bilder Ansvarig lärare: Anders Eklund anders.eklund@liu.se Innehåll Uppgift Initialisering av k-space Koordinater i k-space Navigering i k-space

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF1626 Flervariabelanalys Lösningsförslag till tentamen 215-3-16 DEL A 1. Låt f(x, y) = 1 x 2 y 2. (a) Skissa nivåkurvorna f(x, y) = c till f för c =, c = 1 och c = 2. (1 p) (b) Beräkna gradf(x, y) i de

Läs mer

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB03 Tentamen i Signal- och bildbehandling TSBB3 Tid: 28-5-29 kl. 8-2 Lokal: TER2 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9. och.4 tel 73-84 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,

Läs mer

Material till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning

Material till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning Matematik, KTH Bengt Ek november 207 Material till kursen SF679, Diskret matematik: Lite om kedjebråk 0 Inledning Talet π (kvoten mellan en cirkels omkrets och dess diameter) är inte ett rationellt tal

Läs mer

Komplexa tal: Begrepp och definitioner

Komplexa tal: Begrepp och definitioner UPPSALA UNIVERSITET Baskurs i matematik, 5hp Matematiska institutionen Höstterminen 007 Erik Darpö Martin Herschend Komplexa tal: Begrepp och definitioner Komplexa tal uppstod ur det faktum att vissa andragradsekvationer,

Läs mer

Chalmers tekniska högskola Datum: kl Telefonvakt: Christoffer Standard LMA515 Matematik KI, del B.

Chalmers tekniska högskola Datum: kl Telefonvakt: Christoffer Standard LMA515 Matematik KI, del B. MATEMATIK Hjälpmedel: inga Chalmers tekniska högskola Datum: 343 kl. 8.3.3 Tentamen Telefonvakt: Christoffer Standard 73 88 34 LMA55 Matematik KI, del B Tentan rättas och bedöms anonymt. Skriv tentamenskoden

Läs mer

u(x) + xv(x) = 0 2u(x) + 3xv(x) = sin(x) xxx egentliga uppgifter xxx 1. Sök alla lösningar till den homogena differentialekvationen

u(x) + xv(x) = 0 2u(x) + 3xv(x) = sin(x) xxx egentliga uppgifter xxx 1. Sök alla lösningar till den homogena differentialekvationen Differentialekvationer I Modellsvar till räkneövning 6 Den frivilliga uppgiften U1 påminner om nyttiga kunskaper, och räknas inte för extrapoäng (fråga vid behov). U1. Lös funktionerna u(x) och v(x) från

Läs mer

Planering för Matematik kurs E

Planering för Matematik kurs E Planering för Matematik kurs E Läromedel: Holmström/Smedhamre, Matematik från A till E, kurs E Antal timmar: 60 (0 + 0) I nedanstående planeringsförslag tänker vi oss att E-kursen studeras på 60 klocktimmar.

Läs mer

9.3. Egenvärdesproblem

9.3. Egenvärdesproblem 9.3. Egenvärdesproblem Problem som innehåller en parameter men endast kan lösas för speciella värden av denna parameter kallas egenvärdesproblem. Vi skall här nöja oss med ett exempel på ett dylikt problem.

Läs mer

Bildbehandling, del 1

Bildbehandling, del 1 Bildbehandling, del Andreas Fhager Kapitelhänvisningar till: Image Processing, Analysis and Machine Vision, 3rd ed. by Sonka, Hlavac and Boyle Representation av en bild Så här kan vi plotta en bild tex

Läs mer

7 Extremvärden med bivillkor, obegränsade områden

7 Extremvärden med bivillkor, obegränsade områden Nr 7, 1 mars -5, Amelia 7 Extremvärden med bivillkor, obegränsade områden Största och minsta värden handlar om en funktions värdemängd. Värdemängden ligger givetvis mellan det största och minsta värdet,

Läs mer

i utvecklingen av (( x + x ) n för n =1,2,3º. = 0 där n = 1,2,3,

i utvecklingen av (( x + x ) n för n =1,2,3º. = 0 där n = 1,2,3, Repetition Matematik. Bestäm koefficienten vid x i utvecklingen av ((+ x - x ) 5.. Bestäm koefficienten vid x 3 i utvecklingen av (( x + x ) n för n =,,3º. 3. a 5-5a b + 5a3 b - 5a 8b 3 + 5a 6b - 3b 5

Läs mer

Övningshäfte 2: Komplexa tal

Övningshäfte 2: Komplexa tal LMA100 VT007 ARITMETIK OCH ALGEBRA DEL Övningshäfte : Komplexa tal Övningens syfte är att bekanta sig med komplexa tal. De komplexa talen, som är en utvidgning av de reella talen, kom till på 1400 talet

Läs mer

Tentamen SF1626, Analys i flera variabler, Svar och lösningsförslag. 2. en punkt på randkurvan förutom hörnen, eller

Tentamen SF1626, Analys i flera variabler, Svar och lösningsförslag. 2. en punkt på randkurvan förutom hörnen, eller Tentamen SF66, Analys i flera variabler, --8 Svar och lösningsförslag. Låt fx, y) = ye x y. Bestäm största och minsta värde till f på den slutna kvadraten med hörn i, ),, ),, ) och, ). Lösning. f är kontinuerlig

Läs mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys Föreläsning 5 Institutionen för matematik KTH 5 september 2017 Hur mycket behöver man jobba? Vi har ett gemensamt ansvar: Jag visar vad som behöver göras Men det är ni som måste göra det Viktigt faktum:

Läs mer

Moment 6.1, 6.2 Viktiga exempel Övningsuppgifter T6.1-T6.6

Moment 6.1, 6.2 Viktiga exempel Övningsuppgifter T6.1-T6.6 Moment 6., 6. Viktiga exempel 6.-6. Övningsuppgifter T6.-T6.6 Matriser Definition. En matris är ett schema med m rader och n kolonner eller kolumner, som vi kallar dem i datalogin innehållande m n element.

Läs mer

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling

Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling Lösning till tentamen i Medicinska Bilder, TSBB, -- Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL : Grundläggande D signalbehandling Uppgift (p) a) Filtret

Läs mer