Signaler, information & bilder, föreläsning 13
|
|
- Inga Arvidsson
- för 5 år sedan
- Visningar:
Transkript
1 Signaler, inormation & bilder, öreläsning 3 Michael elsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden, ärgtabeller kontinuerlig ouriertransorm och T sampling diskret altning, cirkulär Lågpassiltrerande altningskärnor Teori: Kap., , 3. Bygger på Maria Magnussons öreläsningar En bild är en signal : (t) är en unktion som beror av tiden t. : (x,y) är en unktion som beror av de spatiella (rums-) koordinaterna x och y. Ex) y) = sin( x y) y) = svart y) = vitt + ig.. ör en digital bild gäller En digital bild är en samplad -unktion. Samplen kallas pixlar (pixels, picture elements). Antalet pixlar = bildens storlek. Vanliga storlek: 5x5= 8 =.5 Mpixel H, 9x8 = Mpixel UH, =8 Mpixel Otast är samplen kvantiserade i intervallet [,55]. essa värden översätts via en ärgtabell i datorn till gråskalevärden, dvs ->svart och 55->vitt eller indexerade ärger (pseudo-ärg, ärgtabell)
2 ör en digital bild gäller Ibland: samplen lyttalsvärden. essa transormeras till intervallet [,55] och vidare via ärgtabell i datorn En äkta ärgbildhar 3 stvärden per pixel e transormeras var ör sig till intervallet [,55] Sedan ut på datorns röda, gröna respektive blåa kanal Vilket möjliggör 56 3 = ,8 miljoner ärger HR (high dynamic range) använder större intervall Värden i intervallet [,] kan gamma-korrigeras -> γ I vissa all: järde kanal ör transparensen, s.k. alakanal et kan även användas andra ärgmodeller, t ex YCbCr (Y: luminans, Cb: blådierens, Cr: röddierens) PET-bild av hjärna Pseudo-ärgbild Äkta ärgbild gråskalebild Bildstorlek: 7x4 pixlar Bildstorlek: 7x4 pixlar pixelormaktor : zoom zoom
3 Vanlig gråskaleärgtabell Pixelvärde (x,y) Pseudo-ärgtabell Pixelvärde (x,y) 56 ärger gamma transormation Linjär transormation : : : 55: R 55 G 55 B 55 Ut på skärmen 56 ärger I denna kursen jobbar vi mest med gråskaleärgtabellen. godtycklig transormation : : : 55: R G B??? Ut på skärmen Ex ) En PET-bild kan visa var det är aktivitet i hjärnan. Hög aktivitet kan visas röd och låg aktivitet kan visas blå. Ex) Användbart t ex när vi vill visa negativa värden blå och positiva värden röda. gamma transormation Linjär transormation Äkta ärgtabell : : : R Pixelvärde [ r (x,y), g (x,y), b (x,y)] Linjär transormation : : : G Linjär transormation : : : Över 6 miljoner ärger B Varör ouriertransormen? öljing kräver realtidsprestanda Bästa metoden (vår ) använder ouriertransormen VOT4 winner VOT5 winner C-COT 55: 55 55: 55 55: 55 Ut på skärmens röda kanal Ut på skärmens gröna kanal Ut på skärmens blåa kanal
4 kontinuerlig ouriertransorm jπ ( xu+ yv) [ y) ] = ( u, v) = y) e I dx dy I ouriertransorm ( 3.3) j π ( xu+ yv) [ ( u, v) ] = y) = ( u, v) e du dv invers ouriertransorm ( 3.4) ouriertransormen är separabel en kan beräknas örst i ena ledden och sen i andra ledden: jπ ( xu+ yv) ( u, v) = y) e = dx dy jπyv jπxu y) e dy e dx ( 3.3) ) ( ouriertransorm i y - led) v ouriertransormen av en reell unktion är hermitisk Realdelen är jämn och imaginärdelen är udda. ( u, v) = ( u, v) et går att visa på liknande sätt som ör. ( u, v) = ( u, v) ( u, v) = ( u, v) Amplitudspektrum är symmetriskt i origo. ( 3.7) se ig.3. En bild med amplitudspektrum Amplitudspektrum är spegelsymmetriskt e låga rekvenserna dominerar ig. 3.
5 Realdel och Imaginärdel av ouriertransormen Realdelen är jämn Imaginärdelen är udda ig. 3. Teorem och samband Teoremen ör -ouriertransorm, bla skalnings-, altnings-, translations-och derivata-teoremet gäller även i. -unikt teorem ör generell linjär transorm: rotation som specialall: Teorem och samband Separabla unktioner ger separabel ouriertransorm: y) = g( x) h( y) ( u, v) = G( u) H ( v) T Pythonkommando: = np.t.t() Obs: i Python N M jπ ( nk / N + ml / M ) ( k, l) = ( n, m) e MN n= m= N M jπ ( nk / N + ml / M ) ( n, m) = ( k, l) e k = l= Sparas i row-major ormat Notera: symmetriska varianten ota är att öredra: = np.t.tshit(np.t.t(np.t.itshit())) ( k, l) [l,k] och ( n, m) [m, n]
6 Teoremen ör T motsvarar kontinuerliga allet. Notera att multiplikation i T-domänen motsvarar cirkulär altning i spatialdomänen. Illustration vikningsdistortion size: 4 56 sampling av (x,y) Ingen vikningsdistorsion! ig. 3.3 size: 4 56 ig. 3.5a Teorem och samband
7 sampling av (x,y) Vikningsdistorsion! size: 8 x8 size: 8 x8 ig. 3.5b ig. 3.4 Samband mellan samplad kontinuerlig ouriertransorm och T ig. 3.7 Varör altning? oändlig periodisk, periodisk, periodisk Relationen mellan kontinuerlig rekvens u, voch diskret rekvens k, lstår i (3.3). N, M är antalet u = k ( N ) sampelpunkter och är sampelavståndet. v = l ( M ) ( 3.3) Method Top-5 Error Method escription SuperVision (Toronto).64 CNN ISI (Tokyo).67 Hand-crated eatures: SIT, HOG and LBP OXOR.6979 PM + Hand-crated eatures XRCE/INRIA.758 Hand-crated eatures
8 AlexNet[Krizhevsky et al. ] g g altning ( x y) = ( h ) y) = h( x α, y β ) ( α, β ) dα d Kontinuerlig ( 3.5) y) = ( h ) y) = h( x α, y β ) ( α, β ) α = β = Linjär diskret ( 3.7) g, β N M y) = ( h N ) y) = h( x α, y β ) N ( α, β ) α = β = Cirkulär diskret ( 3.8) 9 Ex) Linjär och Cirkulär altning Inbild Medelvärdesbildande altningskärna Storlek 5x5 Utbild eter linjär altning Utbild eter cirkulär altning linjär diskret altning g y) = ( h ) y) = h( x α, y β ) ( α, β ) α = β = Spegla h i x-och y-axeln = rotera 8 o Glid med den speglade h över Multiplicera och summera överlappande värden Python: signal.convolved() * = h x, y x, y = g x, y ( ) ( ) ( ) skillnadtill korrelation
9 Bildstorlek vid linjär diskret altning valid : Värden utanör inbildenanses odeinierade => Utbilden blir mindre än inbilden. ull : Värden utanör inbilden anses vara => Utbilden blir större än inbilden. Eller lika stor om de extra värdena slängs ( same ) ig. 3.8 Vad är ouriertransormen av? irac-spikar δ(x,y)=δ(x)δ(y) påvarjeelement i altningskärnan Antag sampelavstånd. etta ger h( x) = δ ( x + ) + δ ( x) + δ ( x ) δ y / Tag kontinuerlig ouriertransorm H Byt [ ] ( ) 4 + j π u jπ u ( u, v) = [ e + + e ] ( v) = t x, y, u, v, /4 T / 4 = [ cos( π u ) + ] / 4 = cos ( π u) Lågpassiltrerande altningskärna i x-led (u-led) cos ( π u) = här y v x /4 ig. 3. u Lågpassiltrerande altningskärna i y-led (v-led) cos ( π v) = här y ig. 3. v x u /4
10 Lågpassiltrerande altningskärna i x- och y-led (u- och v-led) cos ( π u) cos ( π v) = här 4 = /6 * /4 /4 ämpar höga rekvenser ig. 3. Mer lågpassiltrerande altningskärna i x- och y-led (u- och v-led) ( π 4 u) cos ( π v) cos binomialilter = här (approx. 4 4 Gauss-ilter) = /56 4 /6 * 4 /6 ig. 3. Lågpassiltrering Jämör med ig. 3.3 * /56 Lågpassiltreringi ourierdomänen Jm ig. 3.3
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 merSignaler, 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 merTSBB31 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 merSignal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal. För en digital bild gäller. Fig. 2.1
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
Läs merTSBB31. 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 merSignaler, 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 merSignaler, 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 merLågpassfiltrering. 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 merSignal- 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 merSignaler, 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 merLösning 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 mer7 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 merSignal- 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 merBildförbättring 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 merSignal- 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 merSignal- 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 merMedicinska 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 merLösning 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 merLösning 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 merÖVN 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'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ
'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ Nyckelord: Sampling, kvantisering, upplösning, geometriska operationer, fotometriska operationer, målning, filtrering 'LJLWDOUHSUHVHQWDWLRQR KODJULQJDYELOGHU En
Läs merFacit 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 merSpektrala 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 merarcsin(x) udda ( x) varken udda eller jämn alla reella tal ( 0, ) 1. y=a 1 x udda/jämn Värdemängd derivatan Definitionsmängd Arcusfunktioner
ARCUSFUNKTIONER Deinitionsmängd Värdemängd arcsin( [-, ] [, ] arccos( [-, ] [00, ] arctan( alla reella tal (, arccot( alla reella tal ( 0, derivatan udda/jämn udda varken udda eller jämn udda varken udda
Läs merLösning 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 merSpektrala 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 merFörsättsblad 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 merRELATIONER OCH FUNKTIONER
RELATIONER OCH FUNKTIONER 1 ORDNADE LISTOR (n-tipplar) Ordningen i en mängd spelar ingen roll Exempelvis {1,,3}={3,1,}={1,3,} För att beskriva listor med objekt där ordningen är viktigt använder vi rundparenteser
Läs merMaterial 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 merStokastiska variabler
Sannolikhetsteori ör MN1 ht 2004 2004-09 - 07 Bengt Rosén Stokastiska variabler Deinition av stokastisk variabel Den matematiska beskrivningen av ett slumörsök är ett ar (Ω, P( )), där utallsrummet Ω är
Läs merKap Inversfunktion, arcusfunktioner.
Kap 3. 3.5. Inversfunktion, arcusfunktioner. 30. (A) Förenkla uttrycken så långt som möjligt a. ln 8 ln + ln 8 ln + ln b. ln 3 log 0 3 log 0 e + 3 ln 3 log 3 e 30. (A) Lös ekvationerna a. e x = e x b.
Läs merx 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 merBildbehandling En introduktion. Mediasignaler
Bildbehandling En introdktion Mediasignaler Innehåll Grndläggande bildbehandling Foriertransformering Filtrering Spatialdomän Frekvensdomän Vad är bildbehandling? Förbättring Image enhancement Återställning
Läs merEn 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 merReferens :: Komplexa tal
Referens :: Komplexa tal Detta dokument sammanställer och sammanfattar de mest grundläggande egenskaperna för komplexa tal. Definition av komplexa tal Definition 1. Ett komplext tal z är ett tal på formen
Läs merAnsiktsigenkänning 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 merx 2 5x + 4 2x 3 + 3x 2 + 4x + 5. d. lim 2. Kan funktionen f definieras i punkten x = 1 så att f blir kontinuerlig i denna punkt? a.
. Beräkna följande gränsvärden: a. lim 2 5 + 6 2 2. b. lim 2 5 + 4 3 + 2 4 2. c. lim. d. lim 2 3 + 3 2 + 4 + 5 2 + + 3 + 2 2 + 3 + 4. 2. Kan funktionen f definieras i punkten = så att f blir kontinuerlig
Läs merSignal- 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 merLösningsförslag 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 mer6 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 merSF1626 Flervariabelanalys Tentamen 18 augusti 2011, Svar och lösningsförslag
SF166 Flervariabelanalys entamen 18 augusti 11, 14. - 19. Svar och lösningsförslag 1) Låt fx, y) = xy lnx + y ). I vilken riktning är riktningsderivatan till f i punkten 1, ) som störst, och hur stor är
Läs mer1. För vilka värden på konstanterna a och b är de tre vektorerna (a,b,b), (b,a,b) och (b,b,a) linjärt beroende.
Institutionen för matematik KTH MOELLTENTAMEN Tentamensskrivning, år månad dag, kl. x. (x + 5).. 5B33, Analytiska metoder och linjär algebra. Uppgifterna 5 svarar mot varsitt moment i den kontinuerliga
Läs merFörsättsblad 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 merSignal- 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 merSF1625 Envariabelanalys Lösningsförslag till tentamen DEL A
SF165 Envariabelanalys Lösningsförslag till tentamen 15-4-7 DEL A 1. Låt f(x) = arcsin x + 1 x. A. Bestäm definitionsmängden till funktionen f. B. Bestäm funktionens största och minsta värde. (Om du har
Läs merLösningsförslag, preliminär version 0.1, 23 januari 2018
Lösningsförslag, preinär version 0., 3 januari 08 Högskolan i Skövde Tentamen i matematik Kurs: MA5G Matematisk analys MA3G Matematisk analys för ingenjörer Tentamensdag: 08-0-03 kl 4:30-9:30 Hjälpmedel
Läs merSpektrala 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 merDubbelintegraler och volymberäkning
ubbelintegraler och volymberäkning Volym och dubbelintegraler över en rektangel Alla funktioner nedan antas vara kontinuerliga. Om f (x) i intervallet [a, b], så är arean av mängden {(x, y) : y f (x),
Läs merMASKINDIAGNOSTIK. Rullningslager = 2. Φ d α, diameter mellan rullkontaktpunkterna z st. rullkroppar. Φ D m. ω RH. Φ d α. ω I
0-09-7/HJo MASKNDAGNOSTK Rullningslager Φ d, diameter mellan rullkontaktpunkterna st. rullkroppar Använda beteckningar: Antal rullkroppar, Antal rullkroppar per radian blir Rullkropparnas kontaktvinkel,
Läs merSF1635, Signaler och system I
SF65, Signaler och system I Tentamen tisdagen 4--4, kl 8 Hjälpmedel: BETA Mathematics Handbook. Formelsamling i Signalbehandling rosa), Formelsamling för Kursen SF65 ljusgrön). Obs : Obs : Obs : Obs 4:
Läs merARCUSFUNKTIONER. udda. arcsin(x) [-1, 1] varken udda eller jämn udda. arccos(x) [-1, 1] [ 0, π ] arctan(x) alla reella tal π π. varken udda eller jämn
Arcusunktioner ARCUSFUNKTIONER Deinitionsmängd Värdemängd derivatan udda/jämn arcsin() [-, ] [, ] arccos() [-, ] [ 0, ] arctan() alla reella tal (, ) arccot() alla reella tal ( 0, ) + + udda varken udda
Läs merv0.2, Högskolan i Skövde Tentamen i matematik
v0., 08-03-3 Högskolan i Skövde Tentamen i matematik Kurs: MA5G Matematisk analys MA3G Matematisk analys för ingenjörer Tentamensdag: 08-0-03 kl 4:30-9:30 Hjälpmedel : Inga hjälpmedel utöver bifogat formelblad.
Läs merhar ekvation (2, 3, 4) (x 1, y 1, z 1) = 0, eller 2x + 3y + 4z = 9. b) Vi söker P 1 = F (1, 1, 1) + F (1, 1, 1) (x 1, y 1, z 1) = 2x + 3y + 4z.
Institutionen för Matematik, KTH Torbjörn Kolsrud SF163, ifferential- och integralkalkyl II, del, flervariabel, för F1. Tentamen onsdag 7 maj 9, 1.-19. 1. Låt F (x, y, z) sin(x + y z) + x + y + 6z. a)
Läs merTentamen 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 merSF1625 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 merc 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 merSF1633, Differentialekvationer I Tentamen, torsdagen den 7 januari Lösningsförslag. Del I
Institutionen för matematik, KTH Serguei Shimorin SF6, Differentialekvationer I Tentamen, torsdagen den 7 januari 26 Lösningsförslag Del I Moduluppgift En liter av lösningen som innehåller 2 gram av kemiska
Läs merReferens :: Komplexa tal version
Referens :: Komplexa tal version 0.6 Detta dokument sammanställer och sammanfattar de mest grundläggande egenskaperna för komplexa tal. De komplexa talen uppstår som ett behov av av att kunna lösa polynomekvationer
Läs merSpektrala Transformer
Spektrala Transformer Fouriertransformer Fourier Gif mig en wågform och jag skola skrifva den som en summa af sinuswågor! Jean-Baptiste Fourier 1768-1830 Fouriertransformen Transformerar kontinuerliga
Läs merx 2 5x + 4 2x 3 + 3x 2 + 4x + 5. d. lim 2. Kan funktionen f definieras i punkten x = 1 så att f blir kontinuerlig i denna punkt? a.
. Beräkna följande gränsvärden: a. lim 2 5 + 6 2 2. b. lim 2 5 + 4 3 + 2 4 2. c. lim 0. d. lim 2 3 + 3 2 + 4 + 5 2 + + 3 + 2 2 + 3 + 4. 2. Kan funktionen f definieras i punkten = så att f blir kontinuerlig
Läs merPlanering 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 merMR-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 merTrigonometriska formler Integraler och skalärprodukter Fourierserier Andra ortogonala system. Fourierserier. Fourierserier
Matte D : Additionsformler cos(α β) cos(α + β) = cos α cos β + sin α sin β (cos α cos β sin α sin β) = sin α sin β α = mx, β = nx sin mx sin nx = cos(m n)x cos(m + n)x Derivata f (x) = sin kx f (x) = k
Läs mer5 Linjär algebra. 5.1 Addition av matriser 5 LINJÄR ALGEBRA
5 LINJÄR ALGEBRA 5 Linjär algebra En kul gren av matematiken som inte fått speciellt mycket utrymme i gymnasiet men som har många tillämpningsområden inom t.ex. fysik, logistik, ekonomi, samhällsplanering
Läs merSignal- 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 merUlrik Söderström 20 Jan Signaler & Signalanalys
Ulrik Söderström ulrik.soderstrom@tfe.umu.se 20 Jan 2009 Signaler & Signalanalys Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt
Läs merLaboration 4: Digitala bilder
Objektorienterad programmering, Z : Digitala bilder Syfte I denna laboration skall vi återigen behandla transformering av data, denna gång avseende digitala bilder. Syftet med laborationen är att få förståelse
Läs merUlrik Söderström 19 Jan Signalanalys
Ulrik Söderström ulrik.soderstrom@tfe.umu.se 9 Jan 200 Signaler & Signalanalys l Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt
Läs merTentamen SF e Januari 2016
Tentamen SF6 8e Januari 6 Hjälpmedel: Papper, penna. poäng per uppgift totalt poäng. Betg E är garanterat vid 6 poäng, betg D vid poäng, betg vid C poäng, betg B vid 8 poäng och betg A vid poäng. För de
Läs merSignal- 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 merKomplexa tal. i 2 = 1, i 3 = i, i 4 = i 2 = 1, i 5 = i,...
Komplexa tal Vi inleder med att repetera hur man räknar med komplexa tal, till att börja med utan att bekymra oss om frågor som vad ett komplext tal är och hur vi kan veta att komplexa tal finns. Dessa
Läs merUPPSALA UNIVERSITET Matematiska institutionen Michael Melgaard. Prov i matematik Prog: Datakand., Frist. kurser Derivator o integraler 1MA014
UPPSALA UNIVERSITET Matematiska institutionen Michael Melgaard Jörgen Östensson Prov i matematik Prog: Datakand., Frist. kurser Derivator o integraler 1MA1 8 3 31 Skrivtid: 8: 13:. Tillåtna hjälpmedel:
Läs merTSBB31 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 merVeckoblad 3, Linjär algebra IT, VT2010
Veckoblad 3, Linjär algebra IT, VT Vi inleder den tredje veckan med att gå igenom begreppen determinant och invers matris som vi inte hann med i vecka, se veckoblad för övningar etc på dessa avsnitt. Därefter
Läs merReferens :: Komplexa tal version
Referens :: Komplexa tal version 0.5 Detta dokument sammanställer och sammanfattar de mest grundläggande egenskaperna för komplexa tal. De komplexa talen uppstår som ett behov av av att kunna lösa polynomekvationer
Läs merLösningsförslag envariabelanalys
Lösningsförslag envariabelanalys 09-06-05. Ekvationen är linjär och har det karakteristiska polynomet pr) = r 4 + r 3 + 5r = r r + r + 5) = r r + i)r + + i). Således ges lösningarna till den homogena ekvationen
Läs merMoment 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 merTANA17 Matematiska beräkningar med Matlab
TANA17 Matematiska beräkningar med Matlab Laboration 1. Linjär Algebra och Avbildningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall
Läs merSignal- 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 merSignal- 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 merMMA127 Differential och integralkalkyl II
Mälardalens högskola Akademin för utbildning, kultur och kommunikation MMA127 Differential och integralkalkyl II Tentamen Lösningsförslag 211.8.11 14.3 17.3 Hjälpmedel: Endast skrivmaterial (gradskiva
Läs merTATA42: 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 merLösningar till utvalda uppgifter i kapitel 1
Lösningar till utvalda uppgifter i kapitel. Vi utnyttjar definitionen av skalärprodukt som ger att u v u v, där α är (minsta) vinkeln mellan u v. I vårt fall så får vi 7 =. Alltså är den sökta vinkeln
Läs mer1 Dimensionsanalys och π-satsen.
Dimensionsanalys och π-satsen. Då man örsöker ställa upp en matematisk modell ör något ysikaliskt enomen skall man alltid göra dimensionsanalys. Dimensionsanalys handlar om att undersöka hur givna ysikaliska
Läs merSignal- 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= 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 merSpektrala Transformer
Spektrala Transformer Fouriertransformer Fourier Gif mig en wågform och jag skola skrifva den som en summa af sinuswågor! Jean-Baptiste Fourier 768-830 Fouriertransformen Transformerar kontinuerliga signaler
Läs merKompletterande 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= 0. Båda skärningsvinklarna är således π/2 (ortogonala riktningsvektorer).
Institutionen för Matematik, KTH Torbjörn Kolsrud SF163, ifferential- och integralkalkyl II, del 2, flervariabel, för F1. Tentamen torsdag 19 augusti 21, 14. - 19. Inga hjälpmedel är tillåtna. Svar och
Läs merKap 5.7, Beräkning av plana areor, rotationsvolymer, rotationsareor, båglängder.
Kap 5.7, 7. 7.. Beräkning av plana areor, rotationsvolymer, rotationsareor, båglängder. 8. (A) Beräkna arean av det ändliga område som begränsas av kurvorna x a. y = + x och y = b. y = x e x och y = x
Läs merSF1646 Analys i flera variabler Tentamen 18 augusti 2011, Svar och lösningsförslag
SF1646 Analys i flera variabler Tentamen 18 augusti 11, 14. - 19. Svar och lösningsförslag (1) Låt f(x, y) = xy ln(x + y ). I vilken riktning är riktningsderivatan till f i punkten (1, ) som störst, och
Läs mer4x 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 mer9.3. 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 merFörsättsblad 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 merSignal- 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 merLösning 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 merY=konstant V 1. x=konstant. TANGENTPLAN OCH NORMALVEKTOR TILL YTAN z = f ( x, LINEARISERING NORMALVEKTOR (NORMALRIKTNING) TILL YTAN.
Tangentplan Linjära approimationer TANGENTPLAN OCH NORMALVEKTOR TILL YTAN z LINEARISERING NORMALVEKTOR NORMALRIKTNING TILL YTAN Låt z vara en dierentierbar unktion i punkten a b Då är N a b a b en normalvektor
Läs merDefinition 1 En funktion (eller avbildning ) från en mängd A till en mängd B är en regel som till några element i A ordnar högst ett element i B.
Deinitionsmängd FUNKTIONER. DEFINITIONSMÄNGD OCH VÄRDEMÄNGD. Deinition En unktion (eller avbildning ) rån en mängd A till en mängd B är en regel som till några element i A ordnar högst ett element i B.
Läs merSignal- 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