Signaler, information & bilder, föreläsning 12

Storlek: px
Starta visningen från sidan:

Download "Signaler, information & bilder, föreläsning 12"

Transkript

1 Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden, ärgtabeller kontinuerlig ouriertransorm och FT 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 Fig.. För 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 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 För en digital bild gäller Ibland är samplen lyttalsvärden. essa transormeras till intervallet [,55] och vidare via ärgtabell i datorn En äkta ärgbild har 3 st värden per pixel e transormeras var ör sig till intervallet [,55] Sedan vidare ut på datorns röda, gröna respektive blåa kanal Vilket möjliggör 56 3 = ,8 miljoner ärger Flyttalsvärden i intervallet [,] kan gamma-korrigeras -> γ I vissa all inns det en 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: 7x pixlar Bildstorlek: 7x pixlar pixelormaktor : zoom zoom

3 Vanlig gråskaleärgtabell gamma transormation Pixelvärde (x,y) Linjär transormation : : : 55: R 55 G 55 B 55 Ut på skärmen 56 ärger I denna kursen jobbar vi mest med gråskaleärgtabellen. Pseudo-ärgtabell Pixelvärde (x,y) godtycklig transormation : : : 55: R G B??? Ut på skärmen 56 ärger 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 : : : 55: R 55 Ut på skärmens röda kanal Pixelvärde [ r (x,y), g (x,y), b (x,y)] Linjär transormation : : : 55: G 55 Ut på skärmens gröna kanal Linjär transormation : : : 55: Över 6 miljoner ärger B 55 Ut på skärmens blåa kanal kontinuerlig ouriertransorm j xu yv y Fu, v ye dx dy ouriertransorm 3.3 j xu yv Fu, v y Fu, ve du dv invers ouriertransorm 3. 3

4 ouriertransormen är separabel en kan beräknas örst i ena ledden och sen i andra ledden: F j xu yv u, v ye F dx dy jyv jxu ye dy e dx 3.3 ouriertransorm i y - led v Fouriertransormen av en reell unktion är hermitisk F Realdelen är jämn och imaginärdelen är udda. F u, v F u, v et går att visa på liknande sätt som ör. u, v F u, v Fu, v F u, v Amplitudspektrum är symmetriskt i origo. 3.7 se Fig. 3. En bild med amplitudspektrum Amplitudspektrum är spegelsymmetriskt e låga rekvenserna dominerar Realdel och Imaginärdel av Fouriertransormen Realdelen är jämn Imaginärdelen är udda Fig. 3. Fig. 3.

5 Teorem och samband Teoremen ör -ouriertransorm, bl a skalnings-, altnings-, translations- och derivata-teoremet gäller även i. -unikt teorem ör generell linjär transorm: Teorem och samband Separabla unktioner ger separabel ouriertransorm: y gxhy Fu, v Gu H v rotation som specialall: FT Pythonkommando: F = np.t.t() F j nk / N ml / M k, l n, m e n, m MN Obs: i Python F N M n m N M j nk / N ml / M F k, l e k l Sparas i row-major ormat Notera dock att den symmetriska varianten ota är att öredra i bild-sammanhang: F = np.t.tshit(np.t.t(np.t.itshit())) k, l F[l,k] och n, m [m, n] Teorem och samband Teoremen ör FT motsvarar kontinuerliga allet. Notera att multiplikation i FT-domänen motsvarar cirkulär altning i spatialdomänen. 5

6 Fig. 3.5a sampling av (x,y) Ingen vikningsdistorsion! sampling av (x,y) Vikningsdistorsion! Fig. 3.3 Fig. 3. Illustration vikningsdistortion 6

7 Fig. 3.5b size: x8 size: x8 Samband mellan samplad kontinuerlig ouriertransorm och FT Fig. 3.7 oändlig periodisk, periodisk, periodisk Relationen mellan kontinuerlig rekvens u, v och diskret rekvens k, l står i (3.3). N, M är antalet u k N sampelpunkter och är sampelavståndet. 3.3 v l M g g altning x y h y hx, y, d d Kontinuerlig 3.5 y h y hx, y, Linjär diskret 3.7 g, N M y h N y hx, y N, Cirkulär diskret 3.8 linjär diskret altning g y h y hx, y, Spegla h i x- och y-axeln = rotera 8 o. Glid med den speglade h över. Multiplicera och summera överlappande värden. etta ger g. skillnad till Python: signal.convolved() korrelation * = y y gx y h, 7

8 Bildstorlek vid linjär diskret altning valid : Värden utanör inbilden anses 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 ) Fig. 3.8 Vad är ouriertransormen av? Sätt dirac-spikar d(x,y)=d(x)d(y) på varje element i altningskärnan. Antag sampelavstånd. etta ger hx d x d xd d y Tag kontinuerlig Fouriertransorm H Byt / ju ju u, v e e v t x, y, u, v, T / cos u / cos u / Lågpassiltrerande altningskärna i x-led (u-led) cos u här y x / v Fig. 3. u Lågpassiltrerande altningskärna i y-led (v-led) cos v här Fig. 3. y v x u / 8

9 Lågpassiltrerande altningskärna i x- och y-led (u- och v-led) cos u cos v här = /6 * / / ämpar höga rekvenser Fig. 3. Mer lågpassiltrerande altningskärna i x- och y-led (u- och v-led) ucos v 6 cos binomialilter 66 här (approx. Gauss-ilter) = 66 6 /56 * /6 /6 Fig. 3. Lågpassiltrering Jämör med Fig. 3.3 * /56 Lågpassiltrering i Fourierdomänen Jm Fig

10 Filtrering via multiplikation i FTdomänen ger cirkulär altning cirkulär altning kan örberäknas Sker via multiplikation i ourierdomänen. Utbilden blir lika stor som inbilden. g N h N m g n h m nn.59 n cirkulär altning och N N operation, dvs h där N noterar betecknar modulo kan uppattas som periodiskt upprepad eller cirkulär. et gäller : FTg N h m G k H k Bevis inns i kompendiet ör den intresserade. Python : signal.tconvolve() Fig. 3.9 cirkulär altning Ex) Linjär och Cirkulär altning * * = = Alltså: För att cirkulär altning ska ge samma resultat som vanlig linjär altning kan zero-padding behövas. Inbild Medelvärdesbildande altningskärna Storlek 5x5 Utbild eter linjär altning Utbild eter cirkulär altning

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

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

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

Signal- 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 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

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 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

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

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

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 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 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

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

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

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

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

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 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

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

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

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

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

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

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

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

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

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

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

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

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

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

Signaler, information & bilder, föreläsning 15

Signaler, information & bilder, föreläsning 15 Signaler, information & bilder, föreläsning 5 Michael Felsberg Computer Vision Laboratory Department of Electrical Engineering michael.felsberg@liu.se Översikt Histogram och tröskelsättning Histogramutjämning

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 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

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 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

Stokastiska variabler

Stokastiska 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 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

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

arcsin(x) udda ( x) varken udda eller jämn alla reella tal ( 0, ) 1. y=a 1 x udda/jämn Värdemängd derivatan Definitionsmängd Arcusfunktioner

arcsin(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 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

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

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

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

Föreläsningsanteckningar och övningar till logik mängdlära

Föreläsningsanteckningar och övningar till logik mängdlära Inledande matematisk analys tma970, 010, logik, mängdlära Föreläsningsanteckningar och övningar till logik mängdlära Dessa öreläsningsanteckningar kompletterar mycket kortattat kap 0 och appendix B i Persson/Böiers,

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

RELATIONER OCH FUNKTIONER

RELATIONER 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 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

Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1.

Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1. Institutionen för matematiska vetenskaper Chalmers tekniska högskola Niklas Eriksen Tentamen i tmv6c och tmv5c, Analys och linjär algebra C för K, Kf och Bt Lösningar 9--6. Lös initialvärdesproblemet x

Läs mer

SF1626 Flervariabelanalys Tentamen 18 augusti 2011, Svar och lösningsförslag

SF1626 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 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

Spektrala Transformer

Spektrala 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 mer

ARCUSFUNKTIONER. 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

ARCUSFUNKTIONER. 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 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

e = (e 1, e 2, e 3 ), kan en godtycklig linjär

e = (e 1, e 2, e 3 ), kan en godtycklig linjär Linjära avbildningar II Förra gången visade vi att givet en bas i rummet, e = (e 1, e 2, e 3 ), kan en godtycklig linjär avbildning F : R 3 R 3 representeras av en matris: Om vi betecknar en vektor u:s

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

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

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

Laboration 4: Digitala bilder

Laboration 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 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

(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

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

Tisdag v. 2. Speglingar, translationer och skalningar

Tisdag v. 2. Speglingar, translationer och skalningar 1 Tisdag v 2 Speglingar, translationer och skalningar Ofta i matematik och i matematiska kurser är det så att man måste kunna några grundläggande exempel utantill och man måste kunna några regler som säger

Läs mer

1. För vilka värden på konstanterna a och b är de tre vektorerna (a,b,b), (b,a,b) och (b,b,a) linjärt beroende.

1. 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 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

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

Y=konstant V 1. x=konstant. TANGENTPLAN OCH NORMALVEKTOR TILL YTAN z = f ( x, LINEARISERING NORMALVEKTOR (NORMALRIKTNING) TILL YTAN.

Y=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 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

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

Spektrala Transformer

Spektrala 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 mer

= 0. Båda skärningsvinklarna är således π/2 (ortogonala riktningsvektorer).

= 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 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

TNM030 Tentasammanfattning (frågor) Nathalie Ek, Sammanfattning. TNM030 - Bildbehandling och bildanalys

TNM030 Tentasammanfattning (frågor) Nathalie Ek, Sammanfattning. TNM030 - Bildbehandling och bildanalys Sammanfattning TNM030 - Bildbehandling och bildanalys Nathalie Ek (natek725), MT -07 2011, LIU Campus Norrköping 1 I det mänskliga ögats näthinna finns två typer av ljussensorer. a) Vad kallas de två typerna?

Läs mer

Dubbelintegraler och volymberäkning

Dubbelintegraler 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 mer

Sammanfattning av ordinära differentialekvationer

Sammanfattning av ordinära differentialekvationer Sammanfattning av ordinära differentialekvationer Joakim Edsjö 1 Institutionen för teoretisk fysik, Uppsala Universitet Telefon: 018-18 32 50 eller 018-18 76 30 19 februari 1995 1 Första ordningens differentialekvationer

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

MMA127 Differential och integralkalkyl II

MMA127 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 mer

SF1633, Differentialekvationer I Tentamen, torsdagen den 7 januari Lösningsförslag. Del I

SF1633, 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 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

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

5 Linjär algebra. 5.1 Addition av matriser 5 LINJÄR ALGEBRA

5 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 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

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

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 11-14, 16/11-28/

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 11-14, 16/11-28/ Uppsala Universitet Matematiska Institutionen Bo Styf Transformmetoder, 5 hp gy, IT, W, X 2011-10-26 Sammanfattning av föreläsningarna 11-14, 16/11-28/11 2012. Här lär vi oss använda transformer för att

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

SF1635, Signaler och system I

SF1635, 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 mer

Flervariabelanalys I2 Vintern Översikt föreläsningar läsvecka 2

Flervariabelanalys I2 Vintern Översikt föreläsningar läsvecka 2 Flervariabelanals I Vintern Översikt öreläsningar läsvecka Denna vecka ägnas nästan uteslutande åt problemet att hitta största och minsta värden till en unktion av lera variabler. Vi kommer att studera

Läs mer

Bildförbättring i frekvensdomänen (kap.4)

Bildförbättring i frekvensdomänen (kap.4) Bildörbättring i rekensdomänen kap.4 Föreläsning a Mer om iltrering Jämörelse med spatialdomänen Filterdesign Lågpassilter ögpassilter omomor iltrering Korrelation OBS!!! Alla bilder rån öreläsningen är

Läs mer

SF1646 Analys i flera variabler Tentamen 18 augusti 2011, Svar och lösningsförslag

SF1646 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 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

SF1625 Envariabelanalys Föreläsning 7 Institutionen för matematik KTH 12 september 2016 Injektiva funktioner En funktion är en regel som till varje tal i definitionsmängden ordnar ett bestämt tal i värdemängden. Injektiva funktioner

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

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

Institutionen för Matematik. SF1625 Envariabelanalys. Lars Filipsson. Modul 1

Institutionen för Matematik. SF1625 Envariabelanalys. Lars Filipsson. Modul 1 Institutionen för Matematik SF1625 Envariabelanalys Läsåret 2017-2018 Lars Filipsson Modul 1 1. MÅL FÖR MODUL 1 1. Reella tal. Känna till talsystememet och kunna använda notation för mängder och intervall

Läs mer

Diskret matematik: Övningstentamen 1

Diskret matematik: Övningstentamen 1 Diskret matematik: Övningstentamen 1 1. Bevisa att de reella talen är en icke-uppräknelig mängd.. För två mängder av positiva heltal A och B skriver vi A C B, om det är så att A innehåller ett heltal som

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

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

Lösningsförslag envariabelanalys

Lösningsförslag 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 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