Signaler, information & bilder, föreläsning 13
|
|
- Åsa Nyström
- för 4 år sedan
- Visningar:
Transkript
1 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 Översikt signalbehandling (bildbehandling) en digitala bilden, ärgtabeller kontinuerlig ouriertransorm och FT sampling diskret altning, linjär och cirkulär 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 sinx 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 UH ( 4K ) =8 Mpixel
2 För en digital bild gäller 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) HR (high dynamic range) använder större intervall Ibland: samplen lyttalsvärden. å de ska visas på skärm transormeras de till intervallet [,55] eller [,] och vidare via ärgtabell. Värden i intervallet [,] kan gamma-korrigeras -> γ Bildstorlek: 7x4 pixlar zoom Bildstorlek: 7x4 pixlar pixelormaktor : zoom För en digital bild gäller, orts En äkta ärgbild har 3 st värden per pixel, RGB (R: röd, G:grön, B:blå) e transormeras var ör sig till intervallet [,55] Sedan ut på datorns röda, gröna respektive blåa kanal Vilket möjliggör 56 3 = ,8 miljoner ärger En järde kanal kan tillogas ör transparensen, en s.k. alakanal. Används t ex inom datorgraik. Man kan även använda andra ärgmodeller, t ex YCbCr (linjär; Y: luminans, Cb: blådierens, Cr: röddierens). Används t ex vid JPEG-kodning. CIELAB (olinjär; L*: luminans, a*: magenta grön balans, b*: gul blått balans) Överöring sker som mest via P, HMI eller SI
3 PET-bild av hjärna gråskalebild Hur kan man uppleva olika ärger av RGB? atorskärm, tv: ljuset lyser ut rån skärmen, ger additiv ärgblandning. Målarärger: lampljus/solljus relekteras rån ärgen, ger subtraktiv ärgblandning. Ex) atorpixel som ger vitt ljus: Pseudo-ärgbild Äkta ärgbild Ex) atorpixel som ger gult ljus: Ex) atorpixel som ger cyan ljus: Ex) atorpixel som ger magenta ljus: 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. 3
4 gamma transormation / srgb Linjär transormation Äkta ärgtabell : : : 55: R 55 Pixelvärde [ r (x,y), g (x,y), b (x,y)] Linjär transormation : : : 55: G 55 Linjär transormation : : : 55: Över 6 miljoner ärger B 55 Varör ouriertransormen? Följning i video (av t ex den gula isken) kräver realtidsprestanda Bästa metoden (vi på CVL ) använder ouriertransormen VOT4 winner VOT5 winner C-COT Ut på skärmens röda kanal Ut på skärmens gröna kanal Ut på skärmens blåa kanal kontinuerlig ouriertransorm j xu yv y Fu, v ye dxdy ouriertransorm 3.3 j xu yv F u, v y Fu, ve dudv invers ouriertransorm 3.4 ouriertransormen kan beräknas med st ouriertransormer en kan beräknas örst i ena ledden och sen i andra ledden: F j xu yv u, v ye F dxdy jyv jxu ye dy e dx 3.3 ouriertransorm i y - led v 4
5 Fouriertransormen av en reell unktion är hermitisk: F u, v = F u, v Bevis: ouriertransormen av en reell unktion är hermitisk Realdelen är jämn och imaginärdelen är udda. ReF u, v = ReF u, v ImF u, v = ImF u, v Amplitudspektrum är symmetriskt i origo. F u, v F u, v Fu, v F u, v se Fig 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
6 Teorem och samband, se ormelsamlingen! 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 gx hy Fu, v Gu H v rotation som specialall: FT Pythonkommando: F = np.t.t() F N M j nk / N ml / M k, l n, m e MN Obs: i Python F n m N M j nk / N ml / M n, m F k, l e k l Sparas i row-major ormat k, l F[l,k] och n, m [m, n] Notera: vanligtvis väljs symmetriska varianten med summor rån N/ till N/- och M/ till M/-, F = np.t.tshit(np.t.t(np.t.itshit())) Teorem och samband Teoremen ör FT motsvarar kontinuerliga allet. Notera att multiplikation i FT-domänen motsvarar cirkulär altning i spatialdomänen. 6
7 Fig. 3.5b Fig. 3.5a sampling av (x,y) Ingen vikningsdistorsion! Fig. 3.3 sampling av (x,y) size: x8 size: x8 Vikningsdistorsion! Fig
8 Illustration av vikningsdistortion. sampelavstånd. pixelstorlek. Illustration av vikningsdistortion. sampelavstånd / pixelstorlek Illustration av vikningsdistortion. sampelavstånd / 4 pixelstorlek 4 Illustration av vikningsdistortion. sampelavstånd / 8 pixelstorlek 8 8
9 Samband mellan samplad kontinuerlig ouriertransorm och FT oändlig periodisk, periodisk Fig. 3.7, 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 Fouriertransorm av diskret signal Fouriertransorm av samplad signal (Δ=), n, m F u, v n m n m ( x n, y m) j numv n, me j numv F u, v n, m F u ve Varning! Lite svårare beräkningar här! j xu yv n, me dx dy du dv Varör altning? The Convolutional Neural Network (CNN): AlexNet [Krizhevsky et al. ] Method Top-5 Error Method escription SuperVision (Toronto).64 CNN ISI (Tokyo).67 Hand-crated eatures: SIFT, HOG and LBP OXFOR.6979 PM + Hand-crated eatures XRCE/INRIA.758 Hand-crated eatures 37 9
10 Ex) Linjär och Cirkulär altning 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 Inbild Medelvärdesbildande altningskärna Storlek 5x5 Utbild eter linjär altning Tänk att det är nollor utanör Inbilden då kärnan glider ram. Utbild eter cirkulär altning Tänk att inbilden sitter ihop över-/underkant och vänster-/högerkant då kärnan glider ram. 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 Python: signal.convolved() * = h x, y x, y g x, y skillnad mot korrelation Animation altning/korrelation
11 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 ) Mer om cirkulär altning: Filtrering via multiplikation i FT-domänen ger cirkulär altning kan örberäknas Sker via multiplikation i ourierdomänen. Utbilden blir lika stor som inbilden. Fig. 3.8 Fig. 3.9 cirkulär altning g N h m g n h m n.59 noterar cirkulär altning modulo N operation är periodiskt upprepad / cirkulär N betecknar h n h N n N N n N cirkulär altning * * et gäller : FT N Bevis inns i kompendiet g h m G k H k Python : signal.tconvolve() = Alltså: För att cirkulär altning ska ge samma resultat som vanlig linjär altning kan zero-padding behövas. =
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 elsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden,
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 Computer Vision Laborator Department o Electrical Engineering michael.elsberg@liu.se Översikt D signalbehandling (bildbehandling) orts. Faltningskärnor
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 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 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 merBildbehandling En introduktion. Mediasignaler
Bildbehandling En introdktion Mediasignaler Innehåll Grndläggande bildbehandling Foriertransformering Filtrering Spatialdomän Frekvensdomän Vad är bildbehandling? Förbättring Image enhancement Återställning
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 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 mer7 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 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 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 mer'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ
'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ Nyckelord: Sampling, kvantisering, upplösning, geometriska operationer, fotometriska operationer, målning, filtrering 'LJLWDOUHSUHVHQWDWLRQR KODJULQJDYELOGHU En
Läs merBildbehandling 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 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 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 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 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 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 merLösning 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 merGrafisk Teknik. Rastrering. Övningar med lösningar/svar. Sasan Gooran (HT 2013)
Grafisk Teknik Rastrering Övningar med lösningar/svar Det här lilla häftet innehåller ett antal räkneuppgifter med svar och i vissa fall med fullständiga lösningar. Uppgifterna är för det mesta hämtade
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 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 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 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 merEn bijektion mellan två mängder A och B som har ändligt antal element kan endast finnas om mängderna har samma antal element.
BIJEKTION, INJEKTION, SURJEKTION NUMRERBARA (eller UPPRÄKNELIGA) MÄNGDER Allmän terminologi. I samband med variabelbyte vid beräkning av integraler har vi en avbildning mellan två mängder A och B, dvs
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 merSignaler, 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= 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 merBildbehandling, 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 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 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 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 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 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 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 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 merSensorer i digitalkameror
Sensorer i digitalkameror Kretskort Minneskort Sensor Detektorelement (pixel). Typisk storlek: 2-5 m Typiskt antal: 5-20M Sensortyper i digitalkameror CCD (Charge Coupled Device) CMOS (Complementary Metal
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 merFöreläsning i webbdesign. Bilder och färger. Rune Körnefors. Medieteknik. 2012 Rune Körnefors rune.kornefors@lnu.se
Föreläsning i webbdesign Bilder och färger Rune Körnefors Medieteknik 1 2012 Rune Körnefors rune.kornefors@lnu.se Exempel: Bilder på några webbsidor 2 Bildpunkt = pixel (picture element) Bilder (bitmap
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 merSF1626 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 merInstitutionen 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 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 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 merGrundläggande bildteori. EXTG01 Medicinska bildgivande system Michael Ljungberg
Grundläggande bildteori EXTG01 Medicinska bildgivande system Michael Ljungberg Olika modaliteter inom sjukhusfysik Michael.Ljungberg@med.lu.se 2 Exempel på digitala bilder Michael.Ljungberg@med.lu.se 3
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 merDagens 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 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 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 merInstitutionen för Matematik, KTH Torbjörn Kolsrud
Institutionen för Matematik, KTH Torbjörn Kolsrud 5B 7, ifferential- och integralkalkyl II, del 2, flervariabel, för F. Tentamen fredag 25 maj 27, 8.-3. Förslag till lösningar (ändrat 28/5-7, 29/5-7).
Läs merLösning 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 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 merTEM 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 merA 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 merFöreläsningsanteckningar 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 merFärglära. Ljus är en blandning av färger som tillsammans upplevs som vitt. Färg är reflektion av ljus. I ett mörkt rum inga färger.
Ljus är en blandning av färger som tillsammans upplevs som vitt. Färg är reflektion av ljus. I ett mörkt rum inga färger. Människans öga är känsligt för rött, grönt och blått ljus och det är kombinationer
Läs mer(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 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 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 merSF1626 Flervariabelanalys Tentamen Måndagen den 16 mars 2015
Institutionen för matematik SF1626 Flervariabelanalys Tentamen Måndagen den 16 mars 215 Skrivtid: 8:-13: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger
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 merFärglära. Grundläggande kunskaper om färg och färgblandning
Färglära Grundläggande kunskaper om färg och färgblandning Färger är olika frekvenser av elektromagnetisk strålning. En del frekvenser ligger inom det område våra ögon kan se, andra ligger utanför. Vad
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 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 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 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 merTANA17 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 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 merRepetition Ljus - Fy2!!
Repetition Ljus - Fy2 Egenskaper ör : Ljus är inte en mekanisk vågrörelse. Den tar sig ram utan problem även i vakuum och behöver alltså inget medium. Exakt vilken typ av vågrörelse är återkommer vi till
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 merSF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A
Institutionen för matematik SF66 Flervariabelanalys Lösningsförslag till tentamen 4-9-6 DEL A. Betrakta följande tre områden i planet: D = {(x, y): x y < 4}, D = {(x, y): x + y }, D 3 = {(x, y): 4x + 3y
Läs merSignal- 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 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 merBildbehandling 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 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 merFärgtyper. Färg. Skriva ut. Använda färg. Pappershantering. Underhåll. Felsökning. Administration. Index
Med skrivaren får du möjlighet att kommunicera med färg. drar till sig uppmärksamhet, ger ett attraktivt intryck och förhöjer värdet på det material eller den information som du skrivit ut. Om du använder
Läs merAtt använda bildhanteringsprogram, del 2
Att använda bildhanteringsprogram, del 2 Gå till Adobe Online (M) Markeringsram - (L) Lasso - (C) Beskärning - (J) Airbrush - (S) Klonstämpel - (E) Suddgummi - (R) Oskärpa - (A) Markering av bankomponenter
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 merTentamen 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 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 merModul 1 Mål och Sammanfattning
Institutionen för Matematik SF1625 Envariabelanalys Läsåret 2016-2017 Lars Filipsson Modul 1 Mål och Sammanfattning 1. Reella tal. 1. MÅL FÖR MODUL 1 Känna till talsystememet och kunna använda notation
Läs mere = (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 merFöreläsning 4. Laplacetransformen? Lösning av differentialekvationer utan Laplacetransformen. Laplacetransformen Överföringsfunktion
Föreläsning 4 Laplaceransormen? Laplaceransormen Överöringsunkion E kraull maemaisk verkyg ör a sudera och lösa linjära dierenialekvaioner T.ex. u Sysem y Vad blir usignalen y() give en viss insignal u()?
Läs merLåt vara en reell funktion av en reell variabel med definitionsmängden som är symmetrisk i origo.
UDDA FUNKTIONER OCH DUBBELINTEGRALER. Från en variabelanalys vet vi att integral över ett symetrisk intervall, av en udda funktion är lika med 0. 0 om är udda. T ex 0 Här upprepar vi def. av udda ( och
Läs merav envariabelfunktionen g(t) och flervariabelfunktionen t = h(x, y) = x 2 + e y.)
Lösningsskisser till TATA69 Flervariabelanalys 16-1- 1 Stationära punkter ges av f (4x 3 + 4x, 3y + 6z, z + 6y (,,, dvs (x, y, z (,, eller (x, y, z (, 6, 18 Ur andraderivatorna fås de kvadratiska formerna
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 merDigital elektronik CL0090
Digital elektronik CL0090 Föreläsning 2 2007-0-25 08.5 2.00 Naos De logiska unktionerna implementeras i grindar. Här visas de vanligaste. Svenska IEC standard SS IEC 87-2 Amerikanska ANSI/IEEE Std.9.984
Läs merSF1625 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 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 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 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 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 merGrafiska system. Färgblandning. Samspel mellan ytor. Ögats. fysionomi. Ljusenergi. Signalbehandling och aliasing
Grafiska system Signalbehandling och aliasing Gustav Taxén gustavt@nada.kth.se Processor Minne Frame buffer 2D1640 Grafik och Interaktionsprogrammering VT 2006 Färgblandning Pigmentblandning för f att
Läs merTisdag 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