Signal- och Bildbehandling, TSBB14 Lektionsuppgifter

Storlek: px
Starta visningen från sidan:

Download "Signal- och Bildbehandling, TSBB14 Lektionsuppgifter"

Transkript

1 Signal- och Bildbehandling, TSBB4 Lektionsuppgifter

2 Innehåll Introduktion Tillkännagivande Lektionsplanering Signaler 3 Fourierserier. Filter. Faltning. 4 3 Fouriertransform 7 4 Sampling. DFT. 9 5 z-transformen 6 D signalbehandling. Diskret faltning. 4 7 Olika faltningkärnor. Omsampling. D Sampling. 7 8 Binär bildbehandling 4 9 D korrelation och autokorrelation. Linjära system. 9 Stabilitet. Linjära system. Digitala filter. 33 Svar och lösningsförslag 35

3 Introduktion Tillkännagivande Detta lektionshäfte har sammanställs och skrivits i L A TEX av Freddie Åström och Maria Magnusson år 3. Det uppdateras 6 av Mikael Persson och Maria Magnusson. Det baserar sig delvis på äldre lektionshäften i ämnet Bildbehandling av Per-Erik Danielsson, Stefan Gustavson, Olle Seger, Maria Magnusson, m.fl. Dessutom baserar det sig på uppgifter från boken Signaler och System av Anders Svärdström. Han har vänligen låtit oss använda uppgifterna här. Lektionsplanering Le Rekommenderat Extra Teori 5, 3,,, 4 förberedelsehäfte fö, förberedelsehäfte 5,, 4, 6, 8, 7, 3 fö 3 5ab,,, 3, 4 5c, 6 fö 3 4,, 4, 5 7, 3, 6 fö 4, 5 5,, 3, 4, 5 fö 6 6,, 4, 6, 8 5, 7, 9,, (3) fö 7 7,, 3, 4, 7ab, 5 8, 7cd, 6 fö 7, 8, 9 8, 4, 3, 6, 7, 5 fö 9,, 4, 5, 7, 8, 9 3, 6 fö b,, 4, 3, 5 ac fö 3

4 Signaler Aktuella ekvationer: Medelvärde v m och effektivvärde v rms för en periodisk signal v(t), v m = T/+a T/+a v(t)dt, v rms = v T T (t)dt. T/+a T/+a.. Se figur. Ge en formel för signalen v(t) i intervallet t. Beräkna sedan dess medelvärde v m och effektivvärde v rms. v(t) [volt] t [s].. I figuren nedan visas två periodiska spänningar. Bestäm signalernas effektivvärden. T/ t t= T =.s (a) t t= T =.s (b).3. Bestäm medelvärde och effektivvärde för signalerna: a) x(t) = sin(πt) [volt], b) x(t) = sin(4πt) [volt], c) x(t) = sin(πt) [volt].4. Bestäm periodtiden T för signalerna: a) x(t) = 3 cos(38ω t) + cos(3ω t) b) x(t) = sin(πω t) + sin(ω t) c) x(t) = cos(98ω t) + cos(7ω t).5. Beräkna för de komplexa talen a = 3 + j4 och b = 5 j: a) a + b och a b b) absolutvärdena a och b c) kvoten a b d) a och b kan skrivas på polär form a = a e jϕ, b = b e jφ. Bestäm ϕ och φ. e) a b f) kvoten a b 3

5 Fourierserier. Filter. Faltning. Aktuella ekvationer: Se formelsamlingen och förberedelsehäftet. För effektivvärdet av en summa av N ortogonala signaler gäller: ν rms = ν rms + ν rms ν rmsn... Se figuren nedan med signalen x(t). A x(t) A T T t a) Ge ett uttryck för x(t) i intervallet T / t T /. b) Bestäm fourierseriekoefficienterna A, A n, B n. c) Bestäm fourierserien för x(t)... Se figuren nedan med den helvågslikriktade cosinussignalen x(t). A x(t) T T T T t a) Ge ett uttryck för x(t) i intervallet T / t T /. b) Bestäm fourierseriekoefficienterna A, A n, B n. c) Bestäm fourierserien för x(t)..3. Se figuren nedan med den halvvågslikriktade cosinussignalen x(t). A x(t) T T t a) Ge ett uttryck för x(t) i intervallet T / t T /. b) Bestäm fourierseriekoefficienterna A, A n, B n. c) Bestäm fourierserien för x(t). 4

6 .4. Ett idealt lågpass-filter (LP-filter) nollställer alla frekvenser över gränsfrekvensen. Det kan också ge en förstärkning A, vilket innebär att signalen multipliceras med A. Se figur. Signalen x(t) får passera ett idealt lågpassfilter (LP) med gränsfrekvensen f g = khz och förstärkningen A = (= db). x(t) t[ms] x(t) LP y(t) a) Bestäm periodtiden T för x(t). b) Ge ett uttryck för x(t) i intervallet T / t T /. c) Bestäm x(t):s fourierserie. d) Bestäm grundvinkelfrekvensen ω och gränsvinkelfrekvensen ω g och jämför deras storlek. e) Bestäm utsignalen y(t). f) Bestäm utsignalens effektivvärde, y rms..5. a) Är 3 sin(πt) och 5 cos(πt) ortogonala? b) Är 3 sin(πt) och 3 ortogonala? c) Bestäm effektivvärdet för: x(t) = 4 cos(πt) 3 sin(πt) + cos(3πt) sin(3πt) (volt) d) Bestäm effektivvärdet för: x(t) = + sin(πt) +. sin(πt) (volt) Ledning: Effektivvärdet för A sin(kt) och även A cos(kt), där k är ett nollskillt heltal, är A/..6. Ett idealt högpass-filter (HP-filter) nollställer alla frekvenser under gränsfrekvensen. Se figur. Signalen x(t) kommer först till cirkeln med där den multipliceras med sig själv till x(t) x(t). Därefter passerar den det ideala högpassfiltret med gränsvinkelfrekvensen ω. Det gäller att:. x(t) = cos(ω t) + cos(ω t), ω < ω < ω x(t) Idealt HP-filter y(t) 5

7 a) Bestäm signalen x(t) x(t) och förenkla svaret så att det endast består av enkla cosinus-termer och en konstant. Använd en trigonometrisk formel, tex från förberedelsehäftet. b) Bestäm utsignalen y(t)..7. a) Beräkna faltningen (x h)(t) = där x(t) = e t u(t) och h(t) =. Π(t). b) Beräkna också faltningen (h x)(t) = x(t λ)h(λ) dλ, h(t λ)x(λ) dλ..8. Beräkna faltningen (x h)(t) = x(t λ)h(λ) dλ, x(t) = {, för t, för övrigt, h(t) = {, för t, för övrigt. 6

8 3 Fouriertransform Aktuella ekvationer: Se formelsamlingen och förberedelsehäftet. 3.. Se figuren nedan med signalen x(t). 3 a) Skriv x(t) som en summa av två förskjutna rektangelpulser. b) Bestäm fouriertransformen X(ω). Använd teorem för tidsskift och linjäritet. c) Bestäm amplitusspektrum X(ω). 3.. Signalen x(t) = e at sin(ω t)u(t) är given. a) Bestäm fouriertransformen X(ω). Använd formelsamlingen direkt. b) Bestäm fouriertransformen X(ω) genom att först bestämma fouriertransformen av e at u(t) och sin(ω t) och sedan använda multiplikationsteoremet. Ledning: δ(ω ω ) F (ω) = F (ω ω ) Bestäm fouriertransformen och amplitudspektrum för signalen i figuren. Använd definitionen på fouriertransformen och integrera Fouriertransformen för en signal x(t) kan skrivas X(ω) = X(ω) e jφ(ω). Amplitudspektrum X(ω) och fasspektrum Φ(ω) framgår av figuren nedan. 7

9 a) Komplettera nedanstående uttryck för X(ω),, för ω a, a ω X(ω) = e jπ/ = j, för a ω..., för... b) Bestäm signalen x(t). Använd definitionen på invers fouriertransform och integrera Bestäm fouriertransformen för signalerna i figuren. a) Skriv först x(t) som en rektangel-puls. Använd sedan formelsamlingen direkt. b) Skriv först y(t) som en försjuten rektangel-puls. Använd sedan teorem. c) Skriv först z(t) som en förskjuten och skalad triangel-puls. Använd sedan teorem. 3 4 (a) (b) (c) 3.6. Pulsen x(t) = e t u(t) skall överföras via en ideal kanal (ett lågpassfilter). Ingen förstärkning sker i kanalen. Vilken bandbredd B måste denna kanal ha om minst 8% av pulsens energi skall överföras? Lös nedanstående uppgifter så besvaras frågan. a) Bestäm fouriertransformen X(ω). b) Bestäm energin upp till bandbredden B, dvs B B π X(ω) dω. c) Bestäm totala energin, dvs π X(ω) dω. d) Bestäm bandbredden B så att minst 8% av pulsens energi överförs. 8

10 4 Sampling. DFT. 4.. En funktion x(t) samplas med perioden T och man får sampelvärdena x(n) = [,,, 5, 9, 7, 6, 3]. Sök värdet på frekvenskomponenten X(k), där k motsvarar vinkelfrekvensen: a) ω = b) ω = π/t c) ω 3 = π/t Ledning : Använd DFT-formeln X(k) = N n= x(n)e jπnk/n. Ledning : Det gäller att f = k/(nt ) och ω = πf. 4.. En signal x(t) samplas i fyra punkter och man får sampelvärdena x(n) = [,,, ]. Bestäm signalens DFT, X(k) = N n= x(n)e jπnk/n Nedan visas fyra samplade signaler {x(n)} och åtta frekvensserier (DFT) {X(k)}. Para ihop de fyra signalerna med motsvarande DFT.. {,,,, }. {.5,.5,.5,.5,.5} 3. {,,,, } 4. {.8,.,,.,.8} a. {,,,, } b. {,.8 + j,. + j.4,. + j.4,.8 + j} c. {,.8 j.,. j.4,. + j.4,.8 + j., } d. {j,, j, } e. {, j,, j, } f. {.5,,,, } g. {, + j.45, + j6.5, j6.5, j.45} h. {,,,, } 4.4. Se nedanstående schema. x(t) sampling xs(t) rekon struktion y(t) Signalen x(t) = sinc (t/) samplas med impulståget k δ(t k/t ) (samplingsavstånd T ) till x s (t). Därefter sker rekonstruktion till utsignalen y(t) genom att x s (t) faltas med h(t) = sinc(t t), vilket är ekvivalent med att X s (f) multipliceras med H(f) = T Π (f/t )). a) Bestäm X(f) och skissa den. Ledning: F [ sinc (t) ] = Λ(f) = { f, f, f > 9

11 b) Antag att T =, så x s (t) = x(t) k δ(t k). Betäm X s(f) och skissa den. c) Skissa Y (f) = X s (f) H(f) = X s (f) Π (f). Bestäm y(t). d) Antag att T =, så x s (t) = x(t) k δ(t k/). Betäm X s(f) och skissa den. Observera att vi får vikningsdistorsion. e) Skissa Y (f) = X s (f) H(f) = X s (f) Π (f). Bestäm y(t) Se nedanstående inspelningsutrustning. (Jämfört med en verklig är den förenklad eftersom ideala filter ingår.) x(t) mikrofon g(t) analogt LP filter sampling y(t) lagring y[n] y(t) h(t) rekonstruk tionsfilter z(t) hogtalare Insignalen x(t) har en fouriertransform X(f) = F[x(t)] enligt figuren nedan. Frekvensinnehållet i intervallet [-,] khz symboliserar önskvärt ljud. Diracpulserna orsakas av en störande signal s(t). X(f) A 3 f [khz] Det analoga lågpass-filtret g(t) har en fouriertransform G(f) = Π(f/4) khz, dvs ett idealt rektangelfilter med gränsfrekvensen khz. Den samplade signalen noteras y(t) och motsvarande diskreta sampel y[n] lagras i en dator. För att sedan kunna spela upp lagrat data används ett rekonstruktionsfilter h(t) = T g(t). a) Vilken är lägsta möjliga samplingsfrekvens f s = /T för att undvika vikningsdistorsion? b) Bestäm störsignalen s(t) vars fouriertransform är diracpulserna på 3 och -3 khz? c) Skissa X(f) G(f), Y (f) och Z(f) = Y (f) H(f). Antag att samplingsfrekvensen är fs = /T = 4 khz. d) Antag att ett sampel upptar utrymmet byte och att inspelningen varar en halvtimma. Hur många byte krävs då för att lagra hela inspelningen? (Vi har inte stereo och ingen kompression.) e) Antag att filtret g(t) kopplas bort. Detta ger en störsignal som adderas på z(t). Vilken? Motivera med resonemang i fourierdomänen!

12 4.6. Man skall utföra spektralanalys (analysera frekvensinnehållet) på en signal med frekvenser i området [ Hz - khz[. Man studerar förloppet ms och tar under denna tid så många sampel som krävs för att uppfylla förutsättningarna. a) Vilken samplingsfrekvens f s = /T erfordras? b) Hur många sampel samlar man in under tiden ms? Antag att det behövs N multiplikationer för en N-punkters DFT. Antag vidare att det behövs N log N multiplikationer för en N-punkters FFT. Låt N vara en -potens för maximal effektivitet. Hur många reella multiplikationer måste utföras om fouriertransformen bestäms med: c) DFT d) FFT 4.7. I figuren nedan visas en i 8 punkter samplad signal. Bestäm amplituden på frekvenskomponenten X(f) där k motsvarar frekvensen /(4T ) Hz och där T =samplingsavståndet Ledning : Använd DFT-formeln X(k) = N n= x(n)e jπnk/n. Ledning : Det gäller att f = k/(nt ).

13 5 z-transformen 5.. Bestäm z-transformen för följande sekvenser och ange konvergensområde. { (/) n för n a) x(n) = för n < { (/) n för n b) x(n) = för övrigt { för n = c) x(n) = för n { för n = d) x(n) = för n 5.. Bestäm z-transformen, X(z) för följande sekvenser: { a n+3 för n 3 a) x(n) = för n < 3 { a n sin(nω) för n b) x(n) = för n < { n e jnω för n c) x(n) = för n < 5.3. Bestäm z-transformen för de sekvenser som erhålls genom sampling med samplingsfrekvensen f s av följande tidskontinuerliga signaler. { för t a) x(t) = för t <, { f s = Hz 3 e t för t b) x(t) = för t <, { f s = Hz te at för t c) x(t) = för t <, { f s = Hz d) x(t) = t för t för t <, f s = 5Hz 5.4. Bestäm signalen x(n) som har följande z-transform. Använd partialbråksuppdelning. X(z) = z ( z)(z ), z >

14 5.5. Bestäm den inversa z-transformen för följande sekvenser: a) X(z) = +, z > z b) X(z) = z 4 z, z > 3

15 6 D signalbehandling. Diskret faltning. 6.. D Diskret faltning. Beräkna g(x) = (h f)(x) = λ= f(x) = och h(x) = -. h(x λ)f(λ), där Centrum (positionen för x = ) är markerad med fet stil. 6.. D Diskret faltning. Beräkna f(x, y) = 3 g(x, y) = (h f)(x, y) = α= β= och h(x, y) = 3. h(x α, y β)f(α, β), där Centrum (positionen för (x, y) = (, )) är markerad med fet stil SVÅR. ÖVERKURS: D fouriertransform av en icke-separabel funktion. Beräkna fouriertransformen av f(x, y) = e 3 x+y. Denna funktion är inte separabel, dvs f(x, y) g(x) h(y), så F (u, v) = G(u) H(v) kan inte användas. Använd istället tekniken F (u, v) = F [f(x, y)] = F y [F x [f(x, y)]], dvs tag först fouriertransformen i x-led (då y betraktas som en konstant) och därefter fouriertransformen i y-led (då u betraktas som en konstant) D fouriertransform av en separabel funktion. Beräkna och skissa fouriertransformen av f(x, y) = sinc(x) cos(πy). Ledning: Funktionen 3δ(v ) kan skissas så som i figuren nedan, antingen som till till vänster eller som till höger. v 3δ (v ) u 3δ(v ) 3 u v 4

16 st D fouriertransformer. Beräkna fouriertransformen av följande två-dimensionella funktioner, som också visas som approximativa bilder. Skissa även amplitudspektrum för wave och wave. a) spalt: f (x, y) = { b) wave: f (x, y) = 55 c) wave: f 3 (x, y) = 55 55, if x < 5, y < 4,, annars. ( ( )) π + sin 56 5x ( ( ) π + cos 56 x ( x ( y = 55 Π Π 3) 8) ( )) π cos 56 y spalt y wave y wave y Image: x x x Ledning för b): För att underlätta beräkning av wave, skriv om den enligt: wave: f (x, y) = 55 ( ( ) ) π (x) (y) + sin 56 5x (y) 6.6. D fouriertransform av faltningskärna. Nedanstående faltningskärna beräknar ett viktat medelvärde. Centrum är markerat med fet stil. Sätt dirac-pulser på faltningskärnas pixlar och kalla den f(x, y) = g(x, y) + h(x, y). Utnyttja separeringen för att få enklare beräkningar. Antag samplingsavstånd =. Beräkna fouriertransformen! /6 = /6 + / D fouriertransform av sobel-x. Nedanstående faltningskärna kallas sobel-x och beräknar derivatan i x-led. Centrum är markerat med fet stil. Sätt dirac-pulser på faltningskärnas pixlar och kalla den f(x, y) = g(x, y) h(x, y). Utnyttja separeringen för att få enklare beräkningar. Antag samplingsavstånd =. Beräkna fouriertransformen! /8 = /4 - /. 5

17 6.8. D DFT av faltningskärna. Beräkna DFT:n av nedanstående faltningskärna f(n, m) = g(n, m) + h(n, m). Centrum är markerat med fet stil. Utnyttja separeringen för att få enklare beräkningar. /6 = /6 + / D DFT av sobel-x. Beräkna DFT:n av nedanstående faltningskärna sobel-x. Kalla den f(n, m) = g(n, m) h(n, m) och utnyttja separeringen för att få enklare beräkningar. Centrum är markerat med fet stil /8 = /4 - /. 6.. D fouriertransform och rotationsteoremet. Uttrycket g(x, y) = sin(πx) beskiver en D sinusvåg och f(x, y) = sin ( π [ x cos π 6 + y sin π ]) = R π/6 [sin(πx)] 6 beskriver en sinusvåg roterad π/6. Beräkna först G(u, v), fouriertransformen för den oroterade sinusvågen, och skissa Im[G(u, v)]. Utnyttja sedan rotationsteoremet och gör en grafisk lösning för att skissa imaginärdelen av fouriertransformen Im[F (u, v)]. Ge till sist en formel för fouriertransformen F (u, v). Ledning: Positiva dirac-pulser kan markeras med en liten punkt och negativa dirac-pulser med ett litet kryss i det imaginära planet. 6

18 7 Olika faltningkärnor. Omsampling. D Sampling. 7.. Faltningskärnors effekt på bilder. Bilden f(x, y) ska faltas med olika faltningskärnor, A H, se nedan. f(x,y).5 A = - /, B = /5, - C = /, D = /, E = /5, F = -4 /8, G = -, H = 4 /6 Resultatet blir 8 stycken olika bilder. Para ihop bild-bild8 nedan med korrekt faltningskärna A H! bild.5 bild bild 3 bild

19 bild 5 bild bild 7 bild D interpolation. Vid interpolationsuppgifterna nedan ska vi använda oss av fyra olika interpolationsfunktioner, närmsta granne interpolation n(x), linjär interpolation l(x), samt två olika cubic spline interpolationsfunktioner, c(x) och c(x), där {, för.5 x.5, n(x) =, för övrigt, { x, för x, l(x) =, för övrigt, { x 3 3 x +, för x, c(x) =, för övrigt,.5 x 3.5x +, för x, c(x) =.5 x 3 +.5x 4 x +, för x,, för övrigt. De olika funktionerna är också illustrerade nedan. närmsta granne interpolation, n(x) linjär interpolation, l(x) x x cubic spline, c(x) cubic spline, c(x) x x 8

20 Nedan syns en liten D figur med fyra kända sampelvärden och ett okänt, f(.75) =?, som ska interpoleras fram med de fyra olika interpolationsfunktionerna ovan..5 f(x)? x 7.3. D och D interpolation. Vid interpolationsuppgifterna nedan ska vi använda oss av två olika interpolationsmetoder, närmsta granne och linjär interpolation. Vid närmsta granne interpolation kan rektangel-funktionen Π(x) användas, och vid linjär interpolation kan triangelfunktionen Λ(x) användas, {, för.5 x.5, Π(x) =, för övrigt, { x, för x, Λ(x) =, för övrigt. a) Nedan till vänster syns två kända sampelvärden och ett okänt märkt med?. Interpolera fram detta värde dels med närmsta granne interpolation och dels med linjär interpolation. b) Nedan till höger syns fyra kända sampelvärden och ett okänt märkt med? och beläget på (x, y) = (/3, /3). Interpolera fram detta värde dels med närmsta granne interpolation och dels med bilinjär interpolation. 3? 3 4/3 x 3.5?.7 y x (x,y)=(/3,/3) 9

21 7.4. Uppsampling en faktor. Omsampling till högre samplingstäthet mha interpolation är en viktig operation inom bildbehandling. För en bild samplad med samplingsavståndet = är sinc(x) den ideala interpolationsfunktionen, se figur nedan. Spatial rymd sinc(x) Fourier rymd Π(u) x u = /( )=/ a) Skissera den linjära interpolationsfunktionen { x, x Λ(x) =, x och dess fouriertransform ovanpå sinc(x) och Π(u) i figuren ovan. b) Vad gäller för funktionsvärdet i x = och x = ± för de båda funktionerna? c) På vilket sätt är fouriertransformen av Λ(x) sämre än Π(u)? d) Bilinjär interpolation är en D variant av linjär interpolation. Den bilinjära interpolationsfunktionen är Λ(x) Λ(y). Försök att skissa 3D-plottar av Dfunktionerna, Λ(x), Λ(y) och Λ(x) Λ(y). Vilken basyta har Λ(x) Λ(y)? e) Nedan till vänster visas en liten 3 3-bild. Interpolera upp den till dubbelt så hög samplingstäthet, dvs. till 5 5-bilden som visas till höger. Omsamplingen ska ske med bilinjär interpolation, Λ(x) Λ(y). Det enklaste är dock att utföra omsamplingen i två endimensionella steg, dvs först med linjär interpolation med Λ(x) i x-led följt av linjär interpolation med Λ(y) i y-led. y y y x 3 x 3 x 4 4 Originalbild Efter uppsampling

22 7.5. Nedsampling en faktor. Antag att sampelpunkterna i en bild har sampelavståndet och att bilden ska samplas ned så att sampelavståndet blir. Nedsamplingen kan göras en-dimensionellt, först i x-led, sedan i y-led, se figur nedan. ) falta horizontellt med h[n] ) falta vertikalt med h[n] 3) sampla ner, dvs kasta bort varannan Den ideala faltningskärnan för nedsampling är (/)sinc(x/( )). Nackdelen med den ideala faltningskärnan är att den är oändligt lång. Konstruera en approximativ faltningskärna enligt följande metod: Tag den ideala faltningskärnan. Sampla den med avkänning i punkterna k där k är ett heltal. Trunkera den vid x 3, dvs k = 3,,,,,, 3. Detta ger den diskreta faltningskärnan h[n] = [a,, b, c, b,, a]. a) Vad blir h[n]? Dvs ange värdena a, b, c. b) För lågpassfilter är det önskvärt att det lokala medelvärdet bevaras i bilden. h[n] bör därför divideras med ett värde. Vilket? c) En enklare faltningskärna för nedsampling en faktor är baserad på triangelfunktionen vars bredd överenstämmer med huvudloben på (/)sinc(x/( )). Liksom faltningskärnan i b) ska den bevara den lokala medelnivån i bilden. Bestäm denna faltningskärna.

23 7.6. Rotation och beräkningshastighet. Ett (grovt) mått på snabbheten hos en metod är att mäta vilket antal multiplikationer som krävs per pixel. Betrakta rotation med bakåtmappning (backward mapping). Antag att positionerna för alla pixlarna är förberäknade. Hur många multiplikationer per pixel åtgår vid följande operationer? a) Bilinjär interpolation (D variant av linjär interpolation). Ledning: Hur stor basyta har Λ(x) Λ(y) enligt uppgift 7.4d? b) Bicubic6 interpolation (D variant av 4-punkters cubic spline). c) D variant av 8-punkters trunkerad sinc ( super resolution ). d) Närmaste granne Rotation och interpolation. Bilden f(x, y ) ska roteras medurs. Uppgiften är att beräkna värdet på pixeln markerad med?-tecken i utbilden g(x, y) Inbild f(x,y ) Utbild g(x,y)? a) Pixeln markerad med?-tecken är belägen på (x, y) = (, ) i g(x, y). Vilken position motsvarar detta i inbilden f(x, y )? b) Beräkna värdet på pixeln markerad med?-tecken med hjälp av närmaste granne interpolation. c) Använd nu bilinjär interpolation istället. Då är interpolationsfunktionen Λ(x) Λ(y) där { x, for x, Λ(x) =, annars. d) Använd nu interpolation med en liten -punkters cubic spline-funktion istället. Då är interpolationsfunktionen h(x) h(y) där { x 3 3 x +, for x, h(x) =, annars.

24 7.8. D sampling med vikningsdistorsion, variant Funktionen f(x, y) har en D fourier transform F (u, v) som visas i figuren nedan till vänster. F (u, v) i den skuggade arean och F (u, v) = utanför den skuggade arean. F(u,v) v G(u,v)? v u.5.5 u Funktionen f(x, y) samplas med ett D impuls-tåg till g(x, y) = f(x, y) δ(x n) δ(y m), dvs samplingsavståndet är = i båda riktningarna. n a) Beräkna fouriertransformen av g(x, y). Låt svaret innehålla ett faltningstecken! b) Skissa G(u, v) i (u, v)-planet ovan till höger! Fick du någon vikningsdistorsion? Markera i så fall ett sådant ställe med en pil! c) Vid vilket samplingsavstånd undviks vikningsdistorsion? d) Förenkla uttrycket för G(u, v) i a) så att det inte innehåller faltningstecken och dirac-pulser, men däremot summatecken och F ( ). m 3

25 8 Binär bildbehandling 8.. Man kan visa att en kontinuerlig liksidig triangel har formfaktorn PA = P 4πA = , där P är omkretsen och A är arean. π Nedanstående diskreta triangel är en approximation av den kontinuerliga. Beräkna P A för den diskreta triangel och jämför med det kontinuerligt beräknade värdet. Vid beräkning av omkretsen P, använd varianten där sneda steg är tillåtna. 8.. Utför konnektivitetsbevarande krympning till skelett (tunning) på två olika sätt på nedanstående objekt. Det ena skelettet ska vara d (4) -konnektivt och det andra skelettet ska vara d (8) -konnektivt. Börja med att krympa från norr och fortsätt sedan med öster osv. Visa hur figuren tunnas genom att märka pixlarna med aktuell fas. a) Beräkna skelettet med d (4) -konnektivitet. Strukturelementen för d (4) -konnektivitet och krympning från norr ser ut så här: 4

26 b) Beräkna skelettet med d (8) -konnektivitet. Börja med att krympa från väster och fortsätt sedan med norr osv. Strukturelementen för d (8) -konnektivitet och krympning från norr ser ut så här: 8.3. Se nedanstående figur. a) Utför iteration krympning (erosion) på objektet. Använd strukturelementet d (8) : b) Utför iteration 8-konnektivitetsbevarande krympning av objektet. Visa hur figuren krymper genom att märka vilken fas,, 3, 4 som tar bort vilka pixlar. Detta är strukturelementen för fas, 8-konnektivitetsbevarande krympning: c) Betrakta resultat i uppgift a) och b). Vad är skillnaden mellan de två krympningsmetoderna? 5

27 8.4. Som ett led i en teckenigenkänningsprocedur behövs tunning (krympning till skelett) i d (4) -metrik. a) Utför tunning till skelett i d (4) -metrik på ovanstående figur. Här ska framgå vilka pixlar som försvinner under respektive fas. Strukturelementen för de olika faserna visas nedan. Fas : Fas : Rotera strukturelementen för fas medsols 9 Fas 3 : Rotera strukturelementen för fas medsols 8 Fas 4 : Rotera strukturelementen för fas medsols 7 b) Konnektivitetsbevarande krympning till punkt kan användas t ex då man vill räkna antalet objekt i en bild. Utför konnektivitetsbevarande krympning till punkt på ovanstående figur. Här ska framgå vilka pixlar som försvinner under respektive fas. Strukturelementen för de olika faserna visas nedan. Fas : Strukturelementen Fas : Rotera strukturelementen för fas medsols 9 Fas 3 : Rotera strukturelementen för fas medsols 8 Fas 4 : Rotera strukturelementen för fas medsols 7 6

28 8.5. Nedan visas en bild av ett frö och en annan bild av fröets skelett. s(x,y) = = a) Gör en avståndskarta av fröet i d (8) -metrik! b) Kalla skelett-bilden s(x, y) och kalla avståndskartan a(x, y). Beräkna medeltjockleken av fröet genom att använda ( ) x y s(x, y) a(x, y) t = y s(x, y).5. x c) Varför är det en subtraktion med.5 i ekvationen? d) Varför är det en multiplikation med i ekvationen? 8.6. Använd metoden med avståndskarta för att generera kortaste vägen mellan punkt A och B i figuren nedan. De svarta objekten är hinder som är förbundna med 4- konnektivitet. a) Avståndskartan ska genereras i d (8) -metrik och markeras i figuren. b) Beskriv därefter hur kortaste vägen genereras ur avståndskartan samt rita in den i figuren. 7

29 8.7. Figuren nedan visar ett 8-konnektivt y-format skelett med 8 matchningskärnor som kan hitta förgreningar (3-korsningar) i olika riktningar.,, don t care A) B) C) D) E) F) G) H) a) Vilken/vilka av matchningskärnorna A)-H) matchar på förgreningen vid pilen? b) Skissa ett liknande y-format skelett, fast 4-konnektivt! 8

30 9 D korrelation och autokorrelation. Linjära system. Viktiga formler för lektionen som inte står i formelsamlingen: Korskorrelation och autokorrelation för periodisk signal: (x y)(τ) = T (x x)(τ) = T T/+k T/+k T/+k T/+k x(t) y(t + τ) dt () x(t) x(t + τ) dt () En periodisk funktion utvecklad i fourierserie och dess autokorrelation: x(t) = A + (x x)(τ) = A + A n cos(nω t φ n ) (3) n= n= A n cos(nω τ) (4) Fouriertransformen av autokorrelationsfunktionen är effekt(täthets)spektrum: F[(x x)(τ)] = X (ω) X(ω) = X(ω) = P (ω) (5) F[(x x)(τ)] = X (f) X(f) = X(f) = P (f) (6) En signals effektivvärde v rms ges av autokorrelationsfunktionen: F[(x x)()] = v rms (7) 9.. Bestäm autokorrelationsfunktionen för signalen ( x(t) = A cos 3t + π ) + B sin (6t). Ledning: Använd formel (3)-(4). 9.. Autokorrelationsfunktionen x x(τ) för en periodisk signal i bandbegränsat vitt brus ges av x x(τ) = 5e τ + 4 cos(4πτ) + 4 cos(7πτ). a) Vilken del i x x(τ) kommer från den periodiska signalen och vilken kommer från bruset? b) Bestäm effektivvärdet v rms,per för den periodiska signalen och för bruset v rms,brus. Ledning: Använd formel (7). c) Ange signalens signal-till-brusförhållande (SNR) i db. Ledning: SNR = log ( S N ) där S = v rms för signalen och N = v rms för bruset. 9

31 9.3. Bestäm för signalen x(t) = cos(3ωt) + 5 sin(5ωt + π/6) + sin(7ωt), a) autokorrelationsfunktion x x(τ), b) effektivvärdet v rms Autokorrelationsfunktionen för utsignalen från en viss brusgenerator ges av n n(τ) = e τ volt. a) Bestäm brusets effektivvärde v rms. b) Bestäm brusets effekt(täthets)spektrum P (ω). Ledning: Använd formel (5). c) Bestäm den vinkelfrekvens ω då effekttätheten har sjunkit faktorn /4, dvs P (ω ) P () = 4. Bestäm också motsvarande frekvens f. ( ) t 3.5T 9.5. Signalen i figuren nedan kan skrivas x(t) = Π. T a) Bestäm fouriertransformen X(ω). T T 3T 4T 5T b) Bestäm autokorrelationsfunktionen x x(τ), genom att beräkna F [X (ω) X(ω)], dvs utnyttja formel (5) Se funktionerna x(t) och y(t+τ) nedan. Den senare är en halvvågslikriktad sinusvåg. a) Ta fram ett uttryck för y(t + τ) i intervallet [, T ]. b) Beräkna korskorrelationsfunktionen x y(τ) genom att utnyttja formel (). 3

32 9.7. Papperstillverkning är en komplicerad mekanisk/kemisk process. I figuren nedan matas pappret framåt under processens gång. Man är intresserad av att mäta papprets hastighet v. För detta ändamål har man monterat två fotodetektorer med inbördes avstånd d. papper v A B d Antag att papprets ojämnhet, som fotodetektor A mäter, kan beskrivas med funktionen x A (t) = n(t), där n(t) är bandbegränsat vitt brus. Fotodetektor B mäter då funktionen Det gäller att x B (t) = n(t T ). N(f) = där N(f) är n(t):s effektspektrum (πf), a) Bestäm korrelationen (x A x B )(t). Ledning: Gå över till fourierdomänen och utnyttja formel (6). b) Skissa (x A x B )(t) ungefärligt och förklara därefter hur man ur (x A x B )(t) och figuren ovan kan erhålla pappershastigheten v. c) Teorifråga: Varför anges N(f) och inte N(f) uppgiften? 9.8. Bestäm impulssvaret h[n] till det system vars överföringsfunktion ges av z H(z) = ( (z.9) z + z + ) = ( ) z. z.9 z +.9z. z + z +.5 Härled gärna även partialbråksuppdelningen som är gjord i formeln ovan. 3

33 9.9. Överföringsfunktionen för nedanstående pol-nollställediagram ges av H(z) = (z )(z j)(z + j) (z +.75)(z +.5 j.5)(z j.5) = (z )(z + ) (z +.75)(z + z +.5) Im z Re z a) Bestäm differensekvationen (ett uttryck bestående av x[n?] och y[n?]). b) Utgående från differensekvationen, bestäm värdena på a, b, c, d, e, f, och g i kopplingsschemat nedan. x(n) D D D a b c d Σ y(n) D D D g f e 3

34 Stabilitet. Linjära system. Digitala filter. Teorin för denna lektion finns i föreläsning 3 och i slutet på föreläsning... Bestäm överföringsfunktionerna H(z) för systemen med nedanstående differensekvationer. För samtliga system gäller att h[n] = för n <, dvs systemen är kausala. Ange även konvergensområde och vilka som är stabila. a) y[n] = x[n] + 3y[n ] b) 3y[n] = x[n] x[n ] + y[n ] c) y[n] = x[n] x[n ] + x[n ] + y[n ] y[n ].. Se nedanstående differensekvation. y[n] = ay[n ] y[n ] + x[n], n. 4 a) Bestäm systemet H(z). b) Bestäm systemets två poler. c) Bestäm de värden på den reella konstanten a som gör systemet stabilt..3. En tidsdiskret krets är uppbyggd av två delkretsar A och B som sammankopplas enligt figuren nedan. x[n] Σ h A[n] y[n] y[n] h B[n] h B[n] Kretsarnas respektive impulssvar ges av h A [n] =.5 n u[n], h B [n] =.5.5 n u[n]. a) Bestäm överföringsfunktionerna H A (z) och H B (z)! b) Är de båda delkretsarna A och B stabila var för sig? c) Bestäm den sammansatta kretsens överföringsfunktion H(z) = Y (z)/x(z)! d) Är den sammansatta kretsen stabil?.4. Ett digitalt filter har överföringsfunktionen H(z) = z z.8z

35 a) Bestäm filtrets differensekvation och rita ett blockschema som visar hur denna kan realiseras. b) Bestäm systemets poler och nollställen och skissa pol- nollställediagrammet i z-planet. c) Bestäm frekvensgången genom att sätta H Ω (Ω) = H(e jω ) = H(z). Skissa H Ω (Ω). Vilken typ av filter är det, LP, HP, BP, eller BS?.5. Differensekvationen för ett kausalt linjärt tidsinvariant system ges av y[n] = y[n ] + y[n ] + x[n ]. a) Bestäm systemets överföringsfunktion H(z). Ange systemets poler och nollställen, överföringsfunktionens konvergensområde, samt om systemet är stabilt. b) Beräkna systemets impulssvar h[n]. Ledning: Börja med att partialbråksuppdela H(z). 34

36 Svar och lösningsförslag. v(t) = { t, t.5 t,.5 t, v m =.5 volt, v rms =.58 volt.. a).5 b).73.3 a) x m = volt, x rms = / volt b) x m = volt, x rms = / volt c) x m = volt, x rms = / = volt.4 a) T = π/(3ω ) b) Signalen är inte periodisk c) T = π/(34ω ).5 a) a + b = 8j och a b = 8 + j6 b) a = = 5 och b = 3 c) a = a e jϕ b b e jφ = a e j(ϕ φ) 5 = b 3 = 5 3 ( ) 4 d) ϕ = atan =.973 rad = 53 och 3 ( ) φ = π + atan =.9656 rad = 3 5 e) a b = 3 ( 5) + 4 j3 j4 5 = 33 j56 f) a b = a b ej(ϕ φ) = 5 3 ej(.973 (.9656)) = 5 3 ej.899 = 5 (cos(.899) + j sin(.899)) = j

37 . a) x(t) = A t, T T t T b) A = och A n = ty signalen är udda. B n = A nπ cos(nπ). c) x(t) = A ( sin(ω t) π sin(ω t) + sin(3ω 3 t) +... ). a) x(t) = A cos(πt/t ), T t T b) B n = ty signalen är jämn. A = A π. A ( π ) A n = π( + n) sin ( + n) A ( π ) + π( n) sin ( n). c) x(t) = 4A ( π + 3 cos(ω t) ) 5 cos(ω t) a) x(t) = { A cos(πt/t ), t T /4, T /4 t T / b) B n = ty signalen är jämn. A = A π. A ( π ) A n = π( + n) sin ( + n) A ( π ) + π( n) sin ( n). c) x(t) = A π + A cos(ω t) + A 3π cos(ω ot) A 5π cos(4ω t) a) T = ms {, T / t b) x(t) =, t T / c) x(t) = 4 ( sin(ω t) + π 3 sin(3ω t) + ) 5 sin(5ω t) +... volt d) ω = π/t = π/. = π rad/s ω g = πf g = π = π rad/s ω g = ω vilket ger att vinkelfrekvenser större än ω kommer att nollställas av LP-filtret. d) y(t) = 4 ( sin(ω t) + π 3 sin(3ω t) ) 9 sin(9ω t) volt e) yrms = ( ) 4 ( + 3 π ) y rms = 3. volt.5 a) Ja! Se t ex föreläsning. b) Ja! Se t ex föreläsning. Tänk att 3 = 3 sin(πt). c) x rms = ( ) x rms = 3.87 volt 36

38 d) x rms = + +. x rms =.5 volt.6 a) x(t) x(t) = +.5 cos(ω t)+cos((ω ω )t)+cos((ω +ω )t)+.5 cos(ω t) b) y(t) =.5 cos(ω t) + cos((ω + ω )t) +.5 cos(ω t).7 a) Skisser av x och h. -/ / Fall : t /. -/ / Fall : / t / (x h)(t) =. -/ / (x h)(t) = t / e (t λ). dλ = [ e (t λ). ] t =.( / e (t+/) )..7e t Fall 3: / t <. -/ / 37

39 / (x h)(t) = e (t λ). dλ / = [ e (t λ). ] / / =.(e (t /) e (t+/) ).9e t Resultatet av faltningen blir sammantaget.33 / / b) Resultatet blir det samma som i a) (testa!).8, för t (x h)(t) = t, för t, för t 38

40 3. a) x(t) = Π(t.5) + Π(t.5) ( ω ) (e b) X(ω) = sinc jω/ + e jω5/) ( ω ) = sinc e jω3/ cos(ω) π π ( ω ) c) X(ω) = sinc cos(ω) π ω 3. a) X(ω) = a + ω ω + jaω b) F[e at u(t)] = a + jω och F[sin(ω t)] = jπ(δ(ω + ω ) δ(ω ω )). X(ω) = ( ) π a + jω (jπ(δ(ω + ω ) δ(ω ω ))) X(ω) = j ( ) a + j(ω + ω ) ω = a + j(ω ω ) a + ω ω + jaω 3.3 Fouriertransformen ges av vilket ger amplitudspektrum X(ω) = e a (e a e jω e jω ) a + jω X(ω) = e a e a + e a cos(ω) a + ω, för ω a, a ω 3.4 a) X(ω) = j, för a ω j, för ω a b) x(t) = cos(at) πt 3.5 a) x(t) = Π(t), X(ω) = sin(ω/) ω/ ( ω ) = sinc π jω/ sin(ω/) b) y(t) = Π(t /), Y (ω) = e ω/ c) z(t) = Λ((t )/), Z(ω) = e jω sinc ( ω π 3.6 a) X(ω) = b) X(ω) = + jω. + ω, π ( ω ) = e jω/ sinc π ) B B X(ω) dω =... =. π ( ) B arctan. c) Sätt in B = i b) vilket ger totala energin =.5. d). ( ) B π arctan =.8.5 B = rad/s = 49 Hz. 39

41 4. a) X(ω ) = b) X(ω ) = 3 c) X(ω 3 ) = j3 4. X(k) = [, + j,, j]. 4.3 h, f, 3 g, 4 b 4.4 a) X(f) = F [x(t)] = F [ sinc ( )] t = Λ(f). X(f) / f b) Det gäller att X s (f) = X(f) n δ (f n). Därmed kan X s (f) skissas enligt nedan. Xs(f) / f c) Grafisk lösning, där Y (f) = H(f) X s (f) ger att Y (f) = Λ(f) och kan skissas enligt nedan. Inverstransform ger att y(t) = sinc (t/). / H(f) Y(f) f d) Det gäller att X s (f) = X(f) Därmed kan X s (f) skissas enligt nedan. n δ (f ) n. Xs(f) / Summeras till Xs(f) / / f / f 4

42 e) Grafisk lösning, där Y (f) = H(f) X s (f) ger att Y (f) = Π(f) och kan skissas enligt nedan. Inverstransform ger att y(t) = sinc(t/). H(f) Y(f) / f 4.5 a) Samplingsteoremet ger: khz = 4 khz. b) Tabell ger: s(t) = A cos(π 3 3 t) [s]. c) Funktionerna X(f) G(f), Y (f) och Z(f) = Y (f) H(f) är skissade i figuren nedan. X(f)G(f) A Y(f) A/T f [khz] Z(f) 4 f [khz] A f [khz] d) T = /4 s 3 6/(/4) = 7 = 7 6 sampel 7 6 = 44 6 byte = Svar. e) Figuren nedan visar fouriertransformens utseende efter sampling. Man ser att man får diracpulser på ±khz. Dessa motsvarar signalen A cos(π 3 t) = Svar. 3 4 f [khz] 4

43 4.6 a) Samplingsteoremet ger att f s khz. Välj samplingsfrekvensen f s = 4 khz. b) T = /(4) s. Antal sampel =./T = 4. c) Välj N = 4. N = 3 6 multiplikationer. d) Välj N = 496. N log N = 496 = multiplikationer. 4.7 X ( ) N = + e jπ(n/4)(/n) + e jπ(n/4)(/n) + e jπ(n/4)(3/n) + 4 e jπ(n/4)(5/n) e jπ(n/4)(6/n) e jπ(n/4)(7/n) = + ( j) + ( ) + (j)+ ( j) ( ) ( j) = 4

44 5. Transformerna ges av a) X(z) = z z, z > b) X(z) = (z), z > (z) c) X(z) =, Hela z-planet d) X(z) = z, z > 5. Transformerna ges av a) X(z) = z4 z a, b) X(z) = z > a a z sin(ω),, z > a (a z) a z cos(ω) + c) X(z) = z e jω + ze jω (z e jω ) 3,, z > 5.3 Transformerna ges av a) X(z) = z z, z > b) X(z) = 3z z z, z > z e c) X(z) =.5ze.5a (z e.5a, z > e.5a ).4z(z + ) d) X(z) = (z ) 3, z > ( ) n ( ) n + för n + för n 5.4 x(n) =, eller x(n) = för n < för n < ( n för n 5.5 a) x(n) = ) för n < b) se a) 43

45 6. Faltningen erhålls som f(λ): h(x λ): - g(x): g(x, y) = F u (u, y) = F x [f(x, y)] = F x [e 3 x+y 3 ] = 3 + (πu) ejπyu = [ ] 6 F (u, v) = F y [F u (u, y)] = F y 9 + (πu) ejπyu = (πu) ejπyu 6 δ(v u) 9 + (πu) 6.4 Separera f(x, y) i två envariabelfunktioner, t ex f(x, y) = sinc(x) cos(πy). }{{}}{{} g(x) h(y) Det gäller för en separabel funktion f(x, y) = g(x) h(y) att dess fouriertransform är F (u, v) = G(u) H(v), där G(u) är den en-dimensionella fouriertransformen av g(x) och H(v) är den en-dimensionella fouriertransformen av h(y). Tabell ger då att F (u, v) =.5 Π(.5u) (δ(v ) + δ(v + )), vilken kan skissas enligt figuren nedan, antingen så som till vänster eller som till höger. v.5.5 u.5 v u 44

46 6.5 Notera nedan att δ(u, v) = δ(u) δ(v) och δ(u a, v b) = δ(u a) δ(v b). F (u, v) = sinc(3u) sinc(8v) F (u, v) = 55 [ δ(u, v) + j ( δ(u + 5 )] 5, v) δ(u 56 56, v) [ F 3 (u, v) = 55 δ(u, v) + + ( 4 δ u 56, v ) + 4 ( 56 δ u 56, v δ ( u + 56, v 56 ) + 4 δ ( u + 56, v + 56 Nedan visas två olika varianter på skisser för vardera F (u, v) och F 3 (u, v). ) )] F(u,v) v a F(u,v) F3(u,v) v 55/ v a u u a a a a u F3(u,v) 55/ a a v u a=5/ Ansätt /6 /6 /3 /6 /6 } {{ } =f(x,y) = /6 /6 /6 } {{ } =g(x,y) + /6 /6 /6 } {{ } =h(x,y) då är ( g(x, y) = 6 δ(y + ) + 6 δ(y) + 6 G(u, v) = ) δ(y ) ( 6 e+jπ v e jπ v δ(x) ) På samma sätt erhålls = 3 cos(π v) + 6. H(u, v) = 3 cos(π u) + 6 vilket ger F (u, v) = 3 cos(π u) cos(π v) 45

47 6.7 F (u, v) = G(u, v) H(u, v) = ( + cos (π v)) / j sin (π u) 6.8 Sätt M = N och använd F (k, l) = N N f(n, m)e j π N (nk+ml) n= N m= N = N N g(n, m)e j π N (nk+ml) + N N h(n, m)e j π N (nk+ml) 6.9 n= N ( = + vilket resulterar i 6. Tabell ger att G(u, v) = 6 e j m= N n= N m= N π N ( k+l) + π 6 e j N (k+l) + ) π 6 e j N (k+l) ( π 6 e j N (k l) + π 6 e j N (k+l) + ) π 6 e j N (k+l) = 6 ej π N k + 6 e j π N k ej π N l + 6 e j π N l F (k, l) = ( ) π 3 cos N k ( ) π 3 cos N l F (k, l) = G(k, l) H(k, l) = ( ( )) ( ) π π + cos N l / j sin N k ( j δ(u + ) j ) δ(u ) δ(v) = j δ(u +, v) j δ(u, v), se skiss nedan. Vi vet att om en D-funktion roteras en vinkel φ = π/6 så roteras också fouriertransformen med φ = π/6. Därför kan Im[F (u, v)] skissas enligt nedan. Motsvarande formel är F (u, v) = j ( π ) (u δ + cos 6 = j δ (u + 3, v + ( π )), v + sin j ( 6 δ ) ( j δ u u cos ) 3, v. ( π ) ( π )), v sin 6 6 Im G(u,v) v Im F(u,v) v u u 46

48 7. A: bild, B: bild3, C: bild7, D: bild, E: bild4, F: bild6, G: bild8, H: bild5 7. Se figur nedan. Den aktuella interpolationsfunktionen är c(x) i figuren, men principen är densamma för de andra tre interpolationsfunktionerna. Interpolationsfunktionen förflyttas till det okända värdets position, x =.75. Där multipliceras samplen med interpolationsfunktionens höjd. Nedan är a) närmsta granne, b) linjär, c) cubic spline variant, och d) cubic spline variant. Närmsta granne interpolation kan också erhållas genom att notera att f() =.5 är den närmaste grannen och därefter bara ta dess värde.5. Linjär interpolation också erhållas grafiskt genom att dra en rät linje mellan f() =.5 och f() =.5. Då ser man att f(.75) =.5..5 f(x) x a)? =.5 n(.75) +.5 n(.5) = =.5 b)? =.5 l(.75) +.5 l(.5) = =.5 c)? =.5 c(.75) +.5 c(.5) = = d)? = c(.75) +.5 c(.75) +.5 c(.5) +.5 c(.5) = (.73) = a) Se figuren nedan. De aktuella interpolationsfunktionerna är inritade i rött och blått i figuren och har förflyttats till det okända värdets position, x = 4/3. Sedan multipliceras samplen med interpolationsfunktionens höjd. 3? 4/3 3 /3 /3 x 47

49 nearest neighbor :? = Π(/3) + 3 Π(/3) = + 3 = linear interpolation :? = Λ(/3) + 3 Λ(/3) = /3 + 3 /3 = 5/3 Närmsta granne interpolation kan också erhållas genom att notera att f() = är den närmsta grannen. Linjär interpolation också erhållas grafiskt genom att dra en rät linje mellan f() = och f() = 3. Då ser man att f(4/3) = 5/3. Svar: För närmsta granne interpolation blir värdet och för linjär interpolation blir värdet 5/3.67. b) Se figur nedan. Den närmsta grannen till (/3, /3) är (, ), där värdet är.7. (,) (,) (,) (x,y )=(/3,/3) (,) Den tvådimensionella interpolationskärnan Λ(x) Λ(y) sträcker sig ut till den streckade kvadraten. Här väljer vi dock att utföra den bilinjära interpolationen först D i x-led och sedan D i y-led. Interpolationsfunktionen placeras först horizontellt i punkten (/3, ). Interpolationsresultatet blir 3 Λ(/3) +.7 Λ(/3) = 3 (/3) +.7 (/3) =.3. Interpolationsfunktionen placeras sen horizontellt i punkten (/3, ). Interpolationsresultatet blir.5 Λ(/3) + Λ(/3) =.5 (/3) + (/3) =.7. Interpolationsfunktionen placeras sen vertikalt i punkten (/3, /3). Interpolationsresultatet blir.3 Λ(/3) +.7 Λ(/3) =.3 (/3) +.7 (/3) =.4. Svar: För närmsta granne interpolation blir värdet.7 och för linjär interpolation blir värdet a) Skissen blir Spatial rymd Fourier rymd sinc(x) Λ(x) Π (u) sinc (u) x u = /( )=/ 48

50 b) Funktionsvärdet i x = är och funktionsvärdet i x = ± är, precis som det ska vara för en interpolationsfunktion. c) Fouriertransformen av Λ(x), sinc (u), ger som synes lågpassfiltrering, vilket kan göra den omsamplade bilden suddigare än originalet. Dessutom sträcker sig sinc (u) utanför bandgränsen, vilket kan ge distorsion. d) Se plottarna nedan. e) Basytan för Λ(x) Λ(y) är. y x Efter uppsampling 7.5 a) ( x ) sinc samplas i x = [ 3,,,,,, 3 ] h[n] = [ /(3π),, /π, /, /π,, /(3π)]. b) /(3π) + /π + / + /π /(3π) =.944 Filtet h[n] ska divideras med.944. c) [,, ]/4 eller /4. 49

51 7.6 Antag bildstorleken N N. Rotation kräver N N D-interpolationer, alltså en D-interpolation per pixel. a) Bredden på en n = punkters linjär interpolationsfunktion är sampelavstånd. En bilinjär interpolationsfunktion har en basyta på n n =. Då denna placeras på den önskade interpolationspositionen täcker den n n = = 4 sampel, se figur. Dessa sampelvärden ska multipliceras med interpolationsfunktionen. Det krävs alltså 4 multiplikationer per pixel. sampel avstånd sampel avstånd basyta önskad interpolationsposition b) Generalisera resonemanget i a) till att en n n punkters interpolationsfunktion kräver n n multiplikationer. Följdaktligen kräver bicubic6 interpolation 4 4 = 6 multiplikationer per pixel. c) Generalisering av resonemanget i a) ger 8 8 = 64 multiplikationer per pixel. d) Inga multiplikationer. 7.7 a) Kalla inbilden f(x, y ) och den roterade bilden g(x, y). Då gäller: ( ) ( ) ( ) ( ) ( ) ( ) x cos α sin α x x cos α sin α x = =. y sin α cos α y y sin α cos α y Punkten (x, y) = (, ) och vinkeln α = insatta i formeln ovan ger (x, y ) (.879,.684). b) Närmaste granne interpolation ger g(, ) = f(, ) = 3. c) Se figuren nedan. Den ger y.879 (.879,) (x,y )=(.879,.684) x (.879,) Λ(.879) =., Λ(.) =.879, Λ(.684) =.36, Λ(.36) =.684, f(.879, ) = f(, ) Λ(.879) + f(, ) Λ(.) = 3, f(.879, ) = f(, ) Λ(.879) + f(, ) Λ(.) = 4, f(.879,.684) = f(.879, ) Λ(.684) + f(.879, ) Λ(.36), f(.879,.684) = =

52 d) Se figuren ovan. Den ger h(.879) =.4, h(.) =.96, h(.684) =.36, h(.36) =.764, f(.879, ) = f(, ) h(.879) + f(, ) h(.) = 3, f(.879, ) = f(, ) h(.879) + f(, ) h(.) = 4, f(.879,.684) = f(.879, ) h(.684) + f(.879, ) h(.36), f(.879,.684) = = a) G(u, v) = F (u, v).5 n δ(u.5n).5 m δ(v.5m) b) G(u,v) v vikningsdistorsion u.5 Ja, det blev vikningsdistorsion på flera ställen. Pilen pekar på ett ställe. c) < /.6 d) G(u, v) = F (u, v).5 δ(u.5n).5 δ(v.5m) n m = F (u, v).5 δ(u.5n, v.5m) n m =.5 F (u.5n, v.5m) n m 5

53 8. Se figur nedan. Den diskreta triangelns omkrets och formfaktor är P = + 4/ 37., PA = P 4πA 37. 4π 64.7 Överensstämmelsen mellan kontinuerligt och diskret beräknade värden är ganska bra. 8. Skelettet med d (4) -konnektivitet visas i grått till vänster och skelettet med d (8) - konnektivitet visas till höger. 8.3 a) Se figuren nedan. De mörka pixlarna är de som är kvar efter krympningen. 5

54 b) Se figuren nedan. Vissa pixlar är märkta med en siffra som noterar vilken fas pixeln försvinner i. De mörka pixlarna är de som är kvar efter krympningen c) Den konnektivitetsbevarande krympningen bevarar konnektiviteten. Det innebär att ett objekt aldrig kommer att splittas upp i två eller flera. 8.4 a,b) Översta figuren visar vilka pixlar som försvinner under respektive fas, samt det återstående skelettet. Nedersta figuren visar vilka pixlar som försvinner under respektive fas, samt den återstående punkten. 53

55 8.5 a) b) Medeltjockleken på fröet är t = (( + )/3.5) =.69. c) Subtraktionen med.5 behövs ty om avståndsvärdet är a(x, y), så är avståndet till kanten a(x, y).5. d) Multiplikationen med görs för fröets tjocklek är dubbelt så stor som avståndet från mittlinjen till kanten. 8.6 a) Avståndskartan genereras från punkt A eller B, i figuren nedan i A. b) Starta sedan från den andra punkten, här B, och gå mot lägre värden i avståndskartan. Sätt upp en regel, tex. gå i första hand i, 9, 8, 7 - riktningen och i andra hand i 45, 35, 5, 35 -riktningen. Kortaste vägen kommer att skilja något beroende på vilken regel man väljer. Avståndet i d (8) - metrik blir dock alltid detsamma, här a) Endast matchningskärna D) matchar på förgreningen. b) Nedan visas ett exempel på hur ett y-format 4-konnektivt skelett kan se ut. 54

56 9. ( x(t) = A cos 3t + π ) ( + B sin (6t) = A cos 3t + π ) ( + B cos 6t π ) Svar: x x(τ) = A cos(3τ) + B cos(6τ). 9. a) 4 cos(4πτ) + 4 cos(7πτ) kommer från den periodiska signalen och 5e τ kommer från bruset. b) v rms,per = = 3 och v rms,brus = 5. ( ) c) SNR = log = 4. db a) x x(τ) = cos(3ωτ) +.5 cos(5ωτ) +.5 cos(7ωτ). b) v rms = a) V rms = volt. b) P (ω) = ω c) P (ω ) P () = ω 9.5 a) X(ω) = e jω3.5t T sinc(t ω/(π)). = 4 ω = 73 rad/s f = 757 Hz. b) x x(τ) = F [T sinc (T ω/(π))] = T Λ(t/T ). 9.6 a) b) y(t + τ) = { sin(π(t τ)/t ),, annars. τ t τ + T/, x y(τ) = A T T/ τ = A π cos 9.7 a) Det gäller att sin(π(t τ)/t )dt A T ( ) πτ T τ+t/ T/ sin(π(t τ)/t )dt =... F[(x A x B )(t)] = XA(f) X B (f) = N (f) e jπft N(f) = N(f) e jπft 4 = 4 + (πf) e jπft. Inverstransformering via tabell ger (x A x B )(t) = e t T. 55

57 b) Korrelationsresultatet (x A x B )(t) = e t T är skissat i figuren nedan. T t Sök efter max(x A x B )(t) = (x A x B )(T ). Pappershastigheten v = d/t. c) Bandbegränsat vitt brus är en stokastisk signal. Man kan inte beskriva dess fouriertransform med en enkel matematisk formel eftersom man inte vet dess exakta utseende utan endast dess statistik. Däremot kan brusets effektspektrum anges med en enkel matematisk formel. 9.8 Skriv om uttrycket så att det passar tabellen: H(z) = ( ) z. z.9 z +.9z z + z +.5 H(z) = ( ) z. z.9.4z z + z +.5 z +.5z z + z +.5 ( H(z) = z )(/ ). z.9 +.8z( / z z( / )(/ ) ) z + z +.5 z + z +.5 h[n] = [ (.9 n + ) n (.8 sin πn πn ) ] cos u[n] a) Förläng formeln så endast z upphöjt till negativa värden förekommer. H(z) = Y (z) X(z) = (z )(z + ) (z +.75)(z + z +.5) z z ( z )( + z ) = ( +.75z )( + z +.5z ) z + z z 3 Y (z) = = +.75z +.5z +.375z 3 X(z) Multiplicera ihop och gör invers z-transform. Detta ger: z z y[n] +.75 y[n ] +.5 y[n ] y[n 3] = x[n] x[n ] + x[n ] x[n 3] b) a =, b =, c =, d =, e =.75, f =.5, g =

58 . a) H(z) = z. Konvergensområde: z > 3. Ej stabil. z 3 b) H(z) = z. Konvergensområde: z > /3. Stabil. 3z c) H(z) = z z +. Konvergensområde: z >. Ej stabil. (z ). a) H(z) = z z az + /4. b) z = a/ ± (a/) /4. c) 5/4 < a < 5/4..3 a) Tabell ger H A (z) = z z /4 och H B(z) = z z /. b) Ja, de båda delkretsarna är stabila var för sig ty polerna ligger innanför enhetscirkeln. c) Schemat ger y[n] = (y[n] h B [n] + x[n]) h A [n] Y (z) = (Y (z) H B (z) + X(z)) H A (z) Y (z) = Y (z) H B (z) H A (z) + X(z) H A (z) H(z) = Y (z) X(z) = H(z) = H A (z) H A (z) H B (z) z z /4 z z /4 z z / = z(z /) z 3/ z + /4 z(z /) (z.3)(z.9) d) Nej, den sammansatta kretsen är inte stabil ty den ena polen (z=.3) ligger utanför enhetscirkeln..4 a) Förläng formeln så endast z upphöjt till negativa värden förekommer. vilket ger H(z) = Y (z) X(z) = z z.8z +.87 z z = z.8z +.87z, Y (z) (.8z +.87z ) = X(z) ( z ) = y[n].8y[n ] +.87y[n ] = x[n] x[n ] som resulterar i blockschemat: 57

59 D D D D b) Poler och nollställen fås från H(z) (z )(z + ) (z.4 j.84)(z.4 + j.84). Motsvarande pol- nollställediagram ges då av: c) Att sätta z = e jω ger H Ω (Ω) = H(e jω ) = e jω e jω.8e jω Välj ut några punkter för att ungefärligt skissa amplitudspektrum H Ω (Ω). Ω H Ω (Ω) ±π/.5 ±π Detta är ett bandpassfilter (BP)..5 a) Efter z-transform erhålls Y (z) = z Y (z)+z Y (z)+z X(z) = Y (z)( z z ) = z X(z). 58

60 Detta ger överföringsfunktionen H(z) som H(z) = Y (z) X(z) = z z z = z z z, vilket ger ett nollställe i z = och två poler då nämnaren är. Efter lösning av z z = = z, = ( ± 5), fås polerna z = ( + 5), z = ( 5). Eftersom H(z) beskriver ett kausalt system ( högersekvens ), ges konvergensområdet av polen med störst belopp: z > ( + ) 5. Eftersom denna polen ligger utanför enhetscirkeln är systemet instabilt. b) Från a) vet vi systemets överföringsfunktion z H(z) = ( z ( + ) ( 5) z ( ). 5) Partialbråksuppdelning av H(z) ger Då är och H(z) = z A B ( z ( + ) + ( 5) z ( ) 5) ( A z = z ( ) ( 5) + B z ( + ) 5) ( z ( + ) ( 5) z ( ). 5) A + B = = A = B A( 5) + B( + 5) = = B = / 5 = A = / 5, vilket ger H(z) = z/ 5 ( z ( + ) 5) Invers z-transform resulterar i impulssvaret (( ) h[n] = n ( z/ 5 ( z ( 5) ). ) n ) 5 u[n]. 59

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

8 Binär bildbehandling

8 Binär bildbehandling 8 Binär bildbehandling 8.. Man kan visa att en kontinuerlig liksidig triangel har formfaktorn P2A = P 2 4πA =.65, där P är omkretsen och A är arean. π Nedanstående diskreta triangel är en approximation

Läs mer

Signal- och bildbehandling TSBB03

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

Läs mer

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

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14 Tentamen i Signal- och bildbehandling TSBB Tid: --, kl. - Lokaler: U, U, U Ansvarig lärare: Maria Magnusson besöker lokalen kl.. och. tel. Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film, sa och

Läs mer

2 Ortogonala signaler. Fourierserier. Enkla filter.

2 Ortogonala signaler. Fourierserier. Enkla filter. Ortogonala signaler. Fourierserier. Enkla filter. ktuella ekvationer: Se formelsamlingen och förberedelsehäftet. För effektivvärdet av en summa av N ortogonala signaler gäller: ν rms = ν rms1 + ν rms +...

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 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 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

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

Signal- och bildbehandling TSBB14

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

Läs mer

Signal- och bildbehandling 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

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

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

6 2D signalbehandling. Diskret faltning.

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

Läs mer

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 TSBB14

Signal- och bildbehandling TSBB14 Tentamen i Signal- och bildbehandling TSBB4 Tid: 2-8-7 Lokaler: TER Ansvarig lärare: Maria Magnusson besöker lokalerna kl. 5.5 och 6.45 tel 73-84 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

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 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

Tentamen ssy080 Transformer, Signaler och System, D3

Tentamen ssy080 Transformer, Signaler och System, D3 Tentamen ssy080 Transformer, Signaler och System, D3 Examinator: Ants R. Silberberg oktober 009 kl. 4.00-8.00 lokal: Johanneberg Förfrågningar: Ants Silberberg, tel. 808 Lösningar: Anslås torsdag okt.

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

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19 Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19 Tillåtna hjälpmedel: Valfri miniräknare (utan möjlighet till trådlös kommunkation). Valfri litteratur, inkl. kursböcker, formelsamlingar.

Läs mer

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University Exempelsamling Grundläggande systemmodeller Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University Version: 0.11 September 14, 2015 Uppgifter markerade med (A)

Läs mer

i(t) C i(t) = dq(t) dt = C dy(t) dt y(t) + (4)

i(t) C i(t) = dq(t) dt = C dy(t) dt y(t) + (4) 2 Andra lektionen 2. Impulssvar 2.. En liten krets Beräkna impulssvaret för kretsen i figur genom att beräkna hur y(t) beror av x(t). R x(t) i(t) C y(t) Figur : Första ordningens lågpassfilter. Utsignalen

Läs mer

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University Exempelsamling Grundläggande systemmodeller Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University Version: 0.1 August 25, 2015 Uppgifter markerade med (A) är

Läs mer

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen DT3 Spektrala transformer Tentamen 3 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:

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

Teori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny

Teori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny Tidigare har vi gått igenom Fourierserierepresentation av periodiska signaler och Fouriertransform av icke-periodiska signaler. Fourierserierepresentationen av x(t) ges av: där a k = 1 T + T a k e jkω

Läs mer

RÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2

RÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2 t 1) En tidskontinuerlig signal x( t) = e 106 u( t) samplas med sampelperioden 1 µs, varefter signalen trunkeras till 5 sampel. Den så erhållna signalen får utgöra insignal till ett tidsdiskret LTI-system

Läs mer

1. Vi har givet två impulssvar enligt nedan (pilen under sekvenserna indikerar den position där n=0) h 1 (n) = [ ]

1. Vi har givet två impulssvar enligt nedan (pilen under sekvenserna indikerar den position där n=0) h 1 (n) = [ ] TEKNISKA HÖGSKOLAN I LUND Institutionen för elektro- och informationsteknik Kurskod: ESS00 Tentamen i Digital Signalbehanding Datum: 0 5 Time period: 08.00 3.00 Bedömning: Sex uppgifter. Varje uppgift

Läs mer

Tentamen ssy080 Transformer, Signaler och System, D3

Tentamen ssy080 Transformer, Signaler och System, D3 Tentamen ssy080 Transformer, Signaler och System, D3 Examinator: Ants R. Silberberg 19 oktober 2011 kl. 08.30-12.30 sal: Hörsalsvägen Förfrågningar: Ants Silberberg, tel. 1808 Lösningar: Anslås torsdag

Läs mer

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 15-18, 30/11-12/

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 15-18, 30/11-12/ Uppsala Universitet Matematiska Institutionen Bo Styf Transformmetoder, 5 hp ES, gyl, Q, W 0-0-9 Sammanfattning av föreläsningarna 5-8, 30/ - / 0. Z-transformen ska avslutas och sedan blir det tentaförberedelser.

Läs mer

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen DT Spektrala transformer Tentamen 72 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:

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

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, 205-0-29 Maria Magnusson (maria.magnusson@liu.se), Anders Eklund DEL : Grundläggande 2D signalbehandling Uppgift (6p) a) 2 2 2 2 4 6 4 4 4 6 4 4 4 6 2

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

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl 8.30-12.30 Examinatorer: Lars Hammarstrand och Thomas Wernstål Tentamen består av två delar (Del I och Del II) på sammanlagt

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

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

Ulrik Söderström 19 Jan Signalanalys

Ulrik 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 mer

Ulrik Söderström 20 Jan Signaler & Signalanalys

Ulrik 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 mer

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

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

Läs mer

DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn)

DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn) DIGITALA FILTER TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1 Frekvensfunktioner x(n)= Asin(Ωn) y(n) H(z) TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 2 FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM

Läs mer

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen DT3 Spektrala transformer Tentamen 6 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:

Läs mer

TIDSDISKRETA SYSTEM SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System. Tillämpad Fysik och Elektronik 1

TIDSDISKRETA SYSTEM SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System. Tillämpad Fysik och Elektronik 1 TIDSDISKRETA SYSTEM TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1 SYSTEMEGENSKAPER x[n] System y[n] Minne Kausalitet Tidsinvarians Linjäritet Inverterbarhet Stabilitet TILLÄMPAD FYSIK OCH ELEKTRONIK,

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

7. Sampling och rekonstruktion av signaler

7. Sampling och rekonstruktion av signaler Arbetsmaterial 5, Signaler&System I, VT04/E.P. 7. Sampling och rekonstruktion av signaler (Se också Hj 8.1 3, OW 7.1 2) 7.1 Sampling och fouriertransformering Man säger att man samplar en signal x(t) vid

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

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

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

Laplace, Fourier och resten varför alla dessa transformer?

Laplace, Fourier och resten varför alla dessa transformer? Laplace, Fourier och resten varför alla dessa transformer? 1 Bakgrund till transformer i kontinuerlig tid Idé 1: Representera in- och utsignaler till LTI-system i samma basfunktion Förenklad analys! Idé

Läs mer

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen 26.02013 kursens övningsuppgifter eller gamla tentamensuppgifter, eller Matlab-, Scilab- eller Octave- programmerbara kalkylatorer eller datorer. 1.

Läs mer

Försättsblad till skriftlig tentamen vid Linköpings universitet KÅRA T1 T2 U2 U4

Försättsblad till skriftlig tentamen vid Linköpings universitet KÅRA T1 T2 U2 U4 Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 2016-10-28 Sal (5) KÅRA T1 T2 U2 U4 Tid 8-12 Kurskod TSBB16 Provkod TEN2 Kursnamn/benämning Provnamn/benämning Grundläggande

Läs mer

DT1120 Spektrala transformer för Media Tentamen

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

Läs mer

Övningsuppgifter. Digital Signal Processing. Övningar med svar och lösningar. Mikael Swartling Nedelko Grbic Bengt Mandersson. rev.

Övningsuppgifter. Digital Signal Processing. Övningar med svar och lösningar. Mikael Swartling Nedelko Grbic Bengt Mandersson. rev. Övningsuppgifter Digital Signal Processing Övningar med svar och lösningar Mikael Swartling Nedelko Grbic Bengt Mandersson rev. 17 Department of Electrical and Information Technology Lund University Introduktion

Läs mer

Försättsblad till skriftlig tentamen vid Linköpings universitet G33(1) TER4(63)

Försättsblad till skriftlig tentamen vid Linköpings universitet G33(1) TER4(63) Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 2017-01-07 Sal (2) G33(1) TER4(63) Tid 8-12 Kurskod TSBB16 Provkod TEN2 Kursnamn/benämning Provnamn/benämning Institution

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

Impulssvaret Betecknas h(t) respektive h(n). Impulssvaret beskriver hur ett system reagerar

Impulssvaret Betecknas h(t) respektive h(n). Impulssvaret beskriver hur ett system reagerar 6 Sjätte lektionen 6.1 Transformvärlden 6.1.1 Repetera Rita upp en tankekarta över följande begrepp där du anger hur de hänger ihop och hur de betecknas. Vad beskriver de? Impulssvaret Amplitudsvaret (frekvensgången)

Läs mer

TSDT08 Signaler och System I Extra uppgifter

TSDT08 Signaler och System I Extra uppgifter TSDT08 Signaler och System I Extra uppgifter Erik G. Larsson ISY/Kommunikationssystem december, 2008 P. Ett LTI system har impulssvaret och matas med insignalen ht) = e 2t ut) xt) = e 3t ut) + cosπt +

Läs mer

Tentamen i ESS 010 Signaler och System E3 V-sektionen, 16 augusti 2005, kl 8.30 12.30

Tentamen i ESS 010 Signaler och System E3 V-sektionen, 16 augusti 2005, kl 8.30 12.30 Tentamen i ESS 00 Signaler och System E3 V-sektionen, 6 augusti 2005, kl 8.30 2.30 Examinator: Mats Viberg Tentamen består av 5 uppgifter som vardera ger maximalt 0 p. För godkänd tentamen fordras ca 20

Läs mer

SF1635, Signaler och system I

SF1635, Signaler och system I SF635, Signaler och system I Tentamen tisdagen 0--, kl 4 00 9 00 Hjälpmedel: BETA Mathematics Handbook Räknedosa utan program Formelsamling i Signalbehandling (rosa), Formelsamling för Kursen SF635 (ljusgrön)

Läs mer

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen DT3 Spektrala transformer Tentamen 5 Tentamen består av fem uppgifter där varje uppgift maximalt ger p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: p, B: 6 p, A: 8 p Tillåtna hjälpmedel:

Läs mer

DT1120/DT1130 Spektrala transformer Tentamen

DT1120/DT1130 Spektrala transformer Tentamen DT/DT3 Spektrala transformer Tentamen 86 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:

Läs mer

Kryssproblem (redovisningsuppgifter).

Kryssproblem (redovisningsuppgifter). Uppsala Universitet Matematiska Institutionen Bo Styf Transformmetoder, 5 hp ES, gyl, Q, W 212-1-29 Kryssproblem (redovisningsuppgifter). Till var och en av de tio lektionerna hör två problem som du ska

Läs mer

Lösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF1629, den 9 juni 2011, kl.

Lösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF1629, den 9 juni 2011, kl. Lösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF629, den 9 juni 2, kl. 8: 3: Uppgift (av 8 (5 poäng. i. sant, ii. falskt, iii. falskt, iv. sant, v.

Läs mer

Sammanfattning TSBB16

Sammanfattning TSBB16 Sammanfattning TSBB16 Frekvensfunktion =H(omega) Kombinationen av amplitud och faskarakteristik är unik. H(ω) = D(ω) e^jψ(ω)=y(t)/x(t). Detta är frekvensfunktionen. H(ω)=utsignal/insignal D(ω) = H(ω).

Läs mer

Spektrala Transformer

Spektrala Transformer Spektrala Transformer Tidsdiskreta signaler, kvantisering & sampling Tidsdiskreta signaler Tidskontinuerlig signal Ex: x(t) = sin(ωt) t är ett reellt tal ω har enheten rad/s Tidsdiskret signal Ex: x(n)

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

Laplace, Fourier och resten varför alla dessa transformer?

Laplace, Fourier och resten varför alla dessa transformer? Laplace, Fourier och resten varför alla dessa transformer? 1 Vi har sett hur ett LTI-system kan ges en komplett beskrivning av dess impulssvar. Genom att falta insignalen med impulssvaret erhålls systemets

Läs mer

Spektrala Transformer

Spektrala Transformer Spektrala Transformer Tidsdiskreta signaler, kvantisering & sampling Tidsdiskreta signaler Tidskontinuerlig signal Ex: x(t) = sin(ωt) t är ett reellt tal ω har enheten rad/s Tidsdiskret signal Ex: x(n)

Läs mer

System. Z-transformen. Staffan Grundberg. 8 februari 2016

System. Z-transformen. Staffan Grundberg. 8 februari 2016 Z-transformen 8 februari 2016 Innehåll Z-transformen Tidsdiskreta LTI-system Överföringsfunktioner Frekvensegenskaper Z-transformen Z-transformen av en tidsdiskret signal y[n] ges av Y (z) = Z[y] = y[n]z

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 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 några grundbegrepp

Signaler några grundbegrepp Kapitel 2 Signaler några grundbegrepp I detta avsnitt skall vi behandla några grundbegrepp vid analysen av signaler. För att illustrera de problemställningar som kan uppstå skall vi först betrakta ett

Läs mer

Kan vi beskriva ett system utan någon fysikalisk kännedom om systemet?

Kan vi beskriva ett system utan någon fysikalisk kännedom om systemet? Kan vi beskriva ett system utan någon fysikalisk kännedom om systemet? 1 Om svaret på frågan är ja så öppnar sig möjligheten att skapa en generell verktygslåda som fungerar för analys och manipulering

Läs mer

Lösningar till Övningsuppgifter

Lösningar till Övningsuppgifter Lösningar till Övningsuppgifter Digital Signal Processing Övningar med svar och lösningar Mikael Swartling Nedelko Grbic Bengt Mandersson rev. 07 Department of Electrical and Information Technology Lund

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

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

( ), så kan du lika gärna skriva H ( ω )! ( ) eftersom boken går igenom laplacetransformen före

( ), så kan du lika gärna skriva H ( ω )! ( ) eftersom boken går igenom laplacetransformen före Några allmänna kommentarer gällande flera av lösningarna: Genomgående används kausala signaler och kausala system, vilket innebär att det är den enkelsidiga laplacetransformen som används. Bokens författare

Läs mer

Tentamen i TSKS21 Signaler, information och bilder

Tentamen i TSKS21 Signaler, information och bilder 1(12) Tentamen i TSKS21 Signaler, information och bilder Provkod: TEN1 Tid: 2017-06-09 Kl: 8:00 13:00 Lokal: G36 Lärare: Mikael Olofsson, tel: 281343 Besöker salen: 9 och 11 Administratör: Institution:

Läs mer

Miniräknare, formelsamling i signalbehandling.

Miniräknare, formelsamling i signalbehandling. LUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik Tentamen 05-0-4 DIGITAL SIGNALBEHANDLING, ESS040 Tid: 4.00 9.00 Sal: Sparta B, D Hjälpmedel: Miniräknare, formelsamling i signalbehandling.

Läs mer

Signaler & Signalanalys

Signaler & Signalanalys Ulrik Söderström ulrik.soderstrom@tfe.umu.se Jan 8 Signaler & Signalanals Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt enkla

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

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

TSDT15 Signaler och System

TSDT15 Signaler och System TSDT5 Signaler och System DATORUPPGIFTER VÅREN 03 OMGÅNG Mikael Olofsson, mikael@isy.liu.se Efter en förlaga av Lasse Alfredsson February, 03 Denna uppgiftsomgång behandlar faltning samt system- & signalanalys

Läs mer

Innehåll. Innehåll. sida i

Innehåll. Innehåll. sida i 1 Introduktion... 1.1 1.1 Kompendiestruktur... 1.1 1.2 Inledning... 1.1 1.3 Analogt/digitalt eller tidskontinuerligt/tidsdiskret... 1.2 1.4 Konventioner... 1.3 1.5 Varför digital signalbehandling?... 1.4

Läs mer

Föreläsning 10, Egenskaper hos tidsdiskreta system

Föreläsning 10, Egenskaper hos tidsdiskreta system Föreläsning 10, Egenskaper hos tidsdiskreta system Reglerteknik, IE1304 1 / 26 Innehåll Kapitel 18.1. Skillnad mellan analog och digital reglering 1 Kapitel 18.1. Skillnad mellan analog och digital reglering

Läs mer

Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? Spektrum av en samplad signal. Trunkering i tiden

Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? Spektrum av en samplad signal. Trunkering i tiden Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? 1 Spektrum av en samplad signal Samplingsprocessen kan skrivas som Fouriertranformen kan enligt linjäritetsoch tidsskiftsatsen

Läs mer

Kontrollskrivning i TSDT84 Signaler & System samt Transformer för D

Kontrollskrivning i TSDT84 Signaler & System samt Transformer för D Institutionen för Systemteknik Dept. Of EE 1( 7 ) Kontrollskrivning i TSDT84 Signaler & System samt Transformer för D Provkod: KTR1 Tid: 2016-01-04 kl. 14.00-18.00 Lokal: Lärare: Hjälpmedel: Bedömning:

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

Elektronik 2018 EITA35

Elektronik 2018 EITA35 Elektronik 218 EITA35 Föreläsning 1 Filter Lågpassfilter Högpassfilter (Allpassfilter) Bodediagram Hambley 296-32 218-1-2 Föreläsning 1, Elektronik 218 1 Laboration 2 Förberedelseuppgifter! (Ingen anmälan

Läs mer

TSBB16 Datorövning A Samplade signaler Faltning

TSBB16 Datorövning A Samplade signaler Faltning Name: ID number: Passed: LiU-ID: Date: TSBB16 Datorövning A Samplade signaler Faltning Utvecklad av Klas Nordberg Computer Vision Laboratory, Linköping University, Sweden 24 augusti 2015 Introduktion Denna

Läs mer

Kontrollskrivning i TSDT84 Signaler & System samt Transformer för D

Kontrollskrivning i TSDT84 Signaler & System samt Transformer för D Institutionen för Systemteknik Dept. Of EE 1( 7 ) Kontrollskrivning i TSDT84 Signaler & System samt Transformer för D Provkod: KTR1 Tid: 2015-10-26 kl. 14.00-18.00 Lokal: TER3, TER4, G36 Lärare: Lasse

Läs mer

2F1120 Spektrala transformer för Media Tentamen

2F1120 Spektrala transformer för Media Tentamen F Spektrala transformer för Media Tentamen 68 Tentamen består av fem uppgifter där varje uppgift maximalt ger p. Normalt gäller följande betygsgränser: :9 p, : p, 5: 7 p Tillåtna hjälpmedel: räknare, formelblad

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

62n 105n) c) cos(3πn) d) sin(3n) e) sin(π. 1.8 Ett analogt elektrokardiogram (EKG) innehåller frekvenser upp till 100 Hz.

62n 105n) c) cos(3πn) d) sin(3n) e) sin(π. 1.8 Ett analogt elektrokardiogram (EKG) innehåller frekvenser upp till 100 Hz. Kapitel Övningsuppgifter. Bestäm vilka av följande signaler som är periodiska och bestäm periodtiden. a) cos(.πn) b) cos(π 3 6n 5n) c) cos(3πn) d) sin(3n) e) sin(π )..5 Den analoga signalen x a (t) är

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

5B1134 Matematik och modeller

5B1134 Matematik och modeller KTH Matematik 1 5B1134 Matematik och modeller 2006-09-11 2 Andra veckan Trigonometri Veckans begrepp enhetscirkeln, trigonometriska ettan trigonometrisk funktion, sinuskurva period, fasförskjutning, vinkelhastighet

Läs mer

Diskreta signaler och system

Diskreta signaler och system Kapitel 7 Diskreta signaler och system I detta kapitel diskuteras grundläggande teori för diskreta signaler och system. För diskreta signaler introduceras z-transformen, som ligger som grund för representationen

Läs mer