Bildbehandling i spatialdomänen och frekvensdomänen

Save this PDF as:
 WORD  PNG  TXT  JPG

Storlek: px
Starta visningen från sidan:

Download "Bildbehandling i spatialdomänen och frekvensdomänen"

Transkript

1 Digital Media Lab Tillämpad Fysik och Elektronik Ulrik Söderström Bildbehandling i spatialdomänen och frekvensdomänen Fouriertransform och filtering

2 Del 1. Fouriertransformen 1.1. Fourieranalys i två dimensioner Vi kommer att titta på några enkla signaler i både spatial- och frekvensdomänen. I den här övningen använder vi gråskalebilder med storleken 65 x 65 pixlar. Varje pixel har ett värde mellan 0 och 1. Ibland måste man skala om den resulterande bilden för att komma tillbaka till värden mellan 0 och 1. Ett sätt att få information om pixelvärden är funktionen "hist", som beräknar frekvensen för varje pixelvärde. Vi börjar med en "imensionell" sinusvåg. I följande kod finns 65 x 65 pixlar med två perioder av en horisontell sinusvåg. Bilden visas med "imshow", så vi måste skala om värdena så att de ligger mellan 0 och 1 innan den visas. Signalen är centrerad på x-axeln efter att Fouriertransformen beräknas. (fft, fft2, fftshift) clear; %the image will be in format Q x Q Q =65; %number of periods periods=2; %orginal image for m=1:1:q for n=1:1:q orig_image(m,n)= *sin(2.*pi.*(n./(q./periods))); %the "0.5" constants give values between 0 and 1 for use with "imshow" subplot(1,2,1),imshow(orig_image);title('original image'); %delete the added scaling values before FFT, gives values symmetrically around the x- axis A=orig_image-.5; B=fftshift(abs(fft2(A))); subplot(1,2,2),imshow(b);title('magnitude of FFT'); Förklara resultatet. Vad är det som händer? Vad händer med Fourierspektrumet om sinusvågen är vertikal? Skapa en svart bild av storlek 65 x 65 med en 9 x 9 vit kvadrat i mitten. I det här fallet kan du behöva skala om frekvensbilden innan du visar resultatet. Använd en log-transform (log (abs (fftshift (fft2 (bild))) + 1)) och skala om bilden med formeln bild = bildmin (min (bild)))./(max (max (bild)) - min (min (bild))). Ser spektrumet ut som förväntat? Beskriv resultatet Upprepa föregåe experiment men använd en bild med nollor överallt förutom en vit pixel i mitten. Beskriv vad som händer och förklara varför.

3 Del 2 - Filtrering 2.1. Faltning (Filtrering i spatialdomänen) Om filtreringsfunktionen är känd och du vill beräkna en specifik utsignal från insignal går det att använda två metoder. I spatialdomänen används faltning. Du tillämpar faltning till insignalen och impulssvaret för filtret. Vanligtvis är insignalen en lång sekvens och impulssvaret en kort sekvens som kallas faltningskärna (filterkärna). (conv, conv2) Skapa en 65x65 stor bild med en 15 x 15 kvadrat i mitten. Skapa följande faltningskärna med koden nedan: /9 filter1=ones(3, 3)./9; Beräkna utsignalen med hjälp av faltning Hur ändras bilden av filtreringen? Jämför Fourierspektrat för orignalbilden och den filtrerade bilden Följande filter är ett Laplace-filter: filter2=[0 1 0; 1-4 1; 0 1 0]; Hur påverkas bilden och dess Fourierspektrum av denna typ av filter? 2.2. Filtrering i frekvensdomänen Den andra metoden för filtrering är filtrering i frekvensdomänen. Transformen av en bild multipliceras med ett filter som dämpar (eller förstärker) vissa frekvenser. Filtret kan antingen skapas direkt i frekvensdomänen eller vara transformen av ett filter som skapats i spatialdomänen. I detta fall multipliceras Fouriertransformen av bilden med Fouriertransformen av impulssvaret. Fouriertransformera både bilden och ett 3x3 medelvärdesfiltret till frekvensdomänen: [M1 N1]=size(bild); [M2 N2]=size(filter); M=M1+M2-1; %The images has to be zero-padded to this size! N=N1+N2-1; fftbild=fftshift(fft2(bild, M, N)); % calculate the FFT, fftfilter=fftshift(fft2(filter, M, N)); %automatic zero-pad B1=log(abs(fftbild)+1); B1=(B1-min(min(B1)))./(max(max(B1))-min(min(B1))); C1=log(abs(fftfilter)+1); C1=(C1-min(min(C1)))./(max(max(C1))-min(min(C1))); figure

4 subplot(1,2,1),imshow(b1);title('original'); subplot(1,2,2),imshow(c1);title('filter'); En ny, filtrerad, bild (i frekvensdomänen) skapas enkelt via multiplikation: nybild=fftbild.*fftfilter; %element wise multiplication D1=log(abs(nybild)+1); D1=(D1-min(min(D1)))./(max(max(D1))-min(min(D1))); figure subplot(1,2,1),imshow(d1);title('filtered image, magnitude as a function of frequency'); Det sista steget är att göra en inverstransform av resultatet: nybild=fftshift(nybild); %shift back recreate=ifft2(nybild); subplot(1,2,2),imshow(recreate);title('filtered image'); Beskriv funktionen hos filtret. Hur påverkas bilden? Jämför med resultatet i Vad är skillnaden? Skapa ett filter direkt i frekvensdomänen. Till exempel kan du skapa ett idealiskt lågpassfilter: [M, N]=size(fftbild); radius=15; filter=zeros(m, N); for i=1:m for j=1:n if (((i-(m+1)/2).^2+(j-(n+1)/2).^2).^0.5)<=radius filter(i,j)=1; Filtrera bilden från 2.1 (svart med vit fyrkant) med filtret. Vad blir resultatet? Vad för slags filter har du skapat i frekvensdomänen? Diskutera fördelar och nackdelar med filtrering i spatialdomänen och i frekvensdomänen.

5 Del 3 - Image enhancement (Bildförbättring) 3.1. Sharpening Med ett högpassfilter är det möjligt att förstärka ett objekts konturer. Detta kan göras genom att kombinera den ursprungliga bilden med en högpassfiltrerad version av bilden. På hemsidan kan du hitta bilden "debbie 4.bmp" (imread, ind2gray). Ett högpassfilter kan kombineras med den ursprungliga bilden genom följande filter: = Falta bilden med filtret. Visa resultatet och beskriv effekten. Del 4 Färg 4.1. Ladda valfritt färgfotografi i jpeg-format. Det finns tre färgkanaler i bilden, röd, grön och blå. Byt plats på färgkanalerna. Visa effekterna och diskutera resultaten Justera nivån på färgkanalerna genom att multiplicera dem med en faktor (α). Du kan välja om du vill ha en högre nivå (α> 1) eller en lägre nivå (α <1). Visa resultaten för förändringar i två färgkanaler och diskutera resultatet. Rapport Lämna in en individuell skriftlig rapport genom att ladda upp den på Moodle. Rapporten ska innehålla följande: Problembeskrivning. Vad har ni löst? Resultat. Svar på frågor, värden och siffror. Slutsatser från svaren. Vad betyder de? En reflektion över uppgiften. Vad var svårt, bra och/eller meningslöst? Matlab-kod.

Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation

Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation Projekt 2 Möjligheter/Problem med 2-dimensionella mätdata Uppstart: Se planen (kursens hemsida) Etapp 1 Mätdata i 2 dimensioner behöver utredas/signalbehandlas

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

Bildbehandling i frekvensdomänen

Bildbehandling i frekvensdomänen Uppsala Tekniska Högskola Signaler och system Handledare: Mathias Johansson Uppsala 2002-11-27 Bildbehandling i frekvensdomänen Erika Lundberg 800417-1602 Johan Peterson 790807-1611 Terese Persson 800613-0267

Läs mer

Bildbehandling En introduktion. Mediasignaler

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

Läs mer

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

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

Läs mer

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

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

Läs mer

Laboration i Fourieroptik

Laboration i Fourieroptik Laboration i Fourieroptik David Winge Uppdaterad 30 januari 2015 1 Introduktion I detta experiment ska vi titta på en verklig avbildning av Fouriertransformen. Detta ska ske med hjälp av en bild som projiceras

Läs mer

Projekt 3: Diskret fouriertransform

Projekt 3: Diskret fouriertransform Projekt 3: Diskret fouriertransform Diskreta fouriertransformer har stor praktisk användning inom en mängd olika områden, från analys av mätdata till behandling av digital information som ljud och bildfiler.

Läs mer

Laboration 4: Digitala bilder

Laboration 4: Digitala bilder Objektorienterad programmering, Z : Digitala bilder Syfte I denna laboration skall vi återigen behandla transformering av data, denna gång avseende digitala bilder. Syftet med laborationen är att få förståelse

Läs mer

Laboration i Fourieroptik

Laboration i Fourieroptik Laboration i Fourieroptik David Winge Uppdaterad 4 januari 2016 1 Introduktion I detta experiment ska vi titta på en verklig avbildning av Fouriertransformen. Detta ska ske med hjälp av en bild som projiceras

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

Laboration i tidsdiskreta system

Laboration i tidsdiskreta system Laboration i tidsdiskreta system A. Tips Användbara MATLAB-funktioner: conv Faltning square Skapa en fyrkantvåg wavread Läs in en ljudfil soundsc Spela upp ett ljud ones Skapa en vektor med godtyckligt

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

Tentamen Bildanalys (TDBC30) 5p

Tentamen Bildanalys (TDBC30) 5p Tentamen Bildanalys (TDBC30) 5p Skrivtid: 9-15 Hjälpmedel: kursboken Digital Image Processing Svara på alla frågor på nytt blad. Märk alla blad med namn och frågenummer. Disponera tiden mellan frågorna

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

Frekvensplanet och Bode-diagram. Frekvensanalys

Frekvensplanet och Bode-diagram. Frekvensanalys Frekvensplanet och Bode-diagram Frekvensanalys Signaler Allt inom elektronik går ut på att manipulera signaler genom signalbehandling (Signal Processing). Analog signalbehandling Kretsteori: Nod-analys,

Läs mer

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

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

Läs mer

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

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

Läs mer

Laboration 2: Filtreringsoperationer

Laboration 2: Filtreringsoperationer Skolan för Datavetenskap och Kommunikation, KTH Danica Kragic DD2422 Bildbehandling och Datorseende gk: Laboration 2: Filtreringsoperationer Målet med denna laboration är att du skall få bekanta dig med

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

Övningar med Digitala Filter med exempel på konstruktion och analys i MatLab

Övningar med Digitala Filter med exempel på konstruktion och analys i MatLab Övningar med Digitala Filter med exempel på konstruktion och analys i MatLab Eddie Alestedt Vt-2002 Digitala filter Digitala filter appliceras på samplade signaler och uppvisar helt andra egenskaper än

Läs mer

Lab 1: Operationer på gråskalebilder

Lab 1: Operationer på gråskalebilder Lab 1: Operationer på gråskalebilder Maria Magnusson, 2016, 2017 Avdelningen för Datorseende, Institutionen för Systemteknik, Linköpings Universitet 1 Introduktion Läs igenom häftet innan laborationen.

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

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

BILDBEHANDLINGSMETOD INNEFATTANDE BRUSREDUCERING I BILD MED LOKALT ADAPTIV FILTERKÄRNA

BILDBEHANDLINGSMETOD INNEFATTANDE BRUSREDUCERING I BILD MED LOKALT ADAPTIV FILTERKÄRNA BILDBEHANDLINGSMETOD INNEFATTANDE BRUSREDUCERING I BILD MED LOKALT ADAPTIV FILTERKÄRNA Author: Stefan Olsson Published on IPQ website: April 10, 2015 Föreliggande uppfinning avser en metod för bildbehandling

Läs mer

Grafisk teknik IMCDP IMCDP IMCDP. IMCDP(filter) Sasan Gooran (HT 2006) Assumptions:

Grafisk teknik IMCDP IMCDP IMCDP. IMCDP(filter) Sasan Gooran (HT 2006) Assumptions: IMCDP Grafisk teknik The impact of the placed dot is fed back to the original image by a filter Original Image Binary Image Sasan Gooran (HT 2006) The next dot is placed where the modified image has its

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

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

Ansiktsigenkänning med MATLAB

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

Läs mer

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

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

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 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

Medicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder

Medicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 25 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion

Läs mer

Medicinska Bilder, TSBB31. Lab6: Mätningar på SPECT/CT-volymer

Medicinska Bilder, TSBB31. Lab6: Mätningar på SPECT/CT-volymer Medicinska Bilder, TSBB31 Lab6: Mätningar på SPECT/CT-volymer Maria Magnusson, 2012-2016 Avdelningen för Datorseende Institutionen för Systemteknik Linköpings Universitet 1 Introduktion I denna laboration

Läs mer

Laboration ( ELEKTRO

Laboration ( ELEKTRO UMEÅ UNIVERSITET Tillämpad fysik och elektronik Sverker ohansson ohan Pålsson 21-2-16 Rev 1.1 $.7,9$),/7(5 Laboration ( ELEKTRO Personalia: Namn: Kurs: Datum: Återlämnad (ej godkänd): Rättningsdatum Kommentarer

Läs mer

Signalbehandling, förstärkare och filter F9, MF1016

Signalbehandling, förstärkare och filter F9, MF1016 Signalbehandling, förstärkare och filter F9, MF1016 Signalbehandling, inledning Förstärkning o Varför förstärkning. o Modell för en förstärkare. Inresistans och utresistans o Modell för operationsförstärkaren

Läs mer

Medicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder

Medicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 27 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion

Läs mer

TNM030 -Sammanfattning Nathalie Ek, 2011. Sammanfattning. TNM030 - Bildbehandling och bildanalys

TNM030 -Sammanfattning Nathalie Ek, 2011. Sammanfattning. TNM030 - Bildbehandling och bildanalys Sammanfattning TNM030 - Bildbehandling och bildanalys Nathalie Ek (natek725), MT -07 2011, LIU Campus Norrköping Bildbehandling och bildanalys - Bildbehandling Kan kort sammanfattas som signalbehandling

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

LUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik

LUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik LUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik Tentamen 04-05-7 SIGNALBEHANDLING I MULTIMEDIA, ETI65 Tid: 4.00 9.00 Sal: MA:0 Hjälpmedel: Miniräknare, formelsamling i signalbehandling

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 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

Signalanalys med snabb Fouriertransform

Signalanalys med snabb Fouriertransform Laboration i Fourieranalys, MVE030 Signalanalys med snabb Fouriertransform Den här laborationen har två syften: dels att visa lite på hur den snabba Fouriertransformen fungerar, och lite om vad man bör

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

Grafiska system. Färgblandning. Samspel mellan ytor. Ögats. fysionomi. Ljusenergi. Signalbehandling och aliasing

Grafiska 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 mer

Tentamen i Elektronik för E, 8 januari 2010

Tentamen i Elektronik för E, 8 januari 2010 Tentamen i Elektronik för E, 8 januari 200 Tillåtna hjälpmedel: Formelsamling i kretsteori Tvåpol C A I V Du har tillgång till en multimeter som kan ställas in som voltmeter eller amperemeter. Voltmeter

Läs mer

Tillämpad Fysik Och Elektronik 1

Tillämpad Fysik Och Elektronik 1 FREKVENSSPEKTRUM (FORTS) TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1 ICKE-PERIODISKA FUNKTIONER Icke- periodiska funktioner kan betraktas som periodiska, med oändlig periodtid P. TILLÄMPAD FYSIK

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

Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform

Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform Den laborationen har syften: dels att visa lite hur den snabba Fouriertransformen fungerar, och lite om vad man den an dels att

Läs mer

DT1120 Spektrala transformer för Media Tentamen

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

Läs mer

Digitala filter. FIR Finit Impulse Response. Digitala filter. Digitala filter. Digitala filter

Digitala filter. FIR Finit Impulse Response. Digitala filter. Digitala filter. Digitala filter Digitala filter Digitala filter FIR Finit Impulse Response Digitala filter förekommer t.ex.: I Matlab, Photoshop oh andra PCprogramvaror som filtrerar. I apparater med signalproessorer, t.ex. mobiltelefoner,

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

Tentamen i Elektronik för E, ESS010, 12 april 2010

Tentamen i Elektronik för E, ESS010, 12 april 2010 Tentamen i Elektronik för E, ESS00, april 00 Tillåtna hjälpmedel: Formelsamling i kretsteori v i v in i Spänningen v in och är kända. a) Bestäm i och i. b) Bestäm v. W lampa spänningsaggregat W lampa 0

Läs mer

Laboration 1: Aktiva Filter ( tid: ca 4 tim)

Laboration 1: Aktiva Filter ( tid: ca 4 tim) 091129/Thomas Munther IDE-sektionen/Högskolan Halmstad Uppgift 1) Laboration 1: Aktiva Filter ( tid: ca 4 tim) Vi skall använda en krets UAF42AP. Det är är ett universellt aktivt filter som kan konfigureras

Läs mer

Tentamen i Elektronik, ESS010, del 1 den 21 oktober 2008 klockan 8:00 13:00

Tentamen i Elektronik, ESS010, del 1 den 21 oktober 2008 klockan 8:00 13:00 Tentamen i Elektronik, ESS00, del den oktober 008 klockan 8:00 :00 Tekniska Högskolan i Lund Institutionen för Elektrovetenskap Tentamen i Elektronik, ESS00, del den oktober 008 klockan 8:00 :00 Uppgifterna

Läs mer

Bildförbättring av registreringsskyltar i stillbilder med hjälp av super-resolution

Bildförbättring av registreringsskyltar i stillbilder med hjälp av super-resolution LiU-ITN-TEK-A-15/009-SE Bildförbättring av registreringsskyltar i stillbilder med hjälp av super-resolution Martin Bengtsson Emil Ågren 2015-02-27 Department of Science and Technology Linköping University

Läs mer

Medicinska Bilder, TSBB31. Lab3: Mätvärden på Medicinska Bilder

Medicinska Bilder, TSBB31. Lab3: Mätvärden på Medicinska Bilder Medicinska Bilder, TSBB3 Lab3: Mätvärden på Medicinska Bilder Maria Magnusson, Avdelningen för Datorseende Institutionen för Systemteknik Linköpings Universitet Introduktion I denna laboration ska vi göra

Läs mer

Tillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW

Tillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW Institutionen för data- och elektroteknik 004-03-15 Signalbehandling i Matlab och LabVIEW 1 Introduktion Vi skall i denna laboration bekanta oss med hur vi kan använda programmen Matlab och LabVIEW för

Läs mer

5 OP-förstärkare och filter

5 OP-förstärkare och filter 5 OP-förstärkare och filter 5.1 KOMPARATORKOPPLINGAR 5.1.1 I kretsen nedan är en OP-förstärkare kopplad som en komparator utan återkoppling. Uref = 5 V, Um= 13 V. a) Rita utsignalen som funktion av insignalen

Läs mer

LUNDS TEKNISKA HÖGSKOLA Inst. for Elektro- och Informationsteknik. SIGNALBEHANDLING I MULTIMEDIA, ETI265 Inlämningsuppgift 1 (av 2), Task 1 (out of 2)

LUNDS TEKNISKA HÖGSKOLA Inst. for Elektro- och Informationsteknik. SIGNALBEHANDLING I MULTIMEDIA, ETI265 Inlämningsuppgift 1 (av 2), Task 1 (out of 2) LUNDS TEKNISKA HÖGSKOLA Inst. for Elektro- och Informationsteknik SIGNALBEHANDLING I MULTIMEDIA, ETI65 Inlämningsuppgift (av ), Task (out of ) Inlämningstid: Inlämnas senast kl 7. fredagen den 5:e maj

Läs mer

Elektro och Informationsteknik LTH Laboration 4 Tidsplan, frekvensplan och impedanser

Elektro och Informationsteknik LTH Laboration 4 Tidsplan, frekvensplan och impedanser Elektro och Informationsteknik LTH Laboration 4 Tidsplan, frekvensplan och impedanser Elektronik för D ETIA01 Andrés Alayon Glasunov Palmi Thor Thorbergsson Anders J Johansson Lund Mars 2009 Laboration

Läs mer

7 MÖNSTERDETEKTERING

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

Läs mer

Grafisk Teknik. Rastrering. Övningar med lösningar/svar. Sasan Gooran (HT 2013)

Grafisk 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 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

1) Automatisk igenkänning av siffror. Miniprojektuppgifter ppg för Signal- och Bildbehandling. av siffror. Klassificering av virusceller.

1) Automatisk igenkänning av siffror. Miniprojektuppgifter ppg för Signal- och Bildbehandling. av siffror. Klassificering av virusceller. Miniprojektuppgifter ppg för Signal- och Bildbehandling TSBB14 2015 2 x 4h lab-tillfälle reserverat 3 pers/grupp bäst (2 pers/grupp okej) Redovisning med powerpoint Redovisning med 3-4 grupper åt gången

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

Fingerprint Matching

Fingerprint Matching Fingerprint Matching Björn Gustafsson bjogu419 Linus Hilding linhi307 Joakim Lindborg joali995 Avancerad bildbehandling TNM034 Projektkurs Biometri 2006 1 Innehållsförteckning 1 Innehållsförteckning 2

Läs mer

L A B R A P P O R T 1

L A B R A P P O R T 1 L A B R A P P O R T 1 BILDTEKNIK Dan Englesson Emil Brissman 9 september 2011 17:04 1 Camera noise 1.1 Task 1 Ett antal svarta bilder togs genom att fota i totalt mörker för att beräkna kamerans svartnivå.

Läs mer

TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering

TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering Mikael Olofsson 8 februari 2017 Fyll i detta med bläckpenna Laborant Personnummer Datum Godkänd 1 1 Allmänt Denna laboration syftar till att

Läs mer

Signaler, information & bilder, föreläsning 15

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

Läs mer

Inledning. Initiering av miljön. Att köra MatLab. Labrapporten

Inledning. Initiering av miljön. Att köra MatLab. Labrapporten Inledning Initiering av miljön För att få rätt miljö är det enklast att aktivera kursen TSDT06 Signalteori i programmet kurstool. Kurstool kan man starta i bakgrundsmenyn. Alternativt räcker det med att

Läs mer

Programmeringsuppgift Game of Life

Programmeringsuppgift Game of Life CTH/GU STUDIO TMV06a - 0/0 Matematiska vetenskaper Programmeringsuppgift Game of Life Analys och Linär Algebra, del A, K/Kf/Bt Inledning En cellulär automat är en dynamisk metod som beskriver hur komplicerade

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

Faltningsreverb i realtidsimplementering

Faltningsreverb i realtidsimplementering Faltningsreverb i realtidsimplementering SMS45 Lp1 26 DSP-system i praktiken Jörgen Anderton - jorand-3@student.ltu.se Henrik Wikner - henwik-1@student.ltu.se Introduktion Digitala reverb kan delas upp

Läs mer

TANA17 Matematiska beräkningar med Matlab

TANA17 Matematiska beräkningar med Matlab TANA17 Matematiska beräkningar med Matlab Laboration 1. Linjär Algebra och Avbildningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall

Läs mer

Kompletterande material till föreläsning 5 TSDT08 Signaler och System I. Erik G. Larsson LiU/ISY/Kommunikationssystem

Kompletterande material till föreläsning 5 TSDT08 Signaler och System I. Erik G. Larsson LiU/ISY/Kommunikationssystem ompletterande material till föreläsning 5 TSDT8 Signaler och System I Erik G. Larsson LiU/ISY/ommunikationssystem erik.larsson@isy.liu.se November 8 5.1. Första och andra ordningens tidskontinuerliga LTI

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

Beijer Electronics AB 2000, MA00336A, 2000-12

Beijer Electronics AB 2000, MA00336A, 2000-12 Demonstration driver English Svenska Beijer Electronics AB 2000, MA00336A, 2000-12 Beijer Electronics AB reserves the right to change information in this manual without prior notice. All examples in this

Läs mer

GRAFISK MANUAL 1.0 FÖR SYSTEMTEXTS PRODUKTVARUMÄRKEN JANUARI 2011

GRAFISK MANUAL 1.0 FÖR SYSTEMTEXTS PRODUKTVARUMÄRKEN JANUARI 2011 GRAFISK MANUAL 1.0 FÖR SYSTEMTEXTS PRODUKTVARUMÄRKEN JANUARI 2011 1 INTRODUKTION I denna manual finner du riktlinjer för varumärkena Supernova, Supernova Taktil, Supernova Reflex, GlowLite och GlowLite

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

Kvalitetsmått: Skärpa

Kvalitetsmått: Skärpa Kvalitetsmått: Skärpa Metoder att mäta skärpa: Upplösningstest: Hur täta streckmönster syns i bilden? Subjektivt, begränsad information (Lab. 2) MTF: Fullständig information (Lab. 2) Upplösningstest med

Läs mer

Styrteknik: Binära tal, talsystem och koder D3:1

Styrteknik: Binära tal, talsystem och koder D3:1 Styrteknik: Binära tal, talsystem och koder D3:1 Digitala kursmoment D1 Boolesk algebra D2 Grundläggande logiska funktioner D3 Binära tal, talsystem och koder Styrteknik :Binära tal, talsystem och koder

Läs mer

Flervariabelanalys, inriktning bildbehandling, datorövning 3

Flervariabelanalys, inriktning bildbehandling, datorövning 3 Matematiska institutionen, LTH, December 2, 2004 Flervariabelanalys, inriktning bildbehandling, datorövning 3 Matlab Gå till underkatalogen matlab (skapa den om den inte redan finns) av din rotkatalog.

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

Laborationsrapport. Kurs Elektroteknik grundkurs ET1002. Lab nr 5. Laborationens namn Växelström. Kommentarer. Namn. Utförd den. Godkänd den.

Laborationsrapport. Kurs Elektroteknik grundkurs ET1002. Lab nr 5. Laborationens namn Växelström. Kommentarer. Namn. Utförd den. Godkänd den. Laborationsrapport Kurs Elektroteknik grundkurs ET1002 Lab nr 5 Laborationens namn Växelström Namn Kommentarer Utförd den Godkänd den Sign Växelström Förberedelseuppgift: Gör beräkningarna till uppgifterna

Läs mer

Bildbehandling, del 1

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

Läs mer

Reglerteknik AK. Tentamen kl

Reglerteknik AK. Tentamen kl Institutionen för REGLERTEKNIK Reglerteknik AK Tentamen 20 0 20 kl 8.00 3.00 Poängberäkning och betygssättning Lösningar och svar till alla uppgifter skall vara klart motiverade. Tentamen omfattar totalt

Läs mer

Tentamen SSY041 Sensorer, Signaler och System, del A, Z2

Tentamen SSY041 Sensorer, Signaler och System, del A, Z2 Tentamen SSY4 Sensorer, Signaler och System, del A, Z Examinator: Ants R. Silberberg 6 Dec kl. 8.3-.3, sal: Hörsalsvägen Förfrågningar: Ants Silberberg, tel. 88 Lösningar: Anslås måndag december på institutionens

Läs mer

DIGITAL KOMMUNIKATION

DIGITAL KOMMUNIKATION EN KOR SAMMANFANING AV EORIN INOM DIGIAL KOMMUNIKAION Linjär kod En binär linjär kod kännetecknas av att summan av två kodord också är ett kodord. Ett specialfall är summan av ett kodord med sig själv

Läs mer

Försättsblad till skriftlig tentamen vid Linköpings Universitet

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

Läs mer

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

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

Läs mer

Hambley avsnitt

Hambley avsnitt Föreläsning Hambley avsnitt 6.6.8 Filter [6.2, 6.5 6.8] Nästan all trådlös och trådbunden kommunikation är baserad på tidsharmoniska signaler. Signalerna utnyttjar ett frekvensband centrerad kring en bärfrekvens.

Läs mer

Tentamen i Digitalteknik, EIT020

Tentamen i Digitalteknik, EIT020 Elektro- och informationsteknik Tentamen i Digitalteknik, EIT020 4 april 2013, kl 14-19 Skriv namn och årskurs på alla papper. Börja en ny lösning på ett nytt papper. Använd bara en sida av pappret. Lösningarna

Läs mer

TANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 8 december 2015 Sida 1 / 22

TANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 8 december 2015 Sida 1 / 22 TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 8 december 2015 Sida 1 / 22 Föreläsning 8 God programmeringsstil. Sammansatta datatyper: Poster. Cell-matriser.

Läs mer

Ämnesområde Hörselvetenskap A Kurs Signalteori, 7,5 hp Kurskod: HÖ1007 Tentamenstillfälle

Ämnesområde Hörselvetenskap A Kurs Signalteori, 7,5 hp Kurskod: HÖ1007 Tentamenstillfälle Institutionen för hälsovetenskap och medicin Kod: Ämnesområde Hörselvetenskap A Kurs Signalteori, 7,5 hp Kurskod: HÖ1007 Tentamenstillfälle Datum 2013-08-19 Tid 4 timmar Kursansvarig Susanne Köbler Tillåtna

Läs mer

Tentamen PC-teknik 5 p

Tentamen PC-teknik 5 p Tentamen PC-teknik 5 p Namn:. Klass:... Program: Di2, Em3, Et3 Datum: 03-08-15 Tid: 13:30-18:30 Lokal: E171 Hjälpmedel: Linjal, miniräknare, Instruktionsrepertoar för 8086 (utdelas), Lathund, Pacific C

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

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

Lär dig programmera! Prova på programmering med enkla exempel! Björn Regnell www.bjornregnell.se

Lär dig programmera! Prova på programmering med enkla exempel! Björn Regnell www.bjornregnell.se Lär dig programmera! Prova på programmering med enkla exempel! Björn Regnell www.bjornregnell.se Mål Så enkelt som möjligt: låg tröskel Ett riktigt programmeringsspråk: inget tak Roliga uppgifter som går

Läs mer