TSBB31 Medicinska bilder Föreläsning 3
|
|
- Stina Andersson
- för 4 år sedan
- Visningar:
Transkript
1 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 Teori: Kompendiet, (Kap ), Kap. 3 Maria Magnusson, Datorseende, Inst. ör Systemteknik, Linköpings Universitet p. En bild är en D signal D: (t) är en unktion som beror av tiden t. D: (x,y) är en unktion som beror av de spatiella (rums-) koordinaterna x och y. Ex) y sinx y y svart y vitt ig.. p. ör en digital bild gäller p. 3 Exempel på ärginnehåll i bilder p. En digital bild är en samplad D-unktion. Samplen kallas pixlar (picture elements). Antalet pixlar = bildens storlek. En vanlig storlek: 5x5= 8 =.5 Mpixel. Ota är samplen kvantiserade i intervallet [,55]. Dessa värden översätts via en ärgtabell i datorn till gråskalevärden, dvs ->svart och 55->vitt eller godtyckliga ärger (pseudo-ärg) Ibland är samplen lyttalsvärden. Dessa transormeras till intervallet [,55] och vidare via ärgtabell i datorn. En äkta ärgbild har 3 st värden per pixel. De transormeras var ör sig till intervallet [,55] och sedan vidare ut på datorns röda, gröna respektive blåa kanal vilket möjliggör 56 3 = ,8 miljoner ärger. PET-bild av hjärna Psedo-ärgbild Äkta ärgbild gråskalebild
2 Exempel på en digital bild p. 5 Vanlig gråskaleärgtabell 56 ärger p. 6 Pixelvärde (x,y) R G B Bildstorlek: zoom Linjär transormation 7x pixels D/A-omvandlare: omvandlar ett digitalt värde till ett analogt värde i orm av en elektrisk signal 55: och ut på skärmen I denna kursen jobbar vi mest med gråskaleärgtabellen. Pseudo-ärgtabell 56 ärger p. 7 Äkta ärgtabell p. 8 Över 6 miljoner ärger Pixelvärde (x,y) godtycklig transormation R G B??? Ex ) En PET-bild kan visa var det är aktivitet i hjärnan. Hög aktivitet kan visas röd och låg aktivitet kan visas blå. Linjär transormation R Pixelvärde [ r (x,y), g (x,y), b (x,y)] Linjär transormation G Linjär transormation B 55: och ut på skärmen Ex) Användbart t ex när vi vill visa negativa värden blå och positiva värden röda. 55: 55 och ut på skärmens röda kanal 55: 55 och ut på skärmens gröna kanal 55: 55 och ut på skärmens blåa kanal
3 D kontinuerlig ouriertransorm D ouriertransorm j xu yv y v ye dx dy D invers ouriertransorm 3.3 j xu yv v y ve du dv 3. p. 9 D ouriertransormen kan beräknas med två st D ouriertransormer Den kan beräknas örst i ena ledden och sen i andra ledden: j xu yv v ye dx dy j yv jxu ye dy e dx 3.3 ouriertransorm i y - led v p. ouriertransormen av en reell unktion är hermitisk p. Bevis: D ouriertransormen av en reell unktion är hermitisk p. Re Im arg * v v 3.7 v v v Re v v Im v v arg v se ig. 3. Hermitisk unktion Jämn unktion Jämn unktion Udda unktion Udda unktion
4 En bild med amplitudspektrum p. 3 Realdel och Imaginärdel av ouriertransormen p. Amplitudspektrum är jämnt (spegelsymmetriskt) De låga rekvenserna dominerar ig. 3. Realdelen är jämn Imaginärdelen är udda ig. 3. Teorem och samband p. 5 Bevis av Laplaceteoremet p. 6 ormelsamlingen visar teorem ör D-ouriertransorm, bl a skalnings-, altnings-, translations- och derivatateoremet. Dessa är generaliseringar av D-teoremen. Notera också de D-unika teoremen ör generell skalning, rotation och Laplace. Generell skalning : a A a a a Rotation vinkeln : cos R sin sin cos 3.6
5 Teorem och samband Transorm-par illustrerade i ig. 3. p. 7 D DT p. 8 Separabla unktioner ger separabel ourier-transorm, se ormelsamlingen, tabell 3.3 och ekvation (3.): y gx hy v Gu H v3. Rotationssymmetriska transormpar i Tab. 3.: D D N M j nk / N ml / M k, l n, m e 3. MN D n m N M j nk / N ml / M n, m k, l e 3. k l Matlabkommando: D=t(D) D Notera dock att den symmetriska varianten, se ekvation (3.) och (3.3), ota är att öredra i bild-sammanhang. Matlabkommando: D=tshit(t(itshit(D))) Teorem och samband Tabell 3. visar teorem ör D DT. Notera att multiplikation i DT-domänen motsvarar cirkulär altning i spatialdomänen. (Mer om detta nästa öreläsning.) p. 9 D sampling av (x,y) Ingen vikningsdistorsion! p. ig. 3.3
6 p. D sampling av (x,y) p. Bilder med ouriertransorm. ig. 3.5a Tillräcklig samplingsrekvens. Vikningsdistorsion! ig. 3. p. 3 Bilder med ouriertransorm. ig. 3.5b ör låg samplingsrekvens. p. Samband mellan samplad kontinuerig. 3.7 lig ouriertransorm och DT Eekten av vikningsdistorion som syns tydligt i bl a byxornas randning. Vikningsdistorisionen syns även i ourierdomänen som en ökad intensitet ör de högre rekvenserna. size: x8 size: x8 Relationen mellan kontinuerlig rekvens v och diskret rekvens k,l är alltså u k N D där N,M är v l M D 3.3 antalet sampelpunkter och D är sampelavståndet.
7 g g g D altning x y h y hx, y,, d d Kontinuerlig Linjär diskret 3.5 x y h y hx, y,, Cirkulär diskret N M y h y hx, y, N N 3.7 p g D linjär diskret altning y h x, y hx, y, Spegla h i x- och y-axeln = rotera 8 o. Glid med den speglade h över. Multiplicera och summera överlappande värden. Detta ger g * = y y gx y h, p. 6 Bildstorlek vid D linjär diskret altning p. 7 ig. 3.8 Hur beräknas D ouriertransormen av? / p. 8 Valid: Värden utanör inbilden anses odeinierade => Utbilden blir mindre än inbilden. ull: Värden utanör inbilden anses vara => Utbilden blir större än inbilden. Eller lika stor om de extra värdena slängs (Same) Sätt dirac-spikar d(x,y)=d(x)d(y) på varje element i altningskärnan. Antag sampelavstånd D. Detta ger h Byt t x, y, v, T D x d x D d xd Dd y/ Tag D kontinuerlig ouriertransorm H jdu j Du v e e v / cosdu / cos Du
8 Lågpassiltrerande altningskärna i x-led (u-led) cos Du D här p. 9 Lågpassiltrerande altningskärna i y-led (v-led) cos Dv D här y p. 3 y v x / u x / v u ig. 3. ig. 3. Lågpassiltrerande altningskärna i x- och y-led (u- och v-led) = /6 * / / cos Du cos Dv D här Dämpar höga rekvenser p. 3 ig. 3. p. 3 Mer lågpassiltrerande altningskärna i x- och y-led (u- och v-led) = 66 6 /56 * /6 /6 cos Du cos Dv D här ig. 3.
9 Lågpassiltrering i spatialdomänen 6 36 * p. 33 /56 Lågpassiltrering i ourierdomänen ourier transorm p. 3 Ex på enkel användning: ) Den suddiga nummerplåten kan klistras in i den skarpa bilden. ) Om det hade unnits ointressanta detaljer i bakgrunden skulle de kunna suddats ut.
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 merSignaler, information & bilder, föreläsning 12
Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden,
Läs merTSBB31. En bild är en 2D signal. Exempel på färginnehåll i bilder p. 4. För en digital bild gäller. vitt. Fig. 1.1
TSBB3 Medicinska bilder Föreläsning 3 D signalbehandling (bildbehandling) Den digitala bilden, ärgtabeller D kontinuerlig ouriertransorm och D DFT D sampling D diskret altning Lågpassiltrerande D altningskärnor
Läs merSignaler, information & bilder, föreläsning 13
Signaler, inormation & bilder, öreläsning 3 Michael elsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden,
Läs merSignaler, information & bilder, föreläsning 13
Signaler, inormation & bilder, öreläsning 3 Michael Felsberg och Maria Magnusson Computer Vision Laboratory (atorseende) epartment o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se
Läs merSignal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal 1D: f(t) är en funktion f som beror av tiden t. För en digital bild gäller
Sinal- och Bildbehandlin ÖRELÄSNING 7 D sinalbehandlin (bildbehandlin) Den diitala bilden, ärtabeller D kontinuerli ouriertransorm och D DT D samplin D diskret altnin Låpassiltrerande D altninskärnor Teori:
Läs merSignaler, information & bilder, föreläsning 14
Signaler, inormation & bilder, öreläsning Michael Felsberg och Maria Magnusson Computer Vision Laborator (Datorseende) Department o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se
Läs merSignaler, information & bilder, föreläsning 14
Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laborator Department o Electrical Engineering michael.elsberg@liu.se Översikt D signalbehandling (bildbehandling) orts. Faltningskärnor
Läs merLågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering
Signal- och Bildbehandling FÖRELÄSIG 8 signalbehandling (bildbehandling) orts. Lågpassilter, orts. Snonmer Cirkulär och Faltningskärna Linjär altning, orts Filterkärna Faltningskärnor: 3 Filter eriverande
Läs merSignaler, information & bilder, föreläsning 15
Översikt Signaler, inormation & bilder, öreläsning 5 Michael Felsberg och Maria Magnusson Computer Vision Laborator (Datorseende) Department o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se
Läs merSignal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet
Signal- och Bildbehandling FÖRELÄSNING 4 Fouriertransformen, forts Mer egenskaper av fouriertransformen Enkel tillämpning: Filtrera bort oönskat buller från vacker visselton Fouriertransformen, slutsats
Läs mer7 Olika faltningkärnor. Omsampling. 2D Sampling.
7 Olika faltningkärnor. Omsampling. D Sampling. Aktuella ekvationer: Se formelsamlingen. 7.. Faltningskärnors effekt på bilder. Bilden f(, y) ska faltas med olika faltningskärnor, A H, se nedan. f(,y)
Läs merMedicinska bilder. Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT. Fastställd av. Fastställandedatum
1(6) Medicinska bilder Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT Fastställd av Programnämnden för elektroteknik, fysik och matematik, EF Fastställandedatum LINKÖPINGS UNIVERSITET 2(6)
Läs merBildförbättring i spatial domänen (kap. 3) Bildförbättring (enhancement) Spatial domän. Operatorer. Tröskling (threshold) Gråskale-transformationer
Bildförbättring i spatial domänen (kap. 3) Punktoperationer Gråskaletransformationer Logiska & aritmetiska operationer Filtrering Faltning Lågpassfilter Högpassfilter Bildförbättring (enhancement) Förbättra
Läs merLösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB3, 08-0-4 Maria Magnusson (maria.magnusson@liu.se) DEL : Grundläggande D signalbehandling Uppgift (6p) a och E: E LP-filtrerar mycket och ger en mycket suddig
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 2003-08-22 kl. 4-8 Lokaler: G36 Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 6.00. tel 0702/33 79 48 Hjälpmedel: Räknedosa, OH-film, medskickad
Läs merFacit till Signal- och bildbehandling TSBB
Facit till Signal- och bildbehandling TSBB3 6-5-3 Maria Magnusson Seger, maria@isy.liu.se Kontinuerlig faltning (9p) a) Faltningsoperationen illustreras i figuren nedan. et gäller att x(t λ) e 4(t λ) u(t
Läs merLösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB31, 2017-10-19 Maria Magnusson (maria.magnusson@liu.se), Anders Eklund DEL 1: Grundläggande 2D signalbehandling Uppgift 1 (4p) a) f(x, y) = 30 Π(x/40, y/20)
Läs mer'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ
'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ Nyckelord: Sampling, kvantisering, upplösning, geometriska operationer, fotometriska operationer, målning, filtrering 'LJLWDOUHSUHVHQWDWLRQR KODJULQJDYELOGHU En
Läs merSignal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.
Signal- och Bildbehandling, TSBB4 Laboration : Sampling och rekonstruktion. DFT. Maria Magnusson, 7-8 Avdelningen för Datorseende, Institutionen för Systemteknik, Linköpings Universitet Laboration. Förberedelser
Läs merLösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB31, 2014-01-10 Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL 1: Grundläggande 2D signalbehandling Uppgift
Läs merFörsättsblad till skriftlig tentamen vid Linköpings universitet TER1(17) TERE(1)
Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 207-0-9 Sal (2) Tid 8-2 Kurskod TSBB3 Provkod TEN Kursnamn/benämning Provnamn/benämning Institution Antal uppgifter som
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 2003-0-0 kl. 4-8 Lokaler: Examinator: U Maria Magnusson Seger Ansvarig lärare: Olle Seger besöker lokalen kl. 5 och 7. tel 259, 0702/337948 Hjälpmedel:
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 000-03-8 kl. 4-8 Lokaler: Garnisonen Ansvariga lärare: Olle Seger, Maria M Seger besöker lokalerna kl 500 och 700 tel 070/33 79 48 Hjälpmedel: Räknedosa,
Läs merTSBB31 Medicinska bilder Föreläsning 1
TSBB3 Medicinska bilder Föreläsnin Inormaion hp://www.cvl.isy.liu.se/educaion/underraduae/sbb3 Repeiion (och lie ny?) av D Fourierransorm Vikia sinaler (unkioner) Tolknin Teorem Eenskaper Linjär sysem
Läs merSignal- och bildbehandling TSBB03 och TSEA70
Tentamen i Signal- och bildbehandling TSBB03 och TSEA70 Tid: 004-08-10 kl. 8-1 Lokaler: TER1 Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 9.00 och 10.45. tel 073-804 38 67 Hjälpmedel: Räknedosa,
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: 3-5-3 Lokaler: TER Ansvarig lärare: Maria Magnusson besöker lokalen kl. 8.5 och.3 tel 73-8 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film,
Läs mer7 MÖNSTERDETEKTERING
7 MÖNSTERDETEKTERING 7.1 Korrelation Korrelation av två bilder f(x,y) och g(x,y) kan språkligt sett betyda att man gör just det som utsäges av (7.1). Bilderna läggs alltså på varandra med den ena bilden
Läs merSignal- och bildbehandling TSBB03
Tentamen i Signal- och bildbehandling TSBB03 Tid: 2006-05-3 kl. 8-2 Lokal: TER2 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9.40. tel 073-804 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling 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 merLösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB3, 203-0-08 Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL : Grundläggande 2D signalbehandling Uppgift (2p)
Läs merTATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer
TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer Johan Thim 0 januari 207 Introduktion En differentialekvation (DE) i en variabel är en ekvation som innehåller både
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: 205-0-, 8-3 Lokaler: U, U3, U Ansvarig lärare: Maria Magnusson besöker lokalerna kl. 9.30 och.30 tel 073-80 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs mer4x 2 dx = [polynomdivision] 2x x + 1 dx. (sin 2 (x) ) 2. = cos 2 (x) ) 2. t = cos(x),
Lunds Tekniska Högskola Matematik Helsingborg Lösningar Analys, FMAA5 9-8-9. a) e sinx) cosx) dx e sinx) + C. b) 4x dx polynomdivision] x + x + x + dx x x + ] ln x + + ) ln) + ) ln) ln). c) Trigonometriska
Läs merBildbehandling En introduktion. Mediasignaler
Bildbehandling En introdktion Mediasignaler Innehåll Grndläggande bildbehandling Foriertransformering Filtrering Spatialdomän Frekvensdomän Vad är bildbehandling? Förbättring Image enhancement Återställning
Läs merx 2 = lim x 2 x 2 x 2 x 2 x x+2 (x + 3)(x + x + 2) = lim x 2 (x + 1)
Matematik Hjälpmedel: Inga Chalmers Tekniska Högskola Tentamen 5--7 kl. 4: 8: Telefonvakt: Samuel Bengmark ankn.: 7-87644 Betygsgränser :a poäng, 4:a poäng, 5:a 4 poäng, max: 5 poäng Tentamensgranskning
Läs merChalmers tekniska högskola Datum: kl Telefonvakt: Christoffer Standard LMA515 Matematik KI, del B.
MATEMATIK Hjälpmedel: inga Chalmers tekniska högskola Datum: 343 kl. 8.3.3 Tentamen Telefonvakt: Christoffer Standard 73 88 34 LMA55 Matematik KI, del B Tentan rättas och bedöms anonymt. Skriv tentamenskoden
Läs merA dt = 5 2 da dt + A 100 =
Tentamensskrivning i Matematik IV, F1636(5B11,5B13) Tisdagen den 13 november 7, kl 14-19 Hjälpmedel: BETA, Mathematics Handbook Redovisa lösningarna på ett sådant sätt att beräkningar och resonemang är
Läs merFÖRELÄSNING 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 merFörsättsblad till skriftlig tentamen vid Linköpings universitet G35(18) TER4(12)
Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 218-1-24 Sal (2) G35(18) TER4(12) Tid 8-12 Kurskod TSBB31 Provkod TEN1 Kursnamn/benämning Provnamn/benämning Medicinska
Läs merLösning till tentamen i SF1633 Differentialekvationer I för BD, M och P, , kl
KTH Matematik Bengt Ek och Olle Stormark. Lösning till tentamen i SF633 Differentialekvationer I för BD, M och P, 008 0 6, kl. 4.00 9.00. Hjälpmedel: BETA. Uppgifterna 5 motsvarar kursens fem moduler.
Läs merBildbehandling i frekvensdomänen. Erik Vidholm
Bildbehandling i frekvensdomänen Erik Vidholm erik@cb.uu.se 9 december 2002 Sammanfattning Detta arbete beskriver hur en bild kan tolkas som en tvådimensionell digital signal, hur denna signal Fouriertransformeras
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA Tid: -- kl. - Lokaler: G3 Ansvarig lärare: Henrik Turbell besöker lokalen kl..3 tel Adm. assistent: Ylva Jernling tel Hjälpmedel: Räknedosa, OH-film, medskickad
Läs merSF1625 Envariabelanalys Lösningsförslag till tentamen DEL A
SF165 Envariabelanalys Lösningsförslag till tentamen 01-1-10 DEL A 1. Låt funktionen f ha definitionsmängden D f =]0, [ och ges av f(x) = e x 1 x. (a) Finn f:s invers f 1. ( p) (b) Finn inversens värdemängd
Läs merSignal- och bildbehandling 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 merSignal- 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 merMR-laboration: design av pulssekvenser
MR-laboration: design av pulssekvenser TSBB3 Medicinska Bilder Ansvarig lärare: Anders Eklund anders.eklund@liu.se Innehåll Uppgift Initialisering av k-space Koordinater i k-space Navigering i k-space
Läs merKompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter Laura Enflo & Giampiero Salvi
Kompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter & Giampiero Salvi Komplex analys Om man endast använder den reella tallinjen är det inte
Läs merÖVN 2 - DIFFERENTIALEKVATIONER OCH TRANSFORMMETODER - SF1683. Inofficiella mål
ÖVN 2 - DIFFERENTIALEKVATIONER OCH TRANSFORMMETODER - SF1683 KARL JONSSON Nyckelord och innehåll Andra ordningens linjära differentialekvationer Homogena ekvationen Fundamental lösningsmängd, y 1 (t),
Läs merSignal- 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 merDagens teman. Mängdlära forts. Relationer och funktioner (AEE 1.2-3, AMII K1.2) Definition av de naturliga talen, Peanos axiom.
Dagens teman Mängdlära orts. Relationer och unktioner (AEE 1.2-3, AMII K1.2) Deinition av de naturliga talen, Peanos axiom. Relationer och unktioner Relationer Generell deinition: En relation R på mängden
Läs merAnsiktsigenkänning med MATLAB
Ansiktsigenkänning med MATLAB Avancerad bildbehandling Christoffer Dahl, Johannes Dahlgren, Semone Kallin Clarke, Michaela Ulvhammar 12/2/2012 Sammanfattning Uppgiften som gavs var att skapa ett system
Läs merSpektrala Transformer
Spektrala Transformer Kurssammanfattning Fyra kärnkoncept Sampling Faltning Poler och nollställen Fouriertransform Koncept #1: Sampling En korrekt samplad signal kan rekonstrueras exakt, dvs ingen information
Läs merFörsättsblad till skriftlig tentamen vid Linköpings Universitet
Försättsblad till skriftlig tentamen vid Linköpings Universitet Datum för tentamen 203--0 Sal TER4 Tid 8-2 Kurskod TSBB3 Provkod TEN Kursnamn/ Benämning Institution Antal uppgifter som ingår i tentamen
Läs merTentamen i Matematisk analys MVE045, Lösningsförslag
Tentamen i Matematisk analys MVE5 26-8-23 Lösningsförslag Kl. 8.3 2.3. Tillåtna hjälpmedel: Mathematics handbook for science and engineering (BE- TA) eller CRC Standard Mathematical Tables. Indexeringar
Läs mer(x + 1) dxdy där D är det ändliga område som begränsas av kurvorna
UPPSALA UNIVERSITET Matematiska institutionen Anders Källström Prov i matematik ES, W Flervariabelanalys 8 1 1 Skrivtid: 9-1. Inga hjälpmedel. Lösningarna skall åtföljas av förklarande text/figurer. Varje
Läs merKontrollskrivning KS1T
Kontrollskrivning KS1T Matematik 2 Kurskod HF100 Skrivtid 8:15-11:15 måndagen 9 februari 2009 Tentamen består av 4 sidor Hjälpmedel: Utdelat formelblad. Räknedosa. Formelsamling Korrekt löst uppgift ger
Läs merLuft. film n. I 2 Luft
Tentamen i Vågrörelselära(FK49) Datum: Måndag, 14 Juni, 21, Tid: 9: - 15: Tillåten Hjälp: Physics handbook eller dylikt och miniräknare Förklara resonemang och uträkningar klart och tydligt. Tentamensskrivningen
Läs merBlandade A-uppgifter Matematisk analys
TEKNISKA HÖGSKOLAN Matematik Blandade A-uppgifter Matematisk analys 1 Låt u = i och v = 1 + i Skriv det komplexa talet z = u/v på den polära formen re iϕ Svar: e i π Bestäm de reella tal x för vilka x
Läs merTATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning
TATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning Johan Thim 4 mars 2018 1 Linjära DE av godtycklig ordning med konstanta koefficienter Vi kommer nu att betrakta linjära differentialekvationer
Läs merMA2001 Envariabelanalys 6 hp Mikael Hindgren Tisdagen den 9 januari Skrivtid:
HÖGSKOLAN I HALMSTAD Tentamensskrivning Akademin för informationsteknologi MA00 Envariabelanalys 6 p Mikael Hindgren Tisdagen den 9 januari 08 05-670 Skrivtid: 9.00-.00 Inga jälpmedel. Fyll i omslaget
Läs merett uttryck för en våg som beskrivs av Jonesvektorn: 2
Tentamen i Vågrörelselära(FK49) Datum: Tisdag, 6 Juni, 29, Tid: 9: - 5: Tillåten Hjälp: Physics handbook eller dylikt Förklara resonemang och uträkningar klart och tydligt. Tentamensskrivningen består
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 00-05-8 kl. -8 Lokaler: G, G Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 5 och 7. tel Hjälpmedel: Räknedosa, OH-film, medskickad formelsamling
Läs merBildbehandling i spatialdomänen och frekvensdomänen
Digital Media Lab 2016-02-22 Tillämpad Fysik och Elektronik Ulrik Söderström Bildbehandling i spatialdomänen och frekvensdomänen Fouriertransform och filtering Del 1. Fouriertransformen 1.1. Fourieranalys
Läs merExplorativ övning 7 KOMPLEXA TAL
Explorativ övning 7 KOMPLEXA TAL Övningens syfte är att bekanta sig med komplexa tal. De komplexa talen, som är en utvidgning av de reella talen, kom till på 1400 talet då man försökte lösa kvadratiska
Läs merSF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A
SF1626 Flervariabelanalys Lösningsförslag till tentamen 215-3-16 DEL A 1. Låt f(x, y) = 1 x 2 y 2. (a) Skissa nivåkurvorna f(x, y) = c till f för c =, c = 1 och c = 2. (1 p) (b) Beräkna gradf(x, y) i de
Läs merFormelsamling. 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 merSignal- 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 merLösningsförslag envariabelanalys
Lösningsförslag envariabelanalys 09-06-05. Ekvationen är linjär och har det karakteristiska polynomet pr) = r 4 + r 3 + 5r = r r + r + 5) = r r + i)r + + i). Således ges lösningarna till den homogena ekvationen
Läs merLösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB3, 202-0-25 Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL : Grundläggande 2D signalbehandling Uppgift (2p)
Läs merComplex numbers. William Sandqvist
Complex numbers Hur många lösningar har en andragradsekvation? y = x 2 1 = 0 Två lösningar! Kommer Du ihåg konjugatregeln? Svaret kan ju lika gärna skrivas: x 1 = 1 x2 = + 1 Hur många lösningar har den
Läs merLösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A
Institutionen för matematik SF1626 Flervariabelanalys Torsdag augusti 16, 2018 DEL A 1. Givet funktionen f(x, y) = ln(x 2 y 2 ). a) Bestäm definitionsmängden D för f. Rita även en bild av D. (2 p) b) Bestäm
Läs merTentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1.
Institutionen för matematiska vetenskaper Chalmers tekniska högskola Niklas Eriksen Tentamen i tmv6c och tmv5c, Analys och linjär algebra C för K, Kf och Bt Lösningar 9--6. Lös initialvärdesproblemet x
Läs merSF1625 Envariabelanalys Lösningsförslag till tentamen
SF1625 Envariabelanalys Lösningsförslag till tentamen 216-6-1 1. Derivera nedanstående funktioner med avseende på x och ange för vilka x derivatan existerar. Endast svar krävs. A. f(x) = arctan 1 x B.
Läs merNågra saker att tänka på inför dugga 2
LINKÖPINGS UNIVERSITET 17 oktober 017 Matematiska institutionen TATA68 Matematik och tillämpad matematik Några saker att tänka på inför dugga Dugga omfattar HELA kursen, så titta även på de tips som lämnades
Läs mer7 Extremvärden med bivillkor, obegränsade områden
Nr 7, 1 mars -5, Amelia 7 Extremvärden med bivillkor, obegränsade områden Största och minsta värden handlar om en funktions värdemängd. Värdemängden ligger givetvis mellan det största och minsta värdet,
Läs mer= e 2x. Integrering ger ye 2x = e 2x /2 + C, vilket kan skrivas y = 1/2 + Ce 2x. Här är C en godtycklig konstant.
Lösningsförslag till Tentamen, SF1633, Differentialekvationer I den 19 december 216 kl 8: - 13: För godkänt (betyg E krävs tre godkända moduler från del I Varje moduluppgift består av tre frågor För att
Läs mer1. För vilka värden på konstanterna a och b är de tre vektorerna (a,b,b), (b,a,b) och (b,b,a) linjärt beroende.
Institutionen för matematik KTH MOELLTENTAMEN Tentamensskrivning, år månad dag, kl. x. (x + 5).. 5B33, Analytiska metoder och linjär algebra. Uppgifterna 5 svarar mot varsitt moment i den kontinuerliga
Läs merTANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 9 november 2015 Sida 1 / 28
TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 9 november 2015 Sida 1 / 28 Föreläsning 3 Linjära ekvationssystem. Invers. Rotationsmatriser. Tillämpning:
Läs mer2320 a. Svar: C = 25. Svar: C = 90
2320 a Utgå ifrån y = sin x Om vi subtraherar 25 från vinkeln x, så kommer den att "senareläggas" med 25 och således förskjuts grafen åt höger y = sin(x 25 ) Svar: C = 25 b Utgå ifrån y = sin x Om vi adderar
Läs merAnalys o Linjär algebra. Lektion 7.. p.1/65
Analys o Lektion 7 p1/65 Har redan (i matlab bla) stött på tal-listor eller vektorer av typen etc Vad kan sådana tänkas representera/modellera? Hur kan man räkna med sådana? Skall närmast fokusera på ordnade
Läs merLösning 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 merSignal- 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 merSpektrala Transformer för Media
Spektrala Transformer för Media Filtrering och transformer i 2D DT2/3 Spektrala Transformer Jonas Beskow Linjär bildbehandling Principerna från -dimensionell signalbehandling kan appliceras även på 2D-signaler
Läs merARCUSFUNKTIONER. udda. arcsin(x) [-1, 1] varken udda eller jämn udda. arccos(x) [-1, 1] [ 0, π ] arctan(x) alla reella tal π π. varken udda eller jämn
Arcusunktioner ARCUSFUNKTIONER Deinitionsmängd Värdemängd derivatan udda/jämn arcsin() [-, ] [, ] arccos() [-, ] [ 0, ] arctan() alla reella tal (, ) arccot() alla reella tal ( 0, ) + + udda varken udda
Läs merBestäm ekvationen för det plan som går genom punkten (1,1, 2 ) på kurvan och som spänns
UPPSALA UNIVERSITET Matematiska institutionen Anders Källström Prov i matematik Q Flervariabelanalys 8--1 Skrivtid: 8-1. Inga hjälpmedel. Lösningarna skall åtföljas av förklarande text/figurer. Tentand
Läs mere = (e 1, e 2, e 3 ), kan en godtycklig linjär
Linjära avbildningar II Förra gången visade vi att givet en bas i rummet, e = (e 1, e 2, e 3 ), kan en godtycklig linjär avbildning F : R 3 R 3 representeras av en matris: Om vi betecknar en vektor u:s
Läs mer6 2D signalbehandling. Diskret faltning.
D signalbehandling. Diskret faltning. Aktella ekationer: Se formelsamlingen... D Diskret faltning. Beräkna g(x = (h f(x = λ= f(x = - - 0 - - och h(x = -. h(x λf(λ, där Centrm (positionen för x = 0 är markerad
Läs mer= = i K = 0, K =
ösningsförslag till tentamensskrivning i SF1633, Differentialekvationer I Tisdagen den 14 augusti 212, kl 14-19 Hjälpmedel: BETA, Mathematics Handbook Redovisa lösningarna på ett sådant sätt att beräkningar
Läs merSF1626 Flervariabelanalys Tentamen Måndagen den 16 mars 2015
Institutionen för matematik SF1626 Flervariabelanalys Tentamen Måndagen den 16 mars 215 Skrivtid: 8:-13: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger
Läs mer1. (4p) Para ihop följande ekvationer med deras riktingsfält. 1. y = 2 + x y 2. y = 2y + x 2 e 2x 3. y = e x + 2y 4. y = 2 sin(x) y
1 Matematiska Institutionen, KTH Tentamen SF1633, Differentialekvationer I, den 18 december 2017 kl 08.00-13.00. Examinator: Pär Kurlberg. Betygsgränser: A: 85%. B: 75%. C: 65%. D: 55%. E: 45%. Fx: 42%.
Läs merarcsin(x) udda ( x) varken udda eller jämn alla reella tal ( 0, ) 1. y=a 1 x udda/jämn Värdemängd derivatan Definitionsmängd Arcusfunktioner
ARCUSFUNKTIONER Deinitionsmängd Värdemängd arcsin( [-, ] [, ] arccos( [-, ] [00, ] arctan( alla reella tal (, arccot( alla reella tal ( 0, derivatan udda/jämn udda varken udda eller jämn udda varken udda
Läs merKursens Kortfrågor med Svar SF1602 Di. Int.
Kursens Kortfrågor med Svar SF62 Di. Int. Allmänt om kortfrågor: Kortfrågorna är ett viktigt sätt för er att engagera matematiken. De kommer att dyka upp på kontrollskrivningar. Syftet är att ni ska gå
Läs merBildregistrering Geometrisk anpassning av bilder
Bildregistrering Geometrisk anpassning av bilder Björn Svensson, Johanna Pettersson, Hans Knutsson Inst. för Medicinsk Teknik, Linköpings Univeristet Maj, 2007 1 Problembeskrivning Sök förflyttningsfält
Läs merKomplexa tal: Begrepp och definitioner
UPPSALA UNIVERSITET Baskurs i matematik, 5hp Matematiska institutionen Höstterminen 007 Erik Darpö Martin Herschend Komplexa tal: Begrepp och definitioner Komplexa tal uppstod ur det faktum att vissa andragradsekvationer,
Läs mery + 1 y + x 1 = 2x 1 z 1 dy = ln z 1 = x 2 + c z 1 = e x2 +c z 1 = Ce x2 z = Ce x Bestäm den allmänna lösningen till differentialekvationen
UPPSALA UNIVERSITET Matematiska institutionen Vera Djordjevic PROV I MATEMATIK Civilingenjörsprogrammen Ordinära differentialekvationer 2007-10-12 Skrivtid: 9-14. Tillåtna hjälpmedel: Mathematics Handbook
Läs merDubbelintegraler och volymberäkning
ubbelintegraler och volymberäkning Volym och dubbelintegraler över en rektangel Alla funktioner nedan antas vara kontinuerliga. Om f (x) i intervallet [a, b], så är arean av mängden {(x, y) : y f (x),
Läs merLaboration 4: Digitala bilder
Objektorienterad programmering, Z : Digitala bilder Syfte I denna laboration skall vi återigen behandla transformering av data, denna gång avseende digitala bilder. Syftet med laborationen är att få förståelse
Läs mer9.3. Egenvärdesproblem
9.3. Egenvärdesproblem Problem som innehåller en parameter men endast kan lösas för speciella värden av denna parameter kallas egenvärdesproblem. Vi skall här nöja oss med ett exempel på ett dylikt problem.
Läs merUlrik Söderström 20 Jan Signaler & Signalanalys
Ulrik Söderström ulrik.soderstrom@tfe.umu.se 20 Jan 2009 Signaler & Signalanalys Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt
Läs mer