TSBB31. En bild är en 2D signal. Exempel på färginnehåll i bilder p. 4. För en digital bild gäller. vitt. Fig. 1.1
|
|
- Johanna Eklund
- för 8 år sedan
- Visningar:
Transkript
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 Teori: Kompendiet, (Kap ), Kap. 3 Maria Magnusson, Datorseende, Inst. ör Systemteknik, Linköpings Uniersitet p. En bild är en D signal D: (t) är en unktion som beror a tiden t. D: (x,y) är en unktion som beror a de spatiella (rums-) koordinaterna x och y. Ex) x, y sinx y x, y sart x, y itt p. Fig.. För en digital bild gäller En digital bild är en samplad D-unktion. Samplen kallas pixlar (picture elements). Antalet pixlar = bildens storlek. En anlig storlek: 5x5= 8 =.5 Mpixel. Ota är samplen kantiserade i interallet [,55]. Dessa ärden öersätts ia en ärgtabell i datorn till gråskaleärden, ds ->sart och 55->itt eller godtyckliga g ärger (pseudo-ärg) Ibland är samplen lyttalsärden. Dessa transormeras till interallet [,55] och idare ia ärgtabell i datorn. En äkta ärgbild har 3 st ärden per pixel. De transormeras ar ör sig till interallet [,55] och sedan idare ut på datorns röda, gröna respektie blåa kanal ilket möjliggör 56 3 = ,8 miljoner ärger. p. 3 Exempel på ärginnehåll i bilder p. PET-bild a hjärna Psedo-ärgbild Äkta ärgbild gråskalebild
2 Exempel på en digital bild p. 5 Vanlig gråskaleärgtabell 56 ärger p. 6 zoom Bildstorlek: 7x pixels Pixelärde (x,y) Linjär transor- mation : : : R G B D/A-omandlare: omandlar ett digitalt ärde till ett analogt ärde i orm a en elektrisk signal I denna 55: kursen jobbar i mest med Till D/A-omandlare gråskaleoch ut på skärmen ärgtabellen. Pseudo-ärgtabell 56 ärger p. 7 Äkta ärgtabell p. 8 Öer 6 miljoner ärger Pixelärde (x,y) : : : R G B??? Ex ) En PET-bild kan isa ar det är aktiitet i hjärnan. Hög aktiitet kan isas röd och låg aktiitet kan isas blå. : : : R Pixelärde [ r (x,y), g (x,y), b (x,y)] : : : G godtycklig transor- mation Linjär trans- ormation Linjär trans- ormation Linjär trans- ormation : : : B 55: Till D/A-omandlare och ut på skärmen Ex) Anändbart t ex när i ill isa negatia ärden blå och positia ärden äd röda. 55: 55 Till D/A-omandlare och ut på skärmens röda kanal 55: 55 Till D/A-omandlare och ut på skärmens gröna kanal 55: 55 Till D/A-omandlare och ut på skärmens blåa kanal
3 D kontinuerlig ouriertransorm p. 9 D ouriertransormen är separabel p. D ouriertransorm j xu y x, y Fu, x, ye dx dy D iners ouriertransorm 3.3 j xu y F u, x, y Fu, e du d 3. Den kan beräknas örst i ena ledden och sen i andra ledden: F j xu y u, x, y e, dx dy dy e jy jxu x, ye dx 3.3 F x, ouriertransorm i y - led Fouriertransormen a en reell unktion är hermitisk p. En bild med amplitudspektrum p. Realdelen är jämn och imaginärdelen är udda. F u, F u, Det går att isa på liknande sätt som ör D. F u, F u, Fu, F u, 3.7 Amplitudspektrum är symmetriskt i origo. se Fig. 3. Amplitudspektrum är spegelsymmetriskt De låga rekenserna dominerar Fig. 3.
4 Realdel och Imaginärdel a Fouriertransormen p. 3 Teorem och samband p. Formelsamlingen och tabell 3. isar teorem ör Douriertransorm, bl a skalnings-, altnings-, translations- och deriata-teoremet. teoremet Dessa är generaliseringar a Dteoremen. Notera också de D-unika teoremen ör generell skalning, rotation och Laplace. Generell skalning : a A a a a Realdelen är jämn Imaginärdelen är udda Fig. 3. Rotation inkeln cos sin sin cos : R 3.6 Transorm-par illustrerade i Teorem och samband Fig. 3. p. 5 D DFT p. 6 Separabla unktioner ger separabel ourier-transorm, se ormelsamlingen, tabell 3.3 och ekation (3.): x, y gx hy Fu, Gu H 3. Rotationssymmetriska transormpar i Tab. 3.: D F D N M D n m N M F D k, l j nk / N ml / M e k l j nk / N ml / M k, l n, me 3. MN n, m 3. Matlabkommando: FD=t(D) Notera dock att den symmetriska arianten, se ekation (3.) och (3.3), ota är att öredra i bild-sammanhang. Matlabkommando: FD=tshit(t(itshit(D)))
5 Teorem och samband Tabell 3. isar teorem ör D DFT. Notera att multiplikation i DFT-domänen motsarar cirkulär altning i spatialdomänen. (Mer om detta nästa öreläsning.) p. 7 D sampling a (x,y) Ingen ikningsdistorsion! p. 8 Fig. 3.3 D sampling a (x,y) Vikningsdistorsion! p. 9 p. Bilder med ouriertransorm. Fig. 3.5a Tillräcklig samplingsrekens. size: 56 size: 56 Fig. 3.
6 Bilder med ouriertransorm. Fig. 3.5b För låg samplingsrekens. p. p. Samband mellan samplad kontinuer- lig ouriertransorm och DFT Fig. 3.7 Eekten a ikningsdistorion som syns tydligt i bl a byxornas randning. Vikningsdistorisionen i i i syns äen i ourierdomänen som en ökad intensitet ör de högre rekenserna. size: size: x8 size: x8 8 size: 8 Relationen mellan kontinuerlig rekens u, och diskret rekens k,l är alltså u k N där N,M är 3.3 l M antalet sampelpunkter och är sampelaståndet. g g g D altning Kontinuerlig x y h x, y hx, y,, d d Linjär diskret p x y h x, y hx, y,, N M x, y h x, y hx, y, N Cirkulär diskret N g D linjär diskret altning x, y h x, y hx, y, Spegla h i x- och y-axeln = rotera 8 o. Glid med den speglade h öer. Multiplicera och summera öerlappande ärden. Detta ger g * = x, y x, y gx y h, p.
7 Beräkningsbörda id altning p. 5 Bildstorlek id D linjär diskret altning p. 6 Fig. 3.8 g 3... Fig Valid: Värden utanör inbilden anses odeinierade => Utbilden blir mindre än inbilden. Full: Värden utanör inbilden anses ara => Utbilden blir större än inbilden. Eller lika stor om de extra ärdena slängs (Same) 5 multiplikationer och 8 additioner per pixel! Hur beräknas D ouriertransormen a /? Byt t x, y, u,, T Sätt dirac-spikar (x,y)=(x)(y) på arje element i altningskärnan. Antag sampelastånd. Detta ger h x x x y/ Tag D kontinuerlig Fouriertransorm H ju ju u, e e / cosu / cos u p. 7 här Lågpassiltrerande altnings- kärna i x-led (u-led) cos u p. 8 y u x / Fig. 3.
8 här Lågpassiltrerande altnings- kärna i y-led (-led) cos p. 9 y u x / Fig. 3. p. 3 Lågpassiltrerande cos u cos altningskärna i här x- och y-led Dämpar höga rekenser (u- och -led) = /6 * / / Fig. 3. Mer lågpassiltrerande altningskärna i x- och y-led (u- och -led) = 66 6 /56 * /6 /6 cos p. 3 u cos här Fig. 3. Lågpassiltrering * p /56 Ex på enkel anändning: ) Den suddiga nummerplåten kan klistras in i Ex på enkel anändning: ) 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
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
Signaler, information & bilder, föreläsning 12
Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden,
Signal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal 1D: f(t) är en funktion f som beror av tiden t. För en digital bild gäller
Sinal- och Bildbehandlin ÖRELÄSNING 7 D sinalbehandlin (bildbehandlin) Den diitala bilden, ärtabeller D kontinuerli ouriertransorm och D DT D samplin D diskret altnin Låpassiltrerande D altninskärnor Teori:
Signaler, information & bilder, föreläsning 13
Signaler, inormation & bilder, öreläsning 3 Michael elsberg Computer Vision Laboratory epartment o Electrical Engineering michael.elsberg@liu.se Översikt signalbehandling (bildbehandling) en digitala bilden,
Signaler, information & bilder, föreläsning 13
Signaler, inormation & bilder, öreläsning 3 Michael Felsberg och Maria Magnusson Computer Vision Laboratory (atorseende) epartment o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se
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
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
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
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
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
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)
TATM79: Föreläsning 5 Trigonometri
TATM79: Föreläsning 5 Trigonometri Johan Thim augusti 016 1 Enhetscirkeln Definition. Enhetscirkeln är cirkeln med centrum i origo och radie ett. En punkt P = (a, b på enhetscirkeln uppfyller alltså a
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
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
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
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:
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
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
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)
Bildförbättring i frekvensdomänen (kap.4)
Bildörbättring i rekensdomänen kap.4 Föreläsning a Mer om iltrering Jämörelse med spatialdomänen Filterdesign Lågpassilter ögpassilter omomor iltrering Korrelation OBS!!! Alla bilder rån öreläsningen är
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,
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)
Parametriska kurvor: Parametriska ytor
Kror och ytor Eplicit form Implicit form Kror och ytor Parametrisk form Procerbaserade Polynom Catmll-Clark ekannan och dess datormotsarighet Martin Newell, 975. Gsta aén CID gstat@nada.kth.se Kbiska (grad
Försättsblad till skriftlig tentamen vid Linköpings universitet G35(18) TER4(12)
Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 218-1-24 Sal (2) G35(18) TER4(12) Tid 8-12 Kurskod TSBB31 Provkod TEN1 Kursnamn/benämning Provnamn/benämning Medicinska
Lösning till tentamen i Medicinska Bilder, TSBB31, DEL 1: Grundläggande 2D signalbehandling
Lösning till tentamen i Medicinska Bilder, TSBB31, 2014-01-10 Maria Magnusson (maria.magnusson@liu.se), Hans Knutsson, Mats Andersson, Gustaf Johansson DEL 1: Grundläggande 2D signalbehandling Uppgift
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
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,
'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ
'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ Nyckelord: Sampling, kvantisering, upplösning, geometriska operationer, fotometriska operationer, målning, filtrering 'LJLWDOUHSUHVHQWDWLRQR KODJULQJDYELOGHU En
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,
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
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)
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
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
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,
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
Lösning till tentamen i SF1633 Differentialekvationer I för BD, M och P, , kl
KTH Matematik Bengt Ek och Olle Stormark. Lösning till tentamen i SF633 Differentialekvationer I för BD, M och P, 008 0 6, kl. 4.00 9.00. Hjälpmedel: BETA. Uppgifterna 5 motsvarar kursens fem moduler.
TSBB31 Medicinska bilder Föreläsning 1
TSBB3 Medicinska bilder Föreläsnin Inormaion hp://www.cvl.isy.liu.se/educaion/underraduae/sbb3 Repeiion (och lie ny?) av D Fourierransorm Vikia sinaler (unkioner) Tolknin Teorem Eenskaper Linjär sysem
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
2. Strömförstärkare: Både insignal och utsignal är strömmar. Förstärkarens inresistans
1 Föreläsning 1, Ht 2 Hambley asnitt 11.11, 14.1 Fyra typer a förstärkare s 0 s i ut s in i A in ut L s in i G L in 0 Spänningsförstärkare Spänningströmförstärkare (transadmittansförst.) i in 0 i in i
Bildbehandling En introduktion. Mediasignaler
Bildbehandling En introdktion Mediasignaler Innehåll Grndläggande bildbehandling Foriertransformering Filtrering Spatialdomän Frekvensdomän Vad är bildbehandling? Förbättring Image enhancement Återställning
Rotation Rotation 187
6. Rotation 87 6.. Rotation Vi har tidigare i Exempel 6.5 isat hur man roterar rummets ektorer kring en axel parallell med en a basektorerna. Nu är i redo att besara frågan om hur man rider kring en godtycklig
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
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
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,
Spektrala Transformer för Media
Spektrala Transformer för Media Filtrering och transformer i 2D Linjär bildbehandling Principerna från -dimensionell signalbehandling kan appliceras även på 2D-signaler Tillämpningar: Bildförbättring (brusreducering)
TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer
TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer Johan Thim 0 januari 207 Introduktion En differentialekvation (DE) i en variabel är en ekvation som innehåller både
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,
Spektrala Transformer för Media
Spektrala Transformer för Media Filtrering och transformer i 2D DT2/3 Spektrala Transformer Jonas Beskow Linjär bildbehandling Principerna från -dimensionell signalbehandling kan appliceras även på 2D-signaler
10.2. Underrum Underrum 89
10.2 Underrum 89 10.2. Underrum Definition 10.12. En icke-tom delmängd U i ett linjärt rum V kallas ett underrum i V om för arje u, U och arje reellt tal λ gäller att 1. u + U. 2. λu U. Anmärkning 10.13.
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
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
5 Linjär algebra. 5.1 Addition av matriser 5 LINJÄR ALGEBRA
5 LINJÄR ALGEBRA 5 Linjär algebra En kul gren av matematiken som inte fått speciellt mycket utrymme i gymnasiet men som har många tillämpningsområden inom t.ex. fysik, logistik, ekonomi, samhällsplanering
4x 2 dx = [polynomdivision] 2x x + 1 dx. (sin 2 (x) ) 2. = cos 2 (x) ) 2. t = cos(x),
Lunds Tekniska Högskola Matematik Helsingborg Lösningar Analys, FMAA5 9-8-9. a) e sinx) cosx) dx e sinx) + C. b) 4x dx polynomdivision] x + x + x + dx x x + ] ln x + + ) ln) + ) ln) ln). c) Trigonometriska
Signal- och bildbehandling
1(9) Signal- och bildbehandling Programkurs 6 hp Signal and Image Processing TSBB14 Gäller från: 2018 VT Fastställd av Programnämnden för kemi, biologi och bioteknik, KB Fastställandedatum LINKÖPINGS UNIVERSITET
Vågfysik. Vilka typer av vågor finns det? Fortskridande vågor. Mekaniska vågor Elektromagnetiska vågor Materievågor
Vågysik Fortskridande ågor Knight, Kap. 0 Vilka typer a ågor inns det? Mekaniska ågor Elektromagnetiska ågor Materieågor 1 Vad är en åg? En ortskridande åg är en lokal störning som utbreder sig på ett
Basbyten och linjära avbildningar
Föreläsning 11, Linjär algebra IT VT2008 1 Basbyten och linjära avbildningar Innan vi fortsätter med egenvärden så ska vi titta på hur matrisen för en linjär avbildning beror på vilken bas vi använder.
SF1625 Envariabelanalys Lösningsförslag till tentamen
SF1625 Envariabelanalys Lösningsförslag till tentamen 216-6-1 1. Derivera nedanstående funktioner med avseende på x och ange för vilka x derivatan existerar. Endast svar krävs. A. f(x) = arctan 1 x B.
(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
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
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
= 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
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:
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,
Kontrollskrivning 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
Operationsförstärkare (OP-förstärkare) Kapitel , 8.5 (översiktligt), 15.5 (t.o.m. "The Schmitt Trigger )
Operationsförstärkare (OP-förstärkare) Kapitel 8.1-8.2, 8.5 (öersiktligt), 15.5 (t.o.m. "The Schmitt Trigger ) Förstärkare Förstärkare Ofta handlar det om att förstärka en spänning men kan äen ara en ström
MR-laboration: design av pulssekvenser
MR-laboration: design av pulssekvenser TSBB3 Medicinska Bilder Ansvarig lärare: Anders Eklund anders.eklund@liu.se Innehåll Uppgift Initialisering av k-space Koordinater i k-space Navigering i k-space
3. Analytiska funktioner.
33 Fysikens matematiska metoder : Studievecka 3. 3. Analytiska funktioner. Varför komplexa tal? Syfte : Att ur vissa funktioners uppträdande utanför reella axeln ( Nollställen poler m.m) kunna sluta sig
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
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
Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A
Institutionen för matematik SF1626 Flervariabelanalys Torsdag augusti 16, 2018 DEL A 1. Givet funktionen f(x, y) = ln(x 2 y 2 ). a) Bestäm definitionsmängden D för f. Rita även en bild av D. (2 p) b) Bestäm
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,
Exempelsamling :: Vektorintro V0.95
Exempelsamling :: Vektorintro V0.95 Mikael Forsberg :: 2 noember 2012 1. eräkna summan a ektorerna (1, 2) och (3, 1) mha geometrisk addition 2. Tå ektorer u = ( 2, 3) och adderas och blir ektorn w = (1,
MA2001 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
Dagens teman. Mängdlära forts. Relationer och funktioner (AEE 1.2-3, AMII K1.2) Definition av de naturliga talen, Peanos axiom.
Dagens teman Mängdlära orts. Relationer och unktioner (AEE 1.2-3, AMII K1.2) Deinition av de naturliga talen, Peanos axiom. Relationer och unktioner Relationer Generell deinition: En relation R på mängden
Histogramberäkning på en liten bild
Signal- och Bildbehandling FÖRELÄSNING Histogram och tröskelsättning Binär bildbehandling Morfologiska operationer Dilation (Expansion) och Erosion () och kombinationer Avståndskartor Mäta avstånd i bilder
Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1.
Institutionen för matematiska vetenskaper Chalmers tekniska högskola Niklas Eriksen Tentamen i tmv6c och tmv5c, Analys och linjär algebra C för K, Kf och Bt Lösningar 9--6. Lös initialvärdesproblemet x
FUKTÄNDRINGAR. Lars-Olof Nilsson. En kvalitativ metod att skriva fukthistoria och förutsäga fuktförändringar i oventilerade konstruktionsdelar
LUNDS EKNISKA HÖGSKOLA FUKCENRUM VID LUNDS UNIVERSIE Ad Byggnadsmaterial FUKÄNDRINGAR En kalitati metod att skria fukthistoria och förutsäga fuktförändringar i oentilerade konstruktionsdelar Kursmaterial
Luft. 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
Vektorer En vektor anger en riktning i rummet (eller planet) och en längd (belopp). Vektorer brukar ritas som pilar, Vektoraddition
Vektorer En ektor anger en riktning i rmmet (eller planet) och en längd (belopp). Vektorer brkar ritas som pilar, Vektoraddition Smman a tå ektorer och får i på följande is: lacera i pnkten och placera
Blandade 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
Tentamen i mekanik TFYA kl
TEKNISKA HÖGSKOLAN I LINKÖPING Institutionen ör Fysik, Kemi och Biologi Galia Pozina Tentamen i mekanik TFYA16 014-04- kl. 14-19 Tillåtna Hjälpmedel: Physics Handbook eller Teyma utan egna anteckningar,
Analys 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
Försättsblad till skriftlig tentamen vid Linköpings universitet R36 R37
Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen -- Sal () R R Tid - Kurskod TSBB Provkod TEN Kursnamn/benämning Provnamn/benämning Institution Antal uppgifter som ingår
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
Enzymkinetik. - En minskning i reaktantkoncentrationen per tidsenhet (v = - A/ t)
Enzymkinetik Hastigheten för en reaktion A P kan uttryckas som: - En minskning i reaktantkoncentrationen per tidsenhet ( - A/ t - En ökning i produktkoncentrationen per tidsenhet ( P/ t Detta innebär att
Chalmers tekniska högskola Datum: kl Telefonvakt: Christoffer Standard LMA515 Matematik KI, del B.
MATEMATIK Hjälpmedel: inga Chalmers tekniska högskola Datum: 343 kl. 8.3.3 Tentamen Telefonvakt: Christoffer Standard 73 88 34 LMA55 Matematik KI, del B Tentan rättas och bedöms anonymt. Skriv tentamenskoden
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)
Figur 5.1. En triangel där nedre högra hörnet har en rät vinkel (90 ).
STUDIEAVSNITT 5 TRIGONOMETRI I det här asnittet kommer i att studera hur man beräknar inklar och sträckor för gina figurer. Ordet trigonometri innebär läran om förhållandet mellan inklar och sträckor i
c d Z = och W = b a d c för några reella tal a, b, c och d. Vi har att a + c (b + d) b + d a + c ac bd ( ad bc)
1 Komplexa tal 11 De reella talen De reella talen skriver betecknas ofta med symbolen R Vi vill inte definiera de reella talen här, men vi noterar att för varje tal a och b har vi att a + b och att ab
Complex 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
Tentamen SF1626, Analys i flera variabler, Svar och lösningsförslag. 2. en punkt på randkurvan förutom hörnen, eller
Tentamen SF66, Analys i flera variabler, --8 Svar och lösningsförslag. Låt fx, y) = ye x y. Bestäm största och minsta värde till f på den slutna kvadraten med hörn i, ),, ),, ) och, ). Lösning. f är kontinuerlig
Moment 6.1, 6.2 Viktiga exempel Övningsuppgifter T6.1-T6.6
Moment 6., 6. Viktiga exempel 6.-6. Övningsuppgifter T6.-T6.6 Matriser Definition. En matris är ett schema med m rader och n kolonner eller kolumner, som vi kallar dem i datalogin innehållande m n element.
TANA17 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:
u(x) + xv(x) = 0 2u(x) + 3xv(x) = sin(x) xxx egentliga uppgifter xxx 1. Sök alla lösningar till den homogena differentialekvationen
Differentialekvationer I Modellsvar till räkneövning 6 Den frivilliga uppgiften U1 påminner om nyttiga kunskaper, och räknas inte för extrapoäng (fråga vid behov). U1. Lös funktionerna u(x) och v(x) från
Planering för Matematik kurs E
Planering för Matematik kurs E Läromedel: Holmström/Smedhamre, Matematik från A till E, kurs E Antal timmar: 60 (0 + 0) I nedanstående planeringsförslag tänker vi oss att E-kursen studeras på 60 klocktimmar.
Tentamen i Matematisk analys MVE045, Lösningsförslag
Tentamen i Matematisk analys MVE5 26-8-23 Lösningsförslag Kl. 8.3 2.3. Tillåtna hjälpmedel: Mathematics handbook for science and engineering (BE- TA) eller CRC Standard Mathematical Tables. Indexeringar
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
Komplexa tal. i 2 = 1, i 3 = i, i 4 = i 2 = 1, i 5 = i,...
Komplexa tal Vi inleder med att repetera hur man räknar med komplexa tal, till att börja med utan att bekymra oss om frågor som vad ett komplext tal är och hur vi kan veta att komplexa tal finns. Dessa
Repetition, Matematik 2 för lärare. Ï x + 2y - 3z = 1 Ô Ì 3x - y + 2z = a Ô Á. . Beräkna ABT. Beräkna (AB) T
Repetition, Matematik 2 för lärare Ï -2x + y + 2z = 3 1. Ange för alla reella a lösningsmängden till ekvationssystemet Ì ax + 2y + z = 1. Ó x + 3y - z = 4 2. Vad är villkoret på talet a för att ekvationssystemet