Signal- och Bildbehandling FÖRELÄSNING 7. En bild är en 2D signal. För en digital bild gäller. Fig. 2.1

Relevanta dokument
TSBB31 Medicinska bilder Föreläsning 3

Signaler, information & bilder, föreläsning 12

TSBB31. En bild är en 2D signal. Exempel på färginnehåll i bilder p. 4. För en digital bild gäller. vitt. Fig. 1.1

Signaler, information & bilder, föreläsning 13

Signaler, information & bilder, föreläsning 13

Signaler, information & bilder, föreläsning 14

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

Signaler, information & bilder, föreläsning 14

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

Signaler, information & bilder, föreläsning 15

Signal- och bildbehandling TSEA70

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

7 Olika faltningkärnor. Omsampling. 2D Sampling.

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

Signal- och bildbehandling TSEA70

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

Signal- och bildbehandling TSEA70

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.

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

7 MÖNSTERDETEKTERING

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

Facit till Signal- och bildbehandling TSBB

Signal- och bildbehandling TSBB14

Försättsblad till skriftlig tentamen vid Linköpings universitet TER1(17) TERE(1)

6 2D signalbehandling. Diskret faltning.

Bildbehandling i frekvensdomänen. Erik Vidholm

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

Signal- och bildbehandling TSBB03 och TSEA70

Bildbehandling En introduktion. Mediasignaler

Signal- och bildbehandling TSBB14

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

Signal- och bildbehandling TSBB03

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

FÖRELÄSNING 13: Analoga o p. 1 Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga p. 2 filter = tidskontinuerliga filter

Signal- och bildbehandling TSEA70

TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer

Signal- och bildbehandling TSBB03

Dagens teman. Mängdlära forts. Relationer och funktioner (AEE 1.2-3, AMII K1.2) Definition av de naturliga talen, Peanos axiom.

Signal- och bildbehandling TSBB14

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler

4x 2 dx = [polynomdivision] 2x x + 1 dx. (sin 2 (x) ) 2. = cos 2 (x) ) 2. t = cos(x),

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Analys o Linjär algebra. Lektion 7.. p.1/65

Signal- och bildbehandling TSEA70

A dt = 5 2 da dt + A 100 =

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

Försättsblad till skriftlig tentamen vid Linköpings universitet G35(18) TER4(12)

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

TANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 9 november 2015 Sida 1 / 28

Kontrollskrivning KS1T

Tentamen i Matematisk analys MVE045, Lösningsförslag

(x + 1) dxdy där D är det ändliga område som begränsas av kurvorna

x 2 = lim x 2 x 2 x 2 x 2 x x+2 (x + 3)(x + x + 2) = lim x 2 (x + 1)

SF1625 Envariabelanalys Lösningsförslag till tentamen

Signal- och bildbehandling TSBB03, TSBB14

Spektrala Transformer

Formelsamling. i kursen Medicinska Bilder, TSBB31. 1D och 2D Fouriertransformer, samt några formler för CT, SPECT, mm

Complex numbers. William Sandqvist

Explorativ övning 7 KOMPLEXA TAL

Luft. film n. I 2 Luft

Ansiktsigenkänning med MATLAB

HF0021 TEN2. Program: Strömberg. Examinator: Datum: Tid: :15-12:15. , linjal, gradskiva. Lycka till! Poäng

ÖVN 2 - DIFFERENTIALEKVATIONER OCH TRANSFORMMETODER - SF1683. Inofficiella mål

Spektrala Transformer för Media

ett uttryck för en våg som beskrivs av Jonesvektorn: 2

Spektrala Transformer för Media

= e 2x. Integrering ger ye 2x = e 2x /2 + C, vilket kan skrivas y = 1/2 + Ce 2x. Här är C en godtycklig konstant.

DT1120 Spektrala transformer för Media Tentamen

TSBB31 Medicinska bilder Föreläsning 1

Blandade A-uppgifter Matematisk analys

Kompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter Laura Enflo & Giampiero Salvi

TATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning

Lösning till tentamen i SF1633 Differentialekvationer I för BD, M och P, , kl

2320 a. Svar: C = 25. Svar: C = 90

Föreläsningen ger en introduktion till differentialekvationer och behandlar stoff från delkapitel 18.1, 18.3 och 7.9 i Adams. 18.

En bijektion mellan två mängder A och B som har ändligt antal element kan finnas endast om mängderna har samma antal element.

Signal- och bildbehandling

Namn Klass Personnummer (ej fyra sista)

Bildbehandling i spatialdomänen och frekvensdomänen

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)

TEM Projekt Transformmetoder

Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A

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

MR-laboration: design av pulssekvenser

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

Signal- och bildbehandling TSBB03

Material till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning

Komplexa tal: Begrepp och definitioner

Chalmers tekniska högskola Datum: kl Telefonvakt: Christoffer Standard LMA515 Matematik KI, del B.

u(x) + xv(x) = 0 2u(x) + 3xv(x) = sin(x) xxx egentliga uppgifter xxx 1. Sök alla lösningar till den homogena differentialekvationen

Planering för Matematik kurs E

9.3. Egenvärdesproblem

Bildbehandling, del 1

7 Extremvärden med bivillkor, obegränsade områden

i utvecklingen av (( x + x ) n för n =1,2,3º. = 0 där n = 1,2,3,

Övningshäfte 2: Komplexa tal

Tentamen SF1626, Analys i flera variabler, Svar och lösningsförslag. 2. en punkt på randkurvan förutom hörnen, eller

SF1625 Envariabelanalys

Moment 6.1, 6.2 Viktiga exempel Övningsuppgifter T6.1-T6.6

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

Transkript:

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 Teori: Kap., 3.-3.8, 3., bara här 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) x, y sinx y x, y svart x, y vitt Fig.. p. Maria Magnusson, Datorseende, Inst. ör Systemteknik, Linköpings Universitet För en digital bild gäller En digital bild är en samplad D-unktion. Samplen kallas pixlar (picture elements). Antalet pixlar = bildens storlek. En vanlig storlek: 5x5= 8 =.5 Mpixel. Ibland 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 =67776 6,8 miljoner ärger. p. 3 Exempel på ärginnehåll i bilder gråskalebild PET-bild av hjärna Psedo-ärgbild Äkta ärgbild p.

p. 5 p. 6 Exempel på en digital bild zoom Bildstorlek: 7x pixlar Vanlig gråskaleärgtabell Pixelvärde (x,y) Linjär : : : R G B 56 ärger D/A-omvandlare: omvandlar ett digitalt värde till ett analogt värde i orm av en elektrisk signal 55: 55 55 55 och ut på skärmen I denna kursen jobbar vi mest med gråskaleärgtabellen. Pseudo-ärgtabell 56 ärger p. 7 Äkta ärgtabell Pixelvärde [ r (x,y), g (x,y), b (x,y)] p. 8 Över 6 miljoner ärger Pixelvärde (x,y) godtycklig : : : 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 : : : R Linjär : : : G Linjär : : : 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

D kontinuerlig ouriertransorm D ouriertransorm j xu yv x, y F v x, ye dx dy D invers ouriertransorm 3.3 j xu yv F v x, y F ve du dv p. 9 3. D ouriertransormen är separabel Den kan beräknas örst i ena ledden och sen i andra ledden: F j xu yv v x, ye F dx dy jyv jxu x, ye dy e dx 3.3 x, ouriertransorm i y - led v p. Fouriertransormen av en reell unktion är hermitisk * F v F v 3.7 F v F v Jämn unktion Re F Im F arg F v Re F v v Im F v v arg F v se Fig. 3. Hermitisk unktion Jämn unktion Udda unktion Udda unktion p. p. Bevis: D ouriertransormen av en reell unktion är hermitisk

En bild med amplitudspektrum p. 3 Realdel och Imaginärdel av Fouriertransormen p. Amplitudspektrum är spegelsymmetriskt (jämnt) De låga rekvenserna dominerar Fasspektrum är udda (se kompendiet) Fig. 3. Realdelen är jämn Imaginärdelen är udda Fig. 3. Teorem och samband Formelsamlingen och tabell 3. visar teorem ör Douriertransorm, bl a skalnings-, altnings-, translations- och derivata-teoremet. Dessa är generaliseringar av D-teoremen. Notera också de D-unika teoremen ör generell skalning, rotation och Laplace. Generell skalning : Rotation vinkeln : a A a a a cos R sin sin cos 3.6 p. 5 Teorem och samband Separabla unktioner ger separabel ourier-transorm, se ormelsamlingen, tabell 3.3 och ekvation (3.): Rotationssymmetriska transormpar i Tab. 3.: Transorm-par illustrerade i Fig. 3. p. 6 x, y gx hy F v Gu H v 3.

p. 8 Exempel) Beräkning av D ouriertransorm öva på Lektion! D DFT N M FD k, l D n, m e j nk / N ml / M D n, m p. 9 Teorem och samband Tabell 3. visar teorem ör D DFT. Notera att multiplikation i DFT-domänen motsvarar cirkulär altning i spatialdomänen. n m N M MN k l D j nk / N ml / M 3.9 Matlabkommando: FD=t(D) Notera dock att den symmetriska varianten, se ekvation (3.) och (3.), ota är att öredra i bild-sammanhang. Matlabkommando: FD=tshit(t(itshit(D))) D sampling av (x,y) F k, l e 3.8 Ingen vikningsdistorsion! Fig. 3.3 p.

p. Bilder med ouriertransorm. Tillräckligt hög samplingsrekvens. p. p. 3 Samband mellan samplad kontinuerlig ouriertransorm och DFT Fig. 3.5a D sampling av (x,y) Vikningsdistorsion! Fig. 3. Bilder med ouriertransorm. För låg samplingsrekvens. p. 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 Fig. 3.5b Relationen mellan kontinuerlig rekvens v och diskret rekvens k,l står i (3.3). Det gäller att N,M är antalet sampelpunkter och D är sampelavståndet. u k ND 3.3 v l MD Fig. 3.7

g g g D altning x y h x, y hx, y,, d d Kontinuerlig Linjär diskret 3.5 x y h x, y hx, y,, Cirkulär diskret N M 3.7 x, y h x, y hx, y, N N 3.8 p. 5 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 över. Multiplicera och summera överlappande värden. Detta ger g. - - - - * = - - - - - x, y x, y gx y h, öva på Lektion! p. 6 Beräkningsbörda vid altning p. 7 Bildstorlek vid D linjär diskret altning Valid: Värden utanör inbilden anses odeinierade => Utbilden blir mindre än inbilden. Full: Värden utanör inbilden anses vara => Utbilden blir större än inbilden. Eller lika stor om de extra värdena slängs (Same) p. 8 g 3 3 3... 3... 33 Fig. 3. Fig. 3.8 5 multiplikationer och 8 additioner per pixel!

Hur beräknas D ouriertransormen av? h H Byt t x, y, v, Sätt dirac-spikar d(x,y)=d(x)d(y) på varje element i altningskärnan. Antag sampelavstånd D. Detta ger: x d x D d x d x Dd y Tag D kontinuerlig Fouriertransorm jdu j Du v e e v.5cos / T D Du.5 cos Du öva på Lektion! / y D p. 9 x Hur beräknas D DFT:n av? Här är altningskärnan som [n,m]: Sätt in [n,m] i DFT-ormeln (ormelsamlingen): F j nk / N ml / M k, l n, me e j... e.5cos N / n N / m N / k N l M j k N l M j / M / k N l M e / m k / N.5 cos k / N n öva på Lektion!... p. 3 Lågpassiltrerande altningskärna i x-led (u-led) cos Du D här p. 3 Lågpassiltrerande altningskärna i y-led (v-led) cos Dv D här y p. 3 y v x / u v x / u Fig. 3. Fig. 3.

Lågpassiltrerande altningskärna i x- och y-led (u- och v-led) = /6 * / / cos Du cos Dv D här Dämpar höga rekvenser p. 33 Fig. 3. Mer lågpassiltrerande altningskärna i x- och y-led (u- och v-led) cos Du cos Dv 6 66 6 36 6 = 66 6 /56 * /6 D här /6 p. 3 Fig. 3. Lågpassiltrering Jämör med Fig. 3.3 * 6 6 6 6 36 6 6 6 6 p. 35 /56 Lågpassiltrering i Fourierdomänen Jm Fig. 3.3 p. 36 Kan t ex användas så här: ) Den suddiga nummerplåten kan klistras in i den skarpa bilden. ) Om det hade unnits ointressanta detaljer i bakgrunden skulle de kunna suddats ut.