Signaler, information & bilder, föreläsning 14

Relevanta dokument
Signaler, information & bilder, föreläsning 14

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

Signaler, information & bilder, föreläsning 15

Signaler, information & bilder, föreläsning 12

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

7 Olika faltningkärnor. Omsampling. 2D Sampling.

TSBB31 Medicinska bilder Föreläsning 3

Signaler, information & bilder, föreläsning 13

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

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

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSEA70

Spektrala Transformer för Media

Spektrala Transformer för Media

Signal- och bildbehandling TSBB03

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

Signal- och bildbehandling TSBB03 och TSEA70

Signal- och bildbehandling TSBB14

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

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

Signal- och bildbehandling TSEA70

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

Signal- och bildbehandling TSBB14

Signaler, information & bilder, föreläsning 15

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSEA70

Bildbehandling, del 1

Spektrala Transformer

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

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

Signal- och bildbehandling

Bildförbättring i frekvensdomänen (kap.4)

Spektrala Transformer

Spektrala Transformer

Signal- och bildbehandling TSEA70

Försättsblad till skriftlig tentamen vid Linköpings Universitet

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

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

7 MÖNSTERDETEKTERING

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

Bildbehandling i frekvensdomänen. Erik Vidholm

Signal- och bildbehandling TSBB03

Försättsblad till skriftlig tentamen vid Linköpings universitet G34

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

Signal- och bildbehandling TSBB14

Bildbehandling En introduktion. Mediasignaler

Facit till Signal- och bildbehandling TSBB

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

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

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

Signal- och bildbehandling TSBB03, TSBB14

TSBB16 Datorövning A Samplade signaler Faltning

Försättsblad till skriftlig tentamen vid Linköpings universitet R36 R37

MASKINDIAGNOSTIK. Rullningslager = 2. Φ d α, diameter mellan rullkontaktpunkterna z st. rullkroppar. Φ D m. ω RH. Φ d α. ω I

Flervariabelanalys, inriktning bildbehandling, datorövning 3

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

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

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

Bildbehandling i spatialdomänen och frekvensdomänen

Laboration 1. Grafisk teknik (TNM059) Introduktion till Matlab. R. Lenz och S. Gooran (VT2007)

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

Laplace, Fourier och resten varför alla dessa transformer?

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

Innehåll. Innehåll. sida i

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Laplace, Fourier och resten varför alla dessa transformer?

EXEMPEL 1: ARTVARIATION FÖRELÄSNING 1. EEG frekvensanalys EXEMPEL 2: EEG

Signal- och bildbehandling TSBB14

Sammanfattning TSBB16

LUNDS TEKNISKA HÖGSKOLA Institutionen för Elektro- och Informationsteknik

Bildbehandling i frekvensdomänen

Det första du behöver göra är att ta reda på vilken storlek bilden har. Öppna en bild i Photoshop. Välj Bild; Bildstorlek i övre menyn

Lab 1: Operationer på gråskalebilder

6 2D signalbehandling. Diskret faltning.

Försättsblad till skriftlig tentamen vid Linköpings Universitet

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

TSBB31 Medicinska bilder Föreläsning 1

FREKVENSSPEKTRUM TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1

Bildregistrering Geometrisk anpassning av bilder

Signal- och bildbehandling TSEA70

TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering

Laboration i Fourieroptik

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

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

DT1130 Spektrala transformer Tentamen

2F1120 Spektrala transformer för Media Tentamen

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

SF1635, Signaler och system I

Tentamen ssy080 Transformer, Signaler och System, D3

Matematiska Institutionen L osningar till v arens lektionsproblem. Uppgifter till lektion 9:

Tentamen i TSKS21 Signaler, information och bilder

ARCUSFUNKTIONER. 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

Signal- och bildbehandling TSBB14

arcsin(x) udda ( x) varken udda eller jämn alla reella tal ( 0, ) 1. y=a 1 x udda/jämn Värdemängd derivatan Definitionsmängd Arcusfunktioner

Laboration i Fourieroptik

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

Interpolation. 8 december 2014 Sida 1 / 20

SF1625 Envariabelanalys Lösningsförslag till tentamen

Transkript:

Signaler, inormation & bilder, öreläsning Michael Felsberg Computer Vision Laborator Department o Electrical Engineering michael.elsberg@liu.se Översikt D signalbehandling (bildbehandling) orts. Faltningskärnor Deriverande Högpassiltrerade Omsampling Generell / translation Förstoring (uppsampling) Förminskning (nedsampling) Rotation Teori: Kap. 3.7, 3.8, 3.9, 3., Snonmer Faltningskärna Filterkärna Filter Operator Kärna Bgger på Maria Magnussons öreläsningar Lågpassiltrering Jämör med Fig. 3.3 * 6 66 6 36 6 66 6 /56 Lågpassiltrering i Fourierdomänen Jm Fig. 3.3

Filtrering via multiplikation i DFTdomänen ger cirkulär altning kan örberäknas Sker via multiplikation i ourierdomänen. Utbilden blir lika stor som inbilden. D cirkulär altning g D N h D där N noterar modulo periodiskt N m g D n hd m nn.59 n cirkulär altning och N betecknar N operation, dvs hd kan uppattas som upprepad eller cirkulär h n h N n. g h m G k H k Det gäller : DFT D N D D D Bevis inns i kompendiet ör den intresserade. D D Pthon : signal.tconvolve() Fig. 3.9 D cirkulär altning Motivering i spatialdomänen att är en deriveringsoperator - / * * Från gmnasiet: Faltning, g=d*: = = Alltså: För att cirkulär altning ska ge samma resultat som vanlig linjär altning kan zero-padding behövas. g samma!

Derivering kan ses som altning med en deriveringsoperator Antag att ouriertransormen av Fu ju Fu ju Fu ju Fouriertransormen av en deriveringsoperator är en rät linje! är F u, dvs En altningskärna vars ouriertransorm liknar en rät linje i ourierdomänen kan användas som deriveringsoperator! Motivering i ourierdomänen att är en deriveringsoperator - / Sätta dirac-impulser på varje element i altningskärnan med sampelavstånd h / Tag kontinuerlig Fouriertransorm H ju ju u e e v / j sin u / ju då u Den liknar en rät linje ör låga rekvenser. Den beräknar derivatan bra ör låga rekvenser och dämpar höga rekvenser. Deriverande (och lågpassiltrerande) altningskärna i -led (u-led) j sin u här /, Fig. 3.7 Deriverande (och lågpassiltrerande) altningskärna i -led (v-led) j sin v här /, Fig. 3.7 - / v centrala -dierenser u - / centrala -dierenser v u 3

Deriverande altningskärna i -led (u-led) med lågpass-eekt i båda ledder Deriverande altningskärna i -led (v-led) med lågpass-eekt i båda ledder Sobel- - - = - /8 - * / u cos v j sin här /, / Fig. 3.7 Sobel- = - - - /8 * / v cos u j sin här /, - / Fig. 3.7 Deriverande altning alta med - - - /8, Beloppet av gradienten tar ram kanter i bilden Inbild Beloppet av gradienten, gråskale ärgtabell - bipolär : ärgtabell: svart 7-8 blå grå vit 55 vit 7 röd - - - /8,,,,,,,,

-8=svart 7=vitt =svart 55=vitt Derivering och kantdetektering :original Jm Fig. 3.8 Rotationsinvarians Det är önskvärt att ett derivata-ilter-par är rotationsinvariant. Då kommer kantstrkan, absolutbeloppet av gradienten, inte bero av kantens rotationsläge.,,, Med centrala dierenser Med Sobelparet Färgtabell: Vit = Svart = positivt värde Olika derivata-ilter - / Linjär diskret altning då centrum är mellan pilarna - 6-6 /8 - / Ett ilter med centrum mellan pilarna Fig. 3.5 - * = - / / / - - * = / / / basilter (Haar wavelets) 5

Ett idealt Laplace-ilter beräknar :aderivatan i - och -led Laplaceoperatorn: Fouriertransorm:, u v,, u v är ett kratigt högpassilter i - och - led Faltningskärna som approimerar det ideala Laplace-iltret ju ju,, / : e e / cos v / sin u /, - = / - / + - / sin u sin v Fig. 3.9 - multiplicerat på det approimativa Laplace-iltret ger ett högpassilter E) användning av Laplace, negativ: Erhåll en bild med tdligare detaljer Spatialdomän Fourierdomän - - - = - / - - / Laplace, negativ + - - / Fig. 3.9 Fig. 3. 6

Bildstorlek: N N np.t.tshit( np.t.it( np.t.itshit())) Fig..6 Uppsampling, ideal Generell omsampling, princip Omsampling består av... ) Faltning med en interpolations-unktion på den samplade signalen ger en kontinuerlig signal. ) Sampling av den kontinuerliga signalen. Fig.. Sådana här distorsioner har t e Satellitbilder Vissa mikroskop Vissa röntgenbildörstärkare Vidvinkelkamerabilder Fig.. I verkligheten beräknas den kontinuerliga unktionen endast i den omsamplade signalens samplingspunkter. Ideal uppsampling Bildstorlek: N N Vilken interpolationsunktion motsvarar denna metod? np.t.tshit( np.t.t( np.t.itshit())) Nollpadda 7

Fig..7 Fourier transormen av linjära och närmsta granne interpolationsunktionerna sinc u Fouriertransormen av sinc sinc u Fouriertransormen av sinc Ger lågpassiltering Kan ge vikningsdistorsion eter omsampling Interpolationsunktioner Närmsta granne interpolation Linjär interpolation Trunkerad sinc interpolation Sinc interpolation bättre snabbare Men cubic spline interpolation kan vara både snabbare och bättre än trunkerad sinc interpolation! (Linjär) Interpolation Sätt =. Fltta interpolationsunktionen till den intressanta positionen. Interpolationsunktioner är jämna => betrakta bara avstånd värde.5.75.5.75.5.5.875 Fig..5 D bilinjär interpolation, Basta på,,,,, e e,,, e e, e e, e e, e e 8

Nedsampling + interpolations. Nedsampling m. olika interpolationskn. D uppsampling en aktor Nedsampling, ideal Original Närmsta granne interpolation Bilinjär interpolation Bicubic 6 spline interpolation Fig..8 Fig..3 original original Eter slarvig nedsampling Fig..-.5 Snabb radiell sinus + långsam radiell sinus Bicubic interpolation Bilinjär interpolation Fig.. 9

ekvivalent med att kasta bort varannan piel Nedsampling, k=, närmsta granne Bildstorlek: 566 Bildstorlek: 83 Nedsampling, k=, bilinjär interpolation / Bildstorlek: 83 bredd = k = pilar Detta är ekvivalent med: /6 / / dvs lågpassiltrering, öljt av att kasta bort varannan piel Eekter av vikningsdistorsion Vikningsdistorsionen nästan borta Rotation av en bild cos R sin sin cos Inbild Utbild R Fig.. metoder att rotera: Här bara no För alla i inbilden. Beräkna R i utbilden R: värdet i. värdet För alla i utbilden Beräkna R inbilden sprids ut i utbilden i inbilden : R R måste interpoleras ram i inbilden Forward mapping Inverse mapping

Rotation enligt metod Observera! Inbilden och utbilden är överlagrade. Rotation i närbild R värdet R måste interpoleras ram i inbilden ' R ' Fig.. Inbild öre rotation Utbild eter rotation Rotation med bilinjär interpolation Varör blir apan suddigare eter rotationerna? Rotation 3 o Rotation -3 o Slutsatser ör omsampling samt rotation Den ideala interpolationsunktionen är en sinc som motsvarar en rektangelunktion i Fourierdomänen. Vid uppsampling och rotation ska rektangelunktionen gå till vid bandgränsen. Vid nedsampling med k ska rektangel-unktionen gå till vid bandgränsen/k. Den korresponderade interpolationsunktionen blir k gånger bredare. Interpolations-unktionen utör lågpassiltrering annars år man vikningsdistorsion. Triangelunktionen (linjär interpolation): Dess bredd = bredden på sincens huvudlob. Uppsampling: bredden på triangelunktionen pilar Nedsampling: bredden på triangelunktionen k pilar