Signal- och bildbehandling TSEA70

Relevanta dokument
Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB03, TSBB14

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB03 och TSEA70

Signal- och bildbehandling TSBB14

Facit till Signal- och bildbehandling TSBB

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

Tentamen ssy080 Transformer, Signaler och System, D3

SF1635, Signaler och system I

SF1635, Signaler och system I

Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19

7 Olika faltningkärnor. Omsampling. 2D Sampling.

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

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

1. Vi har givet två impulssvar enligt nedan (pilen under sekvenserna indikerar den position där n=0) h 1 (n) = [ ]

Spektrala Transformer

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

SYSTEM. Tillämpad Fysik Och Elektronik 1 SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System.

RÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2

Tentamen ssy080 Transformer, Signaler och System, D3

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

Kryssproblem (redovisningsuppgifter).

i(t) C i(t) = dq(t) dt = C dy(t) dt y(t) + (4)

Signal- och bildbehandling TSBB14

7 MÖNSTERDETEKTERING

Laboration i tidsdiskreta system

Signaler, information & bilder, föreläsning 14

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

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

DT1120 Spektrala transformer för Media Tentamen

Försättsblad till skriftlig tentamen vid Linköpings Universitet

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

DT1130 Spektrala transformer Tentamen

6 2D signalbehandling. Diskret faltning.

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

7. Sampling och rekonstruktion av signaler

Kan vi beskriva ett system utan någon fysikalisk kännedom om systemet?

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

DT1130 Spektrala transformer Tentamen

DT1130 Spektrala transformer Tentamen

Signaler, information & bilder, föreläsning 14

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

Försättsblad till skriftlig tentamen vid Linköpings Universitet

TSDT15 Signaler och System

Tentamen i TSKS21 Signaler, information och bilder

Tentamen i ESS 010 Signaler och System E3 V-sektionen, 16 augusti 2005, kl

Laplace, Fourier och resten varför alla dessa transformer?

Tentamen i matematik. f(x) = ln(ln(x)),

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 15-18, 30/11-12/

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

Sammanfattning TSBB16

Försättsblad till skriftlig tentamen vid Linköpings universitet G33(1) TER4(63)

2 Ortogonala signaler. Fourierserier. Enkla filter.

DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn)

Övningsuppgifter. Digital Signal Processing. Övningar med svar och lösningar. Mikael Swartling Nedelko Grbic Bengt Mandersson. rev.

TIDSDISKRETA SYSTEM SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System. Tillämpad Fysik och Elektronik 1

Tentamen i Signaler och kommunikation, ETT080

Mälardalens högskola Akademin för utbildning, kultur och kommunikation

TSBB31 Medicinska bilder Föreläsning 3

Försättsblad till skriftlig tentamen vid Linköpings universitet KÅRA T1 T2 U2 U4

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

TSDT08 Signaler och System I Extra uppgifter

Spektrala Transformer

Kontrollskrivning KS1T

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

Signal- och bildbehandling TSBB14

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

Miniräknare och en valfri formelsamling i signalbehandling eller matematik. Allowed items: calculator, DSP and mathematical tables of formulas

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

DT1130 Spektrala transformer Tentamen

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

Omtentamen i DV & TDV

Försättsblad till skriftlig tentamen vid Linköpings universitet R36 R37

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

TENTAMEN I TSRT19 REGLERTEKNIK

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

Tentamen SSY040/041, del B Sensorer, Signaler och System, Z2

Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation

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

1. Rita följande tidssekvenser. 2. Givet tidssekvensen x n i nedanstående figur. Rita följande tidssekvenser.

Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik Lösningsförslag till del I

TSRT91 Reglerteknik: Föreläsning 5

Laplace, Fourier och resten varför alla dessa transformer?

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

Signaler, information & bilder, föreläsning 12

Reglerteknik AK, FRTF05

DT1120/DT1130 Spektrala transformer Tentamen

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

2F1120 Spektrala transformer för Media Tentamen

Spektrala Transformer Övningsmaterial

Impulssvaret Betecknas h(t) respektive h(n). Impulssvaret beskriver hur ett system reagerar

Transkript:

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 formelsamling och följande tabeller: Söderkvist: Formler och tabeller, Beta, Physics Handbook, TEFYMA Betygsskala: 25-35 poäng betyg 3 36-46 poäng betyg 4 47-60 poäng betyg 5 Betygslista: Anslås senast 29/8

OBS! Det kan vara ont om tid på tentan. Räkna i första hand de uppgifter ni känner er säkra på! 2

Tidsdiskret system (6p) Antag att ett tidsdiskret kausalt system ges av differensekvationen y[n]+0.8y[n ] = 2x[n]+x[n ]. a) Bestäm systemfunktionen H(z) =Y (z)/x(z). b) Bestäm systemets impulssvar h[n]. c) Bestäm impulssvaret till det kausala systemet G(z) =/H(z). d) Givet systemet G(z) applicera insignalen x[n] =2δ[n]+δ[n ] och bestäm utsignalen y[n]. 2 Sampling (6p) a) Signalen x(t) = cos(2π 0t) samplas med frekvensen f o =5Hz. Därefter rekonstrueras den samplade signalen med ett idealt LP-filter med gränsfrekvensen f g = f o /2. Vad blir utsignalen y(t)? Resonera och rita i fourierdomänen! (3p) x(t) sampling rekonstruktion y(t) fo fg = fo/2 f(x,y) sampling mha digitalkamera digital bild g[x,y] b) Svårare! Man kan ibland se ett liknande fenomen mha en video- eller digitalkamera. Antag att man fotograferar ett roterat cosinusmönster f(x, y) = R φ [ cos(2π0 +42 x) ], där rotationsvinkeln är φ = arctan(/4). Detta mönster samplas med digitalkameran med frekvensen f o =60i båda ledder. Den digitala bilden visas sedan på en bildskärm. Ge en formel för utbilden g[x, y]! Resonera och rita i 2D fourierdomänen! (3p) 3 Kontinuerlig faltning (8p) Bestäm faltningen y(t) =(h g)(t) där h(t) och g(t) illustreras av figuren nedan. h(t) 2 g(t) 2 t 3

a) Utför beräkningarna i signaldomänen. (5p) b) Utför beräkningarna i fourierdomänen. (3p) {, 2.5 t.5, Ledning : h(t) =Π(t +2)= 0, annars 4 Kontinuerliga och diskreta samband (p) Nedan visas en variant av Laplace-filtret. (Mittpunkten på filtret är utmärkt med en.) 0 0-4 0 0 a) Beräkna filtrets DFT genom att använda en 2D-variant av följande formel (2p) F DFT [k] = N/2 n= N/2 f[n] e j 2π N kn. b) Beräkna filtrets kontinuerliga Fouriertransform genom att använda en 2Dvariant av följande formel F (u) = f(x) e j2πux dx. Ledning: Detta går bra om man tänker sig att det sitter en Diracspik δ() på varje sampelpunkt. Sätt för enkelhetens skull sampelavståndet till. (2p) c) Med hjälp av resultaten från a) och b) skriv upp ett uttryck hur F DFT [k,k 2 ] förhåller sig till F (u, v) i diskreta punkter (k,k 2 ). (p) d) Vad är Fouriertransformen L(u, v) till den ideala laplacefunktionen l(x, y) = 2 + 2? (2p) x 2 y 2 e) Skissa ungefärligt hur F (u, 0) och L(u, 0) ser ut i intervallet 0.5 u 0.5. Beskriv dess likheter och skillnader. Vilket lågpassfiltrerar mest t ex? (3p) f) Försök hitta på en målande beskrivning av hur F (u, v) ser ut. Ledning: Jag ute efter ett ord av den typen vi har använt i kursen ibland såsom pillerpurk, låda, staket, skidbacke. (p) 4

5 Interpolation (8p) Se figur nedan. Den samplade bilden har samplingsavståndet. Därmed är ju bandbredden 0.5 <u,v<0.5. Bilden ska samplas upp en faktor 3. Då behöver man bland annat beräkna värdet på pixeln markerad med ett frågetecken. 3 5 2/3 4? 7 2 2/3 8 3 Se figuren nedan. Man kan välja olika omsamplingsfunktioner för detta ändamål. Beräkna pixelns värde om följande omsamplingsfunktioner används: a) Närmsta granne (c i figuren). (p) b) Linjär interpolation (d i figuren). (2p) c) Cubic spline interpolation (a i figuren) a(x) = (2p) { 2 x 3 3 x 2 +, x, 0, annars Spatial domain Fourier domain 0.5 a.. b 0.5 0 0 4 2 0 2 4 Spatial domain 2 0 2 Fourier domain 0.5 c.. d 0.5 0 0 4 2 0 2 4 2 0 2 Omsamplingsfunktionen b i figuren är en fönstrad sinc-funktion. De olika omsamplingsfunktionerna har olika egenskaper. Du ska nu rangordna b, c och d i fråga om: d) Ger mest lågpassfiltrering. (p) 5

e) Ger bäst resultat (minst distorsion). (p) f) Ger snabbast beräkningar.(p) 6 Diskreta 2D-filter (7p) Se figur nedan. Det gäller att f(x, y) är en bild och att a(x, y) =f(x, y) g a (x, y) och b(x, y) =f(x, y) g b (x, y). f(x,y) a(x,y) b(x,y) y x a) Hur många MULT, ADD och SUB per pixel krävs för att beräkna a(x, y) och b(x, y)? (p) b) Bestäm g a (x, y) och g b (x, y) genom att falta samman de små faltningskärnorna i figuren. (2p) c) Vad visar bilden a(x, y)? Ledning: Välj något av detta:?-derivatan i?-led,? av gradienten,?-passfiltrering och ersätt?-tecknet med något vettigt.(2p) d) Vad visar bilden a(x, y) 2 + b(x, y) 2? Ledning: Välj något av detta:?-derivatan i?-led,? av gradienten,?-passfiltrering och ersätt?-tecknet med något vettigt.(2p) 7 Binär bildbehandling (8p) Figurerna nedan beskriver hur man utgående från en böna med skaft (figur I) kan ta fram skelettet av skaftet (figur V) och därmed mäta dess längd. Rutor ska betraktas som pixlar med värde. Övriga pixlar har värde 0. Som hjälp har bönans ytterkontur ritats in punktstreckad i varje figur. 6

I) II) III) IV) V) a) Beskriv hur figur II kan erhållas ur figur I. (2p) b) Beskriv hur figur III erhålles. (2p) c) Beskriv hur figur IV erhålles. (2p) d) Beskriv hur figur V erhålles. (2p) I beskrivningarna ovan ska använda matchningskärnor/strukturelement anges. Välj bland A, B, C och D och roterade varianter nedan. Tänk på att pixelvis addition, subtraktion, multiplikation och invertering också är tillåtet. A: - 0-0 - - 0-0 - - 0 - - - B: - - - - 7

C: - 0 0 - - - 0 0 - - - - - 0 - - - 0 0 0 - - D: 8 Bevis med TB3 (6p) Matematikintresserade Tor-Björn Tretow, kallad TB3 pga sina initialer, har gjort följande halvfärdiga bevis. Det gäller att x(t) är en reell funktion och att en sådan alltid kan delas upp i en jämn och en udda komponent x(t) =x j (t)+x u (t). X(ω) = = + = x(t)e jωt dt = x j (t)cos(ωt)dt j x u (t)cos(ωt)dt j x j (t)cos(ωt)dt j Vad gäller för fouriertransformen av a) En godtycklig reell funktion? (2p) b) En jämn reell funktion? (2p) c) En udda reell funktion? (2p) x j (t)e jωt dt + x j (t)sin(ωt)dt x u (t)sin(ωt)dt x u (t)sin(ωt)dt x u (t)e jωt dt I svaren ska anges och bevisas om real- och imaginärdel är jämn, udda eller noll. Utgå från Torbjörns halvfärdiga bevis. 8