TSBB31 Medicinska bilder Föreläsning 3

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

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

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

Signaler, information & bilder, föreläsning 14

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

Signaler, information & bilder, föreläsning 15

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

7 Olika faltningkärnor. Omsampling. 2D Sampling.

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

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

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

Signal- och bildbehandling TSEA70

Facit till Signal- och bildbehandling TSBB

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

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

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

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

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

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70

TSBB31 Medicinska bilder Föreläsning 1

Signal- och bildbehandling TSBB03 och TSEA70

Signal- och bildbehandling TSBB14

7 MÖNSTERDETEKTERING

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB14

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

TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer

Signal- och bildbehandling TSBB14

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

Bildbehandling En introduktion. Mediasignaler

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

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

A dt = 5 2 da dt + A 100 =

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

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

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

Bildbehandling i frekvensdomänen. Erik Vidholm

Signal- och bildbehandling TSEA70

SF1625 Envariabelanalys Lösningsförslag till tentamen DEL A

Signal- och bildbehandling TSBB03, TSBB14

Signal- och bildbehandling TSBB03

MR-laboration: design av pulssekvenser

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

ÖVN 2 - DIFFERENTIALEKVATIONER OCH TRANSFORMMETODER - SF1683. Inofficiella mål

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.

Ansiktsigenkänning med MATLAB

Spektrala Transformer

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Tentamen i Matematisk analys MVE045, Lösningsförslag

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

Kontrollskrivning KS1T

Luft. film n. I 2 Luft

Blandade A-uppgifter Matematisk analys

TATA42: Föreläsning 9 Linjära differentialekvationer av ännu högre ordning

MA2001 Envariabelanalys 6 hp Mikael Hindgren Tisdagen den 9 januari Skrivtid:

ett uttryck för en våg som beskrivs av Jonesvektorn: 2

Signal- och bildbehandling TSEA70

Bildbehandling i spatialdomänen och frekvensdomänen

Explorativ övning 7 KOMPLEXA TAL

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

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

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

Lösningsförslag envariabelanalys

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

Complex numbers. William Sandqvist

Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A

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.

SF1625 Envariabelanalys Lösningsförslag till tentamen

Några saker att tänka på inför dugga 2

7 Extremvärden med bivillkor, obegränsade områden

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

1. För vilka värden på konstanterna a och b är de tre vektorerna (a,b,b), (b,a,b) och (b,b,a) linjärt beroende.

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

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

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

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

Signal- och bildbehandling TSBB14

Spektrala Transformer för Media

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

Bestäm ekvationen för det plan som går genom punkten (1,1, 2 ) på kurvan och som spänns

e = (e 1, e 2, e 3 ), kan en godtycklig linjär

6 2D signalbehandling. Diskret faltning.

= = i K = 0, K =

SF1626 Flervariabelanalys Tentamen Måndagen den 16 mars 2015

1. (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

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

Kursens Kortfrågor med Svar SF1602 Di. Int.

Bildregistrering Geometrisk anpassning av bilder

Komplexa tal: Begrepp och definitioner

y + 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

Dubbelintegraler och volymberäkning

Laboration 4: Digitala bilder

9.3. Egenvärdesproblem

Ulrik Söderström 20 Jan Signaler & Signalanalys

Transkript:

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 =67776 6,8 miljoner ärger. PET-bild av hjärna Psedo-ärgbild Äkta ärgbild gråskalebild

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: 55 55 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

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

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

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

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.

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. 5 3.8 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

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) 6 66 6 36 6 = 66 6 /56 * /6 /6 cos Du cos Dv D här ig. 3.

Lågpassiltrering 6 6 6 i spatialdomänen 6 36 * 6 6 6 6 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.