Signal- och bildbehandling TSBB14

Relevanta dokument
Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB03, TSBB14

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB14

FÖRELÄSNING 13: Tidsdiskreta system. Kausalitet. Stabilitet. Egenskaper hos ett linjärt, tidsinvariant system (LTI)

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14

Liten formelsamling Speciella funktioner. Faltning. Institutionen för matematik KTH För Kursen 5B1209/5B1215:2. Språngfunktionen (Heavisides funktion)

Signal- och bildbehandling TSEA70

Datorlaborationer i matematiska metoder E2, fk, del B (TMA980), ht05

Signal- och bildbehandling TSEA70

Facit till Signal- och bildbehandling TSBB

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB03 och TSEA70

Signal- och bildbehandling TSEA70

Laboration 3: Växelström och komponenter

Laboration D158. Sekvenskretsar. Namn: Datum: Kurs:

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70

FREDAGEN DEN 21 AUGUSTI 2015, KL Ansvarig lärare: Helene Lidestam, tfn Salarna besöks ca kl 15.30

TENTAMEN Datum: 12 mars 07. Kurs: MATEMATIK OCH MATEMATISK STATISTIK 6H3000, 6L3000, 6A2111 TEN 2 (Matematisk statistik )

2 Laboration 2. Positionsmätning

Reglerteknik AK, FRT010

TENTAMENSSKRIVNING ENDIMENSIONELL ANALYS DELKURS B2/A , arctan x x 2 +1

Lösningar till Matematisk analys IV,

Differentialekvationssystem

LINJÄRA DIFFERENTIALEKVATIONER AV FÖRSTA ORDNINGEN

TENTAMEN HF1006 och HF1008

Funktionen som inte är en funktion

Laboration D182. ELEKTRONIK Digitalteknik. Sekvenskretsar. UMEÅ UNIVERSITET Tillämpad fysik och elektronik Digitalteknik Ola Ågren v 4.

Lektion 4 Lagerstyrning (LS) Rev NM

Genom att uttrycka y-koordinaten i x ser vi att kurvan är funktionsgrafen till y = x 2. Lektion 2, Flervariabelanalys den 19 januari 2000

9. Diskreta fouriertransformen (DFT)

TISDAGEN DEN 20 AUGUSTI 2013, KL Ansvarig lärare: Helene Lidestam, tfn Salarna besöks ca kl 9

Om antal anpassningsbara parametrar i Murry Salbys ekvation

AMatematiska institutionen avd matematisk statistik

Spektrala Transformer

( ) ( θ( n) 1. Ett kausalt tidskontinuerligt filter F har tillståndsekvationen

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

= (x, y) : x 2 +y 2 4, x 0, y (4r2 +1) 3 2

AMatematiska institutionen avd matematisk statistik

På föreläsningen går jag relativt snabbt igenom grunderna fourierserieutveckling av periodiska signaler, bild 2 7.

Institutionen för tillämpad mekanik, Chalmers tekniska högskola TENTAMEN I HÅLLFASTHETSLÄRA KF OCH F MHA AUGUSTI 2017

6 2D signalbehandling. Diskret faltning.

Demodulering av digitalt modulerade signaler

SIGNALER TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1

Tentamen ssy080 Transformer, Signaler och System, D3

7 Olika faltningkärnor. Omsampling. 2D Sampling.

Följande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:

2 Ortogonala signaler. Fourierserier. Enkla filter.

7. Fouriertransformen

Laplacetransformen. Från F till L. Den odiskutabla populäriteten hos Fourierintegralen. f HtL - w t t, w œ R (1)

{ } = F(s). Efter lång tid blir hastigheten lika med mg. SVAR: Föremålets hastighet efter lång tid är mg. Modul 2. y 1

TSBB31 Medicinska bilder Föreläsning 1

Ekvationen (ekv1) kan bl. annat beskriva värmeledningen i en tunn stav där u( x, betecknar temperaturen i punkten x vid tiden t.

System, Insignal & Utsignal

System, Insignal & Utsignal

Mät upp- och urladdning av kondensatorer

Om exponentialfunktioner och logaritmer

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

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

Följande uttryck används ofta i olika problem som leder till differentialekvationer: Formell beskrivning

Tentamensskrivning i Matematik IV, 5B1210.

7. Sampling och rekonstruktion av signaler

DIGITALTEKNIK. Laboration D171. Grindar och vippor

DT1130 Spektrala transformer Tentamen

KURVOR OCH PÅ PARAMETERFORM KURVOR I R 3. P(t)=(x(t),y(t),z(t)) T=(x (t),y (t),z (t)) r(t)=(x(t),y(t),z(t))

Följande uttryck används ofta i olika problem som leder till differentialekvationer: A=kB. A= k (för ett tal k)

Föreläsning 8. Kap 7,1 7,2

Repetitionsuppgifter

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

Diskussion om rörelse på banan (ändras hastigheten, behövs någon kraft för att upprätthålla hastigheten, spelar massan på skytteln någon roll?

Truckar och trafik farligt för förare

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

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

Om de trigonometriska funktionerna

DT1130 Spektrala transformer Tentamen

a) Beräkna arean av triangeln ABC då A= ( 3,2,2), B=(4,3,3) och C=( 5,4,3).

DT1120/DT1130 Spektrala transformer Tentamen

MATEMATIKPROV, LÅNG LÄROKURS BESKRIVNING AV GODA SVAR

Bandpassfilter inte så tydligt, skriv istället:

Tentamen TEN1, HF1012, 16 aug Matematisk statistik Kurskod HF1012 Skrivtid: 8:15-12:15 Lärare och examinator : Armin Halilovic

Ansökan till den svenskspråkiga ämneslärarutbildningen för studerande vid Helsingfors universitet. Våren 2015

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

Tentamen ssy080 Transformer, Signaler och System, D3

System med variabel massa

Laborationstillfälle 4 Numerisk lösning av ODE

Föreläsning 19: Fria svängningar I

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

Inbyggd radio-styrenhet 1-10 V Bruksanvisning

Om exponentialfunktioner och logaritmer

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

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

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

Spektrala Transformer för Media

Transkript:

Tenamen i Signal- och bildbehandling TSBB14 Tid: 29-6-3 kl. 8-12 Lokal: R41 och U15 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9. och 1.45 el 73-84 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film, sax och följande abeller: Svärdsröm: Appendix ill Signaler och sysem, Söderkvis: Formler och abeller, Bea, Physics Handbook Beygsskala: 25-35 poäng beyg 3 36-46 poäng beyg 4 47-6 poäng beyg 5 Beygslisa: Anslås senas 17/6 1

Ledning: Jag hoppas a de ine är on om id på enan, men jag är ine säker. Räkna därför de uppgifer ni känner er säkra på förs! Lycka ill! 2

1 Koninuerlig falning (8p) a) Besäm falningen [h g]() = där h() och g() ges av figuren nedan. (6p) h( λ) g(λ) dλ, h() 1 1 g() 1 1 b) Vilken regel är de som gäller mellan bredderna på ingångsfunkionerna h() och g() och resulafunkionen [h g]()? Sämmer denna regel för di resula i a)-uppgifen? (2p) 2 Omsampling och diskrea falningskärnor (8p) En bild ska förminskas med fakorn 2 i båda ledder. Dea görs i vå eapper, förs rad för rad och sedan kolumn för kolumn. Figuren nedan visas hur en rad behandlas. Cenrum på falningkärnan är markera med en jockare ram. släng varanna värde falningskärna a) Konsruera falningskärnan genom a sampla sinc-funkionen sinc(x/2) = sin(πx/2)/(πx/2) och runkera den ill längden 7. Anag a samplingsavsånde = 1. (2p) Ledning: (sin x)/x 1 då x. b) Beräkna falningskärnans koninuerliga fourierransform F (u) =F[f(x)]. (2p) Ledning: Sä en dirac-spik på varje sampelpunk. Dea ger f(x). 3

c) De visar sig a bildens lokala medelvärden ine bevaras då di filer används. Hur yrar sig dea då man iar på bilden? Jusera din falningskärna så a bildens lokala medelvärden bevaras! (2p) d) Varför hade de vari fel a ugå från den oskalade sinc-funkionen sinc(x)? Denna passar i sälle a använda vid en annan yp av omsampling - vilken? (2p) 3 Tidsdiskre sysem (8p) Figuren visar e idsdiskre sysem, h[n], som besår av vå seriekopplade idsdiskrea sysem, h 1 [n] och h 2 [n]. x[n] w[n] y[n] D D w[n 1].64 D D 1. h[n] h1[n] h2[n] a) Besäm differensekvaionerna för h 1 [n] och h 2 [n]. (2p) b) Besäm sysemfunkionerna H 1 (z) =W (z)/x(z), H 2 (z) =Y (z)/w (z) och H(z) =Y (z)/x(z). (2p) c) Skissa pol-nollsällediagramme för H(z). Markera poler med kryss och nollsällen med ring. (2p) d) Pol-nollsällediagramme visar a H(z) är e bandpassfiler. Besäm bandpassfilres cenrumfrekvens (den frekvens som släpps igenom bäs) både i normerad vinkelfrekvens Ω och frekvens f mä i Hz. Anag a samplingsfrekvensen var f s =1kHz. (2p) Ledning: De gäller a z = e jω på enhescirkeln. De gäller också a Ω=2πfT, där T är samplingsavsånde. (Dea samband använde vi på laboraion 2.) 4

4 Fourierserie (7p) Se figuren nedan som visar den periodiska signalen x() besående av de posiiva delarna av en cosinus-signal. 1 x() To To Fourierserieuvecklingen för den periodiska signalen är x() =A + A n cos (nω )+ B n sin (nω ). n=1 n=1 där A = 1 T /2 x() d T T /2 A n = 2 T /2 x()cos(nω ) d T T /2 B n = 2 T /2 x()sin(nω ) d T T /2 ω =2π/T De näsan färdigberäknande resulae blir x() =A + 1 2 cos (ω )+ 2 3π cos (2ω )+ 2 15π cos (4ω )+... a) Besäm A! (3p) b) Som synes innehåller x() inga sinusermer. Beräa hur du med en enda blick på formeln för B n sam figuren av x() kan säga a alla B n måse vara. (2p) c) Se figuren nedan. Signalen x() passerar e filer h() vars useende i fourierdomänen kan skissas ill höger i figuren. Lå filre vara sådan a de ger usignalen y() =cos(ω ). (2p) H( ω) x() h() y() 1 ωο? 2ωο 3ωο ω 5

5 Fourierransformen och dess eorem (12p) a) Här nedan ser du en esbild f(x, y) och absolubeloppe av dess fourierransform F (u, v). Dessuom visas en skalad och ranslaerad version av esbilden, g(x, y). f(x,y) 5 5 5 5 F(u,v).4.2.2.4.4.2.2.4 g(x,y) 5 5 5 5 Hur ser absolubeloppe av fourierransformen av g(x, y), dvs G(u, v), u? Välj e av nedansående alernaiv a) - f) och moivera di val med en kor redogörelse där orden ranslaionseoreme och skalningseoreme ingår. (4p) a) G(u,v)?.4.2.2.4.4.2.2.4 b) G(u,v)?.4.2.2.4.4.2.2.4 c) G(u,v)?.4.2.2.4.4.2.2.4 d) G(u,v)?.4.2.2.4.4.2.2.4 e) G(u,v)?.4.2.2.4.4.2.2.4 f) G(u,v)?.4.2.2.4.4.2.2.4 6

b) Räkna u fourierransformen av ( ) x 32 g(x, y) =Π 1 Använd gärna abellslagning! (3p) ( y Π. 5) c) Vid insamling av daa från magnekameran är de den 2-dimensionella fourierransformen man mäer. (Magnekamerafysikerna kallar de k-rumme.) EPI är en snabb insamlingseknik, men den ger en förskjuning av varannan rad i fourierransformen som man måse kompensera för. En möjlighe vore a inerpolera fram korreka daa, men de ycker man ine blir illräcklig noggran. Isälle använder man sig av DFT och ranslaionseoreme. För DFT gäller e någo modifiera ranslaionseorem, nämligen DFT[f(x a, y b)] = exp( j2π(au + bv)/n )F (u, v), och dess släking i DFT-domänen, IDFT[F (u a, v b)] = exp(j2π(ax + by)/n )f(x, y), där N = bildsorleken.?? 2D fourier ransform? 2D fourier ransform Se figuren ovan och försök lisa u vad som ska så i boxarna med frågeecken, välj mellan 1D horizonell DFT 1D horizonell IDFT 1D verikal DFT 1D verikal IDFT 2D DFT 2D IDFT Tala också om vilken operaion som ska uföras i cirkeln med frågeecken. Anag a man har mä upp a varannan rad är förskjuen.25 pixlar. (5p) 7

6 TB3 (9p) Tony Blomqvis, en gång bronsmedaljör i junior-sm i orienering och därför kallad TB3, har en speciell passion för fladdermöss. Han brukar vara ue på kvällarna vid en bro över Sångån och spela in deras läen. Han har uppäck a de går a skilja på olika fladdermössindivider genom a sudera frekvensspekra av deras läen. Grov förenkla sänder fladdermössen u cosinussignaler med olika frekvens. Se figuren nedan där vå fladdermöss har sän u vå cosinussignaler med olika frekvens som illsammans bildar signalen x(). Dea ser man ydligas i fourierransformen X(f) som innehåller dirac-pulser belägna på 28 och 32 khz. TB3 har uppäck a hans fladdermöss har en frekvensskillnad på mins 4kHz. TB3 mäer signalen mellan idpunken L/2 och +L/2 och regisrerar därför y(). Därefer fourierransformeras y() och Y (f) erhålls. Som synes blir de bara en frekvensopp vid 3 khz. TB3 ycker a de är konsig efersom han är säker på a de var mins vå olika individer han spelade in. Han börjar missänka a hans busiga kusinbarn har skruva på mäurusningen. TB3, som ve a du jus har läs Signal-och Bildbehandling, ber dig om hjälp a lösa probleme. Signaldomän x() Fourierdomän X(f) 4 3 f w() 1? W(f)=? L/2 L/2 f y() Y(f) 3 f a) Vad ska de så i cirkeln med frågeeckne? Beräkna också W (f) och skissa den ungefärlig. (3p) Ledning: sin x 1 då x. x b) Tag hjälp av figuren och förklara för TB3 varför Y (f) bara visar en opp. (3p) c) Räkna u bredden L av w() så a Y (f) innehåller vå närliggande oppar och a värde går ner ill vid 3 khz. (3p) 8

7 Binär bildbehandling (8p) På denna uppgifen kan ni, om ni vill, ria direk i esen (enan) och lämna in den för a spara id. a) De här är en bild av e frö. Avsåndskarera de i d (8) -merik! (2p) = = 1 b) De här är fröes skele. = = 1 Kalla skelebilden s(x, y). Kalla avsåndskaran i a)-uppgifen a(x, y). Räkna u fröes medeljocklek genom a använda följande formel ( ) x y s(x, y) a(x, y) = y s(x, y).5 2 x Varför minskar man med.5 i formeln? Varför muliplicerar man med 2 i formeln? (2p) VÄND SIDA! 9

c) De här är en bild som ska eikeeras (labelling). Beskriv Run-Track (RT) algorimen (som vi använde på lab4) och visa e mellanresulae då 4 rader har avverkas. = = 1 Sis i RT-algorimen sker en ommärkning. Förklara hur den går ill och visa sluresulae. (4p) 1