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

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

TSBB31 Medicinska bilder Föreläsning 3

Signaler, information & bilder, föreläsning 12

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 13

Signaler, information & bilder, föreläsning 13

Signaler, information & bilder, föreläsning 14

Signaler, information & bilder, föreläsning 14

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

6 2D signalbehandling. Diskret faltning.

Signaler, information & bilder, föreläsning 15

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

TATM79: Föreläsning 5 Trigonometri

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

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

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70

Facit till Signal- och bildbehandling TSBB

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

7 Olika faltningkärnor. Omsampling. 2D Sampling.

Bildförbättring i frekvensdomänen (kap.4)

Signal- och bildbehandling TSEA70

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

Parametriska kurvor: Parametriska ytor

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

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

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB03 och TSEA70

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

Signal- och bildbehandling TSBB03, TSBB14

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

7 MÖNSTERDETEKTERING

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

Signal- och bildbehandling TSBB14

Bildbehandling i frekvensdomänen. Erik Vidholm

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

TSBB31 Medicinska bilder Föreläsning 1

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

2. Strömförstärkare: Både insignal och utsignal är strömmar. Förstärkarens inresistans

Bildbehandling En introduktion. Mediasignaler

Rotation Rotation 187

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

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

Signal- och bildbehandling TSBB03

Spektrala Transformer för Media

TATA42: Föreläsning 7 Differentialekvationer av första ordningen och integralekvationer

Signal- och bildbehandling TSBB03

Spektrala Transformer för Media

10.2. Underrum Underrum 89

Försättsblad till skriftlig tentamen vid Linköpings Universitet

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

5 Linjär algebra. 5.1 Addition av matriser 5 LINJÄR ALGEBRA

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

Signal- och bildbehandling

Vågfysik. Vilka typer av vågor finns det? Fortskridande vågor. Mekaniska vågor Elektromagnetiska vågor Materievågor

Basbyten och linjära avbildningar

SF1625 Envariabelanalys Lösningsförslag till tentamen

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

Ansiktsigenkänning med MATLAB

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

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

SF1635, Signaler och system I

Signal- och bildbehandling TSBB14

Kontrollskrivning KS1T

Operationsförstärkare (OP-förstärkare) Kapitel , 8.5 (översiktligt), 15.5 (t.o.m. "The Schmitt Trigger )

MR-laboration: design av pulssekvenser

3. Analytiska funktioner.

Spektrala Transformer

Signal- och bildbehandling TSEA70

Lösningsförslag till tentamen Torsdag augusti 16, 2018 DEL A

Signal- och bildbehandling TSBB14

Exempelsamling :: Vektorintro V0.95

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

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

Histogramberäkning på en liten bild

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.

FUKTÄNDRINGAR. Lars-Olof Nilsson. En kvalitativ metod att skriva fukthistoria och förutsäga fuktförändringar i oventilerade konstruktionsdelar

Luft. film n. I 2 Luft

Vektorer En vektor anger en riktning i rummet (eller planet) och en längd (belopp). Vektorer brukar ritas som pilar, Vektoraddition

Blandade A-uppgifter Matematisk analys

Tentamen i mekanik TFYA kl

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

Försättsblad till skriftlig tentamen vid Linköpings universitet R36 R37

Bildbehandling i frekvensdomänen

Enzymkinetik. - En minskning i reaktantkoncentrationen per tidsenhet (v = - A/ t)

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

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

Figur 5.1. En triangel där nedre högra hörnet har en rät vinkel (90 ).

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)

Complex numbers. William Sandqvist

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

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

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

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

Tentamen i Matematisk analys MVE045, Lösningsförslag

TANA17 Matematiska beräkningar med Matlab

Komplexa tal. i 2 = 1, i 3 = i, i 4 = i 2 = 1, i 5 = i,...

Repetition, Matematik 2 för lärare. Ï x + 2y - 3z = 1 Ô Ì 3x - y + 2z = a Ô Á. . Beräkna ABT. Beräkna (AB) T

Transkript:

TSBB3 Medicinska bilder Föreläsning 3 D signalbehandling (bildbehandling) Den digitala bilden, ärgtabeller D kontinuerlig ouriertransorm och D DFT D sampling D diskret altning Lågpassiltrerande D altningskärnor Teori: Kompendiet, (Kap ), Kap. 3 Maria Magnusson, Datorseende, Inst. ör Systemteknik, Linköpings Uniersitet p. En bild är en D signal D: (t) är en unktion som beror a tiden t. D: (x,y) är en unktion som beror a de spatiella (rums-) koordinaterna x och y. Ex) x, y sinx y x, y sart x, y itt p. Fig.. För en digital bild gäller En digital bild är en samplad D-unktion. Samplen kallas pixlar (picture elements). Antalet pixlar = bildens storlek. En anlig storlek: 5x5= 8 =.5 Mpixel. Ota är samplen kantiserade i interallet [,55]. Dessa ärden öersätts ia en ärgtabell i datorn till gråskaleärden, ds ->sart och 55->itt eller godtyckliga g ärger (pseudo-ärg) Ibland är samplen lyttalsärden. Dessa transormeras till interallet [,55] och idare ia ärgtabell i datorn. En äkta ärgbild har 3 st ärden per pixel. De transormeras ar ör sig till interallet [,55] och sedan idare ut på datorns röda, gröna respektie blåa kanal ilket möjliggör 56 3 =67776 6,8 miljoner ärger. p. 3 Exempel på ärginnehåll i bilder p. PET-bild a hjärna Psedo-ärgbild Äkta ärgbild gråskalebild

Exempel på en digital bild p. 5 Vanlig gråskaleärgtabell 56 ärger p. 6 zoom Bildstorlek: 7x pixels Pixelärde (x,y) Linjär transor- mation : : : R G B D/A-omandlare: omandlar ett digitalt ärde till ett analogt ärde i orm a en elektrisk signal I denna 55: 55 55 55 kursen jobbar i mest med Till D/A-omandlare gråskaleoch ut på skärmen ärgtabellen. Pseudo-ärgtabell 56 ärger p. 7 Äkta ärgtabell p. 8 Öer 6 miljoner ärger Pixelärde (x,y) : : : R G B??? Ex ) En PET-bild kan isa ar det är aktiitet i hjärnan. Hög aktiitet kan isas röd och låg aktiitet kan isas blå. : : : R Pixelärde [ r (x,y), g (x,y), b (x,y)] : : : G godtycklig transor- mation Linjär trans- ormation Linjär trans- ormation Linjär trans- ormation : : : B 55: Till D/A-omandlare och ut på skärmen Ex) Anändbart t ex när i ill isa negatia ärden blå och positia ärden äd röda. 55: 55 Till D/A-omandlare och ut på skärmens röda kanal 55: 55 Till D/A-omandlare och ut på skärmens gröna kanal 55: 55 Till D/A-omandlare och ut på skärmens blåa kanal

D kontinuerlig ouriertransorm p. 9 D ouriertransormen är separabel p. D ouriertransorm j xu y x, y Fu, x, ye dx dy D iners ouriertransorm 3.3 j xu y F u, x, y Fu, e du d 3. Den kan beräknas örst i ena ledden och sen i andra ledden: F j xu y u, x, y e, dx dy dy e jy jxu x, ye dx 3.3 F x, ouriertransorm i y - led Fouriertransormen a en reell unktion är hermitisk p. En bild med amplitudspektrum p. Realdelen är jämn och imaginärdelen är udda. F u, F u, Det går att isa på liknande sätt som ör D. F u, F u, Fu, F u, 3.7 Amplitudspektrum är symmetriskt i origo. se Fig. 3. Amplitudspektrum är spegelsymmetriskt De låga rekenserna dominerar Fig. 3.

Realdel och Imaginärdel a Fouriertransormen p. 3 Teorem och samband p. Formelsamlingen och tabell 3. isar teorem ör Douriertransorm, bl a skalnings-, altnings-, translations- och deriata-teoremet. teoremet Dessa är generaliseringar a Dteoremen. Notera också de D-unika teoremen ör generell skalning, rotation och Laplace. Generell skalning : a A a a a Realdelen är jämn Imaginärdelen är udda Fig. 3. Rotation inkeln cos sin sin cos : R 3.6 Transorm-par illustrerade i Teorem och samband Fig. 3. p. 5 D DFT p. 6 Separabla unktioner ger separabel ourier-transorm, se ormelsamlingen, tabell 3.3 och ekation (3.): x, y gx hy Fu, Gu H 3. Rotationssymmetriska transormpar i Tab. 3.: D F D N M D n m N M F D k, l j nk / N ml / M e k l j nk / N ml / M k, l n, me 3. MN n, m 3. Matlabkommando: FD=t(D) Notera dock att den symmetriska arianten, se ekation (3.) och (3.3), ota är att öredra i bild-sammanhang. Matlabkommando: FD=tshit(t(itshit(D)))

Teorem och samband Tabell 3. isar teorem ör D DFT. Notera att multiplikation i DFT-domänen motsarar cirkulär altning i spatialdomänen. (Mer om detta nästa öreläsning.) p. 7 D sampling a (x,y) Ingen ikningsdistorsion! p. 8 Fig. 3.3 D sampling a (x,y) Vikningsdistorsion! p. 9 p. Bilder med ouriertransorm. Fig. 3.5a Tillräcklig samplingsrekens. size: 56 size: 56 Fig. 3.

Bilder med ouriertransorm. Fig. 3.5b För låg samplingsrekens. p. p. Samband mellan samplad kontinuer- lig ouriertransorm och DFT Fig. 3.7 Eekten a ikningsdistorion som syns tydligt i bl a byxornas randning. Vikningsdistorisionen i i i syns äen i ourierdomänen som en ökad intensitet ör de högre rekenserna. size: size: x8 size: x8 8 size: 8 Relationen mellan kontinuerlig rekens u, och diskret rekens k,l är alltså u k N där N,M är 3.3 l M antalet sampelpunkter och är sampelaståndet. g g g D altning Kontinuerlig x y h x, y hx, y,, d d Linjär diskret p. 3 3.5 x y h x, y hx, y,, N M x, y h x, y hx, y, N Cirkulär diskret N 3.7 3.8 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 öer. Multiplicera och summera öerlappande ärden. Detta ger g. - - - - * = - - - - - x, y x, y gx y h, p.

Beräkningsbörda id altning p. 5 Bildstorlek id D linjär diskret altning p. 6 Fig. 3.8 g 3... Fig. 3. 3... 3 3 33 Valid: Värden utanör inbilden anses odeinierade => Utbilden blir mindre än inbilden. Full: Värden utanör inbilden anses ara => Utbilden blir större än inbilden. Eller lika stor om de extra ärdena slängs (Same) 5 multiplikationer och 8 additioner per pixel! Hur beräknas D ouriertransormen a /? Byt t x, y, u,, T Sätt dirac-spikar (x,y)=(x)(y) på arje element i altningskärnan. Antag sampelastånd. Detta ger h x x x y/ Tag D kontinuerlig Fouriertransorm H ju ju u, e e / cosu / cos u p. 7 här Lågpassiltrerande altnings- kärna i x-led (u-led) cos u p. 8 y u x / Fig. 3.

här Lågpassiltrerande altnings- kärna i y-led (-led) cos p. 9 y u x / Fig. 3. p. 3 Lågpassiltrerande cos u cos altningskärna i här x- och y-led Dämpar höga rekenser (u- och -led) = /6 * / / Fig. 3. Mer lågpassiltrerande altningskärna i x- och y-led (u- och -led) 6 66 6 36 6 = 66 6 /56 * /6 /6 cos p. 3 u cos här Fig. 3. Lågpassiltrering * p. 3 6 66 6 36 6 6 6 6 /56 Ex på enkel anändning: ) Den suddiga nummerplåten kan klistras in i Ex på enkel anändning: ) Den suddiga nummerplåten kan klistras in i den skarpa bilden. ) Om det hade unnits ointressanta detaljer i bakgrunden skulle de kunna suddats ut.