Signal- och bildbehandling TSBB03 och TSEA70

Relevanta dokument
Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB03, TSBB14

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB14

Facit till Signal- och bildbehandling TSBB

7 Olika faltningkärnor. Omsampling. 2D Sampling.

Signal- och bildbehandling TSBB14

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

Signal- och bildbehandling TSBB14

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

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

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

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

2 Ortogonala signaler. Fourierserier. Enkla filter.

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

SF1635, Signaler och system I

Tentamen ssy080 Transformer, Signaler och System, D3

Försättsblad till skriftlig tentamen vid Linköpings universitet R36 R37

Signaler, information & bilder, föreläsning 14

Bildbehandling i frekvensdomänen. Erik Vidholm

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

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

SF1635, Signaler och system I

7. Sampling och rekonstruktion av signaler

7 MÖNSTERDETEKTERING

Signaler, information & bilder, föreläsning 15

DT1130 Spektrala transformer Tentamen

Försättsblad till skriftlig tentamen vid Linköpings Universitet

DT1130 Spektrala transformer Tentamen

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

DT1130 Spektrala transformer Tentamen

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

Signaler, information & bilder, föreläsning 15

Signaler, information & bilder, föreläsning 14

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

Signal- och bildbehandling

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

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

Tentamen ssy080 Transformer, Signaler och System, D3

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Kryssproblem (redovisningsuppgifter).

Sammanfattning TSBB16

Signal- och Bildbehandling, TSBB14 Laboration 1: Kontinuerliga signaler

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

Tentamen i TSKS21 Signaler, information och bilder

DT1130 Spektrala transformer Tentamen

DT1120/DT1130 Spektrala transformer Tentamen

Signal- och Bildbehandling, TSBB14 Lektionsuppgifter

Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

Institutionen för matematik KTH. Tentamensskrivning, , kl B1210 och 5B1230 Matematik IV, för B, M, och I.

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

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

Rita även grafen till Fourierserien på intervallet [ 2π, 4π]. (5) 1 + cos(2t),

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

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

Laplace, Fourier och resten varför alla dessa transformer?

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

Signalanalys med snabb Fouriertransform

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

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

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

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

RÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2

Histogramberäkning på en liten bild

Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform

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

DT1120 Spektrala transformer för Media Tentamen

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

Attila Szabo Niclas Larson Gunilla Viklund Mikael Marklund Daniel Dufåker. GeoGebraexempel

Spektrala Transformer

Signaler, information & bilder, föreläsning 12

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

TSBB31 Medicinska bilder Föreläsning 3

Lösningsförslag, Tentamen, Differentialekvationer och transformer II, del 2, för CTFYS2 och CMEDT3, SF1629, den 9 juni 2011, kl.

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

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

SF1625 Envariabelanalys Tentamen Måndagen den 11 januari 2016

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

Elektronik 2018 EITA35

Spektrala Transformer

Tentamen Bildanalys (TDBC30) 5p

TSBB16 Datorövning A Samplade signaler Faltning

6 2D signalbehandling. Diskret faltning.

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

Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation

2F1120 Spektrala transformer för Media Tentamen

Audio & Videoteknik 2D2021, 2D1518

Spektrala Transformer

Transformmetoder. Kurslitteratur: Styf/Sollervall, Transformteori för ingenjörer, 3:e upplagan, Studentlitteratur

Transkript:

Tentamen i Signal- och bildbehandling TSBB03 och TSEA70 Tid: 004-08-10 kl. 8-1 Lokaler: TER1 Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 9.00 och 10.45. tel 073-804 38 67 Hjälpmedel: Räknedosa, OH-film, medskickad formelsamling och följande tabeller: Svärdström: Appendix till Signaler och system, Söderkvist: Formler och tabeller, Beta, Physics Handbook, TEFYMA Betygsskala: 5-35 poäng betyg 3 36-46 poäng betyg 4 47-60 poäng betyg 5 Betygslista: Anslås senast 4/8 1

Ledning: Jag hoppas att det inte är om tid på tentan, men jag är inte säker. Räkna därför de uppgifter ni känner er säkra på först! Lycka till!

1 Fem små uppgifter (16p) a) D Fouriertransform (3p) Här nedan ser du en testbild g(x, y). g(x,y) Hur ser absolutbeloppet av Fouriertransformen av g(x, y), dvs G(u, v),ut? Välj ett av nedanstående alternativ a) - d) och motivera ditt val med en kort redogörelse där orden rotationsteoremet och skalningsteoremet ingår. a) G(u,v)? b) G(u,v)? c) G(u,v)? d) G(u,v)? b) Tröskelsättning med hysteres (3p) Beskriv kortfattat hur tröskelsätting med hysteres går till och när man har användning för det. c) Visualisering (3p) Vi har i kursen talat om tre olika sätt att visualisera en 3D-volym: djupkodning, ytskuggning och genomlysningsprojektion. Hur går det till att göra ytskuggning av en 3D-volym? Använd 3 av följande 6 ord i din redogörelse: 3D-gradient, medelvärdesfilter, Phongs formel, tröskel, interpolation, mittpunktsmetoden. 3

d) Ett litet bevis (3p) Bevisa att faltning är kommutativ, dvs att [h g](t) =[g h](t). Ledning: Använd följande definition och gör ett variabelbyte i integralen. e) Korrelation (4p) [h g](t) = h(t λ) g(λ) dλ. Ett ekolod sänder ner ljudsignalen h(t) =e 3t u(t) i vattnet. Signalen färdas ner i vattnet, reflekteras i bottnen och vänder åter upp mot båten där den tas emot av ekolodets mottagare, som g(t) =e 3(t 0.08) u(t 0.08). Beräkna korrelationen mellan h(t) och g(t), dvs [h g](t). Beskriv sedan hur du ur [h g](t) kan få fram tidsskillnaden mellan utsänd och mottagen signal. Beräkna även vattendjupet. Ledning1: Detta teorem gäller för fouriertransform av korrelation. F [[h g](t)] = H (f) G(f), där F[h(t)] = H(f) och F[g(t)] = G(f) Ledning: Ljudhastigheten i vatten är 1430 m/s. Faltning (9p) Bestäm faltningen [h g](t) = h(t λ) g(λ) dλ, där h(t) =e 5t u(t) och g(t) =e 5t u( t) och u(t) är enhetssteget. a) Utför beräkningen i signaldomänen. (6p) b) Utför beräkningen i fourierdomänen. (3p) 4

3 D diskret faltning, tidsberäkning (7p) Se figur nedan. Du vill göra filtreringar på en bild som har storleken N N = 56 56 med en faltningskärna som har storleken 9 9. Det finns två sätt att göra detta på, antingen i spatialdomänen (res1) eller i Fourierdomänen (res). kärna noll padda kan förberäknas 0 0 0 0 0 0 0 0 D FFT res1 bild D FFT D 1 FFT res a) Hur många multiplikationer åtgår för att beräkna res1? (3p) b) Hur många multiplikationer åtgår för att beräkna res? (3p) c) Vilket verkar alltså gå snabbast, beräkning i spatialdomänen eller beräkning i fourierdomänen för en 9 9-kärna på en 56-bild? (1p) Ledning: Den beräkning vi gör är alltså lite approximativ eftersom vi struntar i att beräkna antalet additioner. Räkna med att alla koefficienter i faltningskärnan är skilda från 0, 1 och -1. Det åtgår N log N multiplikationer för att beräkna D FFT av en reell bild. För enkelhets skull, bortse från eventuella kanteffekter. 4 Fourierserie (8p) a) Bestäm fourierserieutvecklingen, x(t) =A 0 + A n cos (nω 0 t)+ B n sin (nω 0 t), för den periodiska signalen nedan. 5 n=1 n=1

x(t) 1 T 0 T 0 t Ledning: A 0 = 1 T0 / x(t) dt T 0 T 0 / A n = T0 / x(t)cos(nω 0 t) dt T 0 T 0 / B n = T0 / x(t)sin(nω 0 t) dt T 0 ω 0 =π/t 0 T 0 / (5p) b) Signalen x(t) passerar ett idealt bandpassfilter som släpper igenom vinkelfrekvenser i intervallet 1.8ω 0 ω.ω 0. Bestäm utsignalen. Svaret ska förenklas så långt som möjligt. (3p) 5 Binär Bildbehandling (6p) a) Bilden till vänster visar en tröskelsatt bild av en cell. Tyvärr har cellen lite oönskade utskott och hål. Dem vill man få bort så att man kan få fram bilden till höger. (Därefter vill man utföra mätningar på cellen, t ex dess omkrets och area.) Beskriv den bildbehandling som behövs för att snygga till cellen. Redovisa antal operationer och strukturelementens utseende. Räkna med att hålens och utskottens bredd är maximalt 4 pixlar. (3p) bildbehandling 6

b) Rasterscan Border follow (RB-algoritmen) är en mycket bra metod att använda för segmentering (etikettering, labeling) av binära bilder. Metoden klarar t ex objekt med hål i utan problem. 3 3 3 Bilden visar hur RB-algoritmen har börjat arbeta på en bild. Beskriv hur metoden fungerar och rita en mellanresultatsbild som visar hur pixlarna märks upp under algoritmens gång. (3p) 6 Interpolation (8p) 1. 1 0.8 0.6 0.4 0. 0 Spatialdomän 1. 1 0.8 0.6 0.4 0. 0 Fourierdomän 0. 4 0 4 x 0. 1 0.5 0 0.5 1 u I figuren ovan är den ideala interpolationsfunktionen sinc(x) illustrerad tillsammans med 4 punkters high resolution cubic spline h(x) =h( x), x 3 x +1, för 0 x 1, h(x) = x 3 +5x 8x +4, för 1 x, 0, för x. Båda funktionerna är illustrerade i både spatial- och Fourierdomänen. Som synes har vi antagit att sampelavståndet är 1. a) Skissa på samma sätt linjär interpolationsfiltret i både spatial- och Fourierdomänen. Axlarna ska vara graderade. (p) 7

Interpolera signalen f(x) nedan till tre gånger så hög samplingstäthet. Använd... b) närmsta granne interpolation (p) c) linjär interpolation (p) f(x) = 0 1 3 0 d) high resolution cubic spline interpolation. Endast de värden som ligger mellan -an och 3-an behöver beräknas här. (p) 7 TB3 (6p) Tina Bergström, TB3 kallad på grund av sina initialer och favoritsportorten tresteg, ska åka ner till OS i Aten nu i augusti för se sin favorit Christian Ohlsson tävla. TB3 har byggt en egen inspelningsutrustning för att riktigt fånga stämningen i Aten. Häromdagen testade hon sin utrustning hemma i studentlägenheten. Inspelningsutrustningen samt uppspelningsutrustning visas nedan. Man kan räkna med att det mänskliga örat kan uppfatta tonhöjder upp till 0kHz. TB3 har därför ett analogt lågpass-filter h(t) med gränsfrekvensen 0kHz. Låt oss för enkelhets skull anta att lågpass-filtret är idealt. Samplen y[n] lagrar TB3 sedan på en CD-skiva. TB3 vill förstås undvika vikningsdistorsion, samtidigt som hon vill att samplen ska uppta så liten plats som möjligt. För att sedan kunna spela upp det inspelade använder TB3 ett rekonstruktionsfilter. Låt oss för enkelhets skull anta att rekonstruktionsfiltret är identiskt med lågpass-filtret h(t). x(t) h(t) sampling y(t) y[n] lagring h(t) z(t) analogt LP-filter mikrofon rekonstruktionsfilter högtalare a) Vilken samplingsfrekvens bör TB3 välja? (1p) b) Ett sampel upptar utrymmet byte. En CD-skiva rymmer ca 650 Mbyte 650 10 6 byte. Hur lång tid kan man lagra på CD-skivan? (ej stereo) (p) c) Under ett test hemma i studentrummet kopplar TB3 bort filtret h(t). Samtidigt tränar en hundägare sin hund med en visselpipa strax utanför. Visselpipan ger tonen 33 khz. Då TB3 spelar upp sin inspelning hörs en störande ton. Vilken frekvens har denna ton? Motivera med resonemang i fourierdomänen! (3p) 8