Lågpassfiltrering. Signal- och Bildbehandling FÖRELÄSNING 8. Lågpassfiltrering

Relevanta dokument
Signaler, information & bilder, föreläsning 14

Signaler, information & bilder, föreläsning 14

Signaler, information & bilder, föreläsning 12

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 13

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

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

Spektrala Transformer för Media

Spektrala Transformer för Media

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSEA70

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

Signaler, information & bilder, föreläsning 15

7 Olika faltningkärnor. Omsampling. 2D Sampling.

Signal- och bildbehandling TSBB03 och TSEA70

Signal- och bildbehandling TSBB03

Signal- och bildbehandling TSBB14

Bildförbättring i frekvensdomänen (kap.4)

Signal- och bildbehandling TSBB14

7 MÖNSTERDETEKTERING

Bildbehandling, del 1

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB03

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

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

Bildbehandling i frekvensdomänen. Erik Vidholm

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

Bildbehandling i spatialdomänen och frekvensdomänen

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

Bildbehandling i frekvensdomänen

Signal- och bildbehandling TSEA70

Spektrala Transformer

Försättsblad till skriftlig tentamen vid Linköpings Universitet

Bildbehandling En introduktion. Mediasignaler

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

Spektrala Transformer

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

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

Signaler, information & bilder, föreläsning 15

Signal- och bildbehandling TSBB14

Signal- och bildbehandling TSBB03, TSBB14

MASKINDIAGNOSTIK. Rullningslager = 2. Φ d α, diameter mellan rullkontaktpunkterna z st. rullkroppar. Φ D m. ω RH. Φ d α. ω I

Spektrala Transformer

Modul 2 Mål och Sammanfattning

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

Signal- och bildbehandling TSEA70

Signal- och bildbehandling TSEA70

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

Signal- och bildbehandling TSBB14

Signal- och bildbehandling

EXEMPEL 1: ARTVARIATION FÖRELÄSNING 1. EEG frekvensanalys EXEMPEL 2: EEG

DT1130 Spektrala transformer Tentamen

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

Flervariabelanalys, inriktning bildbehandling, datorövning 3

Tentamen ssy080 Transformer, Signaler och System, D3

b) Harled en uppskattning for u's andraderivata uttryckt i givna data f och g. Under vilken forutsattning galler en motsvarande uppskattning for u's a

Signal- och bildbehandling TSEA70

= 0 vara en given ekvation där F ( x,

Tentamen i TSKS21 Signaler, information och bilder

Lab 1: Operationer på gråskalebilder

11 Dubbelintegraler: itererad integration och variabelsubstitution

DT1130 Spektrala transformer Tentamen

FÖRELÄSNING 2 ANALYS MN1 DISTANS HT06

Flerdimensionella signaler och system

Histogramberäkning på en liten bild

Laplace, Fourier och resten varför alla dessa transformer?

SF1635, Signaler och system I

av envariabelfunktionen g(t) och flervariabelfunktionen t = h(x, y) = x 2 + e y.)

Kap Implicit givna funktioner

Laplace, Fourier och resten varför alla dessa transformer?

Facit till Signal- och bildbehandling TSBB

TSBB31 Medicinska bilder Föreläsning 1

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

6 2D signalbehandling. Diskret faltning.

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

x(t) I elimeringsmetoden deriverar vi den första ekvationen och sätter in x 2(t) från den andra ekvationen:

SF1635, Signaler och system I

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

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

Kunna definiera laplacetransformen för en kontinuerlig stokastisk variabel. Kunna definiera z-transformen för en diskret stokastisk variabel.

ENDIMENSIONELL ANALYS B1 FÖRELÄSNING XV. Föreläsning XV. Mikael P. Sundqvist

Maclaurins och Taylors formler. Standardutvecklingar (fortsättning), entydighet, numerisk beräkning av vissa uttryck, beräkning

ATT KUNNA TILL. MA1203 Matte C Vuxenutbildningen Dennis Jonsson

Teori för linjära ordinära differentialkvationer med konstanta koefficienter

Envariabelanalys: Vera Koponen. Envariabelanalys, vt Uppsala Universitet. Vera Koponen Föreläsning 5-6

Flerdimensionell analys i bildbehandling

2F1120 Spektrala transformer för Media Tentamen

Kursanvisningar. Lektion 1 1 Repetition av vektoranalysens grunder. Skalära fält och vektorfält. KREYSZIG 9: Kapitel Kompendiet: Kapitel 1

MVE035. Sammanfattning LV 1. Blom, Max. Engström, Anne. Cvetkovic Destouni, Sofia. Kåreklint, Jakob. Hee, Lilian.

Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation

'LJLWDODELOGHUR KGLJLWDOELOGPDQLSXOHULQJ

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 11-14, 16/11-28/

Signal- och Bildbehandling FÖRELÄSNING 1 Introduktion. Signaler och System. Exempel på signaler som funktion av tid en produkt mobiltelefoner

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

Innehåll. Innehåll. sida i

TENTAMEN HF1006 och HF1008

Transkript:

Signal- och Bildbehandling FÖRELÄSIG 8 signalbehandling (bildbehandling) orts. Lågpassilter, orts. Snonmer Cirkulär och Faltningskärna Linjär altning, orts Filterkärna Faltningskärnor: 3 Filter eriverande Operator Högpassiltrerade Idealt deriverande Kärna Teori: Kap. 3.7, 3.8, 3.9, 3. p. 4 6 4 4 36 6 4 646 4 4 6 4 Lågpassiltrering 4 64 6 i spatialdomänen 6 4 4 Jm Fig. 3.3 * p. /56 Maria Magnusson, atorseende, Inst. ör Sstemteknik, Linköpings Universitet Lågpassiltrering i Fourierdomänen Jm Fig. 3.3 p. 3 Filtrering via multiplikation i FT- p. 4 domänen ger cirkulär altning. Sker via multiplikation i ourier- domänen. Ut- bilden blir lika stor som inbilden. kan örberäknas Fig. 3.9

p. 5 p. 6 cirkulär altning g m g n h m n. h 59 där dvs h n noterar cirkulär altning och betecknar modulo operation, et gäller : FT kan uppattas som periodiskt upprepad eller cirkulär. g h m G k H k Bevis inns i kompendiet ör den intresserade. cirkulär altning * * = = Alltså: För att cirkulär altning ska ge samma resultat som vanlig linjär altning kan zero-padding behövas. p. 7 E) Linjär och Cirkulär altning E) Linjär och Cirkulär altning p. 8 Peter Forsberg, d hocke-spelare Inbild Medelvärdesbildande altningskärna Storlek 55 Utbild eter linjär altning Utbild eter cirkulär ik altning

Motivering i spatialdomänen att p. 9 - är en deriveringsoperator / Från gmnasiet: g samma! Faltning, g=d*: erivering kan ses som altning med en deriveringsoperator At Antag att ouriertransormen av är F u, Fu En altningskärna ju Fu j u F ju u Fouriertransormen av en deriveringsoperator är en rät linje! vars ouriertransorm liknar en rät linje i ourierdomänen kan användas som deriverings- operator! dvs p. p. Motivering i ourierdomänen att - är en deriveringsoperator / Beräkna ouriertransormen genom att sätta dirac-spikar på varje element i altningskärnan. Antag sampelavstånd. etta ger h / Tag kontinuerlig Fouriertransorm H ju ju u e e v / j sinu / ju då u en liknar en rät linje ör låga rekvenser. en beräknar derivatan bra ör låga rekvenser och dämpar höga rekvenser. p. eriverande (och lågpassiltreran- de) altningskärna i -led (u-led) j sin u /, - / Låt oss kalla den: Simple- v här u Fig. 3.7

p. 3 eriverande (och lågpassiltreran- de) altningskärna i -led (v-led) j sinv /, - / Låt oss kalla den: Simple- v här u Fig. 3.7 p. 4 eriverande altningskärna i -led (u-led) med lågpass-eekt i båda ledder j sinu cos v /, Sobel- - - = - /8 - * / /4 här Fig. 3.7 p. 5 eriverande altningskärna i -led (v-led) med lågpass-eekt i båda ledder j sinv cos u /, Sobel- - - - = /8 * /4 - / här Fig. 3.7 eriverade altning, gråskale - ärgtabell: svart 7 grå 55 vit bipolär ärgtabell: -8 blå vit 7 röd, alta med - - - /8 - - - /8, p. 6

Beloppet av gradienten tar ram kanter i bilden Inbild Beloppet av gradienten p. 7 erivering och kantdetektering t t =svart 55=vit p. 8 Jm Fig. 3.8 :original ii,,,,,,, -8=s svart 7= =vitt Rotationsinvarians et är önskvärt att ett derivata-ilter-par är rotationsinvariant. ti i i t å kommer kantstrkan, t k absolutbeloppet av gradienten, inte bero av kantens rotationsläge.,,, Med Med Simple- Sobelpareparet Färg- tabell: Vit = Svart = positivt värde p. 9 n, atorn eriva a de eala en id ' d s( ) sinc d S u ju u p. 3.4 Fig.

en ideala derivatorn,, orts. ju u 3. Fig. 3.4 ger att multiplikation med ovanstående i ourierdomänen ger derivering (och rekonstruktion) p. Fig. 3.5 - / p. erivata- kan skapas genom att önstra ilter med cos och sedan sampla d sinc d d sinc d 3. Fig. 3.4 ger att altning med ovanstående i spatialdomänen ger derivering (och rekonstruktion) - 6-6 /8 - / Ett ilter med centrum mellan pilarna Linjär diskret altning då centrum är mellan pilarna - * = - / / / p. 3 Ger derivering och rekonstruktion en ideala -derivatorn i - och -led Spatialdomän Fourierdomän p. 4 - * = / / - / Önskas bara derivering så samplar man bara iltret! Fig. 3.6

en ideala derivatorn, orts. u, v ju uv Fig. 3.6 ger eriverar i -led: G g G d d, sinc sinc u, v jv uv d d eriverar i -led:, sinc sinc g p. 5 p. 6 Ett idealt Laplace-ilter beräk- nar :a-derivatan i - och -led Laplaceoperatorn:, Fouriertransorm:, 4 u v, 4 u v är ett kratigt högpassilter i - och - led Faltningskärna som approi- merar det ideala Laplace-iltret ju ju,,/ : e e / cos v / 4sin u/ /, p. 7 - multiplicerat på det approimativa Laplace-iltret ger ett högpassilter Spatialdomän Fourierdomän p. 8-4 = - + - / / / - - - 4 - = - - + - / - / / Laplace, negativ sin u sin v 4 Fig. 3.9 Fig. 3.9

E) användning av Laplace, negativ: Erhåll en bild med tdligare detaljer p. 9 Fig. 3. Låt altningskärnans koeicienter vara,,..., En medelvärdesbildande (lågpassiltrerande) altningskärna ska normaliseras med K i 3.33 i ormalisering av medelvär- desbildande altningskärnor p. 3 p. 3 ormalisering av deriverande altningskärnor ormalisering av altningskärnor, tumregel p. 3 e tidigare givna deriverande altningskärnorna beräknar korrekt kt skalade derivator ör långsamt varierande gråskalevariationer. et bakomliggande sampelavståndet är. Om man inte vet sampelavståndet kan man t e sätta =.et gör att man kan jämöra olika derivatailter med varandra. ormalisering med L-normen K i i brukar ge ett rimligt värde, dvs omånget på pielvärdena i utbilden brukar bli i samma storleksordning som ör inbilden. Om man enbart ska använda den den altade bilden ör att titta på så kan man bara justera normaliseringsaktorn så att den altade bildens kontrast blir subjektivt bra.