PRZETWARZANIE SYGNAŁÓW
|
|
- Gabriela Piotrowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 PRZETWARZANIE SYGNAŁÓW SEMESTR V Wykład VII Sygnały 2D i transformacja Fouriera 2D 2 1
2 2 Splot 2D d d y H F y H y F y G ), ( ), ( ), ( ), ( ), ( H(,) F(,) H(-,-) H(-,y-) G(,y) Delta Diraca 2D (,y) 0 ), ( ), ( y y i dla ddy y ) ( ) ( ), ( y y separowalność
3 Splot z delta Diraca 2D (,y) Splot 2D z (,y) F(, y) (, y) F(, ) (, y ) dd F(, y) Ciąg okresowy a,b (,y) 2D (tzw. comb(,y)) (, y) a, b l ( ka) k l l ( ka, y lb) ( y lb) 3
4 Dwuwymiarowa transformacja Fouriera F ( u, v) f (, y)ep( j2 ( u vy) ddy 1 f (, y) F( u, v)ep( j2 ( u vy) dudv 2 4 F( u, v) A( u, v)ep[ ( u, v)] Re( F( u, v)) j Im( F( u, v)) u,v częstotliwości przestrzenne A- moduł TF, - faza TF; TF 2D jako sekwencja dwóch transformat 1D: F ( u, v) f (, y)ep( j2 ( u vy) ddy ep( j2vy)[ f (, y)ep( j2u) d] dy Właściwości 2D TF Liniowość Af(,y)+Bg(,y)AF(u,v)+BG(u,v) Podobieństwo 1 u v F{ f ( a, by)} F(, ) ab a b Przesunięcie f(,y) F{ f ( 0, y y0)} F( u, v)ep[ j2 ( u0 vy0)] Separowalność f(,y)=f()g(y)f(f(,y) F()F(y) 4
5 Właściwości 2D TF Splot funkcji f(,y)*g(,y)f(u,v)g(u,v) Iloczyn funkcji f(,y)g(,y)f(u,v)*g(u,v) Sygnały rzeczywiste F(u,v) = F(-u,-v), [F(u,v)]= -[F(-u,-v)] Sygnały rzeczywiste parzyste F(u,v)=F(-u,-v) Właściwości 2D TF Tw. Parsevala 1 (, y) ddy F 2 4 f ( u, v) dudy Obrót funkcji (nie ma analogii w jednym wymiarze) f(,y)f(u,v)f(,y ) F(u,v ) ' cos sin y' sin cos y u' cos sin u v' sin cos v 5
6 Dwuwymiarowa dyskretna transformacja Fouriera Transformacja F( i, k) M 1 N 1 m0 n0 M 1 N 1 m0 n0 L( m, n)ep( j2 ( mi / M nk / N) L( m, n)ep( j2mi / M )ep( j2nk / N) M 1 m0 ep( j2mi / M )[ N 1 n0 L( m, n)ep( j2nk / N)] gdzie - L(m,n) funkcja dyskretna (dwuwymiarowy ciąg dyskretny), o wymiarach N*M, F(i,k) wartości transformaty 2D, N*M. Ostatnia forma zapisu wskazuje na możliwość wyznaczenia 2D DTF jako sekwencji dwóch DTF jednowymiarowych Dwuwymiarowa dyskretna transformacja Fouriera Transformacja odwrotna 1 L( m, n) MN 1 MN M 1 i0 M 1 N 1 i0 k 0 ep( j2ni / M )[ F( i, k)ep( j2mi / M )ep( j2nk / N) N 1 k0 F( i, k)ep( j2mk / N )] gdzie - L(m,n) funkcja dyskretna (dwuwymiarowy ciąg dyskretny), o wymiarach N*M, F(i,k) wartości transformaty 2D, N*M. Ostatnia forma zapisu wskazuje na możliwość wyznaczenia odwrotnej 2D DTF jako sekwencji dwóch odwrotnych DTF jednowymiarowych. 6
7 Dwuwymiarowa DTF - przykłady Ciąg okresowy a,b (,y) (, y) a, b l ( ka) k l l ( ka, y lb) ( y lb) TF ciągu a,b (,y): 2 / a,2 / b ( u, v) F{ a, b (, y)} 2 4 ab k l 2 2 ( u k, v l ) a b Dwuwymiarowa DTF - przykłady TF ciągu a,b (,y) Ciąg okresowy a,b (,y) 7
8 Próbkowanie funkcji 2D Próbkowanie funkcji 2D f(,y) (np. obrazu) jest równoważne iloczynowi funkcji 2D i dwuwymiarowego ciągu próbkującego a,b (,y) Widmo sygnału po spróbkowaniu jest równe splotowi widm f(,y) i ciągu próbkującego. Widmo to jest okresowe z okresem wynikającym z właściwości ciągu próbkującego. F{ f (, y) a, b (, y)} F{ a, b (, y)} F(, ) y 2 4 ab k l 2 2 F( u k, v l ) a b 2/a częstotliwość próbkowania wzdłuż 2/b - częstotliwość próbkowania wzdłuż y Widmo funkcji f(,y) powinno być ograniczone do pasma poniżej 2/a oraz 2/b. Dwuwymiarowa DTF przykład Dane: pojedyncza kolumna macierzy zawiera wartości (n,m)=sin(2fn)+1; n F( i, k) M 1 m0 ep( j2mi / M )[ N 1 n0 L( m, n)ep( j2nk / N)] m moduł k kolumna modułu o indeksie i=0 faza kolumna fazy o indeksie i=0 i 8
9 Dwuwymiarowa DTF przykład n F( i, k) M 1 m0 ep( j2mi / M )[ N 1 n0 L( m, n)ep( j2nk / N)] m k moduł po uporządkowaniu ma składową stałą w centralnym punkcie; kolumna i wiersz o zerowej częstotliwości to odpowiednio kolumna i wiersz środkowy. i Dwuwymiarowa DTF - symetria k F( i, k) M 1 m0 ep( j2mi / M )[ N 1 n0 L( m, n)ep( j2nk / N)] i Dla sygnałów rzeczywistych: F(i,k) = F(-i,-k), [F(i,k)]= -[F(-i,-k)] k i 9
10 Dwuwymiarowa DTF przykład c.d F( i, k) M 1 m0 ep( j2mi / M )[ N 1 n0 L( m, n)ep( j2nk / N)] F( i, k) A( i, k)ep[ ( i, k)] Moduł transformaty DFT 2D k i Moduł i faza TF 2D 19 Dla sygnałów rzeczywistych: F(i,k) = F(-i,-k), [F(i,k)]= -[F(-i,-k)] Podstawy przetwarzania obrazów 10
11 Podstawy przetwarzania obrazów G obiekt dwuwymiarowy rozkład pewnej cechy. I obraz wynik pomiaru rozkładu cechy, który jest reprezentacją rozkładu cechy w obiekcie Idealny system obrazowania zapewnia I=G Czy można oczekiwać, że I(,y)=G(,)???? obiekt obraz obiektu W rzeczywistości punkt G(, ) będzie miał wpływ na pewien obszar obrazu wokół punktu (,y ). Każdy punkt obiektu partycypuje w tworzeniu wszystkich punktów obrazu, jednak w przypadku użytecznej metody obrazowania oczekujemy, że wpływ tego punktu obiektu na punkty obrazu w otoczeniu punktu I(,y ) będzie szybko malał z odległością od G(, )/I(,y ). Cecha opisująca tę właściwość systemu obrazowania nosi nazwę rozdzielczości. Opis procesu powstawania obrazu Funkcja H opisuje proces tworzenia obrazu. Jeśli obiekt jest punktowy G(, ): I(,y)=H(,y,,, G(, )) Często przyjmuje się założenie liniowości systemu (prostota dalszych rozważań, ew. nieliniowości są niewielkie): I(,y)=H(,y,, ) G(, ) wtedy obraz złożony (kombinacja liniowa np. dwóch obrazów punktowych) ma postać: A G(, )+ B G(, ) ==> AH(,y,, ) G(, ) +BH(,y,, ) G(, ) 11
12 Opis procesu powstawania obrazu Jeśli rozkład cechy G(,) w obiekcie jest ciągły, powstawanie obrazu (proces liniowy) opisuje całka I(,y)= H(,y,,) G(,) d d H(,y,,) zależy od właściwości systemu obrazowania Jeśli funkcja H nie zależy od położenia punktu w obiekcie (,), a jedynie od różnic współrzędnych (-,y-), system obrazowania uważany jest za niezmienny względem położenia (odpowiednik stacjonarności czasowej), a proces powstawania obrazu opisany jest całką: I(,y)= H(-,y-) G(,) d d Jest to splot dwuwymiarowy. Opis procesu powstawania obrazu System obrazowania niezmienny względem położenia Obraz rozkładu cechy w postaci pojedynczej wartości (impulsu Diraca) nazywamy odpowiedzią impulsową źródła punktowego (point spread function - ważne pojęcie), odpowiedź ta charakteryzuje system obrazowania. I(,y)= H(-,y-) (,) d d=h(,) Obraz rozkładu cechy powstaje w wyniku splotu rozkładu cechy i odpowiedzi impulsowej źródła punktowego H. Funkcja H charakteryzuje system obrazowania. 12
13 Opis procesu powstawania obrazu Kolejny krok w upraszczaniu opisu powstawania obrazu zakłada separowalność funkcji H, tj., możliwość rozłożenia jej na iloczyn 2 funkcji tylko jednej zmiennej: H(,y,,)= H 1 (,) H 2 (y,) i dalej (niezmienność względem położenia) H(-,y-)= H 1 (-) H 2 (y-) równanie opisujące proces powstawania obrazu przyjmuje postać: I(,y)= H 1 (-) G(,) d H 2 (y-) G(,)d obraz jest iloczynem dwóch splotów liniowych (jednowymiarowych). równanie to można zapisać w postaci: I(,y)= [ H 2 (y)* G(,) ][H 1 ()*G(,)] Właściwości systemu przetwarzania obrazów Idealny system obrazowania zapewnia I=G. Systemy spełniające ten warunek nie istnieją. Skutki niedoskonałości systemów obrazowania ilustrują poniższe przykłady. Określenie związku między G i I wymaga przeprowadzenia eksperymentu (pomiaru) określenia H. System idealny Ograniczona rozdzielczość Ograniczona rozdzielczość + szum 13
14 Obrazy cyfrowe Wprowadzenie Interpolacja Histogram Filtracja Przykłady w tej części wykładu dotyczą obrazowania medycznego będącego przedmiotem zainteresowania autorów. Należy je traktować jako reprezentację dowolnych obrazów cyfrowych. Podstawowe pojęcia Dla potrzeb wykładu przyjmujemy następującą definicję obrazu cyfrowego: obraz cyfrowy to zbiór geometrycznie uporządkowanych wartości zmiennych w czasie I = F(, y, z, t) 2, 3, 4 wymiarowa macierz wartości = 2, 3, 4 wymiarowy obraz cyfrowy 14
15 Podstawowe pojęcia - piksel Piksel - element macierzy obrazu 2D o stałej wartości i rozmiarze, y określonym przez parametry próbkowania y Piksel y Podstawowe pojęcia - przetwarzanie / analiza I = F(,y,z,t) Przetwarzanie = nowy obraz I -> I - arytmetyka obrazów - filtracja - Analiza = wyznaczony parametr I -> P - wyznaczanie histogramu - wyznaczenie wartości średniej 15
16 Powstawanie obrazów Próbkowanie obrazu analogowego Fotografia cyfrowa CANTUS Skanowanie (automatyczne rozpoznawanie pisma) Powstawanie obrazów Obrazy cyfrowe - tworzenie modeli i obrazowanie w systemach CAD - tworzenie modeli i obrazowanie dla potrzeb filmu - rekonstrukcja z projekcji pomiarowych (tomografia) - obrazowanie refleksyjne (USG) 16
17 Palety (skale) barw Poprawnie dobrana skala kolorów charakteryzuje się następującymi właściwościami: - naturalna asocjacja prezentowanych danych (zwiększonej intensywności obrazowanych zjawisk odpowiada zwiększona jaskrawość koloru), - jest postrzegana jako skala liniowa (monotoniczna) w całym zakresie, - posiada możliwie duże pasmo postrzeganych kolorów Rozróżnianie kolorów i odcieni szarości Oko ludzkie jest w stanie rozróżnić kilkadziesiąt odcieni szarości (stosowane skale mają ma. 256 poziomów). Liczba rozróżnianych kolorów wynosi setki tysięcy Palety (skale) barw 17
18 Funkcja przejścia Zakres wartości obrazu ma v min Lt Poziomy palety barw I Ut Zależności Lt p o o - okno, p - poziom Lt - dolny próg, Ut - górny próg N - liczba poziomów w skali I = v * (N-1) / (ma-min) o = Ut-Lt p = (Ut-Lt)/2 ut Kontrast, jasność, intensywność Modyfikacje funkcji przejścia Kontrast wzrost Jasność wzrost Intensywność wzrost spadek spadek spadek 18
19 n Korekcja gamma ( N 1)[ n N 1 1/ ] n - indeks w palecie barw przed korekcją, n - po korekcji N - liczba poziomów skali <1 >1 Modyfikacja funkcji przejścia >1 <1 Interpolacja Znajdowanie wartości obrazu na podstawie wartości pierwotnych Metody: - najbliższego sąsiada - dwuliniowa, dwukubiczna - sinc Obraz zinterpolowany Obraz pierwotny 19
20 Metoda najbliższego sąsiada Metoda ta polega na powieleniu pikseli obrazu pierwotnego w obrazie wynikowym W rezultacie uzyskujemy zmianę rozdzielczości, jednak w obrazie wynikowym powtarzają się piksele o tych samych wartościach ( pikseloza ). Metoda dwu / trzy - liniowa Najczęściej stosowana metoda interpolacji ze względu na szybkość obliczania wyniku. powoduje wygładzanie krawędzi (filtracja dolnoprzepustowa) d - odległość w kierunku X pomiędzy pikselem P0 a pikselami P1,P3, dy - odległość w kierunku Y pomiędzy pikselem P0 a pikselami P1,P2, Pk - wartości najbliższych pikseli względem poszukiwanego d - odległość pomiędzy pikselami siatki pierwotnej 20
21 Metoda dwu / trzy - kubiczna Często stosowana ze względu na gładki obraz wynikowy przy stosunkowo niskim koszcie obliczeniowym w porównaniu np. do interpolacji funkcją sinc [sin() / ] P0 = SUMA( Pk*F(d) ), parametr Pk oznacza wartość kolejnego piksela, F(d) jest funkcją odległości pomiędzy pikselem poszukiwanym a pikselami Pk. Pa = (P4-P3+P2-P1)*(d) 3 + (P3-P4-2*P2+2*P1)*(d) 2 + (P3-P1)*d + P2 P0 = (Pd-Pc+Pb-Pa)*(dy) 3 + (Pc-Pd-2*Pb+2*Pa)*(dy) 2 + (Pc-Pa)*dy + Pb d - odległość pomiędzy P2 i Pa dy - odległość pomiędzy Pb i P0 Histogram Wykres częstości występowania wartości pikseli obrazu Definicja: suma przynależności intensywności obrazu do zdefiniowanych przedziałów intensywności. N Histogram charakteryzuje liczba przedziałów (N) i szerokość przedziału (w). w 21
22 Histogram Przykłady analizy histogramu - Znajdowanie punktów przegięcia, minimów i maksimów obwiedni - Dopasowywanie krzywej Gaussa do poszczególnych fragmentów (modów) histogramu i wyznaczanie ich punktów przecięcia liczba wystąpień Wartości w macierzy obrazu Wyrównywanie histogramu Cel: Równomierne wykorzystanie wszystkich barw palety obrazu Wyrównywanie histogramu jest przekształceniem intensywności pikseli obrazu zmierzającym do uzyskania możliwie zbliżonej liczby pikseli zakwalifikowanych do każdego przedziału histogramu. W przypadku obrazów monochromatycznych można to przekształcenie interpretować jako zmianę (dopasowanie) szerokości przedziałów histogramu połączone z odpowiednią zmianą szerokości przedziałów palety barw. Obraz pierwotny Obraz po operacji wyrównania histogramu Zwiększenie różnicy jasności pomiędzy punktami obrazu często występującymi w pierwotnym histogramie. 22
Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski
Przekształcenia widmowe Transformata Fouriera Adam Wojciechowski Przekształcenia widmowe Odmiana przekształceń kontekstowych, w których kontekstem jest w zasadzie cały obraz. Za pomocą transformaty Fouriera
Bardziej szczegółowoPRZETWARZANIE SYGNAŁÓW
PRZETWARZANIE SYGNAŁÓW SEMESTR V Wykład VIII Podstawy przetwarzania obrazów Filtracja Przetwarzanie obrazu w dziedzinie próbek Przetwarzanie obrazu w dziedzinie częstotliwości (transformacje częstotliwościowe)
Bardziej szczegółowoZygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab
Zygmunt Wróbel i Robert Koprowski Praktyka przetwarzania obrazów w programie Matlab EXIT 2004 Wstęp 7 CZĘŚĆ I 9 OBRAZ ORAZ JEGO DYSKRETNA STRUKTURA 9 1. Obraz w programie Matlab 11 1.1. Reprezentacja obrazu
Bardziej szczegółowoWYKŁAD 3. Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego
WYKŁAD 3 Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego 1 Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego (c.d.) 2 Zestawienie zbiorcze - Regulacje
Bardziej szczegółowoBIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat
BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,
Bardziej szczegółowoProste metody przetwarzania obrazu
Operacje na pikselach obrazu (operacje punktowe, bezkontekstowe) Operacje arytmetyczne Dodanie (odjęcie) do obrazu stałej 1 Mnożenie (dzielenie) obrazu przez stałą Operacje dodawania i mnożenia są operacjami
Bardziej szczegółowoObraz jako funkcja Przekształcenia geometryczne
Cyfrowe przetwarzanie obrazów I Obraz jako funkcja Przekształcenia geometryczne dr. inż Robert Kazała Definicja obrazu Obraz dwuwymiarowa funkcja intensywności światła f(x,y); wartość f w przestrzennych
Bardziej szczegółowoGrafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38
Wykład 2 Przetwarzanie obrazów mgr inż. 1/38 Przetwarzanie obrazów rastrowych Jedna z dziedzin cyfrowego obrazów rastrowych. Celem przetworzenia obrazów rastrowych jest użycie edytujących piksele w celu
Bardziej szczegółowoRóżne reżimy dyfrakcji
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Różne reżimy
Bardziej szczegółowoParametryzacja obrazu na potrzeby algorytmów decyzyjnych
Parametryzacja obrazu na potrzeby algorytmów decyzyjnych Piotr Dalka Wprowadzenie Z reguły nie stosuje się podawania na wejście algorytmów decyzyjnych bezpośrednio wartości pikseli obrazu Obraz jest przekształcany
Bardziej szczegółowoAnaliza obrazów - sprawozdanie nr 2
Analiza obrazów - sprawozdanie nr 2 Filtracja obrazów Filtracja obrazu polega na obliczeniu wartości każdego z punktów obrazu na podstawie punktów z jego otoczenia. Każdy sąsiedni piksel ma wagę, która
Bardziej szczegółowoDane obrazowe. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski
Dane obrazowe R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski www.il.pw.edu.pl/~rg s-rg@siwy.il.pw.edu.pl Przetwarzanie danych obrazowych! Przetwarzanie danych obrazowych przyjmuje trzy formy:! Grafikę
Bardziej szczegółowoLaboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 9. Przetwarzanie sygnałów wizyjnych. Politechnika Świętokrzyska.
Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 9 Przetwarzanie sygnałów wizyjnych. Cel ćwiczenia Celem ćwiczenia jest zapoznanie studentów z funkcjami pozwalającymi na
Bardziej szczegółowoPrzekształcenie Fouriera obrazów FFT
Przekształcenie ouriera obrazów T 6 P. Strumiłło, M. Strzelecki Przekształcenie ouriera ourier wymyślił sposób rozkładu szerokiej klasy funkcji (sygnałów) okresowych na składowe harmoniczne; taką reprezentację
Bardziej szczegółowoPropagacja w przestrzeni swobodnej (dyfrakcja)
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Propagacja
Bardziej szczegółowoAnaliza obrazu. wykład 5. Marek Jan Kasprowicz Uniwersytet Rolniczy 2008
Analiza obrazu komputerowego wykład 5 Marek Jan Kasprowicz Uniwersytet Rolniczy 2008 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, oraz materiałów ze
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Podział metod filtracji obrazu Metody przestrzenne i częstotliwościowe Metody liniowe i nieliniowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu
Bardziej szczegółowoTransformacje Fouriera * podstawowe własności
Transformacje Fouriera * podstawowe własności * podejście mało formalne Funkcja w domenie czasowej Transformacja Fouriera - wstęp Ta sama funkcja w domenie częstości Transformacja Fouriera polega na rozkładzie
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 2 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoTransformata Fouriera
Transformata Fouriera Program wykładu 1. Wprowadzenie teoretyczne 2. Algorytm FFT 3. Zastosowanie analizy Fouriera 4. Przykłady programów Wprowadzenie teoretyczne Zespolona transformata Fouriera Jeżeli
Bardziej szczegółowo9. Dyskretna transformata Fouriera algorytm FFT
Transformata Fouriera ma szerokie zastosowanie w analizie i syntezie układów i systemów elektronicznych, gdyż pozwala na połączenie dwóch sposobów przedstawiania sygnałów reprezentacji w dziedzinie czasu
Bardziej szczegółowoPrzekształcenia punktowe
Przekształcenia punktowe Przekształcenia punktowe realizowane sa w taki sposób, że wymagane operacje wykonuje sie na poszczególnych pojedynczych punktach źródłowego obrazu, otrzymujac w efekcie pojedyncze
Bardziej szczegółowoĆwiczenie 3. Właściwości przekształcenia Fouriera
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia
Bardziej szczegółowoFILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI
FILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI ( frequency domain filters) Każdy człon F(u,v) zawiera wszystkie wartości f(x,y) modyfikowane przez wartości członów wykładniczych Za wyjątkiem trywialnych przypadków
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu Poprawa ostrości Usunięcie określonych wad obrazu Poprawa obrazu o złej jakości technicznej Rekonstrukcja
Bardziej szczegółowoTeoria sygnałów Signal Theory. Elektrotechnika I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)
. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Teoria sygnałów Signal Theory A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW
Bardziej szczegółowoWykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji
Fotonika Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Plan: pojęcie sygnału w optyce układy liniowe filtry liniowe, transformata Fouriera,
Bardziej szczegółowo2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).
SPIS TREŚCI ROZDZIAŁ I SYGNAŁY CYFROWE 9 1. Pojęcia wstępne Wiadomości, informacje, dane, sygnały (9). Sygnał jako nośnik informacji (11). Sygnał jako funkcja (12). Sygnał analogowy (13). Sygnał cyfrowy
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 7 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoĆwiczenie 6. Transformacje skali szarości obrazów
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 6. Transformacje skali szarości obrazów 1. Obraz cyfrowy Obraz w postaci cyfrowej
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie drugie Podstawowe przekształcenia obrazu 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami obrazu wykonywanymi
Bardziej szczegółowoLaboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 4. Badanie optycznej transformaty Fouriera
Laboratorium optycznego przetwarzania informacji i holografii Ćwiczenie 4. Badanie optycznej transformaty Fouriera Katedra Optoelektroniki i Systemów Elektronicznych, WETI, Politechnika Gdańska Gdańsk
Bardziej szczegółowoCyfrowe przetwarzanie i kompresja danych
Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 5. Dyskretna transformata falkowa Schemat systemu transmisji danych wizyjnych Źródło danych Przetwarzanie Przesył Przetwarzanie Prezentacja
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoTransformaty. Kodowanie transformujace
Transformaty. Kodowanie transformujace Kodowanie i kompresja informacji - Wykład 10 10 maja 2009 Szeregi Fouriera Każda funkcję okresowa f (t) o okresie T można zapisać jako f (t) = a 0 + a n cos nω 0
Bardziej szczegółowoWykład 14. Elementy algebry macierzy
Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,
Bardziej szczegółowoPOB Odpowiedzi na pytania
POB Odpowiedzi na pytania 1.) Na czym polega próbkowanie a na czym kwantyzacja w procesie akwizycji obrazu, jakiemu rodzajowi rozdzielczości odpowiada próbkowanie a jakiemu kwantyzacja Próbkowanie inaczej
Bardziej szczegółowoAnaliza obrazu. wykład 1. Marek Jan Kasprowicz Uniwersytet Rolniczy Marek Jan Kasprowicz Analiza obrazu komputerowego 2009 r.
Analiza obrazu komputerowego wykład 1 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Plan wykładu Wprowadzenie pojęcie obrazu cyfrowego i analogowego Geometryczne przekształcenia obrazu Przekształcenia
Bardziej szczegółowoKomputerowe obrazowanie medyczne
Komputerowe obrazowanie medyczne Część II Przetwarzanie i analiza obrazów medycznych Grafika rastrowa i wektorowa W grafice wektorowej obrazy i rysunki składają się z szeregu punktów, przez które prowadzi
Bardziej szczegółowoPróbkowanie (ang. sampling) - kwantyzacja. Rastrowa reprezentacja obrazu 2D. Generowanie obrazu rastrowego 2D. Próbkowanie i integracja
Próbkowanie (ang. sampling) - kwantyzacja Rastrowa reprezentacja obrazu 2D Próbkowanie - proces zamiany ciągłego sygnału f(x) na skończoną liczbę wartości opisujących ten sygnał. Kwantyzacja - proces zamiany
Bardziej szczegółowoHistogram obrazu, modyfikacje histogramu
March 15, 2013 Histogram Jeden z graficznych sposobów przedstawiania rozkładu cechy. Składa się z szeregu prostokatów umieszczonych na osi współrzędnych. Prostokaty te sa z jednej strony wyznaczone przez
Bardziej szczegółowoSpośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.
Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy
Bardziej szczegółowoAkwizycja obrazów. Zagadnienia wstępne
Akwizycja obrazów. Zagadnienia wstępne Wykorzystane materiały: R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. FPT, Kraków, 1997 A. Przelaskowski, Techniki Multimedialne,
Bardziej szczegółowouzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t
4. 1 3. " P r ze c ie k " w idm ow y 1 0 2 4.13. "PRZECIEK" WIDMOWY Rozważmy szereg czasowy {x r } dla r = 0, 1,..., N 1 uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem
Bardziej szczegółowo4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych...
Spis treści 1 Wstęp 11 1.1 Do kogo adresowana jest ta książka... 12 1.2 Historia badań nad mową i językiem... 12 1.3 Obecne główne trendy badań... 16 1.4 Opis zawartości rozdziałów... 18 2 Wyzwania i możliwe
Bardziej szczegółowoRys. 1 Schemat układu obrazującego 2f-2f
Ćwiczenie 15 Obrazowanie. Celem ćwiczenia jest zbudowanie układów obrazujących w świetle monochromatycznym oraz zaobserwowanie różnic w przypadku obrazowania za pomocą różnych elementów optycznych, zwracając
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Rewolucja cyfrowa i jej skutki Rewolucja cyfrowa - dane cyfrowe: podstawowy rodzaj informacji multimedialnych,
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1. Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Analiza czas - częstotliwość analiza częstotliwościowa: problem dla sygnału niestacjonarnego zwykła transformata
Bardziej szczegółowodr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;
Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia
Bardziej szczegółowoPrzetwarzanie obrazów wykład 2
Przetwarzanie obrazów wykład 2 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Etapy obróbki pozyskanego obrazu Obróbka wstępna
Bardziej szczegółowoFiltracja liniowa (metody konwolucyjne, tzn. uwzględniające pewne otoczenie przetwarzanego piksla):
WYKŁAD 3 Operacje sąsiedztwa Są to operacje, w których na wartość zadanego piksla obrazu wynikowego q o współrz. (i,j) mają wpływ wartości piksli pewnego otoczenia piksla obrazu pierwotnego p o współrzędnych
Bardziej szczegółowoPrzetwarzanie obrazów wykład 6. Adam Wojciechowski
Przetwarzanie obrazów wykład 6 Adam Wojciechowski Przykłady obrazów cyfrowych i ich F-obrazów Parzysta liczba powtarzalnych wzorców Transformata Fouriera może być przydatna przy wykrywaniu określonych
Bardziej szczegółowoObraz cyfrowy. Radosław Mantiuk. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie
Obraz cyfrowy Radosław Mantiuk Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Obraz Funkcja dwuwymiarowa. Wartością tej funkcji w dowolnym punkcie jest kolor (jasność). Obraz
Bardziej szczegółowoLaboratorium Cyfrowego Przetwarzania Obrazów
Laboratorium Cyfrowego Przetwarzania Obrazów Ćwiczenie 3 Interpolacja i przekształcenia geometryczne obrazów Opracowali: - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład Inżynierii Biomedycznej,
Bardziej szczegółowoPrzetwarzanie obrazów rastrowych macierzą konwolucji
Przetwarzanie obrazów rastrowych macierzą konwolucji 1 Wstęp Obrazy rastrowe są na ogół reprezentowane w dwuwymiarowych tablicach złożonych z pikseli, reprezentowanych przez liczby określające ich jasność
Bardziej szczegółowoDYSKRETNA TRANSFORMACJA FOURIERA
Laboratorium Teorii Sygnałów - DFT 1 DYSKRETNA TRANSFORMACJA FOURIERA Cel ćwiczenia Celem ćwiczenia jest przeprowadzenie analizy widmowej sygnałów okresowych za pomocą szybkiego przekształcenie Fouriera
Bardziej szczegółowoObliczenia Naukowe. Wykład 12: Zagadnienia na egzamin. Bartek Wilczyński
Obliczenia Naukowe Wykład 12: Zagadnienia na egzamin Bartek Wilczyński 6.6.2016 Tematy do powtórki Arytmetyka komputerów Jak wygląda reprezentacja liczb w arytmetyce komputerowej w zapisie cecha+mantysa
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego
Bardziej szczegółowoPrzedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.
Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Technika obrazu 24 W.3. Normalizacja w zakresie obrazu cyfrowego
Bardziej szczegółowoMetody komputerowego przekształcania obrazów
Metody komputerowego przekształcania obrazów Przypomnienie usystematyzowanie informacji z przedmiotu Przetwarzanie obrazów w kontekście zastosowań w widzeniu komputerowym Wykorzystane materiały: R. Tadeusiewicz,
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 3 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowo0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do
0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do obserwatora f) w kierunku od obserwatora 1. Obrót dookoła osi
Bardziej szczegółowoPolitechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia
Bardziej szczegółowoDYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.
CPS 6 DYSKRETE PRZEKSZTAŁCEIE FOURIERA C.D. Twierdzenie o przesunięciu Istnieje ważna właściwość DFT, znana jako twierdzenie o przesunięciu. Mówi ono, że: Przesunięcie w czasie okresowego ciągu wejściowego
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Plan na dziś 1 Przedstawienie przedmiotu i zakresu wykładu polecanej iteratury zasad zaliczenia 2 Wyklad
Bardziej szczegółowoAutomatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych
Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych autor: Robert Drab opiekun naukowy: dr inż. Paweł Rotter 1. Wstęp Zagadnienie generowania trójwymiarowego
Bardziej szczegółowoAKWIZYCJA I PRZETWARZANIE WSTĘPNE
WYKŁAD 2 AKWIZYCJA I PRZETWARZANIE WSTĘPNE Akwizycja (pozyskiwanie) obrazu Akwizycja obrazu - przetworzenie obrazu obiektu fizycznego (f(x,y)) do postaci zbioru danych dyskretnych (obraz cyfrowy) nadających
Bardziej szczegółowoAnaliza szeregów czasowych: 2. Splot. Widmo mocy.
Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata
Bardziej szczegółowoĆwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów
PTS - laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 7 Filtracja 2D Opracowali: dr inż. Krzysztof Mikołajczyk dr inż. Beata Leśniak-Plewińska Zakład Inżynierii Biomedycznej Instytut Metrologii
Bardziej szczegółowoPrzekształcenia punktowe i geometryczne
Przekształcenia punktowe i geometryczne 1 Przekształcenia punktowe Przekształcenia punktowe (bezkontekstowe) są to przekształcenia dotyczące stopnia szarości lub nasycenia barwy dla każdego punktu oddzielnie,
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 7 Transformaty i kodowanie Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład
Bardziej szczegółowo3. Przetwarzanie analogowo-cyfrowe i cyfrowo-analogowe... 43
Spis treści 3 Przedmowa... 9 Cele książki i sposoby ich realizacji...9 Podziękowania...10 1. Rozległość zastosowań i głębia problematyki DSP... 11 Korzenie DSP...12 Telekomunikacja...14 Przetwarzanie sygnału
Bardziej szczegółowoPrzetwarzanie sygnałów
Spis treści Przetwarzanie sygnałów Ćwiczenie 3 Właściwości przekształcenia Fouriera 1 Podstawowe właściwości przekształcenia Fouriera 1 1.1 Kompresja i ekspansja sygnału................... 2 1.2 Właściwości
Bardziej szczegółowoPrzetwarzanie obrazów
Przetwarzanie obrazów Zajęcia 11 Filtracje przestrzenne obrazów rastrowych (2). Zasady wykonania ćwiczenia Obrazy wynikowe do zadań zapisujemy w pliku nazwiskonr.rvc (bieżące nr 1) a komentarze do wyników
Bardziej szczegółowoWYKŁAD 12. Analiza obrazu Wyznaczanie parametrów ruchu obiektów
WYKŁAD 1 Analiza obrazu Wyznaczanie parametrów ruchu obiektów Cel analizy obrazu: przedstawienie każdego z poszczególnych obiektów danego obrazu w postaci wektora cech dla przeprowadzenia procesu rozpoznania
Bardziej szczegółowoOpis efektów kształcenia dla modułu zajęć
Nazwa modułu: Teoria i przetwarzanie sygnałów Rok akademicki: 2013/2014 Kod: EEL-1-524-s Punkty ECTS: 6 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Elektrotechnika
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoWłaściwości sygnałów i splot. Krzysztof Patan
Właściwości sygnałów i splot Krzysztof Patan Właściwości sygnałów Dla sygnału ciągłego x(t) można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału x sr = lim τ
Bardziej szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek ciężkości ułożenie przestrzenne momenty wyższych rzędów promienie max-min centryczność
Bardziej szczegółowoOperator rozciągania. Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości
Operator rozciągania q = 15 ( p p1 ) ( p p ) 0 2 1 dla p < p p 1 2 dla p p, p > p 1 2 Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości q = 0 dla p p1 q2 dla p1
Bardziej szczegółowoPolitechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
Bardziej szczegółowoTransformata Fouriera i analiza spektralna
Transformata Fouriera i analiza spektralna Z czego składają się sygnały? Sygnały jednowymiarowe, częstotliwość Liczby zespolone Transformata Fouriera Szybka Transformata Fouriera (FFT) FFT w 2D Przykłady
Bardziej szczegółowoElektronika i Telekomunikacja I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoAnaliza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 3 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Binaryzacja Binaryzacja jest jedną z ważniejszych ż czynności punktowego przetwarzania obrazów. Poprzedza prawie zawsze
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów Biomedycznych
Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 3 Analiza sygnału o nieznanej strukturze Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - mgr inż. Tomasz Kubik Politechnika Warszawska,
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 9 AiR III
1 Na podstawie materiałów autorstwa dra inż. Marka Wnuka. Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania
Bardziej szczegółowoW naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora.
1. Podstawy matematyki 1.1. Geometria analityczna W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora. Skalarem w fizyce nazywamy
Bardziej szczegółowoAKWIZYCJA I PRZETWARZANIE WSTĘPNE OBRAZU
AKWIZYCJA I PRZETWARZANIE WSTĘPNE OBRAZU WYKŁAD 2 Marek Doros Przetwarzanie obrazów Wykład 2 2 Akwizycja (pozyskiwanie) obrazu Akwizycja obrazu - przetworzenie obrazu obiektu fizycznego (f(x, y)) do postaci
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów i Sygnałów
Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX Lokalne transformacje obrazów Joanna Ratajczak, Wrocław, 28 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami lokalnych
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów
PTS - laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 6 Interpolacja i histogram obrazów Opracowali: dr inż. Krzysztof Mikołajczyk dr inż. Beata Leśniak-Plewińska Zakład Inżynierii Biomedycznej
Bardziej szczegółowoZamiana reprezentacji wektorowej na rastrową - rasteryzacja
MODEL RASTROWY Siatka kwadratów lub prostokątów stanowi elementy rastra. Piksel - pojedynczy element jest najmniejszą rozróŝnialną jednostką powierzchniową, której własności są opisane atrybutami. Model
Bardziej szczegółowoPROPAGACJA PROMIENIOWANIA PRZEZ UKŁAD OPTYCZNY W UJĘCIU FALOWYM. TRANSFORMACJE FAZOWE I SYGNAŁOWE
PROPAGACJA PROMIENIOWANIA PRZEZ UKŁAD OPTYCZNY W UJĘCIU FALOWYM. TRANSFORMACJE FAZOWE I SYGNAŁOWE prof. dr hab. inż. Krzysztof Patorski Przedmiotem tej części wykładu są podstawowe transformacje fazowe
Bardziej szczegółowoRozkład normalny, niepewność standardowa typu A
Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 8 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowo