Μη γραμμικά Φίλτρα. Μεταπτυχιακό Πρόγραμμα. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 1/50
|
|
- Ἐφραίμ Βιτάλης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Μη γραμμικά Φίλτρα Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ /50
2 Φίλτρα διάμεσης τιμής (median,order statistic) Μη γραμμικά φίλτρα μέσης τιμής Μορφολογικά φίλτρα Ομομορφικά φίλτρα Πολυωνυμικά φίλτρα Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ /50
3 Φίλτρα διάμεσης τιμής (median filters) Ορισμοί y(n)=median{x(n-m), x(n).x(n+m)} median 5 {,0,3,6,}=median 5 {,,3,6,0}=3 Ακραία σημεία -συνοριακά παράδειγμα Δίνεται το σήμα x = { } y() = Median 3 {,, 80}= y() = Median 3 {, 80, 6} = Median{, 6, 80} = 6 y(3) = Median 3 {80, 6, 3} = Median{3, 6, 80}= 6 y(4) = Median 3 {6, 3, 3}= Median{3, 3, 6} = 3 Αρα y = { } Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 3/50
4 Φίλτρα διάμεσης τιμής (median) Ορισμοί 4 x(n) 0 Το σήμα x(n) y 3 (n) 0 N=3 έξοδος ΦΔΤ με Ν= y 5 (n) 0 N=5 έξοδος ΦΔΤ με Ν= n Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 4/50
5 Φίλτρα διάμεσης τιμής Ιδιότητες ΜΗ ΓΡΑΜΜΙΚΑ median {x,x,x3} +median{y,y,y3}median{x+y,x+y,x3+y3} Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 5/50
6 Φίλτρα διάμεσης τιμής Ιδιότητες Σήματα - ρίζες Επανειλημμένη εφαρμογή του median φίλτρου καταλήγει σε εικόνες που δεν μεταβάλλονται Θεώρημα: Ένα σήμα ρίζα αποτελείται από σταθερές περιοχές και ακμές Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 6/50
7 Φίλτρα διάμεσης τιμής Ιδιότητες Θεώρημα: Επαναλαμβανόμενη εφαρμογή median φίλτρου καταλήγει σε σήμα ρίζα. Για φίλτρο παραθύρου K+ και σήμα μήκους L ο μέγιστος αριθμός των επαναλήψεων είναι: 3 L (K ) Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 7/50
8 Φίλτρα διάμεσης τιμής Ιδιότητες Κρουστική απόκριση Τι είναι impulse: Δυο σταθερές περιοχές μέ K σημεία μετάξύ αυτών 0 Ένα ΦΔΤ με μήκος Ν=3 δεν αλλοιώνει το σήμα - σταθερή περιοχή. Για Ν=5 όμως οι δύο παλμοί εξαλείφονται αφού median{0, 0, 0,, }=0 Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 8/50
9 Φίλτρα διάμεσης τιμής Ιδιότητες Απόκριση σε ακμή (ράμπα) είσοδος x(n) και έξοδος ΦΔΤ φίλτρο μέσης τιμής 0 Απόκριση ΦΔΤ (Ν=3)σε ακμή. Δεικνύεται για σύγκριση και η απόκριση φίλτρου μέσης τιμής. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 9/50
10 Επαναληπτικά φίλτρα Διάμεσης τιμής (Recursive) y(n)=med{y(n-m),y(n-m+) y(n-),x(n),x(n+), x(n+m)} καταλήγουν με ένα πέρασμα σε σήμα-ρίζα Καλύτερο φιλτράρισμα αλλα μεγαλύτερη παραμόρφωση Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 0/50
11 Φίλτρα διάμεσης τιμής Ιδιότητες Συμπεριφορά στο θόρυβο N= Το σήμα εισόδου είναι ακολουθία Gaussian θορύβου (,0). Η φιλτραρισμένη έξοδος έχει αισθητά μικρότερη διακύμανση Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ /50
12 Θόρυβος -κατανομές p(z) p(z) b a z a b z Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ /50
13 Συμπεριφορά στο Θόρυβο Θόρυβος στην είσοδο m,σ Φίλτρο μέσης τιμής Φίλτρο median Laplacian f(x) e xm n n Uniform f(x) x x x x x n 3 n Gaussian f(x) e (xm) / n n Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 3/50
14 Λαπλασιανός θόρυβος. Και εκτίμηση μέγιστης πιθανοφάνειας (maximum likelihood estimation) f(x) e xm e xx e xx e xx 3...e xx Ν e i xx ι x x i i min Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 4/50
15 Σαν παράδειγμα Δίνεται το σύνολο{,6,} για x= Σ x-xi = =5 για x=6 Σ x-xi = =9 για x= Σ x-xi = =6 Επιλέγεται x=.. Που είναι το median{,6,}= Δηλαδή το median είναι ο καλύτερος εκτιμητής μέσης τιμής σε δεδομένα Λαπλασιανής κατανομής Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 5/50
16 Προσέγγιση των median φίλτρων L(x m ) xm xi Εάν {x i }=,,.5,4,7,7.5,9 i x L(x m ) L(x m ) y(n) ml n ml n L(x m L(x ) m ) x(n) Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 6/50
17 Γενίκευση της median τιμής σε διανυσματικές διαδικασίες Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 7/50
18 Διανυσματικός διάμεσος Vector median Πώς διατάσσονται n διανύσματα?. Υπολογίζονται οι αποστάσεις d(x i x j ) κάθε διανύσματος x i από όλα τα υπόλοιπα. Υπολογίζεται η συνολική απόσταση: d i n j d(x i,x j ) d(x 4 x 3 ) Ο διανυσματικός διάμεσος - Vector Median Filter VMFαντιστοιχεί στο μικρότερο d i Το διάνυσμα#5 έχει την μικρότερη συνολικά (ευκλείδεια) απόσταση από τα υπόλοιπα διανύσματα Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 8/50
19 Vector Directional Filters - VDF α i with n j A(x A(x i i,x,x j j ) ) cos x x i i x t j x j A 3, Ο VD διανυσματικός διάμεσος αντιστοιχεί στο μικρότερο a i Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 9/50
20 Υλοποίηση των median φιλτρων Αποσύνθεση κατωφλίου Φίλτρα σωρού (stack filters) Θετική συνάρτηση Boole Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 0/50
21 Φίλτρα σωρού stack filters. Στην είσοδο το σήμα αποσυντίθεται με κατωφλιοποίηση και προστίθενται οι έξοδοι. Εάν κάθε γραμμή πραγματοποιεί median πράξη το άθροισμα των δυαδικών εξόδων θα είναι το median φίλτρο Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ /50
22 Θετική συνάρτηση Boole Positive boolean function PBF για median φιλτρο 3 σημείων med{x,x,x3 } η ισοδύναμη δυαδική Boolean συνάρτηση: f(x; x; x3) = xx + xx3 +xx3 Γενικά: f(x, x, x3, x4 x5) = xx + xx3x4 + x4x5 Max-min Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ /50
23 ΠΑΡΑΓΩΓΑ ΦΙΛΤΡΑ (Από τα median) Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 3/50
24 Alpha trimmed mean filter y(n) N αν j αν Ν αν x ( j) (n) {x(n), x(n-),.,x(n-n+)} και η διατεταγμένη αύξουσα σειρά είναι x () (n) x () (n) x (N) (n) Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 4/50
25 Maximum(A) = max[a(x + i, y + j)] remove negative outlier noise The original 56 x 56 pixel image corrupted by additive Gauss noise and the maximum filtered image using a 3 x 3 pixel square mask. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 5/50
26 Midpoint Filter y (n) [x ( ) (n) x (N) (n)] {,77,48,50,77,58,0,77,8} η έξοδος (8+0)/ = 09 Εχουν βέλτιστη συμπεριφορά στην καταστολή του θορύβου ομοιόμορφης κατανομής ή γενικώτερα κατανομών μικρής ουράς. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 6/50
27 Range Filter The range filter is used to find edges within an image The original 56 x 56 pixel image corrupted by additive Gauss noise and the range filtered image using a 5 x 5 pixel square mask Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 7/50
28 Weighted Median Filter Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 8/50
29 FIR MEDIAN HYBRID (FMH) φίλτρα x(n) FIR FIR FIR3 M E D I A N y(n) Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 9/50
30 FMH φίλτρα με υποφίλτρα averagers FIR 0 FIR 0 y(n) fw bw k k k i k i x(n i) x(n median{fir 0 i) fw,x(n),fir 0 bw } Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 30/50
31 Median N= FMH3 Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 3/50
32 FMH φίλτρα με υποφίλτρα linear predictors FIR FIR fw bw k i k i h h (i)x(n i) (i)x(n i) 4k 6i ό h(i) k(k ) y(n) median{fir,x(n),fir fw bw } Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 3/50
33 linear predictors -συνέχεια Ουσιαστικά προβλέπουν τις ράμπες signal ramp : x(n) a predictor : x~ (n) a n a a n k i k i 0 a 0 x~ (n) k i k i h(i) ih(i) 0 k i k i h(i)a n a h(i)[a (n i)] 0 h(i)x(n i) h(i)[a (n i) a 0 0 ] συνέχεια Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 33/50
34 για σήμα θόρυβο : σy σx [h(i)] k i Οι συντελεστές h(i) βρίσκονται με την μέθοδο Langrage: k k L(hi,λο,λi ) [h(i)] λο h(i) λ i i k i ih(i) h (i) 4k 6i k(k ) Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 34/50
35 median Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 35/50
36 Βασική ιδιότητα: Τριγωνικά σήματα είναι σήματα-ρίζες Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 36/50
37 Ημιτονικά σήματα και median filtering Αρχικό σήμα Ν= Ν= Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 37/50
38 Διόρθωση της παραμόρφωσης Με FMH7 φίλτρα y(n)=median{fir0fw, FIRfw, FIR0bw, FIRbw, x(n), x(n), x(n)} k 0. 63f s / f in Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 38/50
39 Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 39/50
40 Φίλτρα διάμεσης τιμής δύο διαστάσεων - εικόνα Διάταξη σύμφωνα με την τιμή του pixel διάμεση 5 τιμή Η υλοποίησή τους γίνεται με καθορισμό ενός παραθύρου (μάσκας) που διατρέχει όλη την εικόνα και επιλέγεται ως έξοδος η μεσαία (median) τιμή. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 40/50
41 Vector median filters παράδειγμα (a) Η εικόνα Peppers, 56x56, 4-bit per pixel, (b)noisy Image, (c) Η έξοδος του VMF. Ο Θόρυβος στην αρχική εικόνα είναι gaussian(0,5 ) και κρουστικός(%) σε κάθε κανάλι. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 4/50
42 Μη γραμμικά φίλτρα μέσης τιμής Για κάθε σύνολο αριθμών x i ισχύει: min{ x i } y CHp y Lp y H y G x y Lp y CHp max{x i } Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 4/50
43 Arithmetic mean y N i xi N x Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 43/50
44 Geometric mean y G N x i i / N N x x... x N The geometric mean filter is very susceptible to negative outliers the geometric mean filtered image using a 3 x 3 pixel square mask Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 44/50
45 Harmonic mean y H N N i x i,, 4 Πολύ καλό για εξάλειψη θετικών outliers The original 80 x 0 pixel image and the harmonic mean filtered image using a x pixel square mask Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 45/50
46 Lp Mean y Lp N i x N p i p Πολύ καλό για εξάλειψη αρνητικών outliers the Yp mean filtered image using a 5 x 5 pixel square mask and P =. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 46/50
47 Contra-harmonic The contra-harmonic filter is very good at removing positive outliers for negative values of P and negative outliers for positive values of P y CH N i N i x p i x p i contra-harmonic mean filtered image using a 5 x 5 pixel square mask and P = - Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 47/50
48 Συμπεριφορά σε ακμή CH CH - Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 48/50
49 Συμπεριφορά σε κρουστικό θόρυβο Ν=5, p= Oi αρνητικοί παλμοί φιλτράρονται για p>0 Και αντίστροφα, οι θετικοί φιλτράρονται για p<0 Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 49/50
50 Χρήσιμα sites Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 50/50
Βελτίωση - Φιλτράρισμα εικόνας
Βελτίωση - Φιλτράρισμα εικόνας Σ. Φωτόπουλος Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ.3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ /76 Βελτίωση εικόνας με φιλτράρισμα Το φιλτράρισμα εικόνας είναι ουσιαστικά συνέλιξη y(n, n ) = x(n, n )*
Διαβάστε περισσότεραΒελτίωση - Φιλτράρισμα εικόνας
Βελτίωση - Φιλτράρισμα εικόνας /7 Βελτίωση εικόνας με φιλτράρισμα Το φιλτράρισμα εικόνας είναι ουσιαστικά η πράξη συνέλιξης μεταξύ της αρχικής εικόνας και ενός συνόλου συντελεστών που συνήθως ονομάζονται
Διαβάστε περισσότεραDigital Image Processing
Digital Image Processing Αποκατάσταση εικόνας Αφαίρεση Θορύβου Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Αποκατάσταση
Διαβάστε περισσότεραDigital Image Processing
Digital Image Processing Χωρικό φιλτράρισμα Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 008. Χωρικού Φιλτράρισμα Η μηχανική
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Χωρικά φίλτρα Χωρικά φίλτρα Γενικά Σε αντίθεση με τις σημειακές πράξεις και μετασχηματισμούς, στα
Διαβάστε περισσότεραΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ (ΦΙΛΤΡΑΡΙΣΜΑ)
-- ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ (ΦΙΛΤΡΑΡΙΣΜΑ) 3. Εισαγωγή Η βελτίωση εικόνας είναι συνήθως διαδικασία φιλτραρίσµατος δηλ. συνέλιξης µε συγκεκριµµένη διδιάσταση µάσκα και στοχεύει στην ανάδειξη χαρακτηριστικών ή ελάττωση
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 3 : Αποκατάσταση εικόνας (Image Restoration) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2014-2015 Κβάντιση Δρ. Ν. Π. Σγούρος 2 Αναλογικά Ψηφιακά Σήματα Αναλογικό Σήμα x t, t [t min, t max ], x [x min, x max ] Δειγματοληψία t n, x t x n, n = 1,, N Κβάντιση x n x(n) 3 Αλφάβητο
Διαβάστε περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 4: Βέλτιστα Φίλτρα Wiener Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ και Πληροφορικής Σκοποί ενότητας Παρουσίαση βασικών εννοιών των
Διαβάστε περισσότεραΝοέμβριος 2013 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/57
Νοέμβριος 3 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ /57 Ακμή ή περίγραμμα (edge) σε μια εικόνα Χ ij ορίζεται ως το σύνολο των σημείων στη θέση i,j της εικόνας, όπου παρατηρείται μία σημαντική
Διαβάστε περισσότεραΤΕΙ ΗΠΕΙΡΟΥ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΤΗΛΕΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ
Συστήματα Ψηφιακής Επεξεργασίας Σήματος σε Πραγματικό Χρόνο 2009 10 ΤΕΙ ΗΠΕΙΡΟΥ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΤΗΛΕΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Συστήματα Ψηφιακής Επεξεργασία Σήματος σε Πραγματικό
Διαβάστε περισσότεραΤμήμα Μηχανικών Η/Υ και Πληροφορικής
Τμήμα Μηχανικών Η/Υ και Πληροφορικής Εργαστήριο Επεξεργασίας Σημάτων και Τηλεπικοινωνιών Κινητά Δίκτυα Επικοινωνιών Μέρος Α: Τηλεπικοινωνιακά Θέματα: Ενότητα Νο 4 Τεχνικές Ισοστάθμισης Διαύλου Βασικές
Διαβάστε περισσότεραΕνότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα
Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα Βασικές Έννοιες Διεργασίες στο πεδίο του χώρου f(x, y) : εικόνα εισόδου g(x, y) : εικόνα εισόδου g x, y = T f(x, y) T : τελεστής που εφαρµόζεται
Διαβάστε περισσότεραΝοέμβριος 2005 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/53
Νοέμβριος 5 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ /53 Ακμή ή περίγραμμα (edge) σεμιαεικόναχ ij ορίζεται ως το σύνολο των σημείων στη θέση i,j της εικόνας, όπου παρατηρείται μία σημαντική αλλαγή
Διαβάστε περισσότεραΤμήμα Μηχανικών Η/Υ και Πληροφορικής
Τμήμα Μηχανικών Η/Υ και Πληροφορικής Εργαστήριο Επεξεργασίας Σημάτων και Τηλεπικοινωνιών Κινητά Δίκτυα Επικοινωνιών Μέρος Α: Τηλεπικοινωνιακά Θέματα: Τεχνικές Ισοστάθμισης Διαύλου Βασικές αρχές Ισοστάθμισης
Διαβάστε περισσότεραK.K. Delibasis Univ. of Thessaly, Dept. of Computer Science and Biomedical Informatics, Lamia, Greece
Μέθοδοι αριθμητικής παραγώγισης με κεντρικές πεπερασμένες διαφορές K.K. Delibasis Univ. of Thessaly, Dept. of Computer Science and Biomedical Informatics, Lamia, Greece kdelibasis@gmail.com Εισαγωγή Ο
Διαβάστε περισσότεραΕργαστήριο ADICV2 Labs 2-6
Εργαστήριο ADICV2 Labs 2-6 Image filtering Κώστας Μαριάς Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab Σκοπός εργαστηρίου Θα φτιάξουμε ένα ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) σε matlab
Διαβάστε περισσότεραΕξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης
Πανεπιστήμιο Πατρών Τμήμα Μηχ. Η/Υ & Πληροφορικής Ακαδημαϊκό Έτος 009-010 Ψ Η Φ Ι Α Κ Ε Σ Τ Η Λ Ε Π Ι Κ Ο Ι Ν Ω Ν Ι ΕΣ η Εργαστηριακή Άσκηση: Εξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης Στην άσκηση
Διαβάστε περισσότεραΕργαστήριο ADICV2. Image filtering. Κώστας Μαριάς
Εργαστήριο ADICV2 Image filtering Κώστας Μαριάς Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Matlab Σκοπός εργαστηρίου Θα φτιάξουμε ένα ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) σε matlab Στη συνέχεια θα
Διαβάστε περισσότεραΆσκηση 1 η Να εξετάσετε αν τα ακόλουθα σήματα είναι περιοδικά. Στην περίπτωση περιοδικού σήματος, ποια είναι η θεμελιώδης περίοδος; 1 )
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεματική Ενότητα ΠΛΗ 44: Σήματα και Επεξεργασία Εικόνας Ακαδημαϊκό Έτος 007 00 Ημερομηνία Εξέτασης 4.0.00
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 4 th part 12/3/2018 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Βασικές έννοιες επεξεργασίας Φιλτράρισμα στο χωρικό
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Πιθανότητα Σφάλματος για Δυαδική Διαμόρφωση
Ψηφιακές Τηλεπικοινωνίες Πιθανότητα Σφάλματος για Δυαδική Διαμόρφωση Σύνδεση με τα Προηγούμενα Σχεδιάστηκε ο βέλτιστος δέκτης για κανάλι AWGN Επειδή πάντοτε υπάρχει ο θόρυβος, ακόμη κι ο βέλτιστος δέκτης
Διαβάστε περισσότεραΣυνέλιξη Κρουστική απόκριση
Συνέλιξη Κρουστική απόκριση Το εργαστήριο αυτό ασχολείται με τα «διασημότερα συστήματα στην επεξεργασία σήματος. Αυτά δεν είναι παρά τα γραμμικά χρονικά αμετάβλητα (ΓΧΑ) συστήματα. Ένα τέτοιο σύστημα μπορεί
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα : Συστήματα Διακριτού Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Συστήματα Διακριτού Χρόνου Εξισώσεις Διαφορών Επίλυση Εξισώσεων Διαφορών με Γραμμικούς Συντελεστές
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΑΠΟΚΑΤΑΣΤΑΣΗ ΘΟΡΥΒΟΠΟΙΗΜΕΝΩΝ ΕΙΚΟΝΩΝ ΑΠΟ ΠΡΟΣΘΕΤΙΚΟ ΘΟΡΥΒΟ ΜΕ ΧΡΗΣΗ ΧΩΡΙΚΩΝ ΦΙΛΤΡΩΝ
Διαβάστε περισσότεραΕργαστήριο ADICV3. Image filtering, Point Processing and Histogram Equalisation. Κώστας Μαριάς 20/3/2017
Εργαστήριο ADICV3 Image filtering, Point Processing and Histogram Equalisation Κώστας Μαριάς 20/3/2017 Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab Σκοπός εργαστηρίου Θα φτιάξουμε
Διαβάστε περισσότεραΔιάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ. 10.0-10.2 Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη (Επανάληψη Κεφ. 10.0-10. Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων Τι πρέπει να προσέξουμε Επαρκής ψηφιοποίηση στο χρόνο (Nyquist) Αναδίπλωση (aliasing)
Διαβάστε περισσότεραΕιδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Επεξεργασία Εικόνας Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή
Διαβάστε περισσότεραΧρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων
ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 5 : Θόρυβος Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Ομιλίας Είδη θορύβου Περιγραφή θορύβου Θεώρημα Shannon Hartley Απόδοση ισχύος και εύρους
Διαβάστε περισσότεραΣύνδεση με τα Προηγούμενα. Προχωρημένα Θέματα Τηλεπικοινωνιών. Εισαγωγή (2) Εισαγωγή. Βέλτιστος Δέκτης. παρουσία AWGN.
Προχωρημένα Θέματα Τηλεπικοινωνιών Βέλτιστος Δέκτης για Ψηφιακά Διαμορφωμένα Σήματα παρουσία AWGN Σύνδεση με τα Προηγούμενα Στις «Ψηφιακές Τηλεπικοινωνίες», αναφερθήκαμε στο βέλτιστο δέκτη ψηφιακά διαμορφωμένων
Διαβάστε περισσότεραx[n] = e u[n 1] 4 x[n] = u[n 1] 4 X(z) = z 1 H(z) = (1 0.5z 1 )(1 + 4z 2 ) z 2 (βʹ) H(z) = H min (z)h lin (z) 4 z 1 1 z 1 (z 1 4 )(z 1) (1)
Ασκήσεις με Συστήματα στο Χώρο του Ζ Επιμέλεια: Γιώργος Π. Καφεντζης Δρ. Επιστήμης Η/Υ Πανεπιστημίου Κρήτης Δρ. Επεξεργασίας Σήματος Πανεπιστημίου Rennes 1 7 Νοεμβρίου 015 1. Υπολόγισε τον μετ. Ζ και την
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Ακμές και περιγράμματα Ακμές και περιγράμματα Γενικά Μεγάλο τμήμα της πληροφορίας που γίνεται αντιληπτή
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Διάλεξη 5 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Wepage: http://eclass.uop.gr/courses/tst233
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Βέλτιστος Δέκτης
Ψηφιακές Τηλεπικοινωνίες Βέλτιστος Δέκτης Σύνδεση με τα Προηγούμενα Επειδή το πραγματικό κανάλι είναι αναλογικό, κατά τη διαβίβαση ψηφιακής πληροφορίας, αντιστοιχίζουμε τα σύμβολα σε αναλογικές κυματομορφές
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών ΙI
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών ΙI Ψηφιακή μετάδοση στη βασική ζώνη + Ιστοσελίδα nιστοσελίδα του μαθήματος: n https://eclass.uowm.gr/courses/icte302/ +
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 8: Μετασχηματισμός Ζ Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετασχηματισμός Z Μετασχηματισμός Ζ (Ζ-Transform) Χρήσιμα Ζεύγη ΖT και Περιοχές Σύγκλισης (ROC) Ιδιότητες
Διαβάστε περισσότερα1) Να σχεδιαστούν στο matlab οι γραφικές παραστάσεις των παρακάτω ακολουθιών στο διάστημα, χρησιμοποιώντας τις συναρτήσεις delta και step.
1) Να σχεδιαστούν στο matlab οι γραφικές παραστάσεις των παρακάτω ακολουθιών στο διάστημα, χρησιμοποιώντας τις συναρτήσεις delta και step. Α) Β) Ε) F) G) H) Ι) 2) Αν το διακριτό σήμα x(n) είναι όπως στην
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Διάλεξη 6 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst215
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 13: Ανάλυση ΓΧΑ συστημάτων (Ι) Περιγραφές ΓΧΑ συστημάτων Έχουμε δει τις παρακάτω πλήρεις περιγραφές ΓΧΑ συστημάτων: 1. Κρυστική απόκριση (impulse
Διαβάστε περισσότεραΚινητά Δίκτυα Επικοινωνιών
Κινητά Δίκτυα Επικοινωνιών Καθ. Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Η εξοικείωση του φοιτητή με τις διάφορες τεχνικές ισοστάθμισης καναλιού που χρησιμοποιούνται
Διαβάστε περισσότεραΕ Ρ Γ Α Σ Τ Η Ρ Ι Α9 Κ Η Α Σ Κ Η Σ Η
Ε Ρ Γ Α Σ Τ Η Ρ Ι Α9 Κ Η Α Σ Κ Η Σ Η Επεξεργασία Σήματος VIDEO σε Πραγματικό Χρόνο 1. Εισαγωγή Σκοπός της άσκησης αυτής είναι η υλοποίηση-επίδειξη αλγορίθμων επεξεργασίας σημάτων video σε πραγματικό χρόνο
Διαβάστε περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 7: Βέλτιστο Φίλτρο Wiener και Γραμμικά Περιορισμένο Φίλτρο Ελάχιστης Διασποράς Εφαρμογή στις Έξυπνες Κεραίες Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή
Διαβάστε περισσότεραΔιάλεξη 2. Συστήματα Εξισώσεων Διαφορών ΔιακριτάΣήματαστοΧώροτης Συχνότητας
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 2 Συστήματα Εξισώσεων Διαφορών Συστήματα Εξισώσεων Διαφορών Γραμμικές Εξισώσεις Διαφορών με Σταθερούς Συντελεστές (Linear Constant- Coefficient
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Σημειακή επεξεργασία και μετασχηματισμοί Κατηγορίες μετασχηματισμού εικόνων Σημειακοί μετασχηματισμοί
Διαβάστε περισσότεραΕργαστήριο ADICV1. Image Boundary detection and filtering. Κώστας Μαριάς 13/3/2017
Εργαστήριο ADICV1 Image Boundary detection and filtering Κώστας Μαριάς 13/3/2017 Boundary Detection 2 Γείτονες και περίγραμμα εικόνας Ορίζουμε ως V το σύνολο των τιμών εντάσεων εικόνας για να ορίσουμε
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ
ΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ Ακαδηµαϊκό Έτος 007-008 ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών Τµήµα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής 1η Εργαστηριακή Άσκηση Αναγνώριση
Διαβάστε περισσότεραΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ. «ΜΕΛΕΤΗ ΚΑΙ ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΜΕΤΡΗΣΕΙΣ BER ΓΙΑ ΣΗΜΑΤΑ QPSK, π/8 PSK, 16QAM, 64- QAM ΜΕ ΧΡΗΣΗ ΓΕΝΝΗΤΡΙΑΣ ΣΗΜΑΤΟΣ ΚΑΙ ΑΝΑΛΥΤΗ ΣΗΜΑΤΟΣ»
ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΜΕΛΕΤΗ ΚΑΙ ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΜΕΤΡΗΣΕΙΣ BER ΓΙΑ ΣΗΜΑΤΑ QPSK, π/8 PSK, 16QAM, 64- QAM ΜΕ ΧΡΗΣΗ ΓΕΝΝΗΤΡΙΑΣ ΣΗΜΑΤΟΣ ΚΑΙ ΑΝΑΛΥΤΗ ΣΗΜΑΤΟΣ» ΟΛΓΑ ΛΑΔΑ Α.Ε.Μ. 2572 ΑΘΑΝΑΣΙΑ ΧΡΟΝΗ Α.Ε.Μ 1802 ΕΠΙΒΛΕΠΩΝ
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 13: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Laplace. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 13: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Laplace Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Laplace 1. Επίλυση Γραμμικών
Διαβάστε περισσότεραDIP_04 Βελτιστοποίηση εικόνας. ΤΕΙ Κρήτης
DIP_04 Βελτιστοποίηση εικόνας ΤΕΙ Κρήτης ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Σκοπός µιας τέτοιας τεχνικής µπορεί να είναι: η βελτιστοποίηση της οπτικής εµφάνισης µιας εικόνας όπως την αντιλαµβάνεται ο άνθρωπος, η τροποποίηση
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 4 : Δειγματοληψία και κβάντιση (Sampling and Quantization) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 4
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 4 5.9 Η Στοχαστική Ανέλιξη Gauss (οι διαφάνειες ακολουθούν διαφορετική
Διαβάστε περισσότεραΣήµατα και συστήµατα διακριτού χρόνου
Σήµατα και συστήµατα διακριτού χρόνου Βασικές ψηφιακές πράξεις Πρόσθεση {x 1 (n)}+{x 2 (n)}={x 1 (n)+x 2 (n)} Πολλαπλασιασµός Κλιµάκωση Μετατόπιση Αναδίπλωση {x 1 (n)}.{x 2 (n)}={x 1 (n).x 2 (n)} a{x(n)}
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 6 : Κωδικοποίηση & Συμπίεση εικόνας Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΨηφιακά Φίλτρα. Κυριακίδης Ιωάννης 2011
Ψηφιακά Φίλτρα Κυριακίδης Ιωάννης 2011 Συνέλιξη Convolution) Με το άθροισμα της συνέλιξης μπορούμε να βρούμε την απόκριση ενός συστήματος διακριτού χρόνου για είσοδο xn), αν γνωρίζουμε την κρουστική του
Διαβάστε περισσότεραΕιδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Σύνθεση Πανοράµατος Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 7 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη 2 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: hp://eclass.uop.gr/courses/tst25
Διαβάστε περισσότεραΤΟ ΜΑΥΡΟ ΚΟΥΤΙ. 1. Το περιεχόμενο του μαύρου κουτιού. 2. Είσοδος: σήματα (κυματομορφές) διέγερσης 3. Έξοδος: απόκριση. (απλά ηλεκτρικά στοιχεία)
ΤΟ ΜΑΥΡΟ ΚΟΥΤΙ Είσοδος ΜΑΥΡΟ ΚΟΥΤΙ Έξοδος 1. Το περιεχόμενο του μαύρου κουτιού (απλά ηλεκτρικά στοιχεία) 2. Είσοδος: σήματα (κυματομορφές) διέγερσης 3. Έξοδος: απόκριση 2019Κ1-1 ΚΥΜΑΤΟΜΟΡΦΕΣ 2019Κ1-2 ΤΙ
Διαβάστε περισσότερα15/3/2009. Ένα ψηφιακό σήμα είναι η κβαντισμένη εκδοχή ενός σήματος διάκριτου. χρόνου. Φλώρος Ανδρέας Επίκ. Καθηγητής
15/3/9 Από το προηγούμενο μάθημα... Ένα ψηφιακό σήμα είναι η κβαντισμένη εκδοχή ενός σήματος διάκριτου Μάθημα: «Ψηφιακή Επεξεργασία Ήχου» Δάλ Διάλεξη 3 η : «Επεξεργαστές Ε ξ έ Δυναμικής Περιοχής» Φλώρος
Διαβάστε περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2014-2015 Στοιχεία Επεξεργασίας Σήματος Δρ. Ν. Π. Σγούρος 2 Εργοδικές Διαδικασίες Η μέση τιμή διαφόρων στιγμιότυπων της διαδικασίας (στατιστική μέση τιμή) ταυτίζεται με τη χρονική μέση
Διαβάστε περισσότεραΕπαναληπτικές Ασκήσεις για το µάθηµα Ψηφιακή Επεξεργασία Σηµάτων
Άσκηση η α) Πώς θα µετρήσετε πρακτικά πόσο κοντά είναι ένα σήµα σε λευκό θόρυβο; Αναφέρατε 3 διαφορετικές µεθόδους (κριτήρια) για την απόφαση: "Ναι, πρόκειται για σήµα που είναι πολύ κοντά σε λευκό θόρυβο"
Διαβάστε περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2014-2015 Κβάντιση Δρ. Ν. Π. Σγούρος 2 Άσκηση 5.1 Για ένα σήμα που έχει τη σ.π.π. του σχήματος να υπολογίσετε: μήκος του δυαδικού κώδικα για Ν επίπεδα κβάντισης για σταθερό μήκος λέξης;
Διαβάστε περισσότεραΣτοχαστικά Σήµατα και Εφαρµογές. ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής
Στοχαστικά Σήµατα & Εφαρµογές Βέλτιστα Φίλτρα Wiener ιδάσκων: Ν. Παπανδρέου (Π.. 7/8) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής CEID 7-8 Εισαγωγή ιατύπωση του προβλήµατος: οθέντος των από
Διαβάστε περισσότερα27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό
ΗΜΥ 429 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 1 (i) Βασική στατιστική 2 Στατιστική Vs Πιθανότητες Στατιστική: επιτρέπει μέτρηση και αναγνώριση θορύβου και
Διαβάστε περισσότεραΠαρουσίαση Νο. 6 Αποκατάσταση εικόνας
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση Νο. 6 Αποκατάσταση εικόνας Εισαγωγή (1/2) Αναίρεση υποβάθμισης που μπορεί να οφείλεται: Στο οπτικό σύστημα (θόλωμα λόγω κακής εστίασης, γεωμετρικές παραμορφώσεις...)
Διαβάστε περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 5 η : Αποκατάσταση Εικόνας
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 5 η : Αποκατάσταση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στις τεχνικές αποκατάστασης
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 7: Μετατροπή Σήματος από Αναλογική Μορφή σε Ψηφιακή Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετατροπή Αναλογικού Σήματος σε Ψηφιακό Είδη Δειγματοληψίας: Ιδανική
Διαβάστε περισσότεραΕιδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Χαρακτηριστικά Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα
Διαβάστε περισσότεραΑκαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ, ΤΜΗΜΑ Ι ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΨΣ 50: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ακαδηµαϊκό Έτος 005 006, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Η εξέταση
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 17 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη 3 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst15
Διαβάστε περισσότεραΚεφάλαιο 4 Κανονική Κατανομή. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς
Κεφάλαιο 4 Κανονική Κατανομή Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς 4-4-1 Εισαγωγή Όσο το n αυξάνει, η διωνυμική κατανομή προσεγγίζει... n = 6 n = 1 n = 14 Binomial Distribution:
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 4b 24/4/2017 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Μετασχηματισμός Fourier Εφαρμογές 2 Περιοδικός Θόρυβος
Διαβάστε περισσότεραΟ Μετασχηματισμός Ζ. Ανάλυση συστημάτων με το μετασχηματισμό Ζ
Ο Μετασχηματισμός Ζ Ανάλυση συστημάτων με το μετασχηματισμό Ζ Ο μετασχηματισμός Z (Ζ-Τransform: ZT) χρήσιμο μαθηματικό εργαλείο για την ανάλυση των διακριτών σημάτων και συστημάτων αποτελεί ό,τι ο μετασχηματισμός
Διαβάστε περισσότεραΣΤΟΙΧΕΙΑ ΔΙΑΝΥΣΜΑΤΙΚΟΥ ΛΟΓΙΣΜΟΥ
ΣΤΟΙΧΕΙΑ ΔΙΑΝΥΣΜΑΤΙΚΟΥ ΛΟΓΙΣΜΟΥ A u B Μέτρο Διεύθυνση Κατεύθυνση (φορά) Σημείο Εφαρμογής Διανυσματικά Μεγέθη : μετάθεση, ταχύτητα, επιτάχυνση, δύναμη Μονόμετρα Μεγέθη : χρόνος, μάζα, όγκος, θερμοκρασία,
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 2: Συστήματα διακριτού χρόνου Συστήματα διακριτού χρόνου Σύστημα διακριτού χρόνου: Μετασχηματισμός Τ που μετατρέπει το σήμα εισόδου x[] στο σήμα
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3 ο. Μετασχηματισμός FOURIER Διακριτού Χρόνου DTFT. (Discrete Time Fourier Transform) ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ Σ. ΦΩΤΟΠΟΥΛΟΣ ΔΠΜΣ 1 / 55
ΚΕΦΑΛΑΙΟ 3 ο Μετασχηματισμός FOURIER Διακριτού Χρόνου DTFT (Discrt Tim Fourir Transform / 55 Γενικά Μορφές Μετασχηματισμού Fourir Σήματα που αντιστοιχούν στους τέσσερους τύπους μετασχηματισμών α Μετασχηματισμός
Διαβάστε περισσότεραΙατρικά Ηλεκτρονικά. Χρήσιμοι Σύνδεσμοι. ΙΑΤΡΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ - ΔΙΑΛΕΞΗ 5α. Σημειώσεις μαθήματος: E mail:
Ιατρικά Ηλεκτρονικά Δρ. Π. Ασβεστάς Τμήμα Μηχανικών Βιοϊατρικής Τεχνολογίας Τ.Ε Χρήσιμοι Σύνδεσμοι Σημειώσεις μαθήματος: http://medisp.bme.teiath.gr/eclass/courses/tio127/ E mail: pasv@teiath.gr 2 1 Περιοδικά
Διαβάστε περισσότεραΠαρουσίαση Νο. 5 Βελτίωση εικόνας
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση Νο. 5 Βελτίωση εικόνας Εισαγωγή Η βελτίωση γίνεται σε υποκειμενική βάση Η απόδοση εξαρτάται από την εφαρμογή Οι τεχνικές είναι συνήθως ad hoc Τονίζει
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ
Ψηφιακή Επεξεργασία Εικόνας ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση (Segmentation)
Διαβάστε περισσότεραΣτοχαστικά Σήματα και Τηλεπικοινωνιές
Στοχαστικά Σήματα και Τηλεπικοινωνιές Ενότητα 2: Ανασκόπηση Στοιχείων Γραμμικής Άλγεβρας Καθηγητής Κώστας Μπερμπερίδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ και Πληροφορικής Σκοποί ενότητας Παρουσίαση/υπενθύμιση
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας Ιωάννης Έλληνας Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης
Διαβάστε περισσότεραP m (x)p n (x)dx = 2 2n + 1 δn m. P 1 (x) = x. P 2 (x) = 1 2 (3x2 1) P 3 (x) = 1 2 (5x3 3x) P 4 (x) = 1 8 (35x4 30x 2 + 3)
ΠΟΛΥΩΝΥΜΑ LEGENDRE Τα πολυώνυμα Legendre P n (x είναι ορθογώνια πολυώνυμα στο διάστημα [ 1, +1], με συνάρτηση βάρους την w(x = 1, άρα ισχύει: +1 1 P m (xp n (xdx = 2 2n + 1 δn m Τα επτά πρώτα πολυώνυμα
Διαβάστε περισσότεραΟ μετασχηματισμός Fourier
Ο μετασχηματισμός Fourier είναι από τα διαδεδομένα εργαλεία μετατροπής δεδομένων και συναρτήσεων (μιας ή περισσοτέρων διαστάσεων) από αυτό που ονομάζεται περιοχή χρόνου (time domain) στην περιοχή συχνότητας
Διαβάστε περισσότεραmax f( x,..., x ) st. : g ( x,..., x ) 0 g ( x,..., x ) 0
Μαθηματικές Μέθοδοι Βελτιστοποίησης - Εστιάζουμε στο ακόλουθο πρόβλημα μεγιστοποίησης μιας αντικειμενικής συνάρτησης f υπό ένα σύνολο ανισοτικών περιορισμών: max f( x,..., x ) { x,..., x } 1 n 1 st. :
Διαβάστε περισσότεραΜάθημα: Μηχανική Όραση
Μάθημα: Μηχανική Όραση Εργασία 2: Advances in Digital Imaging and Computer Vision Ομάδα χρηστών 2 : Τσαγκαράκης Νίκος, Καραμήτρος Κώστας Εισαγωγή Σκοπός της άσκησης, είναι να εξοικειωθούμε με κάποιες βασικές
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών
Συστήματα Επικοινωνιών Ενότητα 10: Ψηφιακή Μετάδοση Βασικής Ζώνης Μιχαήλ Λογοθέτης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Παρουσίαση των πινάκων αναζήτησης
Διαβάστε περισσότεραΔηλαδή η ρητή συνάρτηση είναι πηλίκο δύο ακέραιων πολυωνύμων. Επομένως, το ζητούμενο ολοκλήρωμα είναι της μορφής
D ολοκλήρωση ρητών συναρτήσεων Το θέμα μας στην ενότητα αυτή είναι η ολοκλήρωση ρητών συναρτήσεων. Ας θυμηθούμε πρώτα ποιες συναρτήσεις ονομάζονται ρητές. Ορισμός: Μία συνάρτηση ονομάζεται ρητή όταν μπορεί
Διαβάστε περισσότεραΣήματα και Συστήματα ΙΙ
Σήματα και Συστήματα ΙΙ Ενότητα 6: Απόκριση Συχνότητας-Φίλτρα Α. Ν. Σκόδρας Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Επιμέλεια: Αθανάσιος Ν. Σκόδρας, Καθηγητής Γεώργιος Α. Βασκαντήρας,
Διαβάστε περισσότεραΣτατιστική Ι. Μέτρα Διασποράς (measures of dispersion) Δρ. Δημήτρης Σωτηρόπουλος e-mail: dgs@eap.gr
Στατιστική Ι Μέτρα Διασποράς (measures of dispersion) Δρ. Δημήτρης Σωτηρόπουλος e-mail: dgs@eap.gr Παρασκευή, 30 Νοεμβρίου 2012 Στατιστική Ι Έννοιες - Κλειδιά Μεταβλητότητα Εύρος (range) Εκατοστημόρια
Διαβάστε περισσότεραDigital Image Processing
Digital Image Processing Φιλτράρισμα στο πεδίο των Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Φίλτρο: μια διάταξη ή
Διαβάστε περισσότεραΜάθημα 10 ο. Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 10 ο Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Η περιγραφή μίας περιοχής μπορεί να γίνει: Με βάση τα εξωτερικά χαρακτηριστικά (ακμές, όρια). Αυτή η περιγραφή προτιμάται όταν μας ενδιαφέρουν
Διαβάστε περισσότεραΕργαστήριο ADICV. Fourier transform, frequency domain filtering and image restoration. Κώστας Μαριάς 3/4/2017
Εργαστήριο ADICV Fourier transform, frequency domain filtering and image restoration Κώστας Μαριάς 3/4/2017 Fourier Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab ΠΑΡΑΔΕΙΓΜΑΤΑ ΦΙΛΤΡΩΝ ΔΙΑΚΡΙΤΟΣ
Διαβάστε περισσότεραΟλοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων
Ψηφιακή Επεξεργασία Σηµάτων 20 Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων Α. Εγκατάσταση Αφού κατεβάσετε το συµπιεσµένο αρχείο µε το πρόγραµµα επίδειξης, αποσυµπιέστε το σε ένα κατάλογο µέσα
Διαβάστε περισσότεραΜετασχηµατισµός FOURIER ιακριτού χρόνου DTFT
Σ. Φωτόπουλος ΨΕΣ Κεφάλαιο 3 ο DTFT -7- Μετασχηµατισµός FOURIER ιακριτού χρόνου DTFT (discrete time Fourier transform) 3.. Εισαγωγικά. 3.. Είδη µετασχηµατισµών Fourier Με την ονοµασία Μετασχηµατισµοί Fourier
Διαβάστε περισσότερα1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13
ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13 1.1. Τι είναι το Matlab... 13 1.2. Περιβάλλον εργασίας... 14 1.3. Δουλεύοντας με το Matlab... 16 1.3.1. Απλές αριθμητικές πράξεις... 16 1.3.2. Σχόλια...
Διαβάστε περισσότερα6-Aνίχνευση. Ακμών - Περιγράμματος
6-Aνίχνευση Ακμών - Περιγράμματος Ανίχνευση ακμών Μετατροπή 2 εικόνας σε σύνολο ακμών Εξαγωγή βασικών χαρακτηριστικών της εικόνας Πιο «συμπαγής» αναπαράσταση Ανίχνευση ακμών Στόχος: ανίχνευση ασυνεχειών
Διαβάστε περισσότεραΣύντομη Αναφορά σε Βασικές Έννοιες Ψηφιακής Επεξεργασίας Σημάτων
Πρόγραμμα Μεταπτυχιακών Σπουδών: «Τεχνολογίες και Συστήματα Ευρυζωνικών Εφαρμογών και Υπηρεσιών» Μάθημα: «Επεξεργασία Ψηφιακού Σήματος και Σχεδιασμός Υλικού» Σύντομη Αναφορά σε Βασικές Έννοιες Ψηφιακής
Διαβάστε περισσότεραΜάθημα 7 ο. Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 7 ο Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι τεχνικές συμπίεσης βασίζονται στην απόρριψη της πλεονάζουσας πληροφορίας Ανάγκες που καλύπτονται Εξοικονόμηση μνήμης Ελάττωση χρόνου και εύρους
Διαβάστε περισσότεραΔιαδικασία Ψηφιοποίησης (1/2)
Διαδικασία Ψηφιοποίησης (1/2) Η διαδικασία ψηφιοποίησης περιλαμβάνει: Φιλτράρισμα και δειγματοληψία Κβαντισμό και κωδικοποίηση Φιλτράρισμα και δειγματοληψία Κβαντισμός και κωδικοποίηση Κβαντισμός Τα αναλογικά
Διαβάστε περισσότεραΠαρουσίαση του μαθήματος
Παρουσίαση του μαθήματος Εργαστήριο 1 Ενότητες Μαθήματος 1. Η ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ Τι είναι ψηφιακή εικόνα. Τι σημαίνει Επεξεργασία εικόνας. Ανάλυση εικόνας σε συχνότητα ( Μετασχηματισμός Fourier σε εικόνα)
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα ΙΙ
Τηλεπικοινωνιακά Συστήματα ΙΙ Διάλεξη 1: Χωρητικότητα Καναλιών Το θεώρημα Shannon - Hartley Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα 1. Δυαδική σηματοδοσία 2. Μορφές δυαδικής σηματοδοσίας 3.
Διαβάστε περισσότερα