DIP_04 Βελτιστοποίηση εικόνας. ΤΕΙ Κρήτης
|
|
- Ἀνδρέας Δυοβουνιώτης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 DIP_04 Βελτιστοποίηση εικόνας ΤΕΙ Κρήτης
2 ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Σκοπός µιας τέτοιας τεχνικής µπορεί να είναι: η βελτιστοποίηση της οπτικής εµφάνισης µιας εικόνας όπως την αντιλαµβάνεται ο άνθρωπος, η τροποποίηση των εικόνων µε τέτοιο τρόπο ώστε να είναι αποτελεσµατικότερη η παραπέρα ανάλυση ή χρησιµοποίησή τους. 2
3 ΤΕΧΝΙΚΕΣ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ Οι Τεχνικές Φιλτραρίσµατος χωρίζονται σε Τεχνικές : στο Πεδίο του Χώρου (Spatial Domain) και σε Τεχνικές στο Πεδίο της Συχνότητας (Frequency Domain). ιακρίνονται επίσης και ως Γραµµικές ή µη Γραµµικές Τεχνικές Φιλτραρίσµατος. 3
4 ΕΙ Η ΦΙΛΤΡΩΝ ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) ΦΙΛΤΡΟ ΜΕΣΑΙΑΣ ΤΙΜΗΣ (median FILTER) ΦΙΛΤΡΟ max-min min ΦΙΛΤΡΟ max/median median ΦΙΛΤΡΑ GAUSS 4
5 ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) Η λειτουργία του φίλτρου µέσης τιµής συνίσταται µε την αντικατάσταση της φωτεινότητας σε κάθε εικονοστοιχείο µε τη µέση φωτεινότητα σε µια γειτονιά του. Αν Ν είναι η γειτονιά του εικονοστοιχείου (i,j) µιας εικόνας I, τότε η τιµή του εικονοστοιχείου (i,j) αντικαθίσταται µε τη βοήθεια της σχέσης: 1 I '( i, j) = I( x, y) M ( x, y) N όπου Μ το πλήθος των εικονοστοιχείων της γειτονιάς Ν. 5
6 ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) Η γειτονιά Ν είναι συνήθως καθορισµένη για κάθε επεξεργασία και συνήθως αντιστοιχεί σε τετράγωνες µάσκες. Έτσι για ακτίνα ίση µε ένα έχουµε ουσιαστικά µια γειτονιά διαστάσεων Ένα 3 3 φίλτρο µέσης τιµής µπορεί πρακτικά να υλοποιηθεί µε µια µάσκα της µορφής:
7 ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) Το φίλτρο µέσης τιµής µπορεί να θεωρηθεί ως ένα κατωδιαβατό φίλτρο. Αν θέλουµε να τονίσουµε περισσότερο τη συνεισ- φορά των εικονοστοιχείων ανάλογα µε την από- στασή τους, τότε µπορούµε να χρησιµοποιήσουµε µάσκες εξοµάλυνσης όπως η παρακάτω
8 ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) Μια παραλλαγή του φίλτρου µέσης τιµής είναι τα φίλτρα µέσης τιµής υπό συνθήκες (conditional local averaging filters), όπου ανήκει η µέθοδος των Lev, Zucker σύµφωνα µε την οποία η τιµή του εικονο- στοιχείου (i,j) αντικαθίσταται µε τη µέση τιµή των εικονοστοιχείων της γειτονιάς του: όπου 1 I '( i, j) = I( x, y) n ( x, y) S { (, ) : (, ) (, ) } S= I x y N I i j I x y < T και n το πλήθος των στοιχείων του S. 8
9 ΦΙΛΤΡΟ ΜΕΣΑΙΑΣ ΤΙΜΗΣ (median FILTER) Το φιλτράρισµα µε ένα φίλτρο µεσαίας τιµής είναι µια µη γραµµική τεχνική. Η τιµή median ενός συνόλουα είναι ίση µε τη µεσαία τιµή του συνόλου. Συγκεκριµένα, έστω A= { a, a,..., a 1 2 n το σύνολο µε στοιχεία α 1 α 2 α n R. } Το φίλτρο µεσαίας τιµής χρησιµοποιείται για την εξοµάλυνση (smoothing) των ακµών και τη µείωση του θορύβου µιας εικόνας. 9
10 ΦΙΛΤΡΟ ΜΕΣΑΙΑΣ ΤΙΜΗΣ (median FILTER) Το median τουα ισούται µε median( A)= a n a + a n n n,περιττος Για παράδειγµα median{4,3,5,8,2}=4, median{4,3 {4, ,6}=4.5 Από τον ορισµό του median προκύπτει: median(k+α) ) = k+median(α) median(kα) ) = kmedian(α) median(α+β) median( median(α)+ median(β) 2 +1 n,αρτιος 10
11 ΦΙΛΤΡΟ ΜΕΣΑΙΑΣ ΤΙΜΗΣ (median FILTER) Εφαρμογή του φίλτρου median σε μονοδιάστατα σήματα. η ακτίνα του παράθυρο είναι ίση µε ένα, δηλαδή έχει τη µορφή 11
12 ΦΙΛΤΡΟ ΜΕΣΑΙΑΣ ΤΙΜΗΣ (median FILTER) Τα φίλτρα median µπορούν να θεωρηθούν ως ειδική περίπτωση των φίλτρων rank (κατάταξης). Εφαρμογή φίλτρου median (α) αρχική εικόνα με κρουστικό θόρυβο,(β) αποτέ-λεσμα της εφαρμογής ενός φίλτρου median ακτίνας ίσης με ένα. 12
13 ΦΙΛΤΡΟ ΜΕΣΑΙΑΣ ΤΙΜΗΣ (median FILTER) Σχήμα 5: Εφαρμογή φίλτρου median: (α) αρχική εικόνα με θόρυβο και λεπτές γραμμές (β) αποτέλεσμα της εφαρ-μογής ενός φίλτρου median ακτίνας ίσης με ένα. 13
14 ΦΙΛΤΡΟ ΜΕΣΑΙΑΣ ΤΙΜΗΣ (median FILTER) Εναλλακτική μορφή μάσκας. Εφαρμογή φίλτρου median με γειτονιά αυτή του προηγούµενου σχήµατος 14
15 ΦΙΛΤΡΟ min/max Τα φίλτρα min/max max (ελαχίστου / µεγίστου) είναι µη γραµµικά φίλτρα τάξης. Το φίλτρο ελαχίστου έχει ως αποτέλεσµα να απλώνει µαύρες περιοχές και να συρρικνώνει λευκές. Το φίλτρο µεγίστου απλώνει λευκές περιοχές και συρρικνώνει µαύρες. 15
16 ΦΙΛΤΡΟ max/median median Τα υβριδικά φίλτρα max/median median ανήκουν και αυτά στην κατηγορία των φίλτρων τάξης (ranked order filters). η απόκριση ενός max/ranked φίλτρου στο Ν-δισδιάστατο χώρο ορίζεται ως y = max( z, z,..., z ) m, m,..., m 1 2 k 1 2 N όπου τα z i είναι το χαρακτηριστικό τάξης του υποσυ- νόλου i µιας γειτονιάς. ηλαδή z i [ ] = rank S i µε k το πλήθος των υποσυνόλων και S i, το υποσύνο- λο i. 16
17 ΦΙΛΤΡΟ max/median median Οι τέσσερις ευθείες των. υποσυνόλων. Αν ορίσουµε µε α m,n και y m,n την είσοδο και την έξοδο αντίστοιχα ενός 2Ν+1 max/median φίλτρου στη θέση (m,n) τότε y = max z, z, z, z όπου z = median( a,..., a,..., a ) 1 m, n N m, n m, n+ N [ ] m, n z = median( a,..., a,..., a ) 2 m N, n m, n m N, n z = median ( a,..., a,..., a ) 3 m+ N, n N m, n m N, n+ N z = median ( a,..., a,..., a ) 4 m N, n N m, n m+ N, n+ N Άρα για ένα παράθυρο, διαστάσεων (2Ν +1) (2Ν+1), το φίλτρο max/median median χρησιµοποιεί 8Ν + Ι τιµές. 17
18 ΦΙΛΤΡΑ GAUSS Τα φίλτρα Gauss είναι κατωδιαβατά (low-pass) φίλτρα και συνεπώς εκτός της ικανότητας φιλτρα- ρίσµατος θορύβου επιφέρουν θάµπωση στην εικόνα. Για τον προσεγγιστικό σχεδιασµό των φίλτρων Gauss µπορούµε να χρησιµοποιήσουµε τους συντε- λεστές του διωνυµικού αναπτύγµατος: n n n n + x = + x+ x + + x n n 2 (1 )... n 18
19 ΦΙΛΤΡΑ GAUSS Μια άλλη προσέγγιση στο σχεδιασµό φίλτρων Gauss είναι να υπολογίσουµε τα βάρη της µάσκας απευθείας από την ασυνεχή κατανοµή Gauss: 2 2 ( i + j ) 2 2σ g[ i, j] = ce Όπου το c είναι σταθερά κανονικοποίησης. Έτσι: g[ i, j] = c e 2 2 ( i + j ) 2σ και επιλέγοντας µια τιµή για το σ 2, µπορούµε να το υπολογίσουµε σε ένα n n παράθυρο για να πάρου- µε µια µάσκα για την οποία η τιµή στο [0,0] είναι
20 ΦΙΛΤΡΑ GAUSS Για σ 2 = 2 και n=7. 20
21 ΕΠΕΞΕΡΓΑΣΙΑ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Το ιστόγραµµα µιας εικόνας αποχρώσεων του γκρι περιέχει σηµαντικές πληροφορίες για την ει- κόνα και για το λόγο αυτό είναι ένα από τα σηµα- ντικότερα εργαλεία στην επεξεργασία ψηφιακών εικόνων. Μπορεί να χρησιµοποιηθεί για τη βελτιστοποίηση της εικόνας, την τροποποίηση των χαρακτηριστι- κών της, την µετατροπή της σε εικόνα µε λιγότερες αποχρώσεις, την εξαγωγή χαρακτηριστικών της εικόνας κ.α. 21
22 ΤΟ ΙΣΤΟΓΡΑΜΜΑ ΜΙΑΣ ΕΙΚΟΝΑΣ Το ιστόγραµµα µιας εικόνας είναι εύκολο να προσδι- ορισθεί. Εκφράζει τη κατανοµή των απoχρώσεων του γκρι στην εικόνα και στις περισσότερες περι- πτώσεις απόλυτα καθορίζει την εικόνα. Ένα ιστόγραµµα είναι ένα γράφηµα που στον ορι- ζόντιο άξονα έχει τις φωτεινότητες από και στον κατακόρυφο άξονα το πλήθος των εικονοστοι- χείων που έχουν κάθε φωτεινότητα. Ανάλογα µε την εφαρµογή, ο κατακόρυφος άξονας µπορεί να κανο- νικοποιηθεί µε βάση τη µέγιστη τιµή του ιστογράµ- µατος. 22
23 ΤΟ ΙΣΤΟΓΡΑΜΜΑ ΜΙΑΣ ΕΙΚΟΝΑΣ (α) Η εικόνα, (β) το ιστόγραμμά της. 23
24 ΤΟ ΙΣΤΟΓΡΑΜΜΑ ΜΙΑΣ ΕΙΚΟΝΑΣ Αρχική εικόνα και το ιστόγραμμα της εικόνας. 24
25 ΕΞΙΣΟΡΡΟΠΗΣΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Η τεχνική της εξισορρόπησης ιστογράµµατος (histogram equalization) µετασχηµατίζει τις γκρι φωτεινότητες µιας εικόνας έτσι ώστε αυτές να κατα- νέµονται οµοιόµορφα σ όλη την κλίµακα φωτεινοτή- των. Η εικόνα που προκύπτει µε τον τρόπο αυτό είναι αυξηµένης αντίθεσης σε σχέση µε την αρχική. 25
26 ΕΞΙΣΟΡΡΟΠΗΣΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Για την ανάπτυξη της µεθόδου έστω ότι έχουµε µια γκρι εικόνα Α(k,m), διαστάσεων Ν Μ έτσι ώστε Α(k,m) ) {0,...,L-1}. 1}.Έστω, h(g), g = 0,...,L-1, το ιστόγραµµα της εικόνας Ι. Υπολογίζουµε: Η συνάρτηση g 1 P( g) = h( i), g = 0,..., L 1 N M i = 0 T( g) = int[ L P( g)] είναι η συνάρτηση µετα- Κάθε φωτεινότητα σχηµατισµού των φωτεινοτήτων φωτεινοτήτων. Κάθε Α(k, m) της αρχικής εικόνας Α µετασχηµατίζεται στη φωτεινότητα Β(k, m) της νέας εικόνας µε B( k, m) = T ( A( k, m)), k = 0,..., N 1 / m = 0,..., M 1 26
27 ΕΞΙΣΟΡΡΟΠΗΣΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Ως παράδειγµα, εφαρµόζουµε την εξισορρόπηση ιστογράµµατος στην προηγούµενη εικόνα. Η συνάρτηση µετασχηµατισµού Τ(g) έχει τη µορφή: Η συνάρτηση μετασχηματισμού Τ(g). Η τελική εικόνα μετά την εξισορρόπηση ιστογράμματος 27
28 ΕΞΙΣΟΡΡΟΠΗΣΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Η διαδικασία εξισορρόπησης ιστογράµµατος που περιγράψαµε αναφέρεται ως ολική εξισορρόπηση ιστογράµµατος (global histogram equalization) σε αντίθεση µε τεχνικές τοπικής εξισορρόπησης ιστο- γράµµατος (local histogram equalization). Το ιστόγραμμα της τελικής εικόνας σε σύγκριση με το αρχικό. 28
29 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΦΩΤΕΙΝΟΤΗΤΑΣ Ως φωτεινότητα (brightness) μιας εικόνας μπορεί να ορισθεί η μέση φωτεινότητα των εικονοστοιχείων της. Δηλαδή, για μια εικόνα διαστάσεων Ν Μ η φωτεινότητά της ισούται με: N M 1 B = I ( n, m ) N M n = m = 1 1 Οι τεχνικές μετασχηματισμού φωτεινότητας βασίζονται σε συναρτήσεις μετασχηματισμού Τ(g) σύμφωνα με τη διαδικασία της σχέσης: h (k)= (k)=t(h(k)), k=0,,l,l-1 29
30 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΦΩΤΕΙΝΟΤΗΤΑΣ Επειδή η επεξεργασία κάθε εικονοστοιχείου µιας εικόνας εξαρτάται από τη φωτεινότητα του ίδιου του εικονοστοιχείου, οι τεχνικές αυτής της κατηγορίας αναφέρονται και ως τεχνικές σηµειακής επεξεργασίας (point processing). 30
31 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΦΩΤΕΙΝΟΤΗΤΑΣ
32 ΑΡΝΗΤΙΚΗ ΕΙΚΟΝΑ T( g) = 255 g Το αρνητικό µιας εικόνας παράγεται χρησιµοποιώ- ντας τη συνάρτηση µετασχηµατισµού η οποία είναι ίση µε: Η βασική ιδέα είναι η αντιστροφή των φωτεινο- τήτων. 32
33 ΑΡΝΗΤΙΚΗ ΕΙΚΟΝΑ Η συνάρτηση μετασχηματισμού για το αρνητικό της εικόνας,(β) μια αρχική εικόνα, (γ) το αρνητικό της. 33
34 ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Εικόνες χαµηλής αντίθεσης µπορούν να προκύ- ψουν είτε από ανεπαρκή φωτισµό, είτε λόγω της µικρής δυναµικής περιοχής του οπτικού αισθητήρα είτε και λόγω λανθασµένης ρύθµισης των παραµέ- τρων λήψης των εικόνων. 34
35 ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Για μια εικόνα αποχρώσεων του γκρι διαστάσεων Ν Μ και φωτεινότητας Β, η αντίθεση της εικόνας ισούται με: N M 1 C = I ( n, m ) B N M = = 1 m 1 [ ] 2 Σύμφωνα με έναν δεύτερο ορισμό, η αντίθεση σε μια εικόνα μπορεί να εκφρασθεί ως max{ I} min{ I} C = max{ I} + min{ I} Ο ορισμός αυτός δίνει μια τιμή μεταξύ μηδέν και ένα. Όταν C = Ο η εικόνα έχει μηδενική αντίθεση, ενώ όταν C = Ι έχουμε εικόνα μέγιστης αντίθεσης. n 35
36 ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Σε πολλές περιπτώσεις µας ενδιαφέρει η αντίθεση τοπικά του κάθε εικονοστοιχείου. Για τον ορισµό της τοπικής αντίθεσης έχουν προταθεί επίσης διάφοροι ορισµοί. Σύµφωνα µε έναν ορισµό, η αντίθεση σε ένα εικονοστοιχείο (n, m) εκφράζεται από τη σχέση: I ( n, m) I I ( n, m) B C( n, m) = = Im ax
37 ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Ένας δεύτερος ορισμός, για την τοπική αντίθεση σε μια εικόνα αποχρώσεων του γκρι ή γενικά για την αντίθεση μεταξύ δύο περιοχών Α και Β, δίδεται από τη σχέση: I A I B C A B = I A + I B όπου I A και IB οι μέσες φωτεινότητες των περιοχών. Η σχέση αυτή στην περίπτωση υπολογισμού της τοπικής αντίθεσης σε μια εικόνα Ι παίρνει τη μορφή: C( n, m) = I ( n, m) I I ( n, m) + I N όπου το Ι Ν αναφέρεται σε μια προκαθορισμένη γειτονιά του εικονοστοιχείου (n, m). N 37
38 ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Άλλος ορισµός της τοπικής αντίθεσης βασίζεται στις µέγιστες και ελάχιστες τιµές σε µια περιοχή. Συγκεκριµένα, C( n, m) = max I min I ή σε κανονικοποιηµένη µορφή: max I N min I C( n, m) = max I + min I N N N N N 38
39 ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Αύξηση της αντίθεσης: (α) Η αρχική εικόνα, (β) η συνάρτηση μετασχηματισμού, (γ) η εικόνα μετά την αύξηση της αντίθεσης, και (δ) με αντίθεση κατωφλίου (Τ=150). 39
40 ΤΕΧΝΙΚΗ ΓΙΑ ΠΡΟΣΑΡΜΟΣΤΙΚΗ ΚΑΙ ΤΟΠΙΚΗ ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Με τον τρόπο αυτό θα γίνει αύξηση της αντίθεσης µόνον στις περιοχές που χρειάζεται και όχι σε ολό- κληρη την εικόνα. Για παράδειγµα µπορούµε να επιβάλουµε την µη αλλαγή των φωτεινοτήτων σε περιοχές οµοιογενείς από πλευράς φωτεινότητας καθώς επίσης και σε περιοχές υψηλής αντίθεσης. Σ όλα τα υπόλοιπα εικονοστοιχεία της εικόνας, η αντίθεση αυξάνεται σύµφωνα µε έναν προκαθορι- σµένο µετασχηµατισµό. 40
41 ΤΕΧΝΙΚΗ ΓΙΑ ΠΡΟΣΑΡΜΟΣΤΙΚΗ ΚΑΙ ΤΟΠΙΚΗ ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Για την κατανόηση της µεθοδολογίας, ας δώσουµε ένα παράδειγµα εφαρµογής. Στην αρχική εικόνα εφαρµόζουµε τοπική και προσαρµοστική αύξηση της αντίθεσης ως εξής: I ( n, m) A. Υπολογίζουµε, µε βάση τη σχέση C( n, m) = την αντίθεση κάθε εικονοστοιχείου σε σχέση I ( n, m) + µε τα οκτώ γειτονικά του. B. Θεωρούµε δύο κατώφλια Τ 1 και Τ 2 µε τιµές στην περιοχή [0,1]. Η αντίθεση και κατά συνέπεια και η φωτεινότητα, του εικονοστοιχείου (m,n) αλλάζει µόνον όταν T C ( m, n ) T. Οπότε: 1 2 T ( I ( m, n)), T C ( m, n) T I ( m, n) = I ( m, n), διαφορετικά 1 2 I I N N 41
42 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΥΝΑΜΗΣ Η πρώτη κατηγορία τέτοιων συναρτήσεων βασίζεται στη οικογένεια των συναρτήσεων δύναµης: T ( g) = 255 g όπου 0 g 1 και το p ο εκθέτης. Συνεπώς, για µία εικόναι(i,j i,j) ) [0,255] έχουµε: p p I( i, j) = int((255 g( i, j) ), g( i, j) = I( i, j)
43 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΔΥΝΑΜΗΣ Μορφές της Τ(g) για διάφορες τιμές του εκθέτη p. Εφαρμογή των μετασχηματισμών δύναμης για διάφορες τιμές του p. 43
44 ΛΟΓΑΡΙΘΜΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Χρησιμοποιούνται για να βελτιστοποιούν σκοτεινές και φωτεινές εικόνες αντίστοιχα. Ο λογαριθμικός γενική μορφή: μετασχηματισμός έχει T ( g) = b ln(1 + a g) τη ακόλουθη και αν θεωρήσουμε ως προϋπόθεση ότι Τ(0) ) = 0 και Τ(255) = 255, τότε 255 b= ln( a) 44
45 ΛΟΓΑΡΙΘΜΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Καμπύλες λογαριθμικού μετασχηματισμού για b= Καμπύλες λογαριθμικού μετασχηματισμού για 255 b = ln( a) 45
46 ΛΟΓΑΡΙΘΜΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Παράδειγμα εφαρμογής του λογαριθμικού μετασχηματισμού: (α) Αρχική εικόνα. (β) Τελική εικόνα για α=1. 46
47 Σε αντιστοίχηση µε τον λογαριθµικό µετασχηµατισµό, ο εκθετικός µετασχηµατισµός έχει την ακόλουθη έκφραση: ΕΚΘΕΤΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ g 1 b T ( g ) = ( e 1) a Αν θέσουµε ως περιορισµό ότι Τ(0) = 0 και Τ(255) = 255, τότε το b µπορεί να υπολογισθεί πάλι από τη σχέση 255 b= ln( a) 47
48 ΕΚΘΕΤΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Καμπύλες εκθετικού μετασχηματισμού για b = 255 ln( a) 48
49 ΕΚΘΕΤΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Παράδειγμα εφαρμογής του εκθετικού μετασχηματισμού: (α) Αρχική εικόνα. (β) Τελική εικόνα για α=1. 49
50 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕ ΒΑΣΗ ΤΗ GAUSSIAN ΣΥΝΑΡΤΗΣΗ ΣΦΑΛΜΑΤΟΣ Η συνάρτηση µετασχηµατισµού δίνεται από τις σχέσεις: g ( ) erf ( ) + erf ( ) T( g) = a 2 a erf ( ) 2 a όπου erf x x 2 2 ( ) exp( ) = y dy π 0 50
51 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕ ΒΑΣΗ ΤΗ GAUSSIAN ΣΥΝΑΡΤΗΣΗ ΣΦΑΛΜΑΤΟΣ Μορφή της συνάρτησης για διάφορες τιμές του α. 51
52 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕ ΒΑΣΗ ΤΗ GAUSSIAN ΣΥΝΑΡΤΗΣΗ ΣΦΑΛΜΑΤΟΣ Παράδειγμα εφαρμογής: (α) Αρχική εικόνα. (β) Τελική εικόνα για α=
DIP_04 Σημειακή επεξεργασία. ΤΕΙ Κρήτης
DIP_04 Σημειακή επεξεργασία 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 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 περισσότεραΤΕΧΝΙΚΕΣ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ
Χωρικά Φίλτρα ΤΕΧΝΙΚΕΣ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ Οι Τεχνικές Φιλτραρίσματος χωρίζονται σε Τεχνικές : στο Πεδίο του Χώρου (Spatial Domain) και σε Τεχνικές στο Πεδίο της Συχνότητας (Frequency Domain). ιακρίνονται επίσης
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 και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στις τεχνικές βελτίωσης εικόνας
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 περισσότεραDigital Image Processing
Digital Image Processing Intensity Transformations Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Image Enhancement: είναι
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 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 περισσότεραΜετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση
Χειμερινό Εξάμηνο 2013-2014 Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση 5 η Παρουσίαση : Ψηφιακή Επεξεργασία Εικόνας Διδάσκων: Γιάννης Ντόκας Σύνθεση Χρωμάτων Αφαιρετική Παραγωγή Χρώματος Χρωματικά
Διαβάστε περισσότεραΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά
ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Αντικείμενο: Εξαγωγή ιστογράμματος εικόνας, απλοί μετασχηματισμοί με αυτό, ισοστάθμιση ιστογράμματος. Εφαρμογή βασικών παραθύρων με την βοήθεια του ΜΑΤLAB
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 περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ 1.1 ΕΙΣΑΓΩΓΗ 1.1 1.2 ΤΙ ΕΙΝΑΙ ΜΙΑ ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ 1.2 1.3 ΠΛΗΘΟΣ BITS ΜΙΑΣ ΕΙΚΟΝΑΣ 1.4 1.4 ΕΥΚΡΙΝΕΙΑ ΕΙΚΟΝΑΣ 1.5 1.5 ΕΠΙΠΕ Α BITS ΜΙΑΣ ΕΙΚΟΝΑΣ 1.8 1.6 Η ΦΥΣΗ ΤΟΥ ΧΡΩΜΑΤΟΣ
Διαβάστε περισσότεραΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ
Ψηφιακή Επεξεργασία Εικόνας-ΚΕΦ. -- ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΕΝΤΑΣΕΩΣ Η επεξεργασία εικόνας µέσω του ιστογράµµατος ουσιαστικά αποτελεί µία βασική επεξεργασία εικόνας που ανήκει
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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση 12 η. Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση 12 η Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων Εισαγωγή (1) Το χρώμα είναι ένας πολύ σημαντικός παράγοντας περιγραφής, που συχνά απλουστεύει κατά
Διαβάστε περισσότεραΡαδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Ιωάννης Φαρασλής Τηλ : 24210-74466,
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 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 περισσότεραA2. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ
A. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ d df() = f() = f (), = d d.κλίση ευθείας.μεταβολές 3.(Οριακός) ρυθµός µεταβολής ή παράγωγος 4.Παράγωγοι βασικών συναρτήσεων 5. Κανόνες παραγώγισης 6.Αλυσωτή παράγωγος 7.Μονοτονία
Διαβάστε περισσότεραΑσκήσεις Επεξεργασίας Εικόνας
Ασκήσεις Επεξεργασίας Εικόνας. Εύρεση στοιχείων μιας περιοχής με ιδιότητα συγκεκριμένης γειτονιάς Άσκηση. Έστω δύο υποσύνολα πίνακα εικόνας S και S2 η οποία φαίνεται στο σχήμα παρακάτω. Για σύνολο τιμών
Διαβάστε περισσότεραΤηλεπισκόπηση - Φωτοερμηνεία
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας
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 περισσότεραοµή δικτύου ΣΧΗΜΑ 8.1
8. ίκτυα Kohonen Το µοντέλο αυτό των δικτύων προτάθηκε το 1984 από τον Kοhonen, και αφορά διαδικασία εκµάθησης χωρίς επίβλεψη, δηλαδή δεν δίδεται καµία εξωτερική επέµβαση σχετικά µε τους στόχους που πρέπει
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 2 : Βελτιστοποίηση εικόνας (Image enhancement) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το
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 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 περισσότεραΒιοϊατρική τεχνολογία
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Βιοϊατρική τεχνολογία Ενότητα 3: Επεξεργασία σημείων Αν. καθηγητής Αγγελίδης Παντελής e-mail: paggelidis@uowm.gr ΕΕΔΙΠ Μπέλλου Σοφία e-mail: sbellou@uowm.gr
Διαβάστε περισσότερααx αx αx αx 2 αx = α e } 2 x x x dx καλείται η παραβολική συνάρτηση η οποία στο x
A3. ΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ. εύτερη παράγωγος.παραβολική προσέγγιση ή επέκταση 3.Κυρτή 4.Κοίλη 5.Ιδιότητες κυρτών/κοίλων συναρτήσεων 6.Σηµεία καµπής ΠΑΡΑΡΤΗΜΑ 7. εύτερη πλεγµένη παραγώγιση 8.Χαρακτηρισµός
Διαβάστε περισσότεραΨηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας
Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας Ενότητα 11: Επεξεργασία εικόνας Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και
Διαβάστε περισσότεραΠαρεµβολή και Προσέγγιση Συναρτήσεων
Κεφάλαιο 4 Παρεµβολή και Προσέγγιση Συναρτήσεων 41 Παρεµβολή µε πολυώνυµο Lagrage Εστω ότι γνωρίζουµε τις τιµές µιας συνάρτησης f (x), f 0, f 1,, f ν σε σηµεία x 0, x 1,, x ν, και Ϲητάµε να υπολογίσουµε
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 3 27/3/2017 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Σημειακή Επεξεργασία Εικόνας (point processing), μετασχηματισμοί
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 περισσότεραΑνάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab
ΑΣΚΗΣΗ 8 Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab 1. Περιγραφή του προτύπου DICOM Η ψηφιακή επεξεργασία ιατρικής εικόνας ξεκίνησε παράλληλα με την ανάπτυξη ενός προτύπου για τη μεταφορά
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 περισσότεραΠανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ιωάννης Φαρασλής Τηλ : 24210-74466, Πεδίον Άρεως, Βόλος
Διαβάστε περισσότεραΚεφάλαιο Η2. Ο νόµος του Gauss
Κεφάλαιο Η2 Ο νόµος του Gauss Ο νόµος του Gauss Ο νόµος του Gauss µπορεί να χρησιµοποιηθεί ως ένας εναλλακτικός τρόπος υπολογισµού του ηλεκτρικού πεδίου. Ο νόµος του Gauss βασίζεται στο γεγονός ότι η ηλεκτρική
Διαβάστε περισσότεραΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης
ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης Διακριτική ικανότητα δεδοµένων τηλεπισκόπησης Χωρική (Spatial resolution) πόσα µέτρα? Χρονική (Temporal resolution) πόσος χρόνος?
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 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 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 περισσότεραΕνότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων
Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων Δειγµατοληψία και Κβαντισµός: Μια εικόνα (µπορεί να) είναι συνεχής τόσο ως προς τις συντεταγµένες x, y όσο και ως προς το πλάτος. Για να τη µετατρέψουµε
Διαβάστε περισσότεραΓ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β )
ΑΡΧΗ ΗΣ ΣΕΛΙ ΑΣ Γ ΤΑΞΗ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑ Α Β ) ΚΥΡΙΑΚΗ /0/0 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙ ΩΝ:ΕΝΝΕΑ (9) ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑΤΩΝ ΘΕΜΑ
Διαβάστε περισσότεραΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ
ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΑ ΤΕΙ 2.2.2.3ζ ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΓΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ Εγχειρίδιο χρήσης λογισμικού ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΥΠΕΥΘΥΝΟΣ: ΣΤΡΟΥΘΟΠΟΥΛΟΣ ΧΑΡΑΛΑΜΠΟΣ ΣΕΡΡΕΣ, ΜΑΙΟΣ 2007 ΠΕΡΙΕΧΟΜΕΝΑ
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 περισσότεραΑριθµητική Ανάλυση 1 εκεµβρίου / 43
Αριθµητική Ανάλυση 1 εκεµβρίου 2014 Αριθµητική Ανάλυση 1 εκεµβρίου 2014 1 / 43 Κεφ.5. Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων ίνεται ένας πίνακας A C n n και Ϲητούνται να προσδιορισθούν οι
Διαβάστε περισσότεραΚατάτµηση εικόνας σε οµοιόµορφες περιοχές
KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Κατάτµηση εικόνας σε οµοιόµορφες περιοχές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Κατάτµηση µε πολυκατωφλίωση Ανάπτυξη
Διαβάστε περισσότερα1. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι. β α. = [f (x) ηµx] - [f (x) συνx] β α. ( )
Ερωτήσεις ανάπτυξης. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι β ( f () f () ) + α ηµ d β α = [f () ηµ] - [f () συν] β α. ( ) β) Αν f () = ηµ, να αποδείξετε ότι f () + f ()
Διαβάστε περισσότεραΒελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Συχνότητας
ΤΨΣ 150 Ψηφιακή Επεξεργασία Εικόνας Βελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Εκτίµηση Απόκρισης Περιεχόµενα Βιβλιογραφία
Διαβάστε περισσότεραΜάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας. Ένας αποδεκτός ορισμός της ακμής είναι ο ακόλουθος: «Το σύνορο μεταξύ δύο ομοιογενών περιοχών με
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ
ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Στατιστική ανάλυση του γεωχηµικού δείγµατος µας δίνει πληροφορίες για τον γεωχηµικό πληθυσµό που µελετάµε. Συνυπολογισµός σφαλµάτων Πειραµατικά
Διαβάστε περισσότεραΜάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας Προς το παρόν δεν υπάρχει ακόμα ένας ευρέως αποδεκτός ορισμός της ακμής. Εδώ θα θεωρούμε ως ακμή:
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 περισσότεραIV.11 ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ
IV. ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ.Ελαστικότητα.Χαρακτηρισμός ελαστικότητας 3.Σχετικά διαφορικά 4.Ελαστικότητα αντίστροφης 5.Ομογενείς συναρτήσεις 6.Λογισμός ρυθμών και διαφορικών 7.Λογαριθμική κλίμακα.
Διαβάστε περισσότεραA6. ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ
A6. ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ.Ελαστικότητα.Χαρακτηρισµός ελαστικότητας 3.Ελαστικότητα αντίστροφης 4. ιαφορικά 5.Οµογενείς συναρτήσεις 6.Λογισµός ρυθµών και διαφορικών 7.Λογαριθµική κλίµακα. 8.Σχετικός
Διαβάστε περισσότεραdy df(x) y= f(x) y = f (x), = dx dx θ x m= 1
I. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ d df() = f() = f (), = d d.κλίση ευθείας.μεταολές 3.(Οριακός) ρυθμός μεταολής ή παράγωγος 4.Παράγωγοι ασικών συναρτήσεων 5. Κανόνες παραγώγισης 6.Αλυσωτή παράγωγος 7.Μονοτονία 8.Στάσιμα
Διαβάστε περισσότεραDIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης
DIP_05 Τμηματοποίηση εικόνας ΤΕΙ Κρήτης ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Τμηματοποίηση εικόνας είναι η διαδικασία με την οποία διαχωρίζεται μία εικόνα σε κατάλληλες περιοχές ή αντικείμενα. Για την τμηματοποίηση
Διαβάστε περισσότεραΜέθοδοι Αναπαράστασης Περιοχών
KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Μέθοδοι Αναπαράστασης Περιοχών ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 5-6 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Σημειακή Επεξεργασία Εικόνας Point processing All/Erasmus students:
Διαβάστε περισσότεραΚριτήριο Παρεμβολής. και. άρα από το παραπάνω κριτήριο παρεµβολής το l im f ( x) (x 1) 2 f (x) 2x (x 1) 2 2x (x 1) 2 f (x) 2x + (x 1) 2
Κριτήριο Παρεμβολής Υποθέτουµε ότι κοντά στο µια συνάρτηση f εγκλωβίζεται ανάµεσα σε δύο συναρτήσεις h και g. Αν, καθώς το τείνει στο, οι g και h έχουν κοινό όριο l, τότε όπως φαίνεται και στο σχήµα, η
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 περισσότεραΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ
ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΕΠ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Εισαγωγή Σχηματισμός Εικόνας
Διαβάστε περισσότεραΗΛΕΚΤΡΟΝΙΚΗ Ι ΔΙΑΓΡΑΜΜΑΤΑ BODE ΣΥΜΠΛΗΡΩΜΑΤΙΚΟ ΤΕΥΧΟΣ ΣΗΜΕΙΩΣΕΩΝ
Ε. Μ. Πολυτεχνείο Εργαστήριο Ηλεκτρονικής ΗΛΕΚΤΡΟΝΙΚΗ Ι ΔΙΑΓΡΑΜΜΑΤΑ BODE ΣΥΜΠΛΗΡΩΜΑΤΙΚΟ ΤΕΥΧΟΣ ΣΗΜΕΙΩΣΕΩΝ Γ. ΠΑΠΑΝΑΝΟΣ ΠΑΡΑΡΤΗΜΑ : Συναρτήσεις Δικτύων Βασικοί ορισμοί Ας θεωρήσουμε ένα γραμμικό, χρονικά
Διαβάστε περισσότερα4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ-
Κεφάλαιο 4 ΟΛΟΚΛΗΡΩΜΑ 4.1 Το αόριστο ολοκλήρωµα - Βασικά ολοκληρώ- µατα Ορισµός 4.1.1. Αρχική ή παράγουσα συνάρτηση ή αντιπαράγωγος µιας συνάρτησης f(x), x [, b], λέγεται κάθε συνάρτηση F (x) που επαληθεύει
Διαβάστε περισσότερα10ο Φροντιστηριο ΗΥ217 - Επαναληπτικό
ο Φροντιστηριο ΗΥ7 - Επαναληπτικό Επιµέλεια : Γ. Καφεντζής 7 Ιανουαρίου 4 Ασκηση. Το σήµα s µεταδίδεται από ένα δορυφόρο αλλά λόγω της επίδρασης του ϑορύβου το λαµβανόµενο σήµα έχει τη µορφή X s + W. Οταν
Διαβάστε περισσότεραΚατανοµές. Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται από το σχήµα του ιστογράµµατος (histogram).
Ιωάννης Παραβάντης Επίκουρος Καθηγητής Τµήµα ιεθνών και Ευρωπαϊκών Σπουδών Πανεπιστήµιο Πειραιώς Μάρτιος 2010 Κατανοµές 1. Οµοιόµορφη κατανοµή Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2012 ΕΚΦΩΝΗΣΕΙΣ
ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 0 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α. Αν οι συναρτήσεις f, g είναι παραγωγίσιµες στο, να αποδείξετε ότι (f() + g ()) f () + g (),. Μονάδες 7 Α. Σε ένα πείραµα µε ισοπίθανα
Διαβάστε περισσότεραΓραµµικη Αλγεβρα Ι Επιλυση Επιλεγµενων Ασκησεων Φυλλαδιου 3
Γραµµικη Αλγεβρα Ι Επιλυση Επιλεγµενων Ασκησεων Φυλλαδιου ιδασκοντες: Ν Μαρµαρίδης - Α Μπεληγιάννης Βοηθος Ασκησεων: Χ Ψαρουδάκης Ιστοσελιδα Μαθηµατος : http://wwwmathuoigr/ abeligia/linearalgebrai/laihtml
Διαβάστε περισσότεραΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΥΝΤΟΜΕΣ ΛΥΣΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ
ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΥΝΤΟΜΕΣ ΛΥΣΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ 4 o Κεφάλαιο ΑΝΑΛΥΣΗ Απαντήσεις στις ερωτήσεις του τύπου Σωστό-Λάθος. Σ 0. Σ 9. Λ. Λ. Σ 40. Σ. Σ. Σ 4. Λ 4. Λ. Σ 4. Σ 5. Σ 4. Σ 4. Λ 6. Σ 5. Λ 44.
Διαβάστε περισσότερα4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER
4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι
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 περισσότεραΜΙΓΑ ΙΚΟΣ ΛΟΓΙΣΜΟΣ ΚΑΙ ΟΛΟΚΛ. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΓΡΑΠΤΕΣ ΕΞΕΤΑΣΕΙΣ ΙΑΝΟΥΑΡΙΟΥ 2010 ΛΥΣΕΙΣ ΤΩΝ ΘΕΜΑΤΩΝ. =. Οι πρώτες µερικές u x y
ΜΙΓΑ ΙΚΟΣ ΛΟΓΙΣΜΟΣ ΚΑΙ ΟΛΟΚΛ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΓΡΑΠΤΕΣ ΕΞΕΤΑΣΕΙΣ ΙΑΝΟΥΑΡΙΟΥ ΛΥΣΕΙΣ ΤΩΝ ΘΕΜΑΤΩΝ ΘΕΜΑ α) Καταρχήν θα µελετήσουµε την συνάρτηση f Η f γράφεται f ( ) = ( x + )( x ) ( x ) ή ακόµα f ( ) = u( x,
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΗΛΕΚΤΡΟΑΚΟΥΣΤΙΚΗΣ
Εργαστήριο Ηλεκτρακουστικής Ι Άσκηση 1 - Σελίδα 1 ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΗΛΕΚΤΡΟΑΚΟΥΣΤΙΚΗΣ ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ 1. ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ/ΣΥΣΤΗΜΑΤΩΝ ΚΑΙ ΗΛΕΚΤΡΟΑΚΟΥΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ Αρχικά, για την καλύτερη κατανόηση
Διαβάστε περισσότερα11 Το ολοκλήρωµα Riemann
Το ολοκλήρωµα Riem Το πρόβληµα υπολογισµού του εµβαδού οποιασδήποτε επιφάνειας ( όπως κυκλικοί τοµείς, δακτύλιοι και δίσκοι, ελλειπτικοί δίσκοι, παραβολικά και υπερβολικά χωρία κτλ) είναι γνωστό από την
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 14 ΚΑΤΩ ΙΑΒΑΤΑ ΦΙΛΤΡΑ BESSEL-THOMSON
ΚΕΦΑΛΑΙΟ 4 ΚΑΤΩ ΙΑΒΑΤΑ ΦΙΛΤΡΑ BESSELTHOMSON 4. ΚΑΘΥΣΤΕΡΗΣΗ ΦΑΣΗΣ ΚΑΙ ΚΑΘΥΣΤΕΡΗΣΗ ΣΗΜΑΤΟΣ Η χρονική καθυστέρηση συµβαίνει κατά την µετάδοση σε διάφορα φυσικά µέσα και αποτελεί ένα βασικό στοιχείο στην επεξεργασία
Διαβάστε περισσότεραΕΥΑΙΣΘΗΣΙΑ ΗΛΕΚΤΡΙΚΩΝ ΚΥΚΛΩΜΑΤΩΝ
ΤΕΙ ΠΕΙΡΑΙΑ -ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΟΝΙΚΩΝ ΦΙΛΤΡΩΝ ΧΕΙΜΕΡΙΝΟ 2017-18 ΕΥΑΙΣΘΗΣΙΑ ΗΛΕΚΤΡΙΚΩΝ ΚΥΚΛΩΜΑΤΩΝ 1. ΕΥΑΙΣΘΗΣΙΑ Ενα κύκλωµα, το οποίο κάνει µια συγκεκριµένη λειτουργία εκφραζόµενη
Διαβάστε περισσότεραI.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ
I.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ.Δεύτερη παράγωγος.κυρτή 3.Κοίλη 4.Ιδιότητες κυρτών/κοίλων συναρτήσεων 5.Σημεία καμπής 6.Παραβολική προσέγγιση(επέκταση) ΠΑΡΑΡΤΗΜΑ 7.Δεύτερη πλεγμένη παραγώγιση 8.Χαρακτηρισμός
Διαβάστε περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 11 η : θεωρία Χρώματος & Επεξεργασία Έγχρωμων Εικόνων
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 11 η : θεωρία Χρώματος & Επεξεργασία Έγχρωμων Εικόνων Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή
Διαβάστε περισσότεραΠαράρτηµα Α. Στοιχεία θεωρίας µέτρου και ολοκλήρωσης.
Παράρτηµα Α Στοιχεία θεωρίας µέτρου και ολοκλήρωσης Α Χώροι µέτρου Πέραν της «διαισθητικής» περιγραφής του µέτρου «σχετικά απλών» συνόλων στο από το µήκος τους (όπως πχ είναι τα διαστήµατα, ενώσεις/τοµές
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη ΙΙ. Ενότητα 2: Αντίληψη. Μουστάκας Κωνσταντίνος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών
Τεχνητή Νοημοσύνη ΙΙ Ενότητα 2: Αντίληψη Μουστάκας Κωνσταντίνος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Αντίληψη 2 Περιεχόμενα ενότητας Αντίληψη 3 Αντίληψη
Διαβάστε περισσότεραΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ
ο Κεφάλαιο: Στατιστική ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΟΡΙΣΜΟΙ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Πληθυσμός: Λέγεται ένα σύνολο στοιχείων που θέλουμε να εξετάσουμε με ένα ή περισσότερα χαρακτηριστικά. Μεταβλητές X: Ονομάζονται
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ
ΘΕΜΑ ο (.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Πέµπτη 7 Ιανουαρίου 8 5:-8: Σχεδιάστε έναν αισθητήρα (perceptron)
Διαβάστε περισσότερα14 Εφαρµογές των ολοκληρωµάτων
14 Εφαρµογές των ολοκληρωµάτων 14.1 Υπολογισµός εµβαδών µε την µέθοδο των παράλληλων διατοµών Θεωρούµε µια ϕραγµένη επίπεδη επιφάνεια A µε οµαλό σύνορο, δηλαδή που περιγράφεται από µια συνεχή συνάρτηση.
Διαβάστε περισσότεραΤοποθέτηση προβλήματος
Τοποθέτηση προβλήματος Σκοπός της εργασίας Εξεταζόμενες λεκάνες απορροής ποταμού Imera Meriodionale Κρεμαστά Εύηνος Λαζάρηδες Περιστερώνα Κύρια περιοχή μελέτης: Αχελώος Έκταση: 3570 km 2 Θέση: Ανάντη φράγματος
Διαβάστε περισσότεραΥΠΟΛΟΓΙΣΜΟΣ ΑΝΑΠΤΥΓΜΑΤΟΣ FOURIER ΜΕ ΑΡΙΘΜΗΤΙΚΟ ΤΡΟΠΟ
ΣΧΟΛΗ Ν. ΟΚΙΜΩΝ ΘΕΩΡΙΑ ΚΥΚΛΩΜΑΤΩΝ ΙΙ Σ.Α.Ε. ΥΠΟΛΟΓΙΣΜΟΣ ΑΝΑΠΤΥΓΜΑΤΟΣ FOURIER ΜΕ ΑΡΙΘΜΗΤΙΚΟ ΤΡΟΠΟ ΕΚΕΜΒΡΙΟΣ 3 ) Αρχικό σήµα ( ) Στο παρακάτω σχήµα φαίνεται ένα περιοδικό σήµα ( ), το οποίο έχει ληφθεί από
Διαβάστε περισσότερα1. ** Αν F είναι µια παράγουσα της f στο R, τότε να αποδείξετε ότι και η
Ερωτήσεις ανάπτυξης. ** Αν F είναι µια παράγουσα της f στο R, τότε να αποδείξετε ότι και η συνάρτηση G () = F (α + β) είναι µια παράγουσα της h () = f (α + β), α α στο R. β + γ α+ γ. ** α) Να δείξετε ότι
Διαβάστε περισσότεραΒασική Εφικτή Λύση. Βασική Εφικτή Λύση
Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n
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 περισσότεραΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ. 4.1 Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα
ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ 4. Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα Εστω R είναι ο γνωστός -διάστατος πραγµατικός διανυσµατικός χώρος. Μία απεικόνιση L :
Διαβάστε περισσότεραΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΦΕΒΡΟΥΑΡΙΟΥ 2001. + mu 1 2m. + u2. = u 1 + u 2. = mu 1. u 2, u 2. = u2 u 1 + V2 = V1
ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΦΕΒΡΟΥΑΡΙΟΥ 00 ΘΕΜΑ : (α) Ταχύτητα ΚΜ: u KM = mu + mu m = u + u Εποµένως u = u u + u = u u, u = u u + u = u u (β) Διατήρηση ορµής στο ΚΜ: mu + mu = mv + mv u + u = V + V = 0 V = V
Διαβάστε περισσότεραΣτις εξισώσεις σχεδιασμού υπεισέρχεται ο ρυθμός της αντίδρασης. Επομένως, είναι βασικό να γνωρίζουμε την έκφραση που περιγράφει το ρυθμό.
Βασικές Εξισώσεις Σχεδιασμού (ΣΔΟΥΚΟΣ 2-, 2-) t = n i dn i V n i R και V = n i dn i t n i R Στις εξισώσεις σχεδιασμού υπεισέρχεται ο ρυθμός της αντίδρασης. Επομένως, είναι βασικό να γνωρίζουμε την έκφραση
Διαβάστε περισσότεραcov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ]
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες-εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Συνδιασπορά - Συσχέτιση Τυχαίων Μεταβλητών Επιµέλεια : Κωνσταντίνα
Διαβάστε περισσότεραΥπολογισµός διπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση
8 Υπολογισµός διπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση Υπάρχουν δύο θεµελιώδη αποτελέσµατα που µας βοηθούν να υπολογίζουµε πολλαπλά ολοκληρώµατα. Το πρώτο αποτέλεσµα σχετίζεται µε τον υπολογισµό ενός
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα Φυσικού Τμήματος «Υπολογιστική Φυσική» Θέμα εργασίας στο A Μέρος του μαθήματος «Προσομοίωση Χαοτικών Συστημάτων»
Μεταπτυχιακό Πρόγραμμα Φυσικού Τμήματος «Υπολογιστική Φυσική» Θέμα εργασίας στο A Μέρος του μαθήματος «Προσομοίωση Χαοτικών Συστημάτων» Οδηγίες: Σχετικά με την παράδοση της εργασίας θα πρέπει: Το κείμενο
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 περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalman
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalma Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Ακολουθιακή Επεξεργασία Τα δείγµατα
Διαβάστε περισσότεραρ. Ευστρατία Μούρτου
ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΠΑΤΡΩΝ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ ΚΑΙ ΠΡΟΝΟΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ ΕΞΑΜΗΝΟ : Ε ΑΚΑ ΗΜΑΪΚΟ ΕΤΟΣ : - ΜΑΘΗΜΑ «ΒΙΟΣΤΑΤΙΣΤΙΚΗ» ΚΕΦ. ΚΑΤΑΝΟΜΕΣ ΠΙΘΑΝΟΤΗΤΩΝ ρ. Ευστρατία Μούρτου
Διαβάστε περισσότεραΜηχανική ΙI. Μετασχηµατισµοί Legendre. της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα). Εάν
Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 7/5/2000 Μηχανική ΙI Μετασχηµατισµοί Legendre Έστω µια πραγµατική συνάρτηση. Ορίζουµε την παράγωγο συνάρτηση της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα).
Διαβάστε περισσότεραΠροσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων (RLS Recursive Least Squares)
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Προσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων RLS Rcrsiv Last Sqars 27 iclas sapatslis
Διαβάστε περισσότεραI.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ
I.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ.Δεύτερη παράγωγος.παραβολική προσέγγιση ή επέκταση 3.Κυρτή 4.Κοίλη 5.Ιδιότητες κυρτών/κοίλων συναρτήσεων 6.Σημεία καμπής ΠΑΡΑΡΤΗΜΑ 7.Δεύτερη πλεγμένη παραγώγιση 8.Χαρακτηρισμός
Διαβάστε περισσότερα