Βελτίωση - Φιλτράρισμα εικόνας

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Βελτίωση - Φιλτράρισμα εικόνας"

Transcript

1 Βελτίωση - Φιλτράρισμα εικόνας /7

2 Βελτίωση εικόνας με φιλτράρισμα Το φιλτράρισμα εικόνας είναι ουσιαστικά η πράξη συνέλιξης μεταξύ της αρχικής εικόνας και ενός συνόλου συντελεστών που συνήθως ονομάζονται παράθυρο ή μάσκα. Τα παράθυρα αυτά είναι συνήθως τετραγωνικά και οι συντελεστές συμμετρικοί. /7

3 Φιλτράρισμα - Συνέλιξη h(n,n ) x(n,n y(n, n ) = M N k = 0k = 0 x(k, k ) h(n -k, n -k ) y(n, n )= x(n, n )* *h(n, n ) 3/7

4 Η διδιάστατη συνέλιξη - γραφικά 4/7

5 Συνέλιξη υλοποίηση A B C To αποτέλεσμα της συνέλιξης για την τιμή της εικόνας στη θέση n,n δηλ. στο p 5 είναι: D E F G H I p p p 3 p 4 p 5 p 6 p 7 p 8 p 9 y(n,n )=Ap +Bp +Cp 3 +Dp 4 +Ep 5 +Fp 6 Gp 7 +Hp 8 +Ip 9 5/7

6 Συνέλιξη υλοποίηση A B C D E F G H I p p p 3 p 4 p 5 p 6 p 7 p 8 p 9 Το παράθυρο (A,B,C,D,E,F,G,H,I) διατρέχει την εικόνα και κάθε φορά υπολογίζεται το γινόμενο του παραθύρου με τα αντίστοιχα pixel της εικόνας. Στην εικόνα εξόδου το αποτέλεσμα της συνέλιξης αποδίδεται στο κεντρικό pixel του παραθύρου. 6/7

7 Συνέλιξη στο πεδίο της συχνότητας 7/7

8 Μετασχηματισμός Fourier Μετασχηματισμός Fourier DFT-FFT 8/7

9 -D DFT και IDFT Γιά N image : M f ( x, y) O DFT ορίζεται: F ( u, v ) for = u MN = 0, M N x = 0 y = 0 f ( x,,, L, M y ) e j π ( ux / M + vy / N ) v = 0,,, L, N Και ο IDFT: f ( x, y ) = M N u = 0 v = 0 F ( u, v ) e j π ( ux / M + vy / N ) for x = 0,,, L, M y = 0,,, L, N 9/7

10 Μετασχηματισμός Fourier Διαχωρίσιμη πράξη Μιγαδικός αριθμός (μέτρο φάση) Oι τιμέςu,v κοντά στο 0,0 αντιστοιχούν σε χαμηλές συχνότητες. F( 0, 0) MN M N = x= 0 y = 0 f (x, y) = μέση τιμ ή του f(x, y) 0/7

11 Τι είναι πιο σημαντικό? Μέτρο ή φάση α β Πρόσθεση: φάσμα πλάτους της εικόνας (α) και φάσμα φάσης της εικόνας (β) /7

12 Μετασχηματισμός Fourier Παράδειγμα 0 0 /7

13 Filtering στο πεδίο της συχνότητας Βασικές έννοιες: low frequency : μικρές μεταβολές στα χαρακτηριστικά της εικόνας high frequency : απότομες μεταβολές όπως θόρυβος ή περιγράμματα αντικειμένων F( u, v) high frequency low frequency F(0,0) 3/7

14 Συνέλιξη μέσω FFT Βασική ιδιότητα: η πράξη του πολλαπλασιασμού στο πεδίο της συχνότητας ισούται με την συνέλιξη στο χρόνο και αντιστρόφως f(x, y)**h(x,y) F(u, v)h(u, v) ΠΡΟΣΟΧΗ ΣΤΙΣ ΔΙΑΣΤΑΣΕΙΣ 4/7

15 Συνέλιξη μέσω FFT Αρχική εικόνα Filter Mask FFT FFT «φιλτραρισμένη» εικόνα Πολλαπλασιασμός αντίστοιχων pixels Inverse FFT Το «φιλτραρισμένο» φάσμα 5/7

16 Α. Βαθυπερατά φίλτρα Ιδιότητες Φιλτράρουν τις υψηλές συχνότητες (σήματα θορύβου). Λειαίνουν απότομες μεταβολές στην ένταση Θολώνουν την εικόνα (blurring). Απόκριση συχνότητας 6/7

17 Βασικές Κατηγορίες βαθυπερατών φίλτρων Φίλτρα μέσης τιμής (mean filters). Φίλτρα Gaussian μορφής (Gaussian filters). Φίλτρα Butterworth Φίλτρα διάμεσης τιμής (median filters). 7/7

18 Βαθυπερατά φίλτρα - Κατηγορίες βαθυπερατών φίλτρων Φίλτρα μέσης τιμής (averager) Απόκριση συχνότητας ( διαστάσεων) γιατοφίλτρομέσηςτιμής. Στις χαμηλές συχνότητες - γύρωαποτοσημείο(0,0) το πλάτος είναι μεγάλο. Οι συχνότητες - και αντιστοιχούν στο f s / 8/7

19 Θόλωση (blurring) Αρχική εικόνα Εφαρμογή 3x3 averager Εφαρμογή 7x7 averager 9/7

20 Ελάττωση θορύβου επίδραση μήκους παραθύρου Αρχική εικόνα Εικόνα με θόρυβο Ν(0,0.05) Εφαρμογή averager 3x3 0/7

21 Ένα φίλτρο μέσης τιμής με προσαρμογή των συντελεστών Χρησιμοποιείται η αντίστροφη βάθμωση -inverse gradient δ(i,j,m,m)=/ g(m,n)-g(i,j) Εάν g(m,n)=g(ι,j) ορίζουμε δ= (και όχι ) h ij h( i, j) = 0.5 δ ( i, j, m, n) δ ( i, j, m, n) m, n /7

22 Μέση τιμή με περιστρεφόμενη μάσκα Με την διαδικασία αυτή αποφεύγεται η θόλωση Η έξοδος στο φίλτρο αυτό υπολογίζεται ως η μέση τιμή από τα pixel μίας περιστρεφόμενης μάσκας που έχουν την μεγαλύτερη ομογένεια Η ομογένεια υπολογίζεται από την τιμή της διακύμανσης /7

23 Μέση τιμή σε πολλά frames (averaging) Χαρακτηριστική εφαρμογή: μείωση θορύβου αρχική τελική s=imread('saturn.tif'); i=imnoise(s,'gaussian');i=double(i)/55; i=imnoise(s,'gaussian');i=double(i)/55; i3=imnoise(s,'gaussian');i3=double(i3)/55; i4=imnoise(s,'gaussian');i4=double(i4)/55; i=(i+i+i3+i4)/4; figure(); imshow(s) figure(); imshow(i) 3/7

24 Gaussian φίλτρα Οι συντελεστές των Gaussian φίλτρων δίνονται από τη μορφή της Gaussian συνάρτησης: g(x)=exp(-x /σ ) σε μία διάσταση g(i, j)=exp(-(i +j )/σ ) σε δύο διαστάσεις 4/7

25 Ιδιότητες Gaussian συνάρτησης. Είναι ανεξάρτητη της διεύθυνσης.. Έχει μόνο έναν λοβό, δηλαδή οι συντελεστές του αντίστοιχου φίλτρου ελαττώνονται μονότονα με την απόσταση. 3. Ο μετασχηματισμός Fourier της Gaussian συνάρτησης είναι επίσης Gaussian, με αποτέλεσμα οι ανεπιθύμητες υψηλές συχνότητες να μην ενισχύονται. g(i, j)=exp(-(i +j )/σ G(u, v)=exp(-(u +v ) σ / 5/7

26 Ιδιότητες Gaussian συνάρτησης (συνέχεια) 5. Η παράμετρος σ δίνει τη δυνατότητα ελέγχου του βαθμού φιλτραρίσματος. 6. Είναι διαχωρίσιμη σε οριζόντια και κάθετη διαδικασία. λεπτομέρειες 7. Διαδοχικό φιλτράρισμα με Gaussian φίλτρο διακύμανσης σ είναι ισοδύναμο με ένα φιλτράρισμα από Gaussian διακύμανσης / σ. 6/7

27 7/7

28 ΔΠΜΣ Σ. Φωτόπουλος Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ.3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ 8/7 Σχεδιασμός Gaussian φίλτρων Μία προσέγγιση δίνεται από τους συντελεστές δυωνυμικής κατανομής: π.χ. Για 5 σημεία οι συντελεστές είναι: Προφανώς η άμεση προσέγγιση γίνεται από τησχέσηορισμού: ) g( ), g( e e j) g(i, j i ρ = θ ρ = = = σ ρ σ + n n x n n... x n x n 0 n x) ( = +

29 Για n=7 και σ =, η σχέση () δίνει: Παρατηρούμε πως οι συντελεστές είναι συμμετρικοί και φθίνουν μονότονα με την απόσταση από τοpixel (i, j)= (0, 0) 9/7

30 Gaussian φίλτρα παράδειγμα Αρχική σ= σ= σ=4 30/7

31 Gaussian φίλτρα παράδειγμα 3/7

32 Ιδανικά φίλτρα -IIR φίλτρα Ένα ιδανικό βαθυπερατό φίλτρο θα είχε μία απόκριση συχνότητας που θα ήταν μηδενική για συχνότητες μεγαλύτερες από μία δοθείσα «ακτινική» ήτετραγωνική συχνότητα ω C H(ω,ω ) =, 0 έαν ω + ω διαφορετικά ω C H 0.5 H(ω,ω, ) = έαν ω ω C 0 διαφορετικά,ω Απόκριση : h(m,n)=aω C ω C sinc(ω C m)sinc(ω C n) ω C 0 00 ω 0-00 ω C -50 ω /7

33 H(ω Butterworth φίλτρα Μία προσέγγιση της ιδανικής συνάρτησης γίνεται με συναρτήσεις Butterworth:,ω ) = ω + + ω C Σε μία διάσταση η απόκρισή τους έχει την παρακάτω μορφή: ω k Μέτρο Butterworh 5 ης τάξεως ω C = Συχνότητα x π 33/7

34 Butterworth φίλτρα H ( u, v ) = + [ D ( u, v ) / D ] n 0 34/7

35 Butterworth φίλτρα Παράδειγμα Υλοποίηση στο πεδίο των συχνοτήτων Αρχική εικόνα (α) (β) (γ) Φιλτράρισμα με τρία διαφορετικά φίλτρα Butterworth α) ω C =4 β )ω C =6, και γ)ω C =8 35/7

36 ΜΗ ΓΡΑΜΜΙΚΑ Φίλτρα διάμεσης τιμής (Median filters) 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. 36/7

37 Φίλτρα διάμεσης τιμής (median) Ιδιότητες Είναι ΜΗ ΓΡΑΜΜΙΚΑ median {x,x,x3} +median{y,y,y3} median{x+y,x+y,x3+y3} Επανειλημμένη εφαρμογή του median φίλτρου καταλήγει σε εικόνες που δεν μεταβάλλονται. Αυτά είναι τα Σήματα - ρίζες 37/7

38 Σημεία στα άκρα της εικόνας Είναι ουσιώδης η διαδικασία στα σημεία που βρίσκονται στο άκρο της εικόνας. 38/7

39 Σήματα Ρίζες (μία διάσταση) Αρχικό σήμα ο φιλτράρισμα (Ν=3) ο 3 ο Μετά το δεύτερο φιλτράρισμα το σήμα ΔΕΝ αλλάζει τιμή 39/7

40 Φίλτρα διάμεσης τιμής (median) Απόκριση σε ακμή α διάσταση: φίλτρο μέσης τιμής median (n=3) και διαστάσεις -εικόνα Η αρχική εικόνα ακμή μένει αμετάβλητη στην εφαρμογή median ενώ «λειαίνεται» από φίλτρο μέσης τιμής 40/7

41 Φίλτρα διάμεσης τιμής (median) Aπόκριση σε παλμό (salt & pepper, impulsive) Εικόνα με ένα παλμό Εξοδος Median φίλτρου (3x3) Εξοδος averager (3x3) Eίναι εμφανής η εξάπλωση του παλμού. 4/7

42 Φίλτρα διάμεσης τιμής παράδειγμα Aρχική εικόνα Εικόνα με κρουστικό θόρυβο 0% median φίλτρο φίλτρο μέσης τιμής Έξοδος median φίλτρου. Ο κρουστικός θόρυβος είναι 0% και εξαλείφεται εντελώς. Αντίστοιχα το φίλτρο μέσης τιμής έχει πολύ φτωχή συμπεριφορά. 4/7

43 Median filtering Συμπερασματικά : Τι θα γίνει στην ακμή και τι γύρω από το λευκό pixel?? 43/7

44 Αλγόριθμος υλοποίησης median φίλτρων Γενίκευση: φίλτρα σωρού (stack filters) 44/7

45 Φίλτρα σωρού (stack filters) 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 φιλτρο 45/7

46 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 46/7

47 ΔΠΜΣ Σ. Φωτόπουλος Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ.3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ 47/7 Β. Υψιπερατά φίλτρα Ιδιότητες: Εξασθενούν τις χαμηλές συχνότητες σε μία εικόνα και τονίζουν τις υψηλές. Τονίζουν τις μεταβολές της εικόνας (contrast). Δίνουν έμφαση στις λεπτομέρειες. Ενισχύουν τον θόρυβο. 4 υψιπερατές μάσκες 3x3 : (4) (3) 5 () 9 ()

48 Παράδειγμα Αρχική εικόνα (α) (β) (γ) Ηεικόνα(α) έχει προέλθει με εφαρμογή του υψιπερατού φίλτρου (4) στην αρχική εικόνα. Επίσης έχει γίνει κλιμάκωση ώστε και οι αρνητικές τιμές να μετατοπισθούν στο διάστημα 0-. Η (β) έχει προέλθει με εφαρμογή αντίστοιχα του φίλτρου (3) χωρίς καμία κλιμάκωση των τιμών, ενώ στο (γ) έχει γίνει κλιμάκωση. 48/7

49 Α πλάτος Βαθυπερατό φίλτρο Υψιπερατό φίλτρο Γενικά: 0 Συχνότητα H hp (ω,ω )=-Η lp (ω,ω ) 49/7

50 Unsharp masking Από ένα κλάσμα α της αρχικής εικόνας f(k, k ) αφαιρείται το αποτέλεσμα εξόδου βαθυπερατού φίλτρου f L (k, k ). Η έξοδος g(k, k ) είναι: g(k, k ) = αf(k, k ) - f L (k, k ) Αν α=, το αποτέλεσμα είναι υψιπερατό φίλτρο. Αν α>, τότε ένα βαθυπερατό τμήμα της εικόνας προστίθεται στο αποτέλεσμα (high boost filter) Μία υλοποίηση: -/9 -/9 -/9 -/9 w/9 -/9 -/9 -/9 -/9 Όπου w = 9α - 50/7

51 Unsharp masking = αφαίρεση της «θολωμένης» εικόνας Παράδειγμα ο Εικόνα εισόδου Εικόνα εξόδου Unsharp masking με α> 5/7

52 Παράδειγμα ο RGB εικόνα Εφαρμογή στην συνιστώσα της έντασης 5/7

53 Διανυσματικές και βαθμωτές επεξεργασίες Στις βαθμωτές διαδικασίες επεξεργασίας εφαρμόζονται οι μέθοδοι για γκρίζες (gray scale) εικόνες με δύο τρόπους: α) ξεχωριστά σε κάθε κανάλι της εικόνας β) στη συνιστώσα φωτεινότητας (Υ) Στις διανυσματικές διαδικασίες οι τρεις τιμές R,G,B θεωρούνται συνιστώσες ενός διανύσματος και οι μέθοδοι που χρησιμοποιούνται είναι βέβαια μέθοδοι διανυσματικής ανάλυσης. Μία κλασσική τέτοια μέθοδος είναι η διαδικασία του διανυσματικού διάμεσου. 53/7

54 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 54/7

55 Median και διεκθετική κατανομή Σ x-x i =min e x x e x x e x x 3...e x x Ν = e i x x ι = max Εκτιμητής μέγιστης πιθανοφάνειας Maximum likelihood estimator 55/7

56 Vector Directional Filters - VDF α i = όπου 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 56/7

57 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. 57/7

58 Ομομορφική επεξεργασία i(n,n ) i(n,n ) f(n,n )=i(n,n ) r(n,n ) f(n,n )=i(n,n ) r(n,n ) r(n,n ) r(n,n ) 58/7

59 Ομομορφική επεξεργασία α< βαθυπερατό φίλτρο log i(n,n ) f(n,n ) log exp p(n,n ) Υψιπερατό φίλτρο log r(n,n ) β> 59/7

60 παράδειγμα H ( u, v) = ( γ L = 0.5, ( γ γ H H γ L =.0) [ ] c( D ( u, v)/ D ) e ) 0 + γ, L Αρχική και επεξεργασμένη εικόνα 60/7

61 μ = σ ΝΜ = ΝΜ n, n Wiener φίλτρα Βασίζονται στον τοπικό (παράθυρο η) υπολογισμό της μέσης τιμής μ και διακύμανσης σ. Δίνεται και η διακύμανση ν του θορύβου α( n η n, n [ α η, n ( n ), n ) μ ] Η «έξοδος» του φίλτρου b δίνεται από την σχέση: σ ν (n,n ) = μ + [α(n,n ) μ] σ b Σε περιοχές όπου σ>>ν προστίθεται στη μέση τιμή μ το τοπικό contrast α-μ 6/7

62 Wiener φίλτρα -παράδειγμα Η αρχική εικόνα Η εικόνα με θόρυβο-'speckle' Ηέξοδος του φίλτρου wiener για παράθυρο 7x7. 6/7

63 Φίλτρα ανισοτροπικής διάχυσης Αναφέρονται σε γκρίζες (gray scale) εικόνες Προσομοιάζουν την ανισοτροπική διάχυση της θερμότητας Σχετίζονται με τα Gaussian φίλτρα αλλά, Η θόλωση της εικόνας ΔΕΝ είναι σε όλες τις κατευθύνσεις ίδια (ανισοτροπική). Προσαρμόζεται στα τοπικά χαρακτηριστικά της εικόνας (όρια αντικειμένων). 63/7

64 Τι είναι διάχυση Διάχυση /7

65 εξίσωση διάχυσης: t I(x, y, t) = ( c(x, y, t) I) = c(x, y, t) I + c I συνάρτηση διάχυσης c(x,y,t)=g( I(x,y,t) ) g I K ( I) = e g g g ( I) = α > + α I + Κ 0 65/7

66 συνάρτηση ροής Φ = c(x, y, t) I(x, y, t) = I K e Ι ή Ι + α I + Κ 66/7

67 t I(x, y,t) = ( c(x, y,t) I) Διακριτή (ψηφιακή) υλοποίηση. Στο διακριτό χώρο η βάθμωση μπορεί να προσεγγισθεί σαν διαφορά στην ένταση μεταξύ γειτονικών pixels. Η συνάρτηση ροής μπορεί να υπολογισθεί ανεξάρτητα για κάθε γειτονικό pixel. 3. Το φίλτρο είναι επαναληπτικό. Το δεξιό μέρος της εξίσωσης περιγράφει την μεταβολή στην ένταση που παράγεται σε μία επανάληψη του φίλτρου 67/7

68 I Βασική επαναληπτική σχέση t+ t t i,j = I i,j + λ[c N Δ ΝI + cs ΔSI + ce ΔΕI + c W Δ WI] i,j 0 λ /4 Δ Ν I i,j Ii,j Ii,j Δ S I i,j I i+,j I i, j Δ E I i,j Ii,j+ Ii,j ΔWIi,j Ii,j Ii, j t t c = g ( I ) t t c = g ( I ) t t c = g ( I ) t c = g ( I ) Ni,j i+,j Si,j i,j Ei,j i,j+ Wi,j t i,j 68/7

69 (α) (β) (γ) (δ) (ε) α) Αρχική εικόνα β) μετά από N=0, K=0 (ανισοτροπική θόλωση) γ) μετά από N=0, K=0 ( «) δ) μετά από N=0, K=30 ( «) ε)εικόνα μετά από N=0, (Gaussian θόλωση) Ν=αριθμός επαναλήψεων 69/7

70 Λογικές πράξεις AND ΟR -XOR x AND y = εάν x και y είναι =0 διαφορετικά x ΟR y = εάν x ή y είναι =0 διαφορετικά x y x XOR y AND εφαρμογή για εντοπισμό ενός τμήματος εικόνας 70/7

71 Διαδικασία «απόκρυψης» encryption Βασίζεται στην ταυτότητα: (a XOR b) XOR b=α Step Boolean Expression Binary Comments. ASCII "A" a Original "message:. "Random" Bits b 0 00 Pseudo-random value from "random" number generator 3. XOR to encrypt 4. "Random" Bits 5. XOR to decrypt a XOR b 00 0 Encrypted "message" b 0 00 (a XOR b) XOR b Same "Random bits" as above Decrypted "message" (same as original) 7/7

72 ασκήσεις 3. Να υλοποιηθεί συνέλιξη με διαδικασία Μετασχ. Fourier 3. Να υλοποιηθεί ο Διανυσματικός διάμεσος - εφαρμογή σε έγχρωμη εικόνα 3.3 Να υλοποιηθεί vector directional filter - εφαρμογή σε έγχρωμη εικόνα 3.4 Να υλοποιηθεί η ομομορφική επεξεργασία- εφαρμογή σε έγχρωμη εικόνα 3.5 Unsharp masking υλοποίηση εφαρμογή σε gray scale εικόνα 3.6 Φιλτράρισμα με Butterworth φίλτρα - εφαρμογή σε gray scale εικόνα 3.7 Anisotropic diffusion (Perona Malic) υλοποίηση 3.8 Να υλοποιηθεί η διαδικασία encryption σε μία εικόνα 7/7

Μέθοδοι Τμηματοποίησης Ψηφιακής Εικόνας με Εφαρμογή στην Ανάλυση Βιοϊατρικών Εικόνων

Μέθοδοι Τμηματοποίησης Ψηφιακής Εικόνας με Εφαρμογή στην Ανάλυση Βιοϊατρικών Εικόνων Μέθοδοι Τμηματοποίησης Ψηφιακής Εικόνας με Εφαρμογή στην Ανάλυση Βιοϊατρικών Εικόνων Μαρία Δ. Πελώνη Μαρία Α. Τσεμεντζή Α.Τ.Ε.Ι. Καβάλας Διαχείριση Πληροφοριών Επιβλέπων: Δρ. Γκούμας Στέφανος Επίκουρος

Διαβάστε περισσότερα

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

Μετάδοση 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 περισσότερα

Α.Τ.Ε.Ι. Κ ΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜ ΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ "ΑΝΙΧΝΕΥΤΕΣ ΑΚ Μ Ω Ν ΤΑΣΟΣ ΕΥΑΓΓΕΛΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ ΚΡΙΝΙΔΗΣ ΣΤΕΛΛΙΟΣ

Α.Τ.Ε.Ι. Κ ΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜ ΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΑΝΙΧΝΕΥΤΕΣ ΑΚ Μ Ω Ν ΤΑΣΟΣ ΕΥΑΓΓΕΛΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ ΚΡΙΝΙΔΗΣ ΣΤΕΛΛΙΟΣ Α.Τ.Ε.Ι. Κ ΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜ ΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ "ΑΝΙΧΝΕΥΤΕΣ ΑΚ Μ Ω Ν ΤΑΣΟΣ ΕΥΑΓΓΕΛΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ ΚΡΙΝΙΔΗΣ ΣΤΕΛΛΙΟΣ ΚΑΒΑΛΑ 2009 Περίληψη Η παρακάτω πτυχιακή εργασία περιλαμβάνει

Διαβάστε περισσότερα

Κεφάλαιο 6 Σχεδιασμός FIR φίλτρων

Κεφάλαιο 6 Σχεδιασμός FIR φίλτρων Κεφάλαιο 6 Σχεδιασμός FIR φίλτρων Φίλτρα πεπερασμένης κρουστικής απόκρισης Finite Impulse Response (FIR) filters y(n) = M k= bk x(n k) / 68 παράδειγμα (εισαγωγικό) y(n) = 9 x(n k ) k= 2/ 68 Βασικές κατηγορίες

Διαβάστε περισσότερα

Digital Image Processing

Digital 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 περισσότερα

Διάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ. 10.0-10.2 Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε

Διάλεξη 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 περισσότερα

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Ψηφιακή Επεξεργασία Εικόνας Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση

Διαβάστε περισσότερα

2. ΤΟΜΟΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ ΜΕ ΙΣΟΤΟΠΑ

2. ΤΟΜΟΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ ΜΕ ΙΣΟΤΟΠΑ . ΤΟΜΟΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ ΜΕ ΙΣΟΤΟΠΑ . Αναπαράσταση ψηφιακής εικόνας y Μονόχρωµη εικόνα ή απλά εικόνα : διδιάστατη συνάρτηση φωτεινότητας f (x, y, όπου x, y είναι οι συντεταγµένες στο επίπεδο και η τιµή

Διαβάστε περισσότερα

Διάλεξη 2. Συστήματα Εξισώσεων Διαφορών ΔιακριτάΣήματαστοΧώροτης Συχνότητας

Διάλεξη 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 περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή 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 περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή 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 περισσότερα

1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13

1. 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 περισσότερα

Μετασχηµατισµός Ζ (z-tranform)

Μετασχηµατισµός Ζ (z-tranform) Μετασχηµατισµός Ζ (-traform) Εργαλείο ανάλυσης σηµάτων και συστηµάτων διακριτού χρόνου ιεργασία ανάλογη του Μετ/σµού Laplace Απόκριση συχνότητας Εφαρµογές επίλυση γραµµικών εξισώσεων διαφορών µε σταθερούς

Διαβάστε περισσότερα

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ. DTFT και Περιοδική/Κυκλική Συνέλιξη

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ. DTFT και Περιοδική/Κυκλική Συνέλιξη ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ DTFT και Περιοδική/Κυκλική Συνέλιξη Διακριτός μετασχηματισμός συνημιτόνου DCT discrete cosine transform Η σχέση αποτελεί «πυρήνα»

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΤΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟ FOURIER

ΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΤΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟ FOURIER ΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΤΟ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟ FOURIER Ανάλυση σημάτων και συστημάτων Ο μετασχηματισμός Fourier (DTFT και DFT) είναι σημαντικότατος για την ανάλυση σημάτων και συστημάτων Εντοπίζει

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή 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 περισσότερα

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ. ΚΕΦΑΛΑΙΟ 4 ο Μετασχηματισμός Z

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ. ΚΕΦΑΛΑΙΟ 4 ο Μετασχηματισμός Z ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΚΕΦΑΛΑΙΟ 4 ο Μετασχηματισμός Z ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ - Μετασχ.- Σ. Φωτόπουλος ΔΠΜΣ Ποιός είναι ο DTFT της u(n)?? u(n) e πδ(ω πk) j ω k ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ - Μετασχ.-

Διαβάστε περισσότερα

ΑΝΑΠΤΥΓΜA - ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ. Περιγράψουµε τον τρόπο ανάπτυξης σε σειρά Fourier ενός περιοδικού αναλογικού σήµατος.

ΑΝΑΠΤΥΓΜA - ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ. Περιγράψουµε τον τρόπο ανάπτυξης σε σειρά Fourier ενός περιοδικού αναλογικού σήµατος. 3. ΚΕΦΑΛΑΙΟ ΑΝΑΠΤΥΓΜA - ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ Περιγράψουµε τον τρόπο ανάπτυξης σε σειρά Fourier ενός περιοδικού αναλογικού σήµατος. Ορίσουµε το µετασχηµατισµό Fourier ενός µη περιοδικού

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΙΚΩΝ ΜΕΤΡΗΣΕΩΝ Ι. Σημειώσεις Εργαστηριακών Ασκήσεων

ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΙΚΩΝ ΜΕΤΡΗΣΕΩΝ Ι. Σημειώσεις Εργαστηριακών Ασκήσεων ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΙΚΩΝ ΜΕΤΡΗΣΕΩΝ Ι Σημειώσεις Εργαστηριακών

Διαβάστε περισσότερα

Η ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ. 11/4/2005 Βασιλεία Καραθαναση Λέκτορας Ε.Μ.Π

Η ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ. 11/4/2005 Βασιλεία Καραθαναση Λέκτορας Ε.Μ.Π Η ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ Επεξεργασία και φιλτράρισμα Λέκτορας Ε.Μ.Π 1 Η ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ Η εικόνα αποτελεί μία πηγή πληροφορίας. Τη συναντάμε ως : εικόνα ακίνητη (φωτογραφία) κινούμενη(τηλεόραση) Επίσης : ασπρόμαυρη

Διαβάστε περισσότερα

Άσκηση 06: Φίλτρα πεπερασμένης κρουστικής απόκρισης (Finite Impulse Response (F.I.R.) Filters)

Άσκηση 06: Φίλτρα πεπερασμένης κρουστικής απόκρισης (Finite Impulse Response (F.I.R.) Filters) ΤΕΙ ΠΕΙΡΑΙΑ / ΣΤΕΦ / ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ Τ.Ε. Μάθημα: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ (Εργαστήριο) Ε εξάμηνο Εξάμηνο: Χειμερινό 2014-2015 Άσκηση 06: Φίλτρα πεπερασμένης κρουστικής απόκρισης (Finite

Διαβάστε περισσότερα

Digital Image Processing

Digital 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 περισσότερα

Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB )

Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB ) Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB ) Μια πρώτη ιδέα για το μάθημα χωρίς καθόλου εξισώσεις!!! Περίγραμμα του μαθήματος χωρίς καθόλου εξισώσεις!!! Παραδείγματα από πραγματικές εφαρμογές ==

Διαβάστε περισσότερα

Διάλεξη 10. Σχεδιασμός Φίλτρων. Κεφ. 7.0-7.2. Φίλτρο Διαφοροποιεί το φάσμα ενός σήματος Π.χ. αφήνει να περάσουν ή σταματά κάποιες συχνότητες

Διάλεξη 10. Σχεδιασμός Φίλτρων. Κεφ. 7.0-7.2. Φίλτρο Διαφοροποιεί το φάσμα ενός σήματος Π.χ. αφήνει να περάσουν ή σταματά κάποιες συχνότητες University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 10 Κεφ. 7.0-7.2 Φίλτρο Διαφοροποιεί το φάσμα ενός σήματος Π.χ. αφήνει να περάσουν ή σταματά κάποιες συχνότητες Σχεδιασμός Φίλτρου Καθορίζονται

Διαβάστε περισσότερα

Σύντομη Αναφορά σε Βασικές Έννοιες Ψηφιακής Επεξεργασίας Σημάτων

Σύντομη 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 περισσότερα

Δυναμική Μηχανών I. Απόκριση Γραμμικών Συστημάτων στο. Πεδίο της Συχνότητας

Δυναμική Μηχανών I. Απόκριση Γραμμικών Συστημάτων στο. Πεδίο της Συχνότητας Δυναμική Μηχανών I Απόκριση Γραμμικών Συστημάτων στο 7 4 Πεδίο της Συχνότητας 2015 Δημήτριος Τζεράνης, Ph.D Τμήμα Μηχανολόγων Μηχανικών Ε.Μ.Π. tzeranis@gmail.com Απαγορεύεται οποιαδήποτε αναπαραγωγή χωρίς

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ ΟΠΤΙΚΗΣ - ΟΠΤΟΗΛΕΚΤΡΟΝΙΚΗΣ & LASER ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΧΗΜΕΙΑΣ & Τ/Υ ΑΣΚΗΣΗ ΝΟ7 ΟΠΤΙΚΗ FOURIER. Γ. Μήτσου

ΕΡΓΑΣΤΗΡΙΟ ΦΥΣΙΚΗΣ ΟΠΤΙΚΗΣ - ΟΠΤΟΗΛΕΚΤΡΟΝΙΚΗΣ & LASER ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΧΗΜΕΙΑΣ & Τ/Υ ΑΣΚΗΣΗ ΝΟ7 ΟΠΤΙΚΗ FOURIER. Γ. Μήτσου ΕΡΓΑΣΗΡΙΟ ΦΥΣΙΚΗΣ ΟΠΙΚΗΣ - ΟΠΟΗΛΕΚΡΟΝΙΚΗΣ & LASER ΜΗΜΑ ΦΥΣΙΚΗΣ ΧΗΜΕΙΑΣ & /Υ ΑΣΚΗΣΗ ΝΟ7 ΟΠΙΚΗ FOURIER Γ. Μήτσου Μάρτιος 8 Α. Θεωρία. Εισαγωγή Η επεξεργασία οπτικών δεδοµένων, το φιλτράρισµα χωρικών συχνοτήτων

Διαβάστε περισσότερα

ΠΛΗ 22: Βασικά Ζητήματα Δίκτυα Η/Υ

ΠΛΗ 22: Βασικά Ζητήματα Δίκτυα Η/Υ www.lucent.com/security ΠΛΗ 22: Βασικά Ζητήματα Δίκτυα Η/Υ 2 η ΟΣΣ / ΠΛΗ22 / ΑΘΗ.4 /07.12.2014 Νίκος Δημητρίου (Σημείωση: Η παρουσίαση αυτή συμπληρώνει τα αρχεία PLH22_OSS2_diafaneies_v1.ppt, και octave_matlab_tutorial_v1.ppt

Διαβάστε περισσότερα

2. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΥΣΤΗΜΑΤΑ. Γενικά τι είναι σύστηµα - Ορισµός. Τρόποι σύνδεσης συστηµάτων.

2. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΥΣΤΗΜΑΤΑ. Γενικά τι είναι σύστηµα - Ορισµός. Τρόποι σύνδεσης συστηµάτων. 2. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΥΣΤΗΜΑΤΑ Γενικά τι είναι - Ορισµός. Τρόποι σύνδεσης συστηµάτων. Κατηγορίες των συστηµάτων ανάλογα µε τον αριθµό και το είδος των επιτρεποµένων εισόδων και εξόδων. Ιδιότητες των

Διαβάστε περισσότερα

Ανακατασκευή εικόνας από προβολές

Ανακατασκευή εικόνας από προβολές Ανακατασκευή εικόνας από προβολές Μέθοδος ανακατασκευής με χρήση χαρακτηριστικών δειγμάτων προβολής Αναστάσιος Κεσίδης Δρ. Ηλεκτρολόγος Μηχανικός Θέματα που θα αναπτυχθούν Εισαγωγή στις τομογραφικές μεθόδους

Διαβάστε περισσότερα

15/3/2009. Ένα ψηφιακό σήμα είναι η κβαντισμένη εκδοχή ενός σήματος διάκριτου. χρόνου. Φλώρος Ανδρέας Επίκ. Καθηγητής

15/3/2009. 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 περισσότερα

Διακριτός Μετασχηματισμός Fourier

Διακριτός Μετασχηματισμός Fourier Διακριτός Μετασχηματισμός Fourier 1 Διακριτός Μετασχηματισμός Fourier Ο μετασχηματισμός Fourier αποτελεί τον ακρογωνιαίο λίθο της επεξεργασίας σήματος αλλά και συχνή αιτία πονοκεφάλου για όσους πρωτοασχολούνται

Διαβάστε περισσότερα

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία

Διαβάστε περισσότερα

Δέκτες ΑΜ ΘΟΡΥΒΟΣ ΣΕ ΔΙΑΜΟΡΦΩΣΗ CW

Δέκτες ΑΜ ΘΟΡΥΒΟΣ ΣΕ ΔΙΑΜΟΡΦΩΣΗ CW ΘΟΡΥΒΟΣ ΣΕ ΔΙΑΜΟΡΦΩΣΗ Στα συστήματα διαμόρφωσης (otiuou-ve) το κριτήριο της συμπεριφοράς τους ως προς το θόρυβο, είναι ο λόγος σήματος προς θόρυβο στην έξοδο (output igl-tooie rtio). λόγος σήματος προς

Διαβάστε περισσότερα

Ψηφιακά Φίλτρα. Αναλογικά και ψηφιακά φίλτρα 20/5/2005 1 20/5/2005 2

Ψηφιακά Φίλτρα. Αναλογικά και ψηφιακά φίλτρα 20/5/2005 1 20/5/2005 2 Ψηφιακά Φίλτρα Αναλογικά και ψηφιακά φίλτρα 20/5/2005 1 Αναλογικά και ψηφιακά φίλτρα Στην επεξεργασία σήματος, η λειτουργία ενός φίλτρου είναι να απομακρύνει τα ανεπιθύμητα μέρη ενός σήματος, όπως ένα

Διαβάστε περισσότερα

Εξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης

Εξομοίωση 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 περισσότερα

Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων

Ολοκληρωµένο 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 περισσότερα

DIP_06 Συμπίεση εικόνας - JPEG. ΤΕΙ Κρήτης

DIP_06 Συμπίεση εικόνας - JPEG. ΤΕΙ Κρήτης DIP_06 Συμπίεση εικόνας - JPEG ΤΕΙ Κρήτης Συμπίεση εικόνας Το μέγεθος μιας εικόνας είναι πολύ μεγάλο π.χ. Εικόνα μεγέθους Α4 δημιουργημένη από ένα σαρωτή με 300 pixels ανά ίντσα και με χρήση του RGB μοντέλου

Διαβάστε περισσότερα

Σχεδίαση Ηλεκτρονικών Κυκλωμάτων RF

Σχεδίαση Ηλεκτρονικών Κυκλωμάτων RF ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Σχεδίαση Ηλεκτρονικών Κυκλωμάτων F Ενότητα: Φίλτρα και Επαναληπτικές Ασκήσεις Στυλιανός Μυτιληναίος Τμήμα Ηλεκτρονικής, Σχολή

Διαβάστε περισσότερα

Μετάδοση πληροφορίας - Διαμόρφωση

Μετάδοση πληροφορίας - Διαμόρφωση ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΗΧ. Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Μετάδοση πληροφορίας - Διαμόρφωση MYE006-ΠΛΕ065: ΑΣΥΡΜΑΤΑ ΔΙΚΤΥΑ Ευάγγελος Παπαπέτρου Διάρθρωση μαθήματος Βασικές έννοιες μετάδοσης Διαμόρφωση ορισμός

Διαβάστε περισσότερα

ΜΕΘΟΔΟΙ ΣΥΝΘΕΣΗΣ ΕΙΚΟΝΩΝ ΥΨΗΛΗΣ ΑΝΑΛΥΣΗΣ ΑΠΟ ΕΙΚΟΝΕΣ ΧΑΜΗΛΟΤΕΡΗΣ ΑΝΑΛΥΣΗΣ

ΜΕΘΟΔΟΙ ΣΥΝΘΕΣΗΣ ΕΙΚΟΝΩΝ ΥΨΗΛΗΣ ΑΝΑΛΥΣΗΣ ΑΠΟ ΕΙΚΟΝΕΣ ΧΑΜΗΛΟΤΕΡΗΣ ΑΝΑΛΥΣΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ "ΣΥΣΤΗΜΑΤΑ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ" ΜΕΘΟΔΟΙ ΣΥΝΘΕΣΗΣ ΕΙΚΟΝΩΝ ΥΨΗΛΗΣ ΑΝΑΛΥΣΗΣ ΑΠΟ ΕΙΚΟΝΕΣ ΧΑΜΗΛΟΤΕΡΗΣ ΑΝΑΛΥΣΗΣ ΚΛΑΡΟΥΔΑΣ ΕΥΑΓΓΕΛΟΣ

Διαβάστε περισσότερα

Αναλογικά φίλτρα. Για να επιτύχουµε µια επιθυµητή απόκριση χρειαζόµαστε σηµαντικά λιγότερους συντελεστές γιαένα IIR φίλτροσεσχέσηµετοαντίστοιχο FIR.

Αναλογικά φίλτρα. Για να επιτύχουµε µια επιθυµητή απόκριση χρειαζόµαστε σηµαντικά λιγότερους συντελεστές γιαένα IIR φίλτροσεσχέσηµετοαντίστοιχο FIR. Τα IIR φίλτρα είναι επαναληπτικά ή αναδροµικά, µε την έννοια ότι δείγµατα της εξόδου χρησιµοποιούνται από το σύστηµα για τον υπολογισµό τν νέν τιµών της εξόδου σε επόµενες χρονικές στιγµές. Για να επιτύχουµε

Διαβάστε περισσότερα

Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη

Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow

Διαβάστε περισσότερα

ΤΕΧΝΙΚΕΣ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ

ΤΕΧΝΙΚΕΣ 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 περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα : ΑΝΑΛΥΣΗ FOURIER (H ΣΕΙΡΑ FOURIER ΚΑΙ Ο ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER) Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες

Διαβάστε περισσότερα

ΒΙΟΛΟΓΙΚΑ ΣΗΜΑΤΑ. Επιμέλεια - προσαρμογή : Α. Καναπίτσας. Βιβλιογραφία :

ΒΙΟΛΟΓΙΚΑ ΣΗΜΑΤΑ. Επιμέλεια - προσαρμογή : Α. Καναπίτσας. Βιβλιογραφία : ΒΙΟΛΟΓΙΚΑ ΣΗΜΑΤΑ Επιμέλεια - προσαρμογή : Α. Καναπίτσας Βιβλιογραφία : 1. Ελπινίκη Παπαγεωργίου Σηµειώσεις Παρουσίαση : Μελέτη της απαγωγής βιοϊατρικούσήματος, εφαρμογή σε θεραπευτικά μηχανήματα και ανάλυση

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ 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 ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας Ιωάννης Έλληνας Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης

Διαβάστε περισσότερα

Τηλεπικοινωνίες. Ενότητα 2.1: Ανάλυση Fourier. Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ

Τηλεπικοινωνίες. Ενότητα 2.1: Ανάλυση Fourier. Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ Τηλεπικοινωνίες Ενότητα 2.1: Ανάλυση Fourier Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό,

Διαβάστε περισσότερα

ΤΕΤΥ Εφαρμοσμένα Μαθηματικά 1. Τελεστές και πίνακες. 1. Τελεστές και πίνακες Γενικά. Τι είναι συνάρτηση? Απεικόνιση ενός αριθμού σε έναν άλλο.

ΤΕΤΥ Εφαρμοσμένα Μαθηματικά 1. Τελεστές και πίνακες. 1. Τελεστές και πίνακες Γενικά. Τι είναι συνάρτηση? Απεικόνιση ενός αριθμού σε έναν άλλο. ΤΕΤΥ Εφαρμοσμένα Μαθηματικά 1 Τελεστές και πίνακες 1. Τελεστές και πίνακες Γενικά Τι είναι συνάρτηση? Απεικόνιση ενός αριθμού σε έναν άλλο. Ανάλογα, τελεστής είναι η απεικόνιση ενός διανύσματος σε ένα

Διαβάστε περισσότερα

ΔΙΑΜΟΡΦΩΣΗ ΓΩΝΙΑΣ. () t. Διαμόρφωση Γωνίας. Περιεχόμενα:

ΔΙΑΜΟΡΦΩΣΗ ΓΩΝΙΑΣ. () t. Διαμόρφωση Γωνίας. Περιεχόμενα: ΔΙΑΜΟΡΦΩΣΗ ΓΩΝΙΑΣ Περιεχόμενα: Διαμόρφωση Φάσης (PM) και Συχνότητας (FM) Διαμόρφωση FM από Απλό Τόνο - - Στενής Ζώνης - - Ευρείας Ζώνης - - από Πολλούς Τόνους Εύρος Ζώνης Μετάδοσης Κυματομορφών FM Απόκριση

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ 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 ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΑΠΟΚΑΤΑΣΤΑΣΗ ΘΟΡΥΒΟΠΟΙΗΜΕΝΩΝ ΕΙΚΟΝΩΝ ΑΠΟ ΠΡΟΣΘΕΤΙΚΟ ΘΟΡΥΒΟ ΜΕ ΧΡΗΣΗ ΧΩΡΙΚΩΝ ΦΙΛΤΡΩΝ

Διαβάστε περισσότερα

3-Φεβ-2009 ΗΜΥ 429. 4. Σήματα

3-Φεβ-2009 ΗΜΥ 429. 4. Σήματα 3-Φεβ-2009 ΗΜΥ 429 4. Σήματα 1 Σήματα Σήματα είναι: σχήματα αλλαγών που αντιπροσωπεύουν ή κωδικοποιούν πληροφορίες σύνολο πληροφορίας ή δεδομένων σχήματα αλλαγών στο χρόνο, π.χ. ήχος, ηλεκτρικό σήμα εγκεφάλου

Διαβάστε περισσότερα

Αποκατάσταση Εικόνας

Αποκατάσταση Εικόνας ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Αποκατάσταση Εικόνας Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία Περιεχόµενα Ενότητας Ορισµός & Παραδείγµατα

Διαβάστε περισσότερα

Τι είναι βαθμωτό μέγεθος? Ένα μέγεθος που περιγράφεται μόνο με έναν αριθμό (π.χ. πίεση)

Τι είναι βαθμωτό μέγεθος? Ένα μέγεθος που περιγράφεται μόνο με έναν αριθμό (π.χ. πίεση) TETY Εφαρμοσμένα Μαθηματικά Ενότητα ΙΙ: Γραμμική Άλγεβρα Ύλη: Διανυσματικοί χώροι και διανύσματα, μετασχηματισμοί διανυσμάτων, τελεστές και πίνακες, ιδιοδιανύσματα και ιδιοτιμές πινάκων, επίλυση γραμμικών

Διαβάστε περισσότερα

6-Aνίχνευση. Ακμών - Περιγράμματος

6-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 περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή 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 περισσότερα

Σημειώσεις για την Άσκηση 2: Μετρήσεις σε RC Κυκλώματα

Σημειώσεις για την Άσκηση 2: Μετρήσεις σε RC Κυκλώματα Σημειώσεις για την Άσκηση 2: Μετρήσεις σε RC Κυκλώματα Ένας πυκνωτής με μία αντίσταση σε σειρά αποτελούν ένα RC κύκλωμα. Τα RC κυκλώματα χαρακτηρίζονται για την απόκρισή τους ως προς τη συχνότητα και ως

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας Ψηφιακή Επεξεργασία Εικόνας Τι είναι η ψηφιακή εικόνα 1/67 Το μοντέλο της εικόνας ΜίαεικόναπαριστάνεταιαπόέναπίνακαU που κάθε στοιχείο του u(i,j) ονομάζεται εικονοστοιχείο pixel (picture element). Η ανάλυση

Διαβάστε περισσότερα

ΕΜΒΟΛΙΜΗ ΠΑΡΑΔΟΣΗ ΜΑΘΗΜΑΤΙΚΩΝ. Μερικές βασικές έννοιες διανυσματικού λογισμού

ΕΜΒΟΛΙΜΗ ΠΑΡΑΔΟΣΗ ΜΑΘΗΜΑΤΙΚΩΝ. Μερικές βασικές έννοιες διανυσματικού λογισμού ΕΜΒΟΛΙΜΗ ΠΑΡΑΔΟΣΗ ΜΑΘΗΜΑΤΙΚΩΝ Μερικές βασικές έννοιες διανυσματικού λογισμού ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΔΙΑΝΥΣΜΑΤΙΚΟΥ ΛΟΓΙΣΜΟΥ 1. Oρισμοί Διάνυσμα ονομάζεται η μαθηματική οντότητα που έχει διεύθυνση φορά και μέτρο.

Διαβάστε περισσότερα

Επεξεργασία Έγχρωµων Εικόνων

Επεξεργασία Έγχρωµων Εικόνων ΤΨΣ 150 Ψηφιακή Επεξεργασία Εικόνας Επεξεργασία Έγχρωµων Εικόνων Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία Περιεχόµενα Ενότητας Εισαγωγή - Βασικά

Διαβάστε περισσότερα

Ακαδηµαϊκό Έτος 2005 2006, Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

Ακαδηµαϊκό Έτος 2005 2006, Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ Ι ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΨΣ 5: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ακαδηµαϊκό Έτος 5 6 Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΓΙΑ ΕΠΑΝΑΛΗΨΗ Το

Διαβάστε περισσότερα

Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη

Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη Επεξεργασία Εικόνας Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη Μπαρμπούτης Παναγιώτης Α) ΦΙΛΤΡΑ ΟΞΥΝΣΗΣ Αρχικά θα μελετήσουμε την εικόνα από το MRI αρχείο της

Διαβάστε περισσότερα

ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ. Κωδικοποίηση εικόνας

ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ. Κωδικοποίηση εικόνας ΤΕΙ ΚΡΗΤΗΣ ΤΜ. ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡ/ΚΗΣ & ΠΟΛΥΜΕΣΩΝ ΔΙΔΑΣΚΩΝ: Δρ. Γ. ΓΑΡΔΙΚΗΣ 2 Κωδικοποίηση εικόνας Ακολουθία από ψηφιοποιημένα καρέ (frames) που έχουν συλληφθεί σε συγκεκριμένο ρυθμό frame rate (π.χ. 10fps,

Διαβάστε περισσότερα

Ήχος. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 04-1

Ήχος. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 04-1 Ήχος Χαρακτηριστικά του ήχου Ψηφιοποίηση με μετασχηματισμό Ψηφιοποίηση με δειγματοληψία Κβαντοποίηση δειγμάτων Παλμοκωδική διαμόρφωση Συμβολική αναπαράσταση μουσικής Τεχνολογία Πολυμέσων και Πολυμεσικές

Διαβάστε περισσότερα

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας Ε.Α.Υ. Υπολογιστική Όραση Κατάτμηση Εικόνας Γεώργιος Παπαϊωάννου 2015 ΚΑΤΩΦΛΙΩΣΗ Κατωφλίωση - Γενικά Είναι η πιο απλή μέθοδος segmentation εικόνας Χωρίζουμε την εικόνα σε 2 (binary) ή περισσότερες στάθμες

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Ενότητα : ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Ενότητα : ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα : ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό

27-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 περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΠΑΡΑΔΕΙΓΜΑΤΑ ΜΕ ΧΡΗΣΗ MATLAB ΑΘΑΝΑΣΙΑ ΚΟΛΟΒΟΥ (Ε.Τ.Ε.Π.) 2012 ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ο σκοπός αυτού

Διαβάστε περισσότερα

Α.Τ.Ε.Ι. Ηρακλείου Ψηφιακή Επεξεργασία Εικόνας ιδάσκων: Βασίλειος Γαργανουράκης. Ανθρώπινη Όραση - Χρωµατικά Μοντέλα

Α.Τ.Ε.Ι. Ηρακλείου Ψηφιακή Επεξεργασία Εικόνας ιδάσκων: Βασίλειος Γαργανουράκης. Ανθρώπινη Όραση - Χρωµατικά Μοντέλα Ανθρώπινη Όραση - Χρωµατικά Μοντέλα 1 Τι απαιτείται για την όραση Φωτισµός: κάποια πηγή φωτός Αντικείµενα: που θα ανακλούν (ή διαθλούν) το φως Μάτι: σύλληψη του φωτός σαν εικόνα Τρόποι µετάδοσης φωτός

Διαβάστε περισσότερα

Ημιτονοειδή σήματα Σ.Χ.

Ημιτονοειδή σήματα Σ.Χ. Ημιτονοειδή σήματα Σ.Χ. Αρμονική ταλάντωση και επειδή Ω=2πF Περιοδικό με βασική περίοδο Τ p =1/F Ημιτονοειδή σήματα Σ.Χ. 1 Ημιτονοειδή σήματα Σ.Χ. Σύμφωνα με την ταυτότητα του Euler Το ημιτονοειδές σήμα

Διαβάστε περισσότερα

Προηγμένες εφαρμογές των μαθηματικών στην ψηφιακή επεξεργασία σήματος με χρήση της Matlab

Προηγμένες εφαρμογές των μαθηματικών στην ψηφιακή επεξεργασία σήματος με χρήση της Matlab ATEI Κρήτης Παράρτημα Χανίων τμ. Ηλεκτρονικής Προηγμένες εφαρμογές των μαθηματικών στην ψηφιακή επεξεργασία σήματος με χρήση της Matlab Iterative Shadowgraphic Method (ISM) Παναγιώτης Αργυρέας 5/12/2010

Διαβάστε περισσότερα

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab

Ανάλυση 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 περισσότερα

Σχήμα Χαμηλοδιαβατά φίλτρα:

Σχήμα Χαμηλοδιαβατά φίλτρα: ΦΙΛΤΡΑ 6.. ΦΙΛΤΡΑ Το φίλτρο είναι ένα σύστημα του οποίου η απόκριση συχνότητας παίρνει σημαντικές τιμές μόνο για συγκεκριμένες ζώνες του άξονα συχνοτήτων. Στο Σχήμα 6.6 δείχνουμε την απόκριση συχνότητας

Διαβάστε περισσότερα

Κωδικοποίηση εικόνων κατά JPEG

Κωδικοποίηση εικόνων κατά JPEG Κωδικοποίηση εικόνων κατά JPEG Εισαγωγή Προετοιµασία της εικόνας ρυθµός Ακολουθιακός απωλεστικός ρυθµός Εκτεταµένος απωλεστικός ρυθµός Μη απωλεστικός ρυθµός Ιεραρχικός ρυθµός Τεχνολογία Πολυµέσων 09-1

Διαβάστε περισσότερα

ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ 5 σιμοποιούμε, δηλαδή όσο περισσότερα bits χρησιμοποιούμε για την αναπαράσταση της κάθε τιμής του πλάτους. ΕΝΟΤΗΤΑ.. ΣΗΜΑΤΑ ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Στην ενότητα αυτή θα ασχοληθούμε με τα σήματα διακριτού χρόνου.

Διαβάστε περισσότερα

Εργαστήριο 3: Διαλείψεις

Εργαστήριο 3: Διαλείψεις Εργαστήριο 3: Διαλείψεις Διάλειψη (fading) είναι η παραμόρφωση ενός διαμορφωμένου σήματος λόγω της μετάδοσης του σε ασύρματο περιβάλλον. Η προσομοίωση μίας τέτοιας μετάδοσης γίνεται με την μοντελοποίηση

Διαβάστε περισσότερα

Στοχαστικές Ανελίξεις

Στοχαστικές Ανελίξεις Ντετερμινιστικά Σήματα - Τυχαία Σήματα Ταξινόμηση των σημάτων ανάλογα με τη βεβαιότητα όσο αφορά την τιμή τους κάθε χρονική στιγμή. Τα ντετερμινιστικά σήματα μπορούν να αναπαρασταθούν σαν πλήρως καθορισμένες

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΑ ΗΛΕΚΤΡΟΝΙΚΑ ΦΙΛΤΡΑ

ΕΙΣΑΓΩΓΗ ΣΤΑ ΗΛΕΚΤΡΟΝΙΚΑ ΦΙΛΤΡΑ Πανεπιστήμιο Πατρών Τμήμα Φυσικής Εργαστήριο Ηλεκτρονικής ΕΙΣΑΓΩΓΗ ΣΤΑ ΗΛΕΚΤΡΟΝΙΚΑ ΦΙΛΤΡΑ Κ. Ψυχαλίνος Πάτρα 005 . METAΣΧΗΜΑΤΙΣΜΟΣ LAPLACE. Ορισμοί Μετάβαση από το πεδίο του χρόνου στο πεδίο συχνότητας.

Διαβάστε περισσότερα

Τεχνολογία Πολυμέσων. Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής

Τεχνολογία Πολυμέσων. Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Τεχνολογία Πολυμέσων Ενότητα # 4: Ήχος Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το

Διαβάστε περισσότερα

Κεφάλαιο 2 Πίνακες - Ορίζουσες

Κεφάλαιο 2 Πίνακες - Ορίζουσες Κεφάλαιο Πίνακες - Ορίζουσες Βασικοί ορισμοί και πίνακες Πίνακες Παραδείγματα: Ο πίνακας πωλήσεων ανά τρίμηνο μίας εταιρείας για τρία είδη που εμπορεύεται: ο Τρίμηνο ο Τρίμηνο 3 ο Τρίμηνο ο Τρίμηνο Είδος

Διαβάστε περισσότερα

Κεφάλαιο 2. Οργάνωση και διαχείριση της Πληροφορίας στον. Υπολογιστή

Κεφάλαιο 2. Οργάνωση και διαχείριση της Πληροφορίας στον. Υπολογιστή ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΥΠΟΛΟΓΙΣΤΩΝ Κεφάλαιο 2 Οργάνωση και διαχείριση της Πληροφορίας στον Υπολογιστή Δεδομένα και Εντολές πληροφορία δεδομένα εντολές αριθμητικά δδ δεδομένα κείμενο εικόνα Επιλογή Αναπαράστασης

Διαβάστε περισσότερα

1.5 1 Ο νόμος των ρευμάτων του Kirchhoff 11 1.5 2 Ο νόμος των τάσεων του Kirchhoff 12 1.5 3 Το θεώρημα του Tellegen 13

1.5 1 Ο νόμος των ρευμάτων του Kirchhoff 11 1.5 2 Ο νόμος των τάσεων του Kirchhoff 12 1.5 3 Το θεώρημα του Tellegen 13 Μέρος Α 1. Εισαγωγικές Έννοιες 3 1.1 Το αντικείμενο της θεωρίας των ηλεκτρικών κυκλωμάτων 4 1.2 Φυσικά και μαθηματικά μοντέλα 5 1.3 Συγκεντρωμένα και κατανεμημένα κυκλώματα 6 1.4 Ορισμοί Φορές αναφοράς

Διαβάστε περισσότερα

Γραµµικη Αλγεβρα Ι Επιλυση Επιλεγµενων Ασκησεων Φυλλαδιου 4

Γραµµικη Αλγεβρα Ι Επιλυση Επιλεγµενων Ασκησεων Φυλλαδιου 4 Γραµµικη Αλγεβρα Ι Επιλυση Επιλεγµενων Ασκησεων Φυλλαδιου 4 ιδασκοντες: Ν Μαρµαρίδης - Α Μπεληγιάννης Βοηθος Ασκησεων: Χ Ψαρουδάκης Ιστοσελιδα Μαθηµατος : http://wwwmathuoigr/ abeligia/linearalgebrai/laihtml

Διαβάστε περισσότερα

Μέθοδος μέγιστης πιθανοφάνειας

Μέθοδος μέγιστης πιθανοφάνειας Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σ.κ. της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα

Διαβάστε περισσότερα

Εικόνα. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 05-1

Εικόνα. Τεχνολογία Πολυμέσων και Πολυμεσικές Επικοινωνίες 05-1 Εικόνα Εισαγωγή Ψηφιακή αναπαράσταση Κωδικοποίηση των χρωμάτων Συσκευές εισόδου και εξόδου Βάθος χρώματος και ανάλυση Συμβολική αναπαράσταση Μετάδοση εικόνας Σύνθεση εικόνας Ανάλυση εικόνας Τεχνολογία

Διαβάστε περισσότερα

ΠΡΟΫΠΗΡΕΣΙΑΚΗ ΚΑΤΑΡΤΙΣΗ ΠΡΥ 017 ΤΕΧΝΟΛΟΓΙΑ Διαλέξεις 8 και 9 ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

ΠΡΟΫΠΗΡΕΣΙΑΚΗ ΚΑΤΑΡΤΙΣΗ ΠΡΥ 017 ΤΕΧΝΟΛΟΓΙΑ Διαλέξεις 8 και 9 ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΡΟΫΠΗΡΕΣΙΑΚΗ ΚΑΤΑΡΤΙΣΗ ΠΡΥ 7 ΤΕΧΝΟΛΟΓΙΑ Διαλέξεις 8 και 9 ΨΗΦΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Δρ. Ηλίας Κυριακίδης ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΑ ΘΕΜΑΤΑ ΜΑΣ ΣΗΜΕΡΑ Αναλογικά

Διαβάστε περισσότερα

Εισαγωγή στον Προγραμματισμό

Εισαγωγή στον Προγραμματισμό Εισαγωγή στον Προγραμματισμό Ενότητα 3 Λειτουργίες σε Bits, Αριθμητικά Συστήματα Χρήστος Γκουμόπουλος Πανεπιστήμιο Αιγαίου Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων Φύση υπολογιστών Η

Διαβάστε περισσότερα

Περιεχόμενα. Πρώτο Κεφάλαιο. Εισαγωγή στα Ψηφιακά Συστήματα. Δεύτερο Κεφάλαιο. Αριθμητικά Συστήματα Κώδικες

Περιεχόμενα. Πρώτο Κεφάλαιο. Εισαγωγή στα Ψηφιακά Συστήματα. Δεύτερο Κεφάλαιο. Αριθμητικά Συστήματα Κώδικες Πρώτο Κεφάλαιο Εισαγωγή στα Ψηφιακά Συστήματα 1.1 Αναλογικά και Ψηφιακά Σήματα και Συστήματα... 1 1.2 Βασικά Ψηφιακά Κυκλώματα... 3 1.3 Ολοκληρωμένα κυκλώματα... 4 1.4 Τυπωμένα κυκλώματα... 7 1.5 Εργαλεία

Διαβάστε περισσότερα

Ψηφιακοί Υπολογιστές

Ψηφιακοί Υπολογιστές 1 η Θεµατική Ενότητα : υαδικά Συστήµατα Ψηφιακοί Υπολογιστές Παλαιότερα οι υπολογιστές χρησιµοποιούνταν για αριθµητικούς υπολογισµούς Ψηφίο (digit) Ψηφιακοί Υπολογιστές Σήµατα (signals) : διακριτά στοιχεία

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΙΚΕΣ ΠΑΡΑΤΗΡΗΣΕΙΣ...3

ΕΙΣΑΓΩΓΙΚΕΣ ΠΑΡΑΤΗΡΗΣΕΙΣ...3 ΚΕΦΑΛΑΙΟ 3 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ- ΕΙΣΑΓΩΓΙΚΕΣ ΠΑΡΑΤΗΡΗΣΕΙΣ...3 ΕΝΟΤΗΤΑ 3.. Ο ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ-Z...4 3... ΟΡΙΣΜΌΣ...4 3... ΎΠΑΡΞΗ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΎ-Z...5 3..3. ΙΔΙΌΤΗΤΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΎ-Z... ΕΝΟΤΗΤΑ 3..

Διαβάστε περισσότερα

Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα

Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα Απεικόνιση Γραφικά ΥφήςΥπολογιστών Απεικόνιση Υφής Μέρος Α Υφή σε Πολύγωνα Γ. Γ. Παπαϊωάννου, - 2008 Τι Είναι η Υφή; Η υφή είναι η χωρική διαμόρφωση των ποιοτικών χαρακτηριστικών της επιφάνειας ενός αντικειμένου,

Διαβάστε περισσότερα

2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ

2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΔΟΜΗ ΕΠΑΝΑΛΗΨΗΣ 1) Πότε χρησιμοποιείται η δομή επανάληψης

Διαβάστε περισσότερα

SOURCE. Transmitter. Channel Receiver

SOURCE. Transmitter. Channel Receiver Εισαγωγή στις Τηλεπικοινωνίες Εισαγωγή στα Σήµατα Ψηφιακές Επικοινωνίες - ειγµατοληψία ρ. Αθανάσιος. Παναγόπουλος Λέκτορας ΕΜΠ 1 Εργαστήριο Κινητών Ραδιοεπικοινωνιών, ΣΗΜΜΥ ΕΜΠ Εισαγωγή στις Τηλεπικοινωνίες

Διαβάστε περισσότερα

Μια εισαγωγή στο φίλτρο Kalman

Μια εισαγωγή στο φίλτρο Kalman 1 Μια εισαγωγή στο φίλτρο Kalman Το 1960, R.E. Kalman δημόσιευσε το διάσημο έγγραφό του περιγράφοντας μια επαναλαμβανόμενη λύση στο γραμμικό πρόβλημα φιλτραρίσματος διακριτών δεδομένων. Από εκείνη τη στιγμή,

Διαβάστε περισσότερα

ΠΕΙΡΑΜΑΤΙΚΗ ΔΙΑΔΙΚΑΣΙΑ

ΠΕΙΡΑΜΑΤΙΚΗ ΔΙΑΔΙΚΑΣΙΑ ΕΙΣΑΓΩΓΗ: Όπως θα δούμε και παρακάτω το φίλτρο είναι ένα σύστημα του οποίου η απόκριση συχνότητας παίρνει σημαντικές τιμές μόνο για συγκεκριμένες ζώνες του άξονα συχνοτήτων, δηλαδή «κόβουν» κάποιες ανεπιθύμητες

Διαβάστε περισσότερα

ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ. Της Νικολάου Χριστίνας Α.Ε.Μ. 134

ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ. Της Νικολάου Χριστίνας Α.Ε.Μ. 134 Τ.Ε.Ι. ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Της Νικολάου Χριστίνας Α.Ε.Μ. 134 Αλγόριθμοι Επεξεργασίας Εικόνας Τεχνικές Εξαγωγής Χαρακτηριστικών

Διαβάστε περισσότερα

ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΜΕΘΟΔΟΙ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ ΠΕΙΡΑΜΑΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΒΙΟΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ»

ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΜΕΘΟΔΟΙ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ ΠΕΙΡΑΜΑΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΒΙΟΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ» ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΜΕΘΟΔΟΙ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ ΠΕΙΡΑΜΑΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΒΙΟΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ» ΕΚΠΟΝΗΣΗ ΕΡΓΑΣΙΑΣ: ΤΑΤΙΑΝΑ ΚΑΡΑΛΗ ΑΜ.:10165 ΕΠΙΒΛΕΠΤΩΝ ΚΑΘΗΓΗΤΗΣ ΤΑΤΣΗΣ ΓΕΩΡΓΙΟΣ ΑΡΤΑ 2014

Διαβάστε περισσότερα

Περιεχόμενα. 1. Ειδικές συναρτήσεις. 2. Μιγαδικές Συναρτήσεις. 3. Η Έννοια του Τελεστή. Κεφάλαιο - Ενότητα

Περιεχόμενα. 1. Ειδικές συναρτήσεις. 2. Μιγαδικές Συναρτήσεις. 3. Η Έννοια του Τελεστή. Κεφάλαιο - Ενότητα Περιεχόμενα Κεφάλαιο - Ενότητα σελ 1. Ειδικές συναρτήσεις 1.0 Εισαγωγή 1.1 Εξίσωση του Laplace Συστήματα συντεταγμένων 1.2 Συνάρτηση δ του Dirac 1.3 Συνάρτηση του Heaviside 1.4 Οι συναρτήσεις Β, Γ και

Διαβάστε περισσότερα

Matrix Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι. Αλγόριθμοι» Γ. Καούρη Β. Μήτσου

Matrix Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι. Αλγόριθμοι» Γ. Καούρη Β. Μήτσου Matrix Algorithms Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Γ. Καούρη Β. Μήτσου Περιεχόμενα παρουσίασης Πολλαπλασιασμός πίνακα με διάνυσμα Πολλαπλασιασμός πινάκων Επίλυση τριγωνικού

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Σηµμάτων

Ψηφιακή Επεξεργασία Σηµμάτων Ψηφιακή Επεξεργασία Σηµμάτων Διάλεξη 3: DSP for Audio ΚΩΔΙΚΟΠΟΙΗΣΗ ΚΑΙ ΣΥΜΠΙΕΣΗ ΗΧΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΤΟ ΠΡΟΤΥΠΟ ISO/IEC 11172-3 MPEG-1 Δρ. Θωµμάς Ζαρούχας Επιστηµμονικός Συνεργάτης Μεταπτυχιακό Πρόγραµμµμα:

Διαβάστε περισσότερα