Advances in Digital Imaging and Computer Vision
|
|
- Μέντωρ Αναγνωστάκης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Advances in Digital Imaging and Computer Vision Lecture and Lab 4b 24/4/2017 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1
2 Μετασχηματισμός Fourier Εφαρμογές 2
3 Περιοδικός Θόρυβος Οι παράμετροι του περιοδικού θορύβου τυπικά υπολογίζονται από την επιθεώρηση του φάσματος Fourier της εικόνας. Όπως σημειώνεται στην προηγούμενη ενότητα, ο περιοδικός θόρυβος τείνει να παράγει αιχμές συχνότητας που συχνά μπορεί να ανιχνευθούν ακόμα και με οπτική ανάλυση. Μια άλλη προσέγγιση είναι να συμπεράνουμε την περιοδικότητα των συνιστωσών θορύβου απευθείας από την εικόνα, αλλά αυτό είναι δυνατό μόνο σε απλές περιπτώσεις. 3
4 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων Ο περιοδικός θόρυβος μπορεί να αναλυθεί και να φιλτράρεται αρκετά αποτελεσματικά χρησιμοποιώντας τεχνικές στο πεδίο των συχνοτήτων. Η βασική ιδέα είναι ότι ο περιοδικός θόρυβος εμφανίζεται σαν συμπυκνωμένες εκρήξεις ενέργειας στο μετασχηματισμό Fourier, σε θέσεις που αντιστοιχούν στις συχνότητες της περιοδικής παρεμβολής. Η προσέγγιση είναι να χρησιμοποιούμε ένα επιλεκτικό φίλτρο (π.χ. bandreject, ζωνοπερατό) για την απομόνωση του θορύβου {για βασική μείωση περιοδικού θορύβου}. 4
5 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων Στην επόμενη διαφάνεια βλέπουμε bandreject φίλτρα για την ιδανική περίπτωση (ideal), Butterworth, και Gaussian bandreject φίλτρα. D(u, v) είναι η απόσταση του σημείου (u,v) από το κέντρο του συχνοτικού ορθογωνίου (P γραμμές, Q στήλες), όπως δίνεται από την εξίσωση: In matlab: D u, v = u P v Q 2 2 [x,y]=meshgrid(-128:127,-128:127); z=sqrt(x.^2+y.^2); figure, surf(z), shading interp, colormap bone 1 2 5
6 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων D(u, v) είναι η απόσταση του σημείου (u,v) από το κέντρο του συχνοτικού ορθογωνίου όπως δίνεται από την εξίσωση: D u, v = u P v Q In matlab: [x,y]=meshgrid(-128:127,-128:127); z=sqrt(x.^2+y.^2); figure, surf(z), shading interp, colormap bone 6
7 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων Φίλτρα Bandreject. W είναι η απόσταση της μπάντας, D είναι η απόσταση D(u, v) από το κέντρο του φίλτρου, D 0 η συχν/οτητα αποκοπής και n η ταξη του φίλτρου Butterworth filter. Δείχνουμε το D αντί για D(u, v) Digital Image Processing, Rafael C.Gonzalez & Richard E. Woods, Addison-Wesley, 3rd edition 7
8 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων A bandpass filter is obtained from a bandreject filter in the same manner that we obtained a highpass filter from a lowpass filter: HBP(u, v) = 1 HBR(u, v) 8
9 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων (a) Image corrupted by sinusoidal noise (b) Spectrum of (a). Χρησιμοποιώντας το αντίστοιχο ζωνοπερατό φίλτρο (bandpass) και με αντίστροφο ΔΜF παίρνουμε αντί για την φιλτραρισμένη εικόνα, μια εικόνα που προσεγγίζει το μοτίβο του θορύβου στην αρχική εικόνα (α): (c) Butterworth bandreject filter (white represents 1). (d) Result of filtering. Digital Image Processing, Rafael C.Gonzalez & Richard E. Woods, Addison-Wesley, 3rd edition 9
10 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων %Μπορούμε εύκολα να δημιουργήσουμε περιοδικό θόρυβο από την επικάλυψη %μιας εικόνας με μια τριγωνομετρική συνάρτηση: cm=imread('cameraman.tif'); %Η δεύτερη γραμμή απλά δημιουργεί ένα ημιτονοειδές σήμα και ρυθμίζει την τιμή %του να είναι στο εύρος 0-2 [x,y]=meshgrid(1:256,1:256); s=1+sin(x+y/1.5); figure, surf(s), shading interp, colormap bone %Με την επόμενη γραμμή προσθέτουμε στην εικόνα το ημιτονικό σήμα και %διαιρούμε με 4 ώστε να έχουμε πινακα double με εύρος cp=(double(cm)/128+s)/4; cpf=fftshift(fft2(cp)); subplot(1,3,1), imshow(cm) subplot(1,3,2), imshow(cp) subplot(1,3,3), imshow(mat2gray(log(1+abs(cpf)))) An Introduction to Digital Image Processing with Matlab, Alasdair McAndrew 10
11 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων Η αρχική εικόνα (αριστερά), η εικόνα με περιοδικό θόρυβο και ο αντίστοιχος ΔΜF (δεξιά) Οι επιπλέον δύο αιχμές μακριά από το κέντρο αντιστοιχεί στο θόρυβο που μόλις προσθέσαμε. Μικρές περίοδοι ημιτόνων αντιστοιχούν υψηλής συχνότητας παρεμβολές (μεγάλη αλλαγή σε μια μικρή απόσταση), και είναι ως εκ τούτου πιο μακριά από το κέντρο του μετατοπίστηκε μετασχηματισμό. figure, imshow(mat2gray(log(1+abs(cpf)))) Θα αφαιρέσουμε τώρα αυτές τις επιπλέον αιχμές, και μετά θα αντιστρέψουμε στο χωρικό πεδίο. Αν βάλουμε pixval και να κινηθεί γύρω από την εικόνα, διαπιστώνουμε ότι οι αιχμές έχουν συντεταγμένες ~ ( ) και (102,88) και οι δύο έχουν απόσταση ~ 49 από το κέντρο. Με βάση αυτό φτιάχνουμε (επόμενη διαφάνεια) το Band reject filter. An Introduction to Digital Image Processing with Matlab, Alasdair McAndrew 11
12 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων %Band reject filtering. Δημιουργούμε ένα φίλτρο που %αποτελείται από αυτά με ένα δαχτυλίδι από μηδενικά %που βρίσκονται σε μια ακτίνα 49 από το κέντρο: [x,y]=meshgrid(-128:127,-128:127); z=sqrt(x.^2+y.^2); br=(z < 47 z > 51); figure,imshow(br) %όπου το z είναι η μήτρα που αποτελείται από %αποστάσεις από το κέντρο. Αυτό το συγκεκριμένο %δαχτυλίδι θα έχει ένα πάχος αρκετά μεγάλο για να %καλύψει τις αιχμές. Στη συνέχεια, όπως και πριν, το %πολλαπλασιάζουμε με τον ΔΜF: cpfbr=cpf.*br; figure, imshow(mat2gray(log(1+abs(cpfbr)))) An Introduction to Digital Image Processing with Matlab, Alasdair McAndrew 12
13 Αφαιρώντας Περιοδικό Θόρυβο στο πεδίο συχνοτήτων %Οπτικοποίηση τελικών αποτελεσμάτων cpfbr=cpf.*br; IF=ifft2(cpfbr); subplot(1,4,1), imshow(cm), title('original') subplot(1,4,2), imshow(cp), title('original with periodic noise') subplot(1,4,3), imshow(mat2gray(log(1+abs(cpf)))), title('fourier Filter') subplot(1,4,4), imshow(mat2gray(abs(if))), title('filtered Image') 13
14 Motion deblurring Η απόμάκρυνση θολώματος από κίνηση είναι μια ειδική περίπτωση αντίστροφου συχνοτικού φιλτραρίσματος. Ας πάρουμε μια εικόνα και ας την θολώσουμε λίγο: bc=imread('board.tif'); bg=im2uint8(rgb2gray(bc)); b=bg(100:355,50:305); figure, imshow(b) Παίρνουμε την έγχρωμη εικόνα ενός κυκλώματος (board.tif), και την κάνουμε grayscale uint8, ενώ στη συνέχεια παίρνουμε ένα τετράγωνο υποσύνολο της εικόνας. 14
15 Motion deblurring Για να προκαλέσουμε μια θολωμένη εικόνα θα χρησιμοποιήσουμε τη συνάρτηση fspecial. m=fspecial('motion',7,0); bm=imfilter(b,m); imshow(bm) Για να ξε-θολώσουμε την εικόνα θα πρέπει να κάνουμε αντίστροφο φιλτράρισμα δηλ. να διαιρέσουμε το μετασχηματισμό Fourier της με τον μετασχηματισμό του φίλτρου. Οπότε φτιάχνουμε έναν πίνακα αρχικά που αντιστοιχεί στον μετασχηματισμό της θόλωσης This means that we firstmust create a matrix corresponding to the transform of the blur: m2=zeros(256,256); m2(1,1:7)=m; mf=fft2(m2); Τώρα διαιρούμε τους 2 μετασχηματισμούς. bmi=ifft2(fft2(bm)./mf); figure, imshow(mat2gray(abs(bmi))) 15
16 Motion deblurring Επειδή οι τιμές κοντά στο 0 στον πίνακα mf είναι πάρα πολλές το αποτέλεσμα δεν είναι ιδιαίτερα καλό. Πρέπει να βάλουμε ένα κατώφλι για να διαιρόύμε με τιμές που είναι πάνω από ένα κατώφλι: d=0.02; mf=fft2(m2); mf(find(abs(mf)<d))=1; bmi=ifft2(fft2(bm)./mf); figure, imshow(mat2gray(abs(bmi))*2) Ο πολλαπλασιασμός με το 2 φωτίζει περισσοτερο τα αποτελέσματα και η γραφή είναι τώρα καθαρή. 16
17 Όξυνση εικόνας με φίλτρα στο πεδίο συχνοτήτων Επειδή οι ακμές άλλα και οι απότομες μεταβολές στις εντάσεις συνδέονται με τα συστατικά υψηλών συχνοτήτων της εικόνας, μπορεί να γίνει όξυνση της εικόνας και στο πεδίο συχνοτήτων με υψιπερατό φιλτράρισμα, το οποίο εξασθενεί τα συστατικά χαμηλών συχνοτήτων χωρίς να αλλοιώνει πληροφορία υψηλής συχνότητας κατά τον μετασχηματισμό Fourier. Αυτό μπορεί να γίνει χρησιμοποιώντας Butterworth, και Gaussian φίλτρα υψηλής διέλευσης όπως συζητήσαμε στην προηγούμενη διάλεξη. 17
18 Η Λαπλασιανή στο πεδίο Συχνοτήτων Ενώ η Λαπλασιανή βελτιώνει την εικόνα (με όξυνση εικόνας) στο χωρικό πεδίο μπορει να δώσει ανάλογα αποτελέσματα και στο πεδίο συχνοτήτων. Μπορεί να αποδειχτεί ότι η Laplacian υλοποιείτε στο πεδίο συχνοτήτων χρησιμοποιώντας το φίλτρο: H(u, v) = 4π 2 (u 2 + v 2 ) Ή αν θεωρήσουμε τις αποστάσεις από το κεντρο του συχνοτικού ορθογωνίου, χρησιμοποιώντας το φίλτρο: H u, v = 4π 2 u P v Q = 4πD (u,v) 18
19 Η Λαπλασιανή στο πεδίο Συχνοτήτων Matlab I=imread('moon.tif'); [x,y]=meshgrid(-n/2:n/2-1,-m/2:m/2-1); c1=-4*(pi^2)*(x.^2+y.^2); figure, imshow(c1,[]) H(u, v) = 4π 2 (u 2 + v 2 ) F=fftshift(fft2(I)); cf1=f.*c1; IcF1=ifft2(cF1); IF=mat2gray(abs(IcF1)); Isharp=mat2gray(I)+IF; subplot(1,4,1);imshow(i,[]), title('αρχική εικόνα φεγγαριού'); subplot(1,4,2);imshow(mat2gray(log(1+abs(f)))), title('δμf της εικόνας'); subplot(1,4,3);imshow(mat2gray(log(1+abs(cf1)))), title('χαμηλοπερατο Λαπλασιανό φιλτρο'); subplot(1,4,4);imshow(isharp), title(' Όξυνση εικόνας με Laplacian'); [x,y]=meshgrid(-358/2:358/2-1,-537/2:537/2-1); 19
20 The Laplacian in the Frequency Domain 20
21 Αναφορές Peters, Richard Alan, II, "The Fourier Transform", Lectures on Image Processing, Vanderbilt University, Nashville, TN, April 2008, Available on the web at the Internet Archive, Christophoros Nikou, Ανοικτά Ακαδημαϊκά Μαθήματα, Intensity Transformations (Histogram Processing), University of Ioannina - Department of Computer Science, cnikou@cs.uoi.gr Digital Image Processing, Rafael C.Gonzalez & Richard E. Woods, Addison-Wesley, 3rd edition Digital Image Processing, Rafael C. Gonzalez & Richard E. Woods, Addison-Wesley,
22 Αναφορές An Introduction to Digital Image Processing with Matlab, Alasdair McAndrew Nicolas Tsapatsoulis, Βελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Συχνότητας, Lecture notes in Digital Image Processing, Image Processing Lectures, Digital Image Processing, Rafael C.Gonzalez & Richard E. Woods, Addison-Wesley, 3rd edition Digital Image Processing, Rafael C. Gonzalez & Richard E. Woods, Addison-Wesley,
Εργαστήριο ADICV. Fourier transform, frequency domain filtering and image restoration. Κώστας Μαριάς 3/4/2017
Εργαστήριο ADICV Fourier transform, frequency domain filtering and image restoration Κώστας Μαριάς 3/4/2017 Fourier Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab ΠΑΡΑΔΕΙΓΜΑΤΑ ΦΙΛΤΡΩΝ ΔΙΑΚΡΙΤΟΣ
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 7 th lecture Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 1 Advanced filtering for image restoration using Fourier Transform
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 6 th lecture Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 1 Βασικές έννοιες Μετασχηματισμού Fourier Basic Concepts of Fourier
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 περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 5 th lecture Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 1 Βασικές έννοιες Μετασχηματισμού Fourier Basic Concepts of Fourier
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 4 3/4/2017 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Μετασχηματισμός Fourier Εικόνας 2 Περιεχόμενα Διάλεξης Μετασχηματισμός
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 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 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 περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Διάλεξη 5 Κώστας Μαριάς kmarias@staff.teicrete.gr 24/4/2017 1 Αναφορές An Introduction to Digital Image Processing with Matlab, Alasdair McAndrew N. Papamarkos,
Διαβάστε περισσότεραΕργαστήριο ADICV1. Image Boundary detection and filtering. Κώστας Μαριάς 13/3/2017
Εργαστήριο ADICV1 Image Boundary detection and filtering Κώστας Μαριάς 13/3/2017 Boundary Detection 2 Γείτονες και περίγραμμα εικόνας Ορίζουμε ως V το σύνολο των τιμών εντάσεων εικόνας για να ορίσουμε
Διαβάστε περισσότεραΙατρικά Ηλεκτρονικά. Χρήσιμοι Σύνδεσμοι. ΙΑΤΡΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ - ΔΙΑΛΕΞΗ 5α. Σημειώσεις μαθήματος: E mail:
Ιατρικά Ηλεκτρονικά Δρ. Π. Ασβεστάς Τμήμα Μηχανικών Βιοϊατρικής Τεχνολογίας Τ.Ε Χρήσιμοι Σύνδεσμοι Σημειώσεις μαθήματος: http://medisp.bme.teiath.gr/eclass/courses/tio127/ E mail: pasv@teiath.gr 2 1 Περιοδικά
Διαβάστε 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 περισσότεραΑΡΧΕΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΑΡΧΕΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Ενότητα #3: Φίλτρα Χ. ΚΑΡΑΪΣΚΟΣ Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό
Διαβάστε περισσότεραReferences. Chapter 10 The Hough and Distance Transforms
References Chapter 10 The Hough and Distance Transforms An Introduction to Digital Image Processing with MATLAB https://en.wikipedia.org/wiki/circle_hough_transform Μετασχηματισμός HOUGH ΤΕΧΝΗΤΗ Kostas
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 περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Επεξεργασία στο πεδίο της συχνότητας Φασματικές τεχνικές Γενικά Τεχνικές αναπαράστασης και ανάλυσης
Διαβάστε περισσότεραΜάθημα: Μηχανική Όραση
Μάθημα: Μηχανική Όραση Εργασία 2: Advances in Digital Imaging and Computer Vision Ομάδα χρηστών 2 : Τσαγκαράκης Νίκος, Καραμήτρος Κώστας Εισαγωγή Σκοπός της άσκησης, είναι να εξοικειωθούμε με κάποιες βασικές
Διαβάστε 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 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 περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab XXX Introduction to Python Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Image Processing and Computer Vision with
Διαβάστε περισσότεραΕργαστήριο ADICV2 Labs 2-6
Εργαστήριο ADICV2 Labs 2-6 Image filtering Κώστας Μαριάς Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab Σκοπός εργαστηρίου Θα φτιάξουμε ένα ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) σε matlab
Διαβάστε περισσότερα1) Να σχεδιαστούν στο matlab οι γραφικές παραστάσεις των παρακάτω ακολουθιών στο διάστημα, χρησιμοποιώντας τις συναρτήσεις delta και step.
1) Να σχεδιαστούν στο matlab οι γραφικές παραστάσεις των παρακάτω ακολουθιών στο διάστημα, χρησιμοποιώντας τις συναρτήσεις delta και step. Α) Β) Ε) F) G) H) Ι) 2) Αν το διακριτό σήμα x(n) είναι όπως στην
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
HMY 220: Σήματα και Συστήματα Ι ΔΙΑΛΕΞΗ #2 Σειρές Fourier και ΓΧΑ Συστήματα Απόκριση Συχνοτήτων και Φιλτράρισμα Σειρές Fourier: Σειρές Fourier και ΓΧΑ Συστήματα jk( 2π ) Τ k k x () FS.. ak k= k= jkω0 x
Διαβάστε περισσότερα3-Μαρτ-2009 ΗΜΥ Γρήγορος Μετασχηματισμός Fourier Εφαρμογές
ΗΜΥ 429 9. Γρήγορος Μετασχηματισμός Fourier Εφαρμογές 1 Ζεύγη σημάτων Συνάρτηση δέλτα: ΔΜΦ δ[ n] u[ n] u[ n 0.5] (συχνότητα 0-0.5) Figure από Scientist s and engineer s guide to DSP. 2 Figure από Scientist
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 περισσότεραΟλοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων
Ψηφιακή Επεξεργασία Σηµάτων 20 Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων Α. Εγκατάσταση Αφού κατεβάσετε το συµπιεσµένο αρχείο µε το πρόγραµµα επίδειξης, αποσυµπιέστε το σε ένα κατάλογο µέσα
Διαβάστε 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 περισσότεραΣήματα και Συστήματα. Διάλεξη 10: Γραμμικά Φίλτρα. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 10: Γραμμικά Φίλτρα Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Γραμμικά Φίλτρα 1. Ιδανικά Γραμμικά Φίλτρα Ιδανικό Κατωδιαβατό Φίλτρο Ιδανικό Ανωδιαβατό Φίλτρο Ιδανικό Ζωνοδιαβατό
Διαβάστε περισσότεραΕνότητα 4: Φιλτράρισµα στο Πεδίο Συχνοτήτων (ΙΙ)
Ενότητα 4: Φιλτράρισµα στο Πεδίο Συχνοτήτων (ΙΙ) Διδιάστατο Θεώρηµα Συνέλιξης Διδιάστατη Κυκλική Συνέλιξη: 4/0./0 f x, y h x, y = ( ( f m, n h(x m, y n) 523 123 Διδιάστατο Θεώρηµα Συνέλιξης: f x, y h x,
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 περισσότεραΣήματα και Συστήματα στο Πεδίο της Συχνότητας
Σήματα και Συστήματα στο Πεδίο της Συχνότητας Α. ΣΚΟΔΡΑΣ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι (22Y411) ΕΝΟΤΗΤΑ 3 ΔΙΑΛΕΞΗ 1 ΔΙΑΦΑΝΕΙΑ 1 Ανάλυση & Σύνθεση Συχνοτήτων Α. ΣΚΟΔΡΑΣ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι (22Y411) ΕΝΟΤΗΤΑ
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 περισσότεραΣήματα και Συστήματα. Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier 1. Ανάπτυγμα σήματος σε Σειρά Fourier
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 περισσότεραΕΛΛΗΝΙΚΗ 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 περισσότεραΨηφιακή Επεξεργασία Εικόνων
Ψηφιακή Επεξεργασία Εικόνων Εικόνα : αναπαράσταση των πραγμάτων Επεξεργασία : βελτίωση, ανάλυση, αντίληψη Βασικές έννοιες και μεθοδολογίες ψηφιακής επεξεργασίας εικόνων Θεμελιώδη θέματα για την περιοχή
Διαβάστε περισσότεραΕπεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας
Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Ενότητα 0: Εισαγωγή στο µάθηµα 2 Διαδικαστικά Παράδοση: Παρασκευή 16:00-18:30 Διδάσκων: E-mail:
Διαβάστε περισσότεραΚεφάλαιο 6: Βελτιστοποίηση εικόνας 6.73
Κεφάλαιο 6: Βελτιστοποίηση εικόνας 6.73 Σχήμα 6.61 Μορφή της συνάρτησης για διάφορες τιμές του a. (α) (β) Σήμα 6.6 Παράδειγμα εφαρμογής: (α) Αρχική εικόνα. (β) Τελική εικόνα για a 0.0. 6.74 N. ΠΑΠΑΜΑΡΚΟΣ:
Διαβάστε περισσότεραΔιάλεξη 7. Μετασχηματισμός Hilbert. Κεφ. 11 (εκτός 11.0 και ) Για κάθε συνάρτηση ισχύει. Αν η συνάρτηση είναι αιτιατή (causal)
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 7 Κεφ. 11 (εκτός 11.0 και 11.4.1) Για κάθε συνάρτηση ισχύει Αν η συνάρτηση είναι αιτιατή (causal) Ησυνάρτισηx[n] καθορίζεται από x e [n]
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 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 περισσότεραΑνάλυση ΓΧΑ Συστημάτων
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 9 με Μετασχηματισμούς Κεφ. 5 (εκτός 5.7.4 και 5.3 μόνο από διάλεξη) Ένα ΓΧΑ σύστημα καθορίζεται πλήρως από Κρουστική απόκριση (impulse response)
Διαβάστε περισσότεραΟ μετασχηματισμός Fourier
Ο μετασχηματισμός Fourier είναι από τα διαδεδομένα εργαλεία μετατροπής δεδομένων και συναρτήσεων (μιας ή περισσοτέρων διαστάσεων) από αυτό που ονομάζεται περιοχή χρόνου (time domain) στην περιοχή συχνότητας
Διαβάστε περισσότεραΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ Κυκλική Συνέλιξη. Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ Κυκλική Συνέλιξη Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Διακριτού Χρόνου Σειρές Fourier Περιοδική Επέκταση Σήµατος Πεπερασµένης Χρονικής Διάρκειας.
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 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 περισσότεραAdvances in Digital Imaging and Computer Vision. Image Registration and Transformation
Advances in Digital Imaging and Computer Vision Image Registration and Transformation Γεωμετρικοί Μετασχηματισμοί Εικόνας και Ευθυγράμμιση Image Transformation and Registration Κώστας Μαριάς Αναπληρωτής
Διαβάστε περισσότεραΟ μετασχηματισμός Fourier
Ο μετασχηματισμός Fourier είναι από τα διαδεδομένα εργαλεία μετατροπής δεδομένων και συναρτήσεων (μιας ή περισσοτέρων διαστάσεων) από αυτό που ονομάζεται περιοχή χρόνου (time domain) στην περιοχή συχνότητας
Διαβάστε περισσότερα20-Φεβ-2009 ΗΜΥ Διακριτός Μετασχηματισμός Fourier
ΗΜΥ 429 8. Διακριτός Μετασχηματισμός Fourier 1 Μετασχηματισμός Fourier 4 κατηγορίες: Μετασχηματισμός Fourier: σήματα απεριοδικά και συνεχούς χρόνου Σειρά Fourier: σήματα περιοδικά και συνεχούς χρόνου Μετασχηματισμός
Διαβάστε περισσότεραΖΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής
ΖΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ ΕΡΓΑΣΙΑ 1 ΣΠΟΥΔΑΣΤΕΣ: ΥΠΕΥΘΗΝΟΣ ΚΑΘΗΓΗΤΗΣ : ΒΛΑΧΑΚΗΣ ΜΙΧΑΛΗΣ(Α.Μ:ΜΗ81) ΓΛΑΜΠΕΔΑΚΗΣ
Διαβάστε περισσότεραΕ Ρ Γ Α Σ Τ Η Ρ Ι Α9 Κ Η Α Σ Κ Η Σ Η
Ε Ρ Γ Α Σ Τ Η Ρ Ι Α9 Κ Η Α Σ Κ Η Σ Η Επεξεργασία Σήματος VIDEO σε Πραγματικό Χρόνο 1. Εισαγωγή Σκοπός της άσκησης αυτής είναι η υλοποίηση-επίδειξη αλγορίθμων επεξεργασίας σημάτων video σε πραγματικό χρόνο
Διαβάστε περισσότεραΙατρικά Ηλεκτρονικά. Χρήσιμοι Σύνδεσμοι. ΙΑΤΡΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ - ΔΙΑΛΕΞΗ 5γ. Σημειώσεις μαθήματος: E mail:
Ιατρικά Ηλεκτρονικά Δρ. Π. Ασβεστάς Τμήμα Μηχανικών Βιοϊατρικής Τεχνολογίας Τ.Ε Χρήσιμοι Σύνδεσμοι Σημειώσεις μαθήματος: http://medisp.bme.teiath.gr/eclass/courses/tio127/ E mail: pasv@teiath.gr 2 1 Πολλές
Διαβάστε περισσότεραΔιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών. «Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και. Ρομποτικής» Assignment 2
Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών «Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής» ΜΑΘΗΜΑ Μηχανική Όραση ΑΝΑΦΟΡΑ ΕΡΓΑΣΙΑΣ Assignment 2 ΣΠΟΥΔΑΣΤΕΣ Λεμωνιά Κατερίνα Πορφυράκης Μανώλης
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Εισαγωγή Τι είναι η εικόνα; Μια οπτική αναπαράσταση με την μορφή μιας συνάρτησης f(x, y) όπου η
Διαβάστε περισσότεραΒιοϊατρική τεχνολογία
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Βιοϊατρική τεχνολογία Ενότητα 2: Επεξεργασία Εικόνας Αν. καθηγητής Αγγελίδης Παντελής e-mail: paggelidis@uowm.gr ΕΕΔΙΠ Μπέλλου Σοφία e-mail: sbellou@uowm.gr
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 11: Εφαρμογές DFT Ταχύς Μετασχηματισμός Fourier (FFT) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Διακριτός Μετασχηματισμός Fourier Υπολογισμός Γραμμικής Συνέλιξης
Διαβάστε περισσότεραΑνάλυση Ηλεκτρικών Κυκλωμάτων
Ανάλυση Ηλεκτρικών Κυκλωμάτων Κεφάλαιο 11: Η ημιτονοειδής διέγερση Οι διαφάνειες ακολουθούν το βιβλίο του Κων/νου Παπαδόπουλου «Ανάλυση Ηλεκτρικών Κυκλωμάτων» ISBN: 978-960-93-7110-0 κωδ. ΕΥΔΟΞΟΣ: 50657177
Διαβάστε περισσότερα1. Φίλτρα διέλευσης χαμηλών συχνοτήτων 2. Φίλτρα διέλευσης υψηλών συχνοτήτων 3. Ζωνοπερατά φίλτρα
ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΚΥΚΛΩΜΑΤΩΝ Πανεπιστήμιο Ιαννίνν ΦΙΛΤΡΑ 5 ο Κεφάλαιο Γ. Τσιατούχας Τμήμα Μηχανικών Η/Υ και Πληροφορικής Διάρθρση. Φίλτρα διέλευσης χαμηλών συχνοτήτν. Φίλτρα διέλευσης υψηλών συχνοτήτν 3. Ζνοπερατά
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 7: Μετατροπή Σήματος από Αναλογική Μορφή σε Ψηφιακή Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετατροπή Αναλογικού Σήματος σε Ψηφιακό Είδη Δειγματοληψίας: Ιδανική
Διαβάστε περισσότεραH ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ. στις τηλεπικοινωνίες
H ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ στις τηλεπικοινωνίες Διάταξη συστήματος ψηφιακής επικοινωνίας Γεννήτρια σήματος RF, (up-coverter Ενισχυτής Προενισχυτής- dow-coverter- Ψηφιοποιητής σήματος RF Μονάδα ψηφ.
Διαβάστε περισσότεραΗΜΥ Διακριτός Μετασχηματισμός Fourier
1 ΗΜΥ 480 5. Διακριτός Μετασχηματισμός Fourier ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER Μετασχηματισμός Fourier MF: μιγαδικός αριθμός που δείχνει πώς: 1 συγκεκριμένες συχνότητες συμβάλλουν στο σήμα πραγματικό μέρος πώς
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 περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ
Σχολή Θετικών Επιστημών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ Ι Μπατιστάτος Μιχάλης Εργαστήριο 3 ο : Διαμόρφωση ΑΜ-DSBSC/SSB Βασική
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. στο χώρο της συχνότητας
HMY 49: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 3: Σήματα και Συστήματα διακριτού χρόνου Διάλεξη 3: Σήματα και Συστήματα διακριτού χρόνου στο χώρο της συχνότητας Μιγαδικά εκθετικά σήματα και
Διαβάστε περισσότεραΕπεξεργασία εικόνας. Μιχάλης ρακόπουλος. Υπολογιστική Επιστήµη & Τεχνολογία, #08
Επεξεργασία εικόνας Μιχάλης ρακόπουλος Υπολογιστική Επιστήµη & Τεχνολογία, #08 1 Επεξεργασία εικόνας Βασικό ανάγνωσµα: Η ενότητα 12.4 από το ϐιβλίο των Van Loan και Fan. Επεξεργασία εικόνας Μ. ρακόπουλος
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Εικόνων Ενότητα # 18: Αποκατάσταση εικόνων Καθηγητής Γιώργος Τζιρίτας Τμήμα Επιστήμης Υπολογιστών Αποκατάσταση εικόνων Παραμόρφωση: κακή εστίαση
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
HMY 220: Σήματα και Συστήματα Ι Βασικές Έννοιες Σήματα Κατηγορίες Σημάτων Συνεχούς/ Διακριτού Χρόνου, Αναλογικά/ Ψηφιακά Μετασχηματισμοί Σημάτων Χρόνου: Αντιστροφή, Κλιμάκωση, Μετατόπιση Πλάτους Βασικά
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 19: Φίλτρα (IV) Σχεδιασμός φίλτρων FIR Είδαμε ότι για φίλτρα IIR συνήθως σχεδιάζουμε ένα φίλτρο ΣΧ και μετασχηματίζουμε Για φίλτρα FIR θα δούμε
Διαβάστε περισσότεραΤηλεπισκόπηση - Φωτοερμηνεία
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας
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 περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 8 th lecture Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 1 Τοπολογία Εικόνας Image Topology 2 Basic Βασικές σχέσεις ανάμεσα
Διαβάστε περισσότεραΔιάλεξη 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 περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 4 : Δειγματοληψία και κβάντιση (Sampling and Quantization) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες
Διαβάστε 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 περισσότεραΤι είναι το JPEG2000?
JPEG 2000 Τι είναι το JPEG2000? Νέο εξελιγµένο σχήµα συµπίεσης για ακίνητη εικόνα Αναπτύχθηκε από: ISO (International Standardization Organization) και IEC (International Electrotechnical Committee) Καθιερώθηκε
Διαβάστε περισσότεραΑΣΚΗΣΗ 6 Σχεδίαση FIR και IIR φίλτρων στο Matlab
Σ. Φωτόπουλος Ασκήσεις ΨΕΣ 1 ΑΣΚΗΣΗ 6 Σχεδίαση FIR και IIR φίλτρων στο Matlab Στην άσκηση αυτή γίνεται σχεδιασµός FIR και ΙΙR ψηφιακών φίλτρων. (Σε επόµενη άσκηση θα γίνει και η υλοποίηση µε τον επεξεργαστή
Διαβάστε περισσότεραΥπολογίζουμε εύκολα τον αντίστροφο Μετασχηματισμό Fourier μιας συνάρτησης χωρίς να καταφεύγουμε στην εξίσωση ανάλυσης.
4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Υπολογίζουμε εύκολα τον αντίστροφο Μετασχηματισμό Fourir μιας συνάρτησης χωρίς να καταφεύγουμε στην εξίσωση ανάλυσης. Υπολογίζουμε εύκολα την απόκριση
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ Πάτρα 2005 ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Εργαστήριο Επεξεργασίας Σηµάτων Τηλεπικοινωνιών & ικτύων
2.5 0.5 0-0.5 - -.5-2 0 50 00 50 200 250 300 350 400 450 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ Πάτρα 2005 ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ Εργαστήριο Επεξεργασίας Σηµάτων Τηλεπικοινωνιών & ικτύων ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ
Διαβάστε περισσότεραΠΛΗ 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 περισσότεραΣήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 1: Σήματα Συνεχούς Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Εισαγωγή στα Σήματα 1. Σκοποί της Θεωρίας Σημάτων 2. Κατηγορίες Σημάτων 3. Χαρακτηριστικές Παράμετροι
Διαβάστε περισσότεραΤηλεπικοινωνιακά Συστήματα Ι
Τηλεπικοινωνιακά Συστήματα Ι Διάλεξη 5: Διαμόρφωση Πλάτους (1/2) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ατζέντα Ορισμοί Είδη Διαμόρφωσης Διαμόρφωση Διπλής Πλευρικής Ζώνης (DSB) Κανονική (συνήθης)
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
HMY 0: Σήματα και Συστήματα Ι ΔΙΑΛΕΞΗ #4 Η ιδιότητα της συνέλιξης Απόκριση Συχνότητας ΓΧΑ Συστημάτν Απόκριση συχνότητας ΓΧΑ Συστημάτν που περιγράφονται από Διαφορικές Εξισώσεις Η ιδιότητα πολλαπλασιασμού
Διαβάστε περισσότεραΙατρικά Ηλεκτρονικά. Δρ. Π. Ασβεστάς Εργαστήριο Επεξεργασίας Ιατρικού Σήματος & Εικόνας Τμήμα Τεχνολογίας Ιατρικών Οργάνων
Ιατρικά Ηλεκτρονικά Δρ. Π. Ασβεστάς Εργαστήριο Επεξεργασίας Ιατρικού Σήματος & Εικόνας Τμήμα Τεχνολογίας Ιατρικών Οργάνων Χρήσιμοι Σύνδεσμοι Σημειώσεις μαθήματος: http://medisp.bme.teiath.gr/eclass/courses/tio127/
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 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 περισσότεραΔιάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ. 10.0-10.2 Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη (Επανάληψη Κεφ. 10.0-10. Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων Τι πρέπει να προσέξουμε Επαρκής ψηφιοποίηση στο χρόνο (Nyquist) Αναδίπλωση (aliasing)
Διαβάστε περισσότεραΕυρυζωνικά δίκτυα (4) Αγγελική Αλεξίου
Ευρυζωνικά δίκτυα (4) Αγγελική Αλεξίου alexiou@unipi.gr 1 Αποτελεσματική χρήση του φάσματος Πολυπλεξία και Διασπορά Φάσματος 2 Αποτελεσματική χρήση του φάσματος Η αποτελεσματική χρήση του φάσματος έγκειται
Διαβάστε περισσότεραΒελτίωση - Φιλτράρισμα εικόνας
Βελτίωση - Φιλτράρισμα εικόνας /7 Βελτίωση εικόνας με φιλτράρισμα Το φιλτράρισμα εικόνας είναι ουσιαστικά η πράξη συνέλιξης μεταξύ της αρχικής εικόνας και ενός συνόλου συντελεστών που συνήθως ονομάζονται
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών Ι
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών Ι Αναπαράσταση Σημάτων και Συστημάτων στο πεδίο της συχνότητας + Περιεχόμενα n Εισαγωγή n Ανάλυση Fourier n Μετασχηματισμός
Διαβάστε περισσότεραΓραφικά Υπολογιστών: Βασικά Μαθηματικά
1 ΤΕΙ Θεσσαλονίκης Τμήμα Πληροφορικής Γραφικά Υπολογιστών: Βασικά Μαθηματικά Πασχάλης Ράπτης http://aetos.it.teithe.gr/~praptis praptis@it.teithe.gr 2 Εισαγωγή Ένα μεγάλο κομμάτι των γραφικών αφορά βασίζονται-
Διαβάστε περισσότεραΕπικοινωνίες I FM ΔΙΑΜΟΡΦΩΣΗ. Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Επικοινωνίες I ΔΙΑΜΟΡΦΩΣΗ ΓΩΝΙΑΣ FM ΔΙΑΜΟΡΦΩΣΗ Σήμα FM Η ακόλουθη εξίσωση δίδει την ισοδύναμη για τη διαμόρφωση συχνότητας έκφραση
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 22: Γρήγορος Μετασχηματισμός Fourier Ανάλυση σημάτων/συστημάτων με το ΔΜΦ Γρήγορος Μετασχηματισμός Fourier Το ζεύγος εξισώσεων που ορίζουν το
Διαβάστε περισσότεραΑΡΧΕΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΑΡΧΕΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Ενότητα #4: Ο Μετασχηματισμός Fourier Χ. ΚΑΡΑΪΣΚΟΣ Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών. Σήματα. και. Συστήματα
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Άσκηση η Να υπολογιστεί η έξοδος του συστήματος με κρουστική απόκριση h()=u()-u(-4) και είσοδο x()=u(-) u(-3)
Διαβάστε περισσότεραΠίνακες >>A = [ 1,6; 7, 11]; Ή τον πίνακα >> B = [2,0,1; 1,7,4; 3,0,1]; Πράξεις πινάκων
Πίνακες Ένας πίνακας είναι μια δισδιάστατη λίστα από αριθμούς. Για να δημιουργήσουμε ένα πίνακα στο Matlab εισάγουμε κάθε γραμμή σαν μια ακολουθία αριθμών που ξεχωρίζουν με κόμμα (,) ή κενό (space) και
Διαβάστε περισσότεραΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι Σήματα και Συστήματα στο Πεδίο της Επιμέλεια: Αθανάσιος N. Σκόδρας, Καθηγητής Γεώργιος Α. Βασκαντήρας, Υπ. Διδάκτορας Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών Άδειες
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ψηφιακή Επεξεργασία Εικόνας Μετασχηματισμοί έντασης και χωρικό φιλτράρισμα Διδάσκων : Αναπληρωτής Καθηγητής Νίκου Χριστόφορος Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΜέθοδοι 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 περισσότεραMain source: "Discrete-time systems and computer control" by Α. ΣΚΟΔΡΑΣ ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΔΙΑΛΕΞΗ 4 ΔΙΑΦΑΝΕΙΑ 1
Main source: "Discrete-time systems and computer control" by Α. ΣΚΟΔΡΑΣ ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΔΙΑΛΕΞΗ 4 ΔΙΑΦΑΝΕΙΑ 1 A Brief History of Sampling Research 1915 - Edmund Taylor Whittaker (1873-1956) devised a
Διαβάστε περισσότερα