ΠΡΟΥΠΗΡΕΣΙΑΚΗ ΚΑΤΑΡΤΙΣΗ. Ανάλυση Σημάτων και Εικόνων (1 Διάλεξη)

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΠΡΟΥΠΗΡΕΣΙΑΚΗ ΚΑΤΑΡΤΙΣΗ. Ανάλυση Σημάτων και Εικόνων (1 Διάλεξη)"

Transcript

1 ΠΡΟΥΠΗΡΕΣΙΑΚΗ ΚΑΤΑΡΤΙΣΗ Ανάλυση Σημάτων και Εικόνων (1 Διάλεξη) 3 Οκτωβρίου 2007 Δρ. Κωνσταντίνος Πίτρης ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ

2 Εισαγωγή Τι είναι σήμα; Είναι μεταβολές ενός φυσικού μεγέθους που αναπαριστούν ή μεταφέρουν πληροφορίες Είναι συνάρτηση ανεξάρτητων μεταβλητών, όπως χρόνου (π.χ. φωνή), ήθέσης(π.χ. εικόνα) Συνήθως αναφερόμαστε στη μεταβλητή μονοδιάστατων σημάτων ως χρόνο χωρίς κατ ανάγκη να είναι πραγματικά χρόνος Παραδείγματα Φωνή [1d, s(t)] Ασπρόμαυρη εικόνα [2d, i(x,y)] Βίντεο [3x3d, i{r(x,y,t), g(x,y,t), b(x,y,t)}] 2

3 Ανάλυση Μονοδιάστατων Σημάτων 3

4 Εισαγωγή Η μεταβλητή μπορεί να είναι συνεχής (continuous) ή διακριτή (discrete) Σήματα συνεχούς χρόνου Σήματα διακριτού χρόνου (ορίζονται σε διακριτά σημεία χρόνου και συμβολίζονται ωε ακολουθίες (sequences) αριθμών Το πλάτος (amplitude) του σήματος μπορεί να είναι συνεχές ή διακριτό Αναλογικά (analog) σήματα (τόσο ο χρόνος όσο και το πλάτος είναι συνεχή) Ψηφιακά σήματα (τόσο ο χρόνος όσο και το πλάτος είναι διακριτά) Aνάλυση ψηφιακών σημάτων Οι υπολογιστές επεξεργάζονται εξ ανάγκης ψηφιακά σήματα Amplitude (mv) Amplitude (mv) Amplitude (mv) Continuous Signal Time (ms) Discrete-time Signal Sample Number Digital Signal Sampl Number 4

5 Εισαγωγή Ψηφιακή επεξεργασία σημάτων Τροποποίηση και ανάλυση της πληροφορίας Αναπαράσταση, μετασχηματισμός και χειρισμός των σημάτων και της πληροφορίας που περιέχουν Υπέρ Εύκολη αναπαραγωγή Σταθερότητα και ευρωστία, δεν μεταβάλλεται με το περιβάλλον (π.χ. θερμοκρασία) και με την αποθήκευση Ευελιξία και δυνατότητα αναβάθμισης (υπολογιστής ή γενικής χρήσης μικροεπεξεργαστής Κατά Περιορισμοί του συστήματος ψηφιοποίησης (ADC/DAC) Ψηλά κατανάλωση ισχύος Ακατάλληλη για απλές, χαμηλής ισχύος εφαρμογές Εύρος ζώνης (bandwidth) περιορίζεται από τη ψηφιοποίηση Μορφομετατροπείς (transducers) Π.χ. μικρόφωνα Αναλογο-Ψηφιακός Μετατροπέας (Analog-to-Digital Converter ADC) Φυσικά Σήματα Αναλογικά Σήματα Ψηφιακά Σήματα Συσκευές Εξόδου (Output Devices) Π.χ. Μεγάφωνα Ψηφιο-Αναλογικός Μετατροπέας (Digital-to-Analog Converter DAC) 5

6 Εφαρμογές Ανάλυση ομιλίας Βελτίωση, αφαίρεση θορύβου Κωδικοποίηση Σύνθεση ομιλίας από κείμενο (text-to-speech synthesis) Αναγνώριση Ανάλυση Εικόνας Βελτίωση, κωδικοποίηση, αναγνώριση (π.χ. OCR) Επεξεργασία πολυμέσων Μετάδοση σημάτων Ψηφιακή τηλεόραση Τηλεδιάσκεψη Επικοινωνίες Βιοϊατρική Τεχνολογία Πλοήγηση, ραντάρ, GPS Έλεγχος, ρομποτική, συστήματα μηχανικής όρασης (machine vision) Εισαγωγή 6

7 Ψηφιοποίηση Σήματος Η μετατροπή της αναλογικής πληροφορίας σε ψηφιακά δεδομένα είναι απαραίτητη για την αποθήκευση και επεξεργασία της σε Η/Υ καθώς και για τη μετάδοση σε δίκτυα Η/Υ. Η διαδικασία της ψηφιοποίησης είναι μη αντιστρεπτή διαδικασία. Είσοδος : Συνεχές αναλογικό σήμα Έξοδος : Ακολουθία αριθμών (ψηφιακή μορφή) Αναλογικό Σήμα - συνεχής μεταβλητή με άπειρη ακρίβεια Μετατρέπεται σε διακριτή ακολουθία μετρημένων τιμών που αναπαριστάνονται ψηφιακά. Απώλεια πληροφορίας 7

8 Μετατροπή συνεχών σημάτων σε διακριτά Η ακολουθία s(m) προκύπτει από το συνεχές σήμα s(t) με δειγματοληψία ως εξής: Ψηφιοποίηση Σήματος s(m) = s(t) t=mts m =, -1, 0, 1, όπου Ts : περίοδος δειγματοληψίας fs = 2π/Ts : συχνότητα δειγματοληψίας 8

9 Ψηφιοποίηση Σήματος Συχνότητα δειγματοληψίας Αν είναι πολύ μικρή τότε κάποιες πληροφορίες θα χαθούν Επίσης παρουσιάζεται το φαινόμενο της αναδίπλωσης Αναδίπλωση (Aliasing) Κατά τη διάρκεια της δειγματοληψίας συμβαίνει αλλαγή συχνοτήτων στις ημιτονοειδείς κυματομορφές. Τα ψηφιακά δεδομένα δεν σχετίζονται πλέον μοναδικά με ένα συγκεκριμένο αναλογικό σήμα. Δεν είναι δυνατή μοναδική ανακατασκευή του σήματος 9

10 Ψηφιοποίηση Σήματος Συχνότητα δειγματοληψίας Αν είναι πολύ μικρή τότε κάποιες πληροφορίες θα χαθούν Επίσης παρουσιάζεται το φαινόμενο της αναδίπλωσης Αναδίπλωση (Aliasing) Κατά τη διάρκεια της δειγματοληψίας συμβαίνει αλλαγή συχνοτήτων στις ημιτονοειδείς κυματομορφές. Τα ψηφιακά δεδομένα δεν σχετίζονται πλέον μοναδικά με ένα συγκεκριμένο αναλογικό σήμα. Δεν είναι δυνατή μοναδική ανακατασκευή του σήματος 10

11 Ψηφιοποίηση Σήματος Θεώρημα Δειγματοληψίας (Shannon) Ένα συνεχές σήμα με μέγιστη συχνότητα fc μπορεί να ανακτηθεί πλήρως από τα δείγματά του χωρίς παραμόρφωση, εάν η συχνότητα δειγματοληψίας fs είναι τουλάχιστον διπλάσια από τη μέγιστη συχνότητα του σήματος, δηλ fs 2fc Η συχνότητα fs = 2fc ονομάζεται Nyquist frequency Αν fs < 2fc, υπάρχει μια περιοχή φασματικής επικάλυψης που παραμορφώνει το φάσμα κι έτσι το αρχικό σήμα δεν μπορεί να ανακτηθεί (ALIASING). 11

12 Ψηφιοποίηση Σήματος Φάσμα ΗΕΓ με συχνότητες ενδιαφέροντος 0-40 Hz Πριν τη δειγματοληψία Μετά τη δειγματοληψία Παρουσία θορύβου λόγω παρεμβολών τροφοδοσίας στα 50 Hz Συχνότητα δειγματοληψίας 80 Hz Λάθος επικάλυψης στα 30 Hz στο διακριτό σήμα 12

13 Ψηφιοποίηση Σήματος Κβάντιση Το δειγματοληπτημένο σήμα x(nδt) λαμβάνει συνεχείς τιμές πλάτους. Κβάντιση είναι η διαδικασία απεικόνισης της ακολουθίας x(n) συνεχών τιμών πλάτους σε μια ακολουθία διακριτών τιμών. Συνεχείς Τιμές που ανήκουν σε ένα διάστημα (a,b) αντιστοιχούνται στην ίδια διακριτή τιμή. Οι διακριτές τιμές αναπαρίστανται με y1 y0 LSB σύμβολα πεπερασμένου μήκους. x1 x2 x0 LSB = βήμα κβάντισης = απόσταση μεταξύ διαδοχικών επιπέδων κβάντισης 13

14 Ψηφιοποίηση Σήματος Κβάντιση Οι ADC χαρακτηρίζονται από τον αριθμό των bits. Οαριθμόςτωνbits καθορίζει την ακρίβεια των δεδομένων και την ανάλυση (resolution). Με n bits μπορούν να αναπαρασταθούν 2 n σύμβολα (από το 0 μέχρι το 2 n -1) πχ 1 bit 2 σύμβολα 8 bits 256 σύμβολα Λάθος κβαντικοποίησης Μέγιστο λάθος: ± 1/2 LSB Τυχαίος Θόρυβος που προστίθεται στο σήμα Ομοιόμορφα κατανεμημένος μεταξύ ± 1/2 LSB, μ=0, σ=1/ 12 LSB. LSB = y1 y0 x0 x1 LSB x2 βήμα κβάντισης = απόσταση μεταξύ διαδοχικών επιπέδων κβάντισης 14

15 Ψηφιοποίηση Σήματος Επίπεδα Κβάντισης LSB Σφάλματα λόγω Δειγματοληψίας (Ποια πληροφορία έχει χαθεί;) Κβάντισης (Πόσο είναι το σφάλμα;) 15

16 Ψηφιοποίηση Σήματος Λήψη Σήματος Το σύστημα λήψης του ψηφιακού σήματος ΔΕΝ πρέπει να εισάγει παραμόρφωση που μπορεί να παρερμηνευθεί ή να καταστρέψει αλλαγές του σήματος που περιέχουν πληροφορία Αναλογικό φίλτρο με σταθερό κέρδος και γραμμική φάση αφαιρεί θόρυβο αντισταθμίζει χαρακτηριστικά αισθητήρων περιορισμός αναλογικού σε εύρος (φαινόμενα αναδίπλωσης) 16

17 Ανάλυση Σημάτων Φασματική Ανάλυση και Φίλτρα Χαμηλοπερατά υψιπερατά - ζωνοπερατά Στατιστική Ανάλυση στοχαστικών σημάτων Μονοδιάστατη κατανομή (ιστόγραμμα, εύρεση ροπών) Δισδιάστατη κατανομή και συσχέτιση (covariance, cross-correlation) Χρονο-φασματική ανάλυση (Wavelets) Μη γραμμική ανάλυση κλπ 17

18 Φασματική Ανάλυση και Φίλτρα Μετασχηματισμός Fourier Το σήμα θεωρείται σαν ένα άθροισμα ημιτόνων και συνημίτονων Με το μετασχηματισμό Fourier καθορίζεται ποιες συνιστώσες είναι παρούσες σε ένα σήμα Κάποια χαρακτηριστικά του σήματος είναι πιο φανερά στο φάσμα παρά στη κυματομορφή του σήματος Σημαντικά χαρακτηριστικά 18

19 Φασματική Ανάλυση και Φίλτρα Σχεδιασμός ψηφιακών φίλτρων Πολύ σημαντικά/χρήσιμα στην ψηφιακή επεξεργασία σημάτων μείωση/αφαίρεση θορύβου εξαγωγή σήματος από θόρυβο ΨηφιακόφίλτροΤ x(t) FT X(f) Τ(f) Σύστημα διακριτού χρόνου που πραγματοποιεί κάποιο μετασχηματισμό σε ψηφιακό σήμα x(n), παράγοντας y(n) Y(f) Inverse FT Είδη φίλτρων Χαμηλοπερατά υψιπερατά ζωνοπερατά y(t) 19

20 Φασματική Ανάλυση και Φίλτρα Χαρακτηρισμός ψηφιακών φίλτρων Χρονικά αμετάβλητο ο μετασχηματισμός δεν είναι συνάρτηση του χρόνου Γραμμικό: είσοδος x 1 (n) έξοδο y 1 (n) είσοδος x 2 (n) έξοδο y 2 (n) και ισχύει: T[ax 1 +bx 2 ] = at[x 1 ]+b T[x 2 ] = ay 1 +by 2 Φίλτρα IIR και FIR Άπειρης Κρουστικής Απόκρισης (IIR - Infinite Impulse Response) Περιορισμένης Κρουστικής Απόκρισης (Finite Impulse Response FIR) IIR - Προηγούμενοι έξοδοι - Αναδρομική μορφή FIR - Προηγούμενες και τρέχουσες είσοδοι - Μη αναδρομική μορφή 20

21 Φασματική Ανάλυση και Φίλτρα Ιδανικά και πραγματικά ψηφιακά χαμηλοπερατά φίλτρα Σχεδιασμός Φίλτρου Καθορίζονται τα χαρακτηριστικά (specifications) Υπολογίζεται, κατά προσέγγιση, ένα σταθερό και αιτιατό φίλτρο διακριτού χρόνου (ονομάζονται και ψηφιακά φίλτρα digital filters) Το φίλτρο πραγματοποιείται (με υλικό ή λογισμικό) με βάση μια από διάφορες μεθόδους ζώνη διέλευσης μεταβατική ζώνη ζώνη αποκοπής Στον ψηφιακό κόσμο τα φίλτρα δεν είναι απολύτως αναγκαίο να είναι αιτιατά! 21

22 Φασματική Ανάλυση και Φίλτρα Φίλτρα Butterworth Ορίζονται από 2 παραμέτρους: Τάξη του φίλτρου Ν Συχνότητα αποκοπής Ωc 22

23 Φασματική Ανάλυση και Φίλτρα Σχεδιασμός φίλτρων FIR με χρήση παράθυρου Κοινά παράθυρα Το παράθυρο πολλαπλασιάζεται με το φάσμα στο χώρο της συχνότητας 23

24 Φασματική Ανάλυση και Φίλτρα Σχεδιασμός φίλτρων FIR με χρήση παράθυρου Κοινά παράθυρα Δω m 20log 10 δ (db) Δω Σημαντικές διαφορές στο πεδίο του χρόνου Πλάτος κυρίως λοβού Ύψος άλλων λοβών Συνέλιξη στο χρόνο Ο κύριος λοβός μειώνει την ευκρίνεια στο χρόνο Οι άλλοι λοβοί μπορεί να εξαφανίσουν μικρά σήματα 24

25 Φασματική Ανάλυση και Φίλτρα Παράδειγμα F F -1 25

26 Φασματική Ανάλυση και Φίλτρα Παράδειγμα ΗΚΓ (< 40 Hz) με θόρυβο ( 50 Hz) Συχνότητα αποκοπής: 40 Hz 26

27 Στατιστική Ανάλυση Στοχαστικών Σημάτων Ανάλυση Στατιστικών του Σήματος Μέση τιμή T /2 N 1 1 x = xtdt () ή x xn ( ) T = N n = 1 T /2 Skew skew = N N x( n) x ( ) ( N 1)( N 2) s n= 1 3 Variance s : Τυπική Απόκλιση (Standard Deviation) 1 s xn x N 2 2 = ( ( ) ) N 1 n= 1 RMS N 1 x RMS = [ xn ( )] N n = 1 2 Kurtosis kurt N( N + 1) x( n) x ( ) ( N 1)( N 2)( N 3) s N 4 = 2 3( n 1) ( N 2)( N 3) n= 1 27

28 Στατιστική Ανάλυση Στοχαστικών Σημάτων Συσχέτιση Μοιάζουν δύο σήματα; N 1 cov( XY, ) = ( xi μx) ( yi μy) Συνδιακύμανση N i= 1 ρ xy, = cov( XY, ) σ σ x y Συσχέτιση N 1 ρ ( τ) = ( x μ ) ( x μ ) Συνάρτηση Αυτοσυσχέτισης xx, i x i+ τ x N i= 1 28

29 Μέση Τιμή Σήματος Σήμα με θόρυβο Επικάλυψη εύρους ζώνης σήματος και θορύβου. Σχετικά μεγάλο πλάτος θορύβου αλλοίωση σήματος Υπολογισμός Μέσου Όρου Μέσος όρος θορύβου = 0 Άθροισμα επαναλήψεων σήματος μαζί με υπερτιθέμενο θόρυβο Kαταγραφόμενο σήμα y(n) στην i-στή επανάληψη x(n): σήμα που θέλουμε να μετρήσουμε w(n): υπερτιθέμενος θόρυβος με μηδενική μέση τιμή 29

30 Παράδειγμα Προκλητά δυναμικά: εγκεφαλικά δυναμικά που προκαλούνται από κάποιο ερέθισμα. Ίδιο εύρος συχνοτήτων με ΗΕΓ. Πλάτος προκλητών δυναμικών << πλάτος ΗΕΓ Χαρακτηριστικό προκλητών δυναμικών: το επιθυμητό σήμα επαναλαμβάνεται ίδιο σε κάθε επανάληψη Μέση Τιμή Σήματος Η επίδραση του ΗΕΓ μειώνεται σταδιακά και η μορφολογία του προκλητού δυναμικού γίνεται πιο αναγνωρίσιμη καθώς αυξάνει ο αριθμός των επαναλήψεων Ν Υπολογισμός ποσοτικών δεικτών κλινικού ενδιαφέροντος: πλάτος, καθυστέρηση κυματομορφών 30

31 Ανάλυση Εικόνων 31

32 Ψηφιακή Επεξεργασία Εικόνων Τι είναι ψηφιακή εικόνα; Μία ψηφιακή εικόνα καθορίζεται από µία δισδιάστατη συνάρτηση, f(x,y), όπου τα x και y συμβολίζουν συντεταμένες στο χώρο και µε f συμβολίζεται η ένταση ή η τιμή της χρωματικής πυκνότητας στο σηµείο (x,y) Μία εικόνα αναπαριστάται από έναν πίνακα. 2D εικόνα: f(i,j) 3D εικόνα: f(i,j,k) 4D εικόνα: f(i,j,k,t) Όπου i,j,k,t και f(i,j,k,t) ακέραιοι Σκοπός Μεθόδων Επεξεργασίας Ψηφιακών Εικόνων Εξαγωγή ποσοτικής και ποιοτικής πληροφορίας από ένα σύνολο πολυδιάστατων δεδομένων που περιλαμβάνουν μια δομή ή ένα σύστημα δομών ενδιαφέροντος 32

33 Ψηφιακή Επεξεργασία Εικόνων Βασικές Διαδικασίες Ψηφιακής Επεξεργασίας Εικόνων Προεπεξεργασία: Βοηθητικές διαδικασίες χαμηλού επιπέδου για τη βελτίωση της ποιότητας των δεδομένων (αποθορυβοποίηση, παρεμβολή κ.λπ.). Εξαγωγή δομών ενδιαφέροντος: Διαδικασίες ενδιάμεσου επιπέδου με στόχο τον προσδιορισμό ενός συστήματος δομών ενδιαφέροντος. Ανάλυση και αναγνώριση: Διαδικασίες υψηλού επιπέδου για την ποσοτικοποίηση της μορφολογικής και λειτουργικής πληροφορίας ενός συστήματος και την ταυτοποίηση συγκεκριμένων δομών. Μοντελοποίηση: Διαδικασίες υψηλού επιπέδου που αποσκοπούν στη δημιουργία μοντέλων ανατομικών δομών και στη βέλτιστη δυνατή απεικόνιση και αναπαράσταση της μορφολογίας και της λειτουργίας ενός συστήματος αντικειμένων 33

34 Ψηφιακή Επεξεργασία Εικόνων Ιατρική Ακτίνες Χ, ΑΤ, ΜΤ, υπέρηχοι, πυρηνική, ενδοσκόπηση Αστρονομία Ορατή, υπέρυθρη, ραδιοκύματα, τηλεσκόπια, δορυφόροι Περιβαλλοντικές Επιστήμες Απεικόνιση από δορυφόρο Εντοπισμός βλαβών Βιομηχανία Λιθογραφία VLSI, ULSI Ασφάλεια Αεροδρόμια, στρατός, παρακολούθηση Κλπ, κλπ, κλπ 34

35 Όραση Το ανθρώπινο μάτι Κερατοειδής Χιτώνας (Cornea) Ίριδα (Iris) Φακός (Lens) Υαλώδες Υγρό (Vitreous Humor) Σκληροκερατοειδής Ζώνη (Cilliary body) Αμφιβληστροειδής Χιτώνας (Retina) Χοριοειδής Χιτώνας(Choroid) Σκληρός Χιτώνας(Sclera) Αισθητήρια (Receptors) Ραβδία (Rods) Περιφερειακή όραση Αμυδρό φως, χωρίς χρώμα Κώνοι (Cones) (6 εκ.) Κεντρική όραση Έντονο φως και χρώμα Κώνοι με διαφορετική ευαισθησία στο χρώμα Ωχρά Κηλίδα: 337Κ pixel? 35

36 Φως μέσω του φακού Σχηματίζεται είδωλο στον αμφιβληστροειδή χιτώνα Μια μεμβράνη που περιλαμβάνει εκατομμύρια κύτταρα Ανιχνεύουν το φως Μετατρέπουν το είδωλο σε ηλεκτρικά σήματα Τα σήματα μεταφέρονται στον εγκέφαλο Η εστίαση του ματιού Συνεργασία αρκετών στοιχείων Μυς του ματιού Κερατοειδής Φακός Όταν δεν λειτουργούν με τον τρόπο που θα έπρεπε, τότε δε βλέπουμε καλά Όραση 36

37 Οπτική Αντίληψη Διαδρομή οπτικής αίσθησης Οπτικό νεύρο Ινιακός λοβός Φλοιός Επεξεργασία ψηλού επιπέδου Πολύπλοκες διασυνδέσεις νευρώνων Κάθε νευρώνας αντιδρά σε διαφορετικό συνδυασμό χαρακτηριστικών Π.χ. αναγνώριση προσώπων 37

38 Διάκριση της λαμπρότητας Περιορισμένα όρια διακύμανσης ταυτόχρονα (12-24 επίπεδα) αλλά μεγάλα συνολικά (overall range) Λογαριθμική κλίμακα Εκθαμβωτικό όριο (glare limit) Σκοτοπικό όριο (scotopic limit) Προσαρμόζεται Οπτική Αντίληψη Προσαρμογή στη λαμπρότητα Μειώνεται / Αυξάνεται η διάμετρος της ίριδας Διαφοροποίηση στα ανώτερα επίπεδα επεξεργασίας Αντίληψη Λαμπρότητας Δεν είναι απλά θέμα έντασης Σχέση με το περιβάλλον Πρέπειναλαμβάνεταιυπ όψη στο σχεδιασμό συστημάτων προβολής 38

39 Οπτική Αντίληψη Οπτικές απάτες (Visual illusions) Οεγκέφαλος συμπληρώνει πληροφορίες που απουσιάζουν Εξαπατείται από επιπρόσθετες πληροφορίες 39

40 Οπτική Αντίληψη Είναι οι οριζόντιες γραμμές παράλληλες ή υπό κλίση; 40

41 Οπτική Αντίληψη Μετρήστε τις μαύρες κουκίδες 41

42 Ποιο είναι πιο σκούρο, το ΑήτοΒ; Οπτική Αντίληψη 42

43 Οπτική Αντίληψη Ποιος από τους δύο κεντρικούς κύκλους είναι μεγαλύτερος; 43

44 Οπτική Αντίληψη 44

45 Σχηματισμός Εικόνας Σχηματισμός εικόνας Σκηνή (scene) με αντικείμενα (objects or elements) Φωτισμός (illumination): 0 i(x,y) Αντανακλαστικότητα (reflectivity) ή διαπεραστικότητα (transmisivity): 0 r(x,y) 1 (digitization) (gray level): l = f(x,y) = i(x,y)r(x,y), 0 l L-1, Dynamic range: [0, L-1] 45

46 Σχηματισμός Εικόνας Δειγματοληψία Χώρου Λαμπρότητας Κβάντιση Χώρου Χωρική (spatial) ευκρίνεια Λαμπρότητας Συνεχές διάστημα διακριτή τιμή (gray level) Θόρυβος κβάντισης 46

47 Σχηματισμός Εικόνας Απαιτήσεις αποθήκευσης Επίπεδα γκρίζου L = 2 k Αριθμός δυαδικών ψηφίων (bits) b = M x N x L Πως επηρεάζεται η ποιότητα της εικόνας όταν αλλάζουν τα Μ, Ν και k; 47

48 Σχηματισμός Εικόνας 48

49 Σχηματισμός Εικόνας 49

50 Σχηματισμός Εικόνας Ψευδονυμία ή Αναδίπλωση (Aliasing) Ανεπιθύμητες συχνότητες μέσα στην εικόνα Κριτήριο Nyquist f sampling 2 f maximum Χωρικά περιορισμένα σήματα f maximum = Καθορίζουμε ως f maximum την ευκρίνεια που επιθυμούμε Φαινόμενο Moiré Οδοντωτή ακμή σε συχνότητα διαφορετική από την πραγματική Αν μια συχνότητα είναι γνωστή μπορούμε να υπολογίσουμε την άλλη Ι Ι x n f x f n 50

51 Σχηματισμός Εικόνας Απλούστερο σύστημα Ένας ιδανικός φακός (ideal lens) Αντικείμενο (object) και είδωλο (image) Σχέση h o l o 2f f D f l s h s = + f l l o s f = εστιακή απόσταση (focal length) l s = απόσταση ειδώλου (image) l o = απόσταση αντικειμένου (object) Μεγέθυνση (magnification) 2f 2f f f f f 2f 2f l h = = s s M l o h o 51

52 Σχηματισμός Εικόνας Ευκρίνεια Εικόνας (Image resolution) 1. Αριθμός εικονοστοιχείων (π.χ. 1024x1024) 2. Μικρότερηχωρικήσυχνότητα (spatial frequency), δηλαδή λεπτομέρεια, που είναι διακριτή = οπτική ευκρίνεια Οπτική Ευκρίνεια (Optical resolution) Διάμετρος κρουστικής διέγερσης (impulse response or point spread function) καθορίζει την ευκρίνεια (resolution) 1.22λ 2.44λ d = = sinθ R NA NA D x θ R d d PSF x= l s ή l ο Άλλες ανωμαλίες (aberrations) επηρεάζουν την ευκρίνεια 52

53 Σχεδιασμός Συστήματος Απεικόνισης Παράδειγμα Χαρακτηριστικά Ευκρίνεια: 1 mm Οπτικό Πεδίο (Field of View): 1 x 1 m Επιλογή Κάμερας 4 MPixel (1000 x 2 x 1000 x 2) x 2 = Κριτήριο Rayleigh Π.χ. CCD, 5 MPixel, 2x2 cm εμβαδόν (Area) l s = 17 mm (c-mount) M = 2 cm / 1 m = 2x10-2 l o = s/m = 85 cm f = 16,67 mm Είναι οπτικά δυνατή αυτή η ευκρίνεια; d= Μ x 1 mm = 2 x 10-5 m D = 2.44 λ l s / d = 1.3 mm Δηλαδή, οποιοσδήποτε φακός πάνω από 1.3 mm. Για μικρά αντικείμενα η διάμετρος του φακού μπορεί να είναι απαγορευτική! 53

54 Σχεδιασμός Συστήματος Απεικόνισης Παράδειγμα Πρακτικά προβλήματα f = 16,67 mm δεν υπάρχει στην αγορά Επαναϋπολογίζουμε το σύστημα M =2x10-2 f = 20 mm Λύνουμε τις εξισώσεις l s = 20,4 mm l o = 102 cm 54

55 Χρώμα Χρώμα Πιο παραστατικές εικόνες Μπορούμε να ξεχωρίσουμε χιλιάδες χρώματα (αντί ~ 24 επίπεδα γκρίζου) Επεξεργασία Έγχρωμης Εικόνας Πραγματικά χρώματα Ψευδοχρώματα (pseudocolors) Ορατό Φως Το χρώμα ενός αντικειμένου εξαρτάται από τα μήκη κύματος που αντανακλά 55

56 Χρώμα Αισθητήρια (Receptors) χρώματος Κώνοι (Cones) Κύρια χρώματα Φωτός (Primary Colors) Πρότυπα CIE Κόκκινο (R) = 700 nm Πράσινο (G) = nm Μπλε (B) = nm Δευτερεύοντα Χρώματα (secondary colors) Ματζέντα (Magenta) = R+B Κυανό (Cyan) = G+B Κίτρινο (Yellow) = R+G Στην περίπτωση των χρωστικών ουσιών Κύρια χρώματα: MCY Απορροφούν ένα χρώμα και αφήνουν τα άλλα δυο να περάσουν Δευτερεύοντα χρώματα: RGB 56

57 Μοντέλα Χρωμάτων Μοντέλο χρωμάτων (color model) ή χώρος χρωμάτων (color space) ή σύστημα χρωμάτων (color system) RGB: για υλικό (hardware) CMY ή CMYK: για εκτύπωση HSI: αντίληψη χρώματος, για επεξεργασία και άλλα 57

58 Μοντέλο RGB Τρία κύρια χρώματα Καρτεσιανό σύστημα συντεταγμένων Αντιστοιχεί στα στοιχεία φωσφόρου μιας οθόνης Τρεις εικόνες Μια για κάθε κύριο χρώμα 8 bit για κάθε κύριο χρώμα 3 x 8 = 24 bit για την εικόνα εικόνα πλήρους χρώματος ( full color image) Αριθμός Χρωμάτων: Ασφαλή Χρώματα (Safe Colors) Ίδια σε όλα τα συστήματα Κάθε κύριο χρώμα μπορεί να έχει τιμή 0, 51, 102, 153, 204, χρώματα (6 3 ) Δεκαεξαδικό σύστημα Μοντέλα Χρωμάτων 58

59 Μοντέλα Χρωμάτων Μοντέλο CMY Τρία κύρια χρώματα Αντιστοιχεί στις χρωστικές ουσίες ενός εκτυπωτή Κάθε χρωστική ουσία απορροφά R, G ή B και αντανακλά τα υπόλοιπα C = 1 R M = 1 G Y = 1 B C 1 R M 1 G = Y 1 B Τρεις εικόνες Μια για κάθε κύριο χρώμα Προσθέτουμε μαύρο στο μοντέλο για καλύτερη εκτύπωση C+M+Y = ξεθωριασμένο μαύρο! 59

60 Μοντέλο HSI Ποιο κοντά στην ανθρώπινη αίσθηση Κατάλληλο για περιγραφή Κατανοητοί αλγόριθμοι Χαρακτηριστικά ενός χρώματος Απόχρωση (Hue) Μέτρο του κυρίαρχου μήκους κύματος Το χρώμα που διακρίνει ο παρατηρητής Κορεσμός (Saturation) Πόσο αμιγές είναι το χρώμα Χρώματα με άσπρο είναι λιγότερο κορεσμένα π.χ. Ροζ = Κόκκινο + Άσπρο Έντασης (intensity) Αντίστοιχο του αχρωματικού φωτός Τρίγωνο, εξάγωνο ή κυκλικό σύστημα αξόνων Hue γωνία Saturation μήκος Intensity τιμή z Κύρια χρώματα: κάθε 120 μοίρες Δευτερεύοντα χρώματα: 60 μοίρες από τα κύρια Μοντέλα Χρωμάτων 60

61 Μοντέλο HSI Μετατροπή RGB HSI θ if B G H = 360 θ if > 1 I = ( R + G + B ) 3 Μετατροπή HSI RGB RG Sector (0 o H<120 o ) Μοντέλα Χρωμάτων B G 0.5 [( R G) + ( R B) ] θ ( R G) ( R B)( G B) + 3 S = 1 [ min( R, G, B) ] R + G + B 1 = cos 2 1/2 B= I(1 S) Scos( H) R= I 1 + cos(60 o H ) G = 3 I ( R+ B) Sectors are different (see book) 61

62 Ψευδοχρώματα Ψευδοχρώματα (pseudo-colors) Αναδεικνύουν περιοχές Διακρίνουμε περισσότερες λεπτομέρειες (αντί κλίμακας γκρίζου) Τεμαχισμός Έντασης (Intensity slicing) Χωρίζουμε την εικόνα σε επίπεδα Καθορίζω κάποιο χρώμα για κάθε επίπεδο Εικόνα με τιμές: [0, L-1] Επίπεδα: l 1, l 2, l 3,, l p Χωρίζουν την κλίμακα του γκρίζου σε διαστήματα: V 1, V 2, V 3,, V p+1 f( x, y) = c if f( x, y) V k c k : κάποιο χρώμα Αναδεικνύονται λεπτομέρειες Διακρίνονται επιπρόσθετες πληροφορίες Επικάλυψη (overlay) k 62

63 Ψευδοχρώματα Παραδείγματα 63

64 Βελτίωση Ποιότητας Εικόνων Σημειακή επεξεργασία (point processing) µε βάση µόνο τη χρωματική πυκνότητα μεμονωμένων στοιχείων εικόνας Χρήση κατάλληλων χωρικών φίλτρων Κυρίως για αποθορυβοποίηση) Εφαρμογή τεχνικών διαφόρισης για ενίσχυση λεπτομερειών Φίλτρα στο πεδίο της συχνότητας 64

65 Σημειακή επεξεργασία - Ιστόγραμμα Το ιστόγραμμα μιας εικόνας µε χρωματική πυκνότητα στο διάστημα [0,L-1] είναι µια διακριτή συνάρτηση p r (r k )=n k /n, όπου r k είναι η k- τάξης χρωματική πυκνότητα, n k είναι το πλήθος των εικονοστοιχείων σε αυτή τη χρωματική πυκνότητα, n είναι το συνολικό πλήθος εικονοστοιχείων και k=0,1,2,l-1. 4x4, 4bits/pixel image k H(k) H συνάρτηση p r (r k ) αποτελεί µια εκτίμηση της πιθανότητας εμφάνισης της χρωματικής πυκνότητας µε τιμήr k. 65

66 Σημειακή επεξεργασία - Ιστόγραμμα Το γράφημα αυτής της συνάρτησης παρέχει γενικές πληροφορίες για τη μορφή της εικόνας, δυναμικό εύρος (σκοτεινή, φωτεινή) αντίθεση (υψηλής ή χαμηλής αντίθεσης). Η εμφάνιση της εικόνας είναι δυνατό να αλλάξει σημαντικά µε την εφαρμογή κατάλληλου μετασχηματισμού που μεταβάλλει τη συνάρτηση πυκνότητας πιθανότητας των χρωματικών πυκνοτήτων (ιστόγραμμα της εικόνας). 66

67 Σημειακή επεξεργασία - Ιστόγραμμα Εφαρμογή κατάλληλης συνάρτησης μετασχηματισμού στην αρχική εικόνα ώστε η λαμβανόμενη εικόνα να έχει ιστόγραμμα επιθυμητής μορφής, Εξίσωση ή γραμμικοποίηση ιστογράμματος ηπροκύπτουσα εικόνα έχει ιστόγραμμα με ομοιόμορφη πυκνότητα πιθανότητας (ενίσχυση αντίθεσης) Ορισμός επιθυμητής μορφής ιστογράμματος και εφαρμογή κατάλληλου μετασχηματισμού στην εικόνα με στόχο την απόδοση έμφασης σε συγκεκριμένες περιοχές χρωματικών πυκνοτήτων (πολλές φορές εξισορρόπηση ιστογράμματος) 67

68 Σημειακή επεξεργασία - Ιστόγραμμα Αρχική Εικόνα Εξισωμένη Εικόνα 68

69 Χωρικά Φίλτρα Χρήση κατάλληλων χωρικών μασκών (χωρικών φίλτρων) Φίλτρα εξομάλυνσης και αποθορυβοποίησης φίλτρο μέσης τιμής (γραμμικό) φίλτρο ενδιάμεσης τιμής (μη-γραμμικό) Φίλτρα ενίσχυσης λεπτομερειών φίλτρα διαφόρισης 69

70 Χωρικά Φίλτρα Φίλτρο Μέσης Τιμής Ητιμήχρωματικής πυκνότητας που αντιστοιχεί σε κάθε στοιχείο της νέας εικόνας προκύπτει ως ο μέσος όρος των τιμών της χρωματικής πυκνότητας των στοιχείων της αρχικής εικόνας σε µια περιοχή (παράθυρο) µε κέντροτο στοιχείο αυτό 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 70

71 Χωρικά Φίλτρα Φίλτρο Μέσης Τιμής Αντίστοιχο με Βαθυπερατό φίλτρο (εξομάλυνσης) Περιορισμός του θορύβου, αλλά και.. Περιορισμός υψίσυχνων συνιστωσών που αντιστοιχούν στις λεπτομέρειες (ακμές ) της εικόνας θόλωση ακμών Μάσκες εξομάλυνσης μεγαλύτερων διαστάσεων οδηγούν σε εντονότερη θόλωση των ακμών Original image size: 500x500 Average filtered images. Filter sizes: 3, 5, 9, 15 and 35 71

72 Χωρικά Φίλτρα Φίλτρο Ενδιάμεσης Τιμής Το φίλτρο αυτό είναι ιδιαίτερα αποτελεσματικό σε περιπτώσεις ύπαρξης έντονου υψίσυχνου θορύβου. Ηαρχικήτιμήενόςστοιχείου αντικαθίσταται από την ενδιάμεση τιμή των στοιχείων ενός παραθύρου που έχει κέντρο το σημείο αυτό. Για την εύρεση της ενδιάμεσης τιμής, για ένα σύνολο σημείων, πραγματοποιείται προηγουμένως ταξινόμηση των τιμών των στοιχείων του παραθύρου. Κρουστικός Θόρυβος Ενδιάμεση Τιμή = 2 Μέσος Όρος = 6 72

73 Φίλτρο Ενδιάμεσης Τιμής Χωρικά Φίλτρα Αρχική Εικόνα Ενθόρυβη Εικόνα (θορ. 20%) Φίλτρο median, 3x3 Φίλτρο μέσου όρου, 3x3 73

74 Χωρικά Φίλτρα Φίλτρα διαφόρισης Τα φίλτρα διαφόρισης έχουν ως στόχο την έμφαση σε λεπτομέρειες της εικόνας ή τη βελτίωση λεπτομερειών που έχουν θολωθεί είτε ακούσια ή σαν συνέπεια συγκεκριμένων μεθόδων συλλογής των δεδομένων. Ο πιο συνηθισμένος τύπος διαφόρισης σε εφαρμογές επεξεργασίας εικόνας είναι το διάνυσμα της κλίσης f Gx x f( x, y) = G = y f y 2 2 1/2 x y x y f = G + G G + G 74

75 Φίλτρα διαφόρισης Χωρικά Φίλτρα Οι μερικές παράγωγοι ως Ζ 1 Ζ 2 Ζ 3 προς x, y, υπολογίζονται Ζ 4 Ζ 5 Ζ 6 προσεγγιστικά µε χρήση κατάλληλων τελεστών Ζ 7 Ζ 8 Ζ 9 Roberts Prewitt Sobel 75

76 Χωρικά Φίλτρα Φίλτρα διαφόρισης Ανίχνευση ακμών Μέθοδοι που βασίζονται στην τιμή των παραγώγων Βασίζονται στην παρατήρηση ότι στην περιοχή των ορίων των αντικειμένων, το πλάτος των παραγώγων της έντασης των χρωματικών πυκνοτήτων έχει πολύ Το σύνολο των στοιχείων στα οποία το πλάτος της παραγώγου έχει σημαντική τιμή, αναπαριστούν το σύνολο των στοιχείων του ζητούμενου περιγράμματος. 76

77 Φίλτρα διαφόρισης Χωρικά Φίλτρα Αρχική Εικόνα Διαφορικός Τελεστής με ανιχνευτή Sobel Διαφορικός Τελεστής με ανιχνευτή Sobel, με κατώφλι 77

78 Φίλτρα Στο Πεδίο της Συχνότητας Δισδιάστατος Μετασχηματισμός Fourier M 1N 1 1 Fuv (, ) = f( xye, ) MN x= 0 y= 0 M 1N 1 1 f( x, y) = F( u, v) e MN x= 0 y= 0 j2 π ( ux / M + vy / N ) j2 π ( ux/ M+ vy/ N) Γιατί στο πεδίο συχνότητας; FFT γρήγορος αλγόριθμος, πιο γρήγορος από συνέλιξη (convolution) Φίλτρα με ορισμένο πλάτος σε συχνότητα είναι άπειρα στο πεδίο χώρου (όπως και χρόνου) -Fy 0 +Fy -Fx 0 +Fx 78

79 Φίλτρα Στο Πεδίο της Συχνότητας Βασική διαδικασία FFT της εικόνας Μετατόπιση στο κέντρο αν αυτό χρειάζεται Πολλαπλασιασμός με ένα φίλτρο FFT-1 Η καινούργια εικόνα είναι το πραγματικό (real) μέρος του αποτελέσματος 1 { { { }}} gxy (, ) = Re I Huv (, ) I f( xy, ) χαμηλοπερατό φίλτρο υψιπερατό φίλτρο 79

80 Φίλτρα Στο Πεδίο της Συχνότητας Χαμηλοπερατό Φίλτρο Butterworth D = 5, 15, 30, 80, 230 Ν = 1, 2, 5, 20 80

81 Φίλτρα Στο Πεδίο της Συχνότητας Υψιπερατό Φίλτρο Butterworth 1 Huv (, ) = 1 + / (, ) 0 [ D D u v ] 2 Duv (, ) = D Huv (, ) = n D = 5, 15, 30, 80,

82 Κατάτμηση και Διαχωρισμός Δεδομένων Εξαγωγή πληροφορίας από εικόνα Ανάλυση εικόνας Πρώτο βήμα: Τμηματοποίηση εικόνας (διαχωρισμός εικόνας στα συστατικά της μέρη ή αντικείμενα) Κατάτμηση Κατωφλίωση Διαχωρισμός Περιοχών Ενεργά περιγράμματα. Τμηματοποίηση με χρήση τεχνικών ταξινόμησης. 82

83 Κατωφλίωση Η κατωφλίωση είναι μία απλή, αποτελεσματική τεχνική τμηματοποίησης Συνήθως αναφερόμαστε σε αυτή ως κατωφλίωση εντάσεων Ταξινόμηση εικονοστοιχείων ή στοιχείων όγκου σε δύο κατηγορίες Δημιουργία δυαδικής εικόνας Σταθερή και προσαρμοστική κατωφλίωση Έχουν προταθεί διάφορες τεχνικές για αυτόματη εύρεση κατωφλίου. Καμία όμως δεν είναι απολύτως αποτελεσματική Αρχική Εικόνα Ιστόγραμμα της αρχικής εικόνας Δυαδική εικόνα μετά από κατωφλίωση (κατώφλι=100) 83

84 Κατωφλίωση Βασική διαδικασία της κατωφλίωσης είναι η ανάλυση του ιστογράμματος Διαφορετικά συστατικά της εικόνας συνήθως δημιουργούν όρη στο ιστόγραμμα Συνήθως παρατηρείται το φαινόμενο της επικάλυψης Σταθερό ή γενικό κατώφλι Η τιμή του κατωφλίου διατηρείται σταθερή σε όλο το εύρος της εικόνας Μία παραλλαγή της μεθόδου αποτελεί η χρήση πολλαπλών κατωφλίων Αρχική Εικόνα Δυαδική εικόνα μετά από κατωφλίωση (κατώφλι=100) Ιστόγραμμα της αρχικής εικόνας 84

85 Η επιτυχία της κατωφλίωσης εξαρτάται άμεσα από την επιλογή κατάλληλου κατωφλίου Κατωφλίωση 85

86 Κατωφλίωση Διπλό Κατώφλι 86

87 Αναπροσαρμοστική (adaptive) κατωφλίωση Π.χ. ανομοιόμορφος φωτισμός Διαχωρισμός της εικόνας έτσι ώστε ο φωτισμός να είναι τοπικά ομοιόμορφος Κατωφλίωση Τμήματα με μεγάλη σ επαναληπτική κατωφλίωση για κάθε τμήμα, με Το την ενδιάμεση τιμή Τμήματα με μικρή σ κατωφλίωση όλων μαζί σαν μια σύνθετη εικόνα με επαναληπτική κατωφλίωση Μικρότερα κομμάτια καλύτερα αποτελέσματα Κατωφλίωση 87

88 Ανάπτυξη περιοχών (region growing) H εικόνα διαιρείται σε πολλές μικρές περιοχές Ταξινομούνται στην ίδια περιοχή όσα γειτονικά σημεία έχουν την ίδια ή πολύ κοντινή τιμή χρωματικών πυκνοτήτων. Οι περιοχές που αντιστοιχούν σε μεγάλες μεταβολές διατηρούνται αμετάβλητες, ενώ αυτές που αντιστοιχούν σε μικρότερες ενώνονται σε μεγαλύτερες περιοχές (merging). Η διαδικασία αυτή επαναλαμβάνεται μέχρι την εξάλειψη ασθενών μεταβολών ανάμεσα στις περιοχές, µε βάση κάποιο προκαθορισμένο κατώφλι. Αρχική εικόνα 88

89 Ανάπτυξη περιοχών (region growing) Εκκίνηση από καθορισμένο αρχικό σημείο. Επιλέγεται ένα αρχικό σημείο από το οποίο αρχίζει η ανάπτυξη της περιοχής καθώς και ένα κατώφλι ομοιότητας που καθορίζει τη μέγιστη επιτρεπόμενη χρωματική διαφορά μεταξύ των σημείων που ανήκουν στην περιοχή. Ο αλγόριθμος εξετάζει τα γειτονικά σημεία του αρχικού και αν πληρούν το κριτήριο ομοιότητας εισάγονται στην περιοχή ενδιαφέροντος. Η διαδικασία αυτή επαναλαμβάνεται μέχρι να μην μπορεί να βρεθεί άλλο σημείο που να πληροί το κριτήριο ομοιότητας. Αρχική εικόνα Αποτέλεσμα από την εφαρμογή του αλγορίθμου ανάπτυξης περιοχών στο ήπαρ Διαφορά των δύο εικόνων, όπου έχει απομονωθεί το ήπαρ 89

90 Ενεργά Περιγράμματα Έχουν ως στόχο τη βελτίωση της ακρίβειας μιας αρχικής εκτίμησης του περιγράμματος ενός αντικειμένου. Το αρχικό περίγραμμα παραμορφώνεται με κατάλληλο αλγοριθμικό τρόπο ώστε να προσεγγίσει με μεγαλύτερη ακρίβεια τις πραγματικές ακμές του αντικειμένου. Ητελικήμορφήτου περιγράμματος επιτυγχάνεται ελαχιστοποιώντας κάποια συνάρτηση ενέργειας. 90

91 Τμηματοποίηση με Χρήση Τεχνικών Ταξινόμησης Τεχνικές ομαδοποίησης µε βάση τις χρωματικές πυκνότητες: Π.χ. Αλγόριθμος Κ-Μέσων (ΚΜ) Είσοδος αλγορίθμου: αρχική εικόνα f(x,y), πλήθος περιοχών, N Ο αλγόριθμος κατατάσσει και ανακατατάσσει τα εικονοστοιχεία σε περιοχές, νε βάση κάποιον μέσο, μέχρις ότου δεν υπάρχει ανακατανομή μετά από διαδοχικές επαναλήψεις Αρχική εικόνα 3 Περιοχές 12 Περιοχές 91

92 Βιβλιογραφία The Scientist and Engineer's Guide to Digital Signal Processing, a complete book online. (http://www.dspguide.com/) Oppenheim, Willsky, Nawab, Signals and Systems (2nd Edition). Pearson Education, ISBN: Oppenheim, Schafer, Buck. Discrete-Time Signal Processing. Prentice Hall, ISBN: Proakis, Manolakis. Digital Signal Processing: Principles, Algorithms and Applications (3rd Edition). Pearson Education, ISBN: Hayes, Ψηφιακή Επεξεργασία Σήματος (Σειρά Schaum). Εκδόσεις Τζιόλα, ISBN: Gonzalez, Woods. Digital Image Processing, 2nd Edition. Prentice Hall, ISBN: Lim. Two-Dimensional Signal and Image Processing. Prentice Hall, ISBN: Russ. The Image Processing Handbook, Fourth Edition. CRC Press, ISBN: X 92

Εισαγωγή. Διάλεξη 1. Εισαγωγή Σήματα και Συστήματα Διακριτού Χρόνου. Τι είναι σήμα; Παραδείγματα

Εισαγωγή. Διάλεξη 1. Εισαγωγή Σήματα και Συστήματα Διακριτού Χρόνου. Τι είναι σήμα; Παραδείγματα University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη Εισαγωγή Σήματα και Συστήματα Διακριτού Χρόνου Εισαγωγή Τι είναι σήμα; Είναι μεταβολές ενός φυσικού μεγέθους που αναπαριστούν ή μεταφέρουν

Διαβάστε περισσότερα

Ψηφιακή 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 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 περισσότερα

Ψηφιακή 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 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 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

Κεφάλαιο 1. Επεξεργασία Ψηφιακής Εικόνας (ΨΕΕ) Digital Image Processing (DIP) Areas of Application of DIP Περιοχές Με Εφαρµογές ΨΕΕ. Medicine.

Κεφάλαιο 1. Επεξεργασία Ψηφιακής Εικόνας (ΨΕΕ) Digital Image Processing (DIP) Areas of Application of DIP Περιοχές Με Εφαρµογές ΨΕΕ. Medicine. Κεφάλαιο Επεξεργασία Ψηφιακής Εικόνας (ΨΕΕ) Digital Image Processing (DIP) Introduction Εισαγωγή What is a digital image? Image Pixel (location, intensity, color) When were the first digital images produced?

Διαβάστε περισσότερα

Παρουσίαση Νο. 4 Ψηφιακή Καταγραφή Εικόνας

Παρουσίαση Νο. 4 Ψηφιακή Καταγραφή Εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση Νο. 4 Ψηφιακή Καταγραφή Εικόνας Εισαγωγή (1/2) Για την καταγραφή εικόνας απαιτούνται «Φωτεινή» πηγή Αντικείμενο Σύστημα καταγραφής «Φωτεινή» πηγή Πηγή

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

Συστήματα Πολυμέσων. Ενότητα 4: Θεωρία Χρώματος. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Συστήματα Πολυμέσων. Ενότητα 4: Θεωρία Χρώματος. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 4: Θεωρία Χρώματος Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

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

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

27-Ιαν-2009 ΗΜΥ (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 (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 2 Βασικά μέρη συστήματος ΨΕΣ Φίλτρο αντι-αναδίπλωσης

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

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας Ενότητα 10: Εισαγωγή στην επεξεργασία εικόνας Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons

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

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

Διάλεξη 3. Δειγματοληψία και Ανακατασκευή Σημάτων. Δειγματοληψία και Ανακατασκευή Σημάτων. (Κεφ & 4.6,4.8)

Διάλεξη 3. Δειγματοληψία και Ανακατασκευή Σημάτων. Δειγματοληψία και Ανακατασκευή Σημάτων. (Κεφ & 4.6,4.8) University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 3 Δειγματοληψία και Ανακατασκευή (Κεφ. 4.0-4.3 & 4.6,4.8) Περιοδική δειγματοληψία (periodic sampling) Περίοδος (sampling period) T Συχνότητα

Διαβάστε περισσότερα

Μετάδοση πληροφορίας - Διαμόρφωση

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

Διαβάστε περισσότερα

Θεώρημα δειγματοληψίας

Θεώρημα δειγματοληψίας Δειγματοληψία Θεώρημα δειγματοληψίας Ένα βαθυπερατό σήμα πεπερασμένης ενέργειας που δεν περιέχει συχνότητες μεγαλύτερες των W Hertz μπορεί να περιγραφθεί πλήρως από τις τιμές του σε χρονικές στιγμές ισαπέχουσες

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 3 η : Ψηφιακή Καταγραφή Εικόνας

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 3 η : Ψηφιακή Καταγραφή Εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 3 η : Ψηφιακή Καταγραφή Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στην ψηφιακή καταγραφή

Διαβάστε περισσότερα

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία

ΗΜΥ 100 Εισαγωγή στην Τεχνολογία ΗΜΥ 100 Εισαγωγή στην Τεχνολογία Δρ. Στέλιος Τιμοθέου ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΑ ΘΕΜΑΤΑ ΜΑΣ ΣΗΜΕΡΑ Αναλογικά και ψηφιακά συστήματα Μετατροπή

Διαβάστε περισσότερα

Digital Image Processing

Digital 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 περισσότερα

Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω:

Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω: Σημειώσεις Δικτύων Αναλογικά και ψηφιακά σήματα Ένα αναλογικό σήμα περιέχει άπειρες πιθανές τιμές. Για παράδειγμα ένας απλός ήχος αν τον βλέπαμε σε ένα παλμογράφο θα έμοιαζε με το παρακάτω: Χαρακτηριστικά

Διαβάστε περισσότερα

Έγχρωµο και Ασπρόµαυρο Φως

Έγχρωµο και Ασπρόµαυρο Φως Έγχρωµο και Ασπρόµαυρο Φως Χρώµα: κλάδος φυσικής, φυσιολογίας, ψυχολογίας, τέχνης. Αφορά άµεσα τον προγραµµατιστή των γραφικών. Αν αφαιρέσουµε χρωµατικά χαρακτηριστικά, λαµβάνουµε ασπρόµαυρο φως. Μόνο

Διαβάστε περισσότερα

University of Cyprus. Σχεδιασμός Οπτικών Συστημάτων (Απεικόνιση) ό

University of Cyprus. Σχεδιασμός Οπτικών Συστημάτων (Απεικόνιση) ό University o Cyprus Biomedical Imaging and Applied Optics Σχεδιασμός Οπτικών Συστημάτων (Απεικόνιση) ό Φακοί για Απεικόνιση Δημιουργία εικόνας με ένα φακό Ιδανικός (Ideal) λεπτός (thin) φακός 1 1 1 = +

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙςΤΗΜΗς & ΤΕΧΝΟΛΟΓΙΑς ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΜΔΕ Προηγμένα Τηλεπικοινωνιακά Συστήματα και Δίκτυα Διάλεξη 2 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst233

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

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

Παρουσίαση Νο. 5 Βελτίωση εικόνας

Παρουσίαση 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 περισσότερα

HMY 220: Σήματα και Συστήματα Ι

HMY 220: Σήματα και Συστήματα Ι HMY 220: Σήματα και Συστήματα Ι Διδάσκων: Γεώργιος Μήτσης, Λέκτορας, Τμήμα ΗΜΜΥ Γραφείο: 401 Πράσινο Άλσος Ώρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Ηλ. Ταχ.: : gmitsis@ucy.ac.cy Ιωάννης Τζιώρτζης

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Κ 17 Επικοινωνίες ΙΙ Χειμερινό Εξάμηνο Διάλεξη 5 η Νικόλαος Χ. Σαγιάς Επίκουρος Καθηγητής Webpage: http://eclass.uop.gr/courses/tst215

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

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ. Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Z

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ. Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Z ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Laplace Μετασχηµατισµός Z Εφαρµογές Παράδειγµα ενός ηλεκτρικού συστήµατος Σύστηµα Παράδειγµα

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

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

Ψηφιακή 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 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 περισσότερα

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας

Ψηφιοποίηση 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 περισσότερα

Φυσική των οφθαλμών και της όρασης. Κική Θεοδώρου

Φυσική των οφθαλμών και της όρασης. Κική Θεοδώρου Φυσική των οφθαλμών και της όρασης Κική Θεοδώρου Περιεχόμενα Στοιχεία Γεωμετρικής Οπτικής Ανατομία του Οφθαλμού Αμφιβληστροειδής Ο ανιχνευτής φωτός του οφθαλμού Το κατώφλι της όρασης Φαινόμενα περίθλασης

Διαβάστε περισσότερα

DIP_01 Εισαγωγή στην ψηφιακή εικόνα. ΤΕΙ Κρήτης

DIP_01 Εισαγωγή στην ψηφιακή εικόνα. ΤΕΙ Κρήτης DIP_01 Εισαγωγή στην ψηφιακή εικόνα ΤΕΙ Κρήτης Πληροφορίες Μαθήματος ιαλέξεις Πέμπτη 12:15 15:00 Αιθουσα Γ7 ιδάσκων:. Κοσμόπουλος Γραφείο: Κ23-0-15 (ισόγειο( κλειστού γυμναστηρίου) Ωρες γραφείου Τε 16:00

Διαβάστε περισσότερα

Γενικές Αρχές Επεξεργασίας Βιολογικών Σημάτων

Γενικές Αρχές Επεξεργασίας Βιολογικών Σημάτων Γενικές Αρχές Επεξεργασίας Βιολογικών Σημάτων Δρ. Ανδριάνα Πρέντζα 4 Νοέμβρη 2002 Εισαγωγή Παρουσίαση μεθόδων και τεχνικών επεξεργασίας σημάτων που προέρχονται από βιολογικά συστήματα ηλεκτροκαρδιογράφημα

Διαβάστε περισσότερα

17-Φεβ-2009 ΗΜΥ Ιδιότητες Συνέλιξης Συσχέτιση

17-Φεβ-2009 ΗΜΥ Ιδιότητες Συνέλιξης Συσχέτιση ΗΜΥ 429 7. Ιδιότητες Συνέλιξης Συσχέτιση 1 Μαθηματικές ιδιότητες Αντιμεταθετική: a [ * b[ = b[ * a[ παρόλο που μαθηματικά ισχύει, δεν έχει φυσικό νόημα. Προσεταιριστική: ( a [ * b[ )* c[ = a[ *( b[ * c[

Διαβάστε περισσότερα

Συστήματα Πολυμέσων. Ενότητα 2: Εισαγωγικά θέματα Ψηφιοποίησης. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Συστήματα Πολυμέσων. Ενότητα 2: Εισαγωγικά θέματα Ψηφιοποίησης. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 2: Εισαγωγικά θέματα Ψηφιοποίησης Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

Περιεχόµενα ΕΠΛ 422: στα Συστήµατα Πολυµέσων. Βιβλιογραφία. ειγµατοληψία. ηµιουργία ψηφιακής µορφής πληροφορίας στα Συστήµατα Πολυµέσων

Περιεχόµενα ΕΠΛ 422: στα Συστήµατα Πολυµέσων. Βιβλιογραφία. ειγµατοληψία. ηµιουργία ψηφιακής µορφής πληροφορίας στα Συστήµατα Πολυµέσων Περιεχόµενα ΕΠΛ 422: Συστήµατα Πολυµέσων Ψηφιακή Αναπαράσταση Σήµατος: ειγµατοληψία Βιβλιογραφία ηµιουργία ψηφιακής µορφής πληροφορίας στα Συστήµατα Πολυµέσων Βασικές Έννοιες Επεξεργασίας Σηµάτων Ψηφιοποίηση

Διαβάστε περισσότερα

Γνωστική Ψυχολογία Ι (ΨΧ32)

Γνωστική Ψυχολογία Ι (ΨΧ32) Γνωστική Ψυχολογία Ι (ΨΧ32) Διάλεξη 6 Μηχανισμοί επεξεργασίας οπτικού σήματος Οι άλλες αισθήσεις Πέτρος Ρούσσος Η αντιληπτική πλάνη του πλέγματος Hermann 1 Πλάγια αναστολή Η πλάγια αναστολή (lateral inhibition)

Διαβάστε περισσότερα

Σχήµα 1: Χρήση ψηφιακών φίλτρων για επεξεργασία σηµάτων συνεχούς χρόνου

Σχήµα 1: Χρήση ψηφιακών φίλτρων για επεξεργασία σηµάτων συνεχούς χρόνου ΜΑΘΗΜΑ 6: ΣΧΕ ΙΑΣΗ ΦΙΛΤΡΩΝ 6. Εισαγωγή Τα φίλτρα είναι µια ειδική κατηγορία ΓΧΑ συστηµάτων τα οποία τροποποιούν συγκεκριµένες συχνότητες του σήµατος εισόδου σε σχέση µε κάποιες άλλες. Η σχεδίαση ψηφιακών

Διαβάστε περισσότερα

Ενότητα 4: Δειγματοληψία - Αναδίπλωση

Ενότητα 4: Δειγματοληψία - Αναδίπλωση Ενότητα 4: Δειγματοληψία - Αναδίπλωση Σήματα και Συστήματα Τα συστήματα επεξεργάζονται ένα ή περισσότερα σήματα: Το παραπάνω σύστημα μετατρέπει το σήμα x(t) σε y(t). π.χ. Σε ένα σήμα ήχου μπορεί να ενισχύσει

Διαβάστε περισσότερα

Επικοινωνίες στη Ναυτιλία

Επικοινωνίες στη Ναυτιλία Επικοινωνίες στη Ναυτιλία Εισαγωγή Α. Παπαδάκης, Αναπλ. Καθ. ΑΣΠΑΙΤΕ Δρ. ΗΜΜΥ Μηχ. ΕΜΠ Βασικά Αντικείμενα Μαθήματος Σήματα Κατηγοριοποίηση, ψηφιοποίηση, δειγματοληψία, κβαντισμός Βασικά σήματα ήχος, εικόνα,

Διαβάστε περισσότερα

Ψηφιακή μετάδοση στη βασική ζώνη. Baseband digital transmission

Ψηφιακή μετάδοση στη βασική ζώνη. Baseband digital transmission Ψηφιακή μετάδοση στη βασική ζώνη Baseband digital transmission Ψηφιακά σήματα Το ψηφιακό σήμα δεν είναι τίποτε άλλο από μια διατεταγμένη σειρά συμβόλων παραγόμενη από μια διακριτή πηγή πληροφορίας Η πηγή

Διαβάστε περισσότερα

Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστημάτων

Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστημάτων Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστημάτων Αναλογικές & Ψηφιακές Διατάξεις Τα διάφορα μεγέθη των φυσικών διεργασιών τα μετράμε με αισθητήρες που ουσιαστικά παρέχουν ηλεκτρικά σήματα χαμηλής

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

Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστηµάτων

Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστηµάτων Κεφάλαιο 5 Διασύνδεση Αναλογικών & Ψηφιακών Συστηµάτων Αναλογικές & Ψηφιακές Διατάξεις Control Systems Laboratory Τα διάφορα μεγέθη των φυσικών διεργασιών τα μετράμε με αισθητήρες που ουσιαστικά παρέχουν

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

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Θετικών Επιστημών Τεχνολογίας Τηλεπικοινωνιών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Εργαστήριο 9 ο : Δειγματοληψία και Ανασύσταση

Διαβάστε περισσότερα

Αναλογικά & Ψηφιακά Κυκλώματα ιαφάνειες Μαθήματος ρ. Μηχ. Μαραβελάκης Εμ.

Αναλογικά & Ψηφιακά Κυκλώματα ιαφάνειες Μαθήματος ρ. Μηχ. Μαραβελάκης Εμ. Αναλογικά & Ψηφιακά Κυκλώματα ιαφάνειες Μαθήματος ρ. Μηχ. Μαραβελάκης Εμ. 1 Εισαγωγή Αναλογικό σήμα (analog signal): συνεχής συνάρτηση στην οποία η ανεξάρτητη μεταβλητή και η εξαρτημένη μεταβλητή (π.χ.

Διαβάστε περισσότερα

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές

Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές στους Ηλεκτρονικούς Υπολογιστές http://courseware.mech.ntua.gr/ml23021/ 6 ο Μάθημα Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ E-mail: leo@mail.ntua.gr URL: http://users.ntua.gr/leo 1 Στα προηγούμενα μaθήματα Συστήματα

Διαβάστε περισσότερα

Παλμοκωδική Διαμόρφωση. Pulse Code Modulation (PCM)

Παλμοκωδική Διαμόρφωση. Pulse Code Modulation (PCM) Παλμοκωδική Διαμόρφωση Pulse Code Modulation (PCM) Pulse-code modulation (PCM) Η PCM είναι ένας στοιχειώδης τρόπος διαμόρφωσης που δεν χρησιμοποιεί φέρον! Το μεταδιδόμενο (διαμορφωμένο) σήμα PCM 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

Ειδικά 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 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 περισσότερα

stopband Passband stopband H L H ( e h L (n) = 1 π = 1 h L (n) = sin ω cn

stopband Passband stopband H L H ( e h L (n) = 1 π = 1 h L (n) = sin ω cn Πανεπιστημιο Κυπρου Τμημα Ηλεκτρολογων Μηχανικων και Μηχανικων Υπολογιστων ΗΜΥ 22: Σηματα και Συστηματα για Μηχανικους Υπολογιστων Κεφάλαιο 7: Σχεδιασμός Φίλτρων!"#!"#! "#$% Σημειώσεις διαλέξεων στο: http://www.eg.ucy.ac.cy/chadcha/

Διαβάστε περισσότερα

Συστήματα Επικοινωνιών ΙI

Συστήματα Επικοινωνιών ΙI + Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών ΙI Εισαγωγή Δειγματοληψία + Περιεχόμενα n Εισαγωγή n αναλογικό η ψηφιακό σήμα; n ψηφιακά συστήματα επικοινωνιών n Δειγματοληψία

Διαβάστε περισσότερα

Παρουσίαση του μαθήματος

Παρουσίαση 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 περισσότερα

27/4/2009. Για την υλοποίηση τέτοιων αλγορίθμων επεξεργασίας απαιτείται η χρήση μνήμης. T η περίοδος δειγματοληψίας. Επίκ. Καθηγητής.

27/4/2009. Για την υλοποίηση τέτοιων αλγορίθμων επεξεργασίας απαιτείται η χρήση μνήμης. T η περίοδος δειγματοληψίας. Επίκ. Καθηγητής. Μάθημα: «Ψηφιακή Επεξεργασία Ήχου» Διάλεξη 6 η : «Επεξεργαστές με Μνήμη (Mέρος ΙI)» Φλώρος Ανδρέας Επίκ. Καθηγητής Από προηγούμενο μάθημα... Αναπαράσταση καθυστέρησης ενός δείγματος η περίοδος δειγματοληψίας

Διαβάστε περισσότερα

Σχεδίαση με Ηλεκτρονικούς Υπολογιστές

Σχεδίαση με Ηλεκτρονικούς Υπολογιστές ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Σχεδίαση με Ηλεκτρονικούς Υπολογιστές Ενότητα # 10: Χρωματικά μοντέλα στον ΗΥ Καθηγητής Ιωάννης Γ. Παρασχάκης Τμήμα Αγρονόμων & Τοπογράφων

Διαβάστε περισσότερα

Αντοχή (ruggedness) στο θόρυβο μετάδοσης Αποτελεσματική αναγέννηση (regeneration) Δυνατότητα ομοιόμορφου σχήματος (uniform format) μετάδοσης Όμως:

Αντοχή (ruggedness) στο θόρυβο μετάδοσης Αποτελεσματική αναγέννηση (regeneration) Δυνατότητα ομοιόμορφου σχήματος (uniform format) μετάδοσης Όμως: ΨΗΦΙΑΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ Πλεονεκτήματα: Αντοχή (ruggedness) στο θόρυβο μετάδοσης Αποτελεσματική αναγέννηση (regeneration) Δυνατότητα ομοιόμορφου σχήματος (uniform format) μετάδοσης Όμως: Αύξηση απαίτησης εύρους

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

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Οικονομίας Διοίκησης και Πληροφορικής Τμήμα Πληροφορικής και Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Αρχές Τηλ/ων Συστημάτων Εργαστήριο 7 ο : Δειγματοληψία και Ανασύσταση Βασική

Διαβάστε περισσότερα

Εισαγωγή σε οπτική και μικροσκοπία

Εισαγωγή σε οπτική και μικροσκοπία Εισαγωγή σε οπτική και μικροσκοπία Eukaryotic cells Microscope Cancer Μικροσκόπια Microscopes Ποια είδη υπάρχουν (και γιατί) Πώς λειτουργούν (βασικές αρχές) Πώς και ποια μικροσκόπια μπορούμε να χρησιμοποιήσουμε

Διαβάστε περισσότερα

Ο μετασχηματισμός Fourier

Ο 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 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

Τεχνητή 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 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 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

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 5 : Θόρυβος Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Ομιλίας Είδη θορύβου Περιγραφή θορύβου Θεώρημα Shannon Hartley Απόδοση ισχύος και εύρους

Διαβάστε 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 : ΑΝΑΛΟΓΟΨΗΦΙΑΚΗ ΜΕΤΑΤΡΟΠΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΑΝΑΛΟΓΙΚΩΝ ΣΗΜΑΤΩΝ Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες Χρήσης

Διαβάστε περισσότερα

Analog vs Digital. Δούρβας Ιωάννης ΙΩΑΝΝΗΣ ΔΟΥΡΒΑΣ

Analog vs Digital. Δούρβας Ιωάννης ΙΩΑΝΝΗΣ ΔΟΥΡΒΑΣ Analog vs Digital Δούρβας Ιωάννης Ηλεκτρονικός Υπολογιστής ψηφιακή μηχανή Ο υπολογιστής αποτελείται από ένα σύνολο (εκατομμύρια) ηλεκτρικά κυκλώματα. Για τα ηλεκτρικά κυκλώματα υπάρχουν μόνο 2 καταστάσεις.

Διαβάστε περισσότερα

Ακαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

Ακαδηµαϊκό 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 περισσότερα

Παρεμβολή Ενισχυτών μεταξύ γεωφώνων και καταγραφικού

Παρεμβολή Ενισχυτών μεταξύ γεωφώνων και καταγραφικού Ενισχυτές σήματος στη σεισμική διασκόπηση Καλώδιο μεταφοράς των σημάτων απο τα γεώφωνα Σεισμικό σήμα πολύ ασθενές για να καταγραφεί Παρεμβολή Ενισχυτών μεταξύ γεωφώνων και καταγραφικού Ενισχυτής Καταγραφικό

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

10-Μαρτ-2009 ΗΜΥ Παραθύρωση Ψηφιακά φίλτρα

10-Μαρτ-2009 ΗΜΥ Παραθύρωση Ψηφιακά φίλτρα -Μαρτ-9 ΗΜΥ 49. Παραθύρωση Ψηφιακά φίλτρα . Παραθύρωση / Ψηφιακά Φίλτρα -Μαρτ-9 Είδη παραθύρων Bartlett τριγωνικό: n, n Blacman: πn 4πn.4.5cos +.8cos, n < . Παραθύρωση / Ψηφιακά Φίλτρα -Μαρτ-9 3 Hamming:

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

Βίντεο και κινούµενα σχέδια

Βίντεο και κινούµενα σχέδια Βίντεο και κινούµενα σχέδια Περιγραφή του βίντεο Ανάλυση του βίντεο Κωδικοποίηση των χρωµάτων Μετάδοση τηλεοπτικού σήµατος Συµβατικά τηλεοπτικά συστήµατα Τεχνολογία Πολυµέσων 06-1 Περιγραφή του βίντεο

Διαβάστε περισσότερα

Στοιχεία επεξεργασίας σημάτων

Στοιχεία επεξεργασίας σημάτων Στοιχεία επεξεργασίας σημάτων ΕΜΠ - ΣΧΟΛΗ ΑΤΜ Ακ. Έτος 2004-2005 Β.Βεσκούκης, Δ.Παραδείσης, Δ.Αργιαλάς, Δ.Δεληκαράογλου, Β.Καραθανάση, Β.Μασσίνας Γενικά στοιχεία για το μάθημα Εισάγεται στα πλαίσια της

Διαβάστε περισσότερα

Εισαγωγή στις Τηλεπικοινωνίες

Εισαγωγή στις Τηλεπικοινωνίες ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Εισαγωγή στις Τηλεπικοινωνίες Ενότητα 3: Δειγματοληψία και Ανακατασκευή Σημάτων Όνομα Καθηγητή: Δρ. Ηρακλής Σίμος Τμήμα: Ηλεκτρονικών

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Σχολή Θετικών Επιστημών Τεχνολογίας Τηλεπικοινωνιών Τμήμα Επιστήμης και Τεχνολογίας Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΚΟΙΝΩΝΙΕΣ ΙI Εργαστήριο 3 ο : Πολυπλεξία με διαίρεση

Διαβάστε περισσότερα

Θοδωρής Μπεχλιβάνης Αναστασία Συμεωνίδου Κατερίνα Παπά

Θοδωρής Μπεχλιβάνης Αναστασία Συμεωνίδου Κατερίνα Παπά Θοδωρής Μπεχλιβάνης Αναστασία Συμεωνίδου Κατερίνα Παπά έχει σχήμα πεπλατυσμένης σφαίρας Η διάμετρος, στον ενήλικα, είναι περίπου 2,5 cm Αποτελείται από τρεις χιτώνες, το σκληρό, το χοριοειδή και τον αμφιβληστροειδή.

Διαβάστε περισσότερα

Ήχος και φωνή. Τεχνολογία Πολυµέσων 04-1

Ήχος και φωνή. Τεχνολογία Πολυµέσων 04-1 Ήχος και φωνή Φύση του ήχου Ψηφιοποίηση µε µετασχηµατισµό Ψηφιοποίηση µε δειγµατοληψία Παλµοκωδική διαµόρφωση Αναπαράσταση µουσικής Ανάλυση και σύνθεση φωνής Μετάδοση φωνής Τεχνολογία Πολυµέσων 4-1 Φύση

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

Παλμοκωδική Διαμόρφωση. Pulse Code Modulation (PCM)

Παλμοκωδική Διαμόρφωση. Pulse Code Modulation (PCM) Παλμοκωδική Διαμόρφωση Pulse Code Modulation (PCM) Pulse-code modulation (PCM) Η PCM είναι ένας στοιχειώδης τρόπος διαμόρφωσης που δεν χρησιμοποιεί φέρον! Το μεταδιδόμενο (διαμορφωμένο) σήμα PCM είναι

Διαβάστε περισσότερα

HMY 220: Σήματα και Συστήματα Ι

HMY 220: Σήματα και Συστήματα Ι HMY 220: Σήματα και Συστήματα Ι Διδάσκων: Γεώργιος Μήτσης, Λέκτορας, Τμήμα ΗΜΜΥ Γραφείο: 403 Πράσινο Άλσος Ώρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Ηλ. Ταχ.: : gmitsis@ucy.ac.cy Βοηθοί Διδασκαλίας:

Διαβάστε περισσότερα

Ηχρήση του χρώµατος στους χάρτες

Ηχρήση του χρώµατος στους χάρτες Ηχρήση του χρώµατος στους χάρτες Συµβατική χρήση χρωµάτων σε θεµατικούς χάρτες και «ασυµβατότητες» Γεωλογικοί χάρτες: Χάρτες γήινου ανάγλυφου: Χάρτες χρήσεων γης: Χάρτες πυκνότητας πληθυσµού: Χάρτες βροχόπτωσης:

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1 Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1 Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Δισδιάστατα σήματα

Διαβάστε περισσότερα

Εφαρμογές Πληροφορικής

Εφαρμογές Πληροφορικής Εφαρμογές Πληροφορικής Κεφάλαιο 11 Πολυμέσα ΜΕΡΟΣ Α 1. Υπερκείμενο Ποιός είναι ο κόμβος, ποιός ο σύνδεσμος και ποιά η θερμή λέξη; 1 2. Υπερμέσα Χαρακτηριστικά Κόμβος (Node) Αποτελεί τη βάση πληροφοριών

Διαβάστε περισσότερα

Συστήματα Επικοινωνιών Ι

Συστήματα Επικοινωνιών Ι + Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών Ι Συναρτήσεις συσχέτισης/αυτοσυσχέτισης Φίλτρα Μετασχηματισμός Hilbert + Περιεχόμενα n Συνάρτηση αυτοσυσχέτισης n Συνάρτηση

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ

ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ Αντικείμενο: Κατανόηση και αναπαράσταση των βασικών σημάτων δύο διαστάσεων και απεικόνισης αυτών σε εικόνα. Δημιουργία και επεξεργασία των διαφόρων

Διαβάστε περισσότερα

Επεξεργασία Χαρτογραφικής Εικόνας

Επεξεργασία Χαρτογραφικής Εικόνας Επεξεργασία Χαρτογραφικής Εικόνας ιδάσκων: Αναγνωστόπουλος Χρήστος Βασικά στοιχεία εικονοστοιχείου (pixel) Φυσική λειτουργία όρασης Χηµική και ψηφιακή σύλληψη (Κλασσικές και ψηφιακές φωτογραφικές µηχανές)

Διαβάστε περισσότερα

Σήματα και Συστήματα. Νόκας Γιώργος

Σήματα και Συστήματα. Νόκας Γιώργος Σήματα και Συστήματα Νόκας Γιώργος Δομή του μαθήματος Βασικά σήματα συνεχούς και διακριτού χρόνου. Ιδιότητες σημάτων συνεχούς και διακριτού χρόνου. Ιδιότητες συστημάτων συνεχούς και διακριτού χρόνου. Γραμμικά,

Διαβάστε περισσότερα

FFT. Θα επικεντρωθούμε στο ΔΜΦ αλλά όλα ισχύουν και για τον

FFT. Θα επικεντρωθούμε στο ΔΜΦ αλλά όλα ισχύουν και για τον University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 5 και Ανάλυση με (Κεφ. 9.0-9.5, 10.0-10.2) ΟΔΜΦ Ο αντίστροφος ΔΜΦ Θα επικεντρωθούμε στο ΔΜΦ αλλά όλα ισχύουν και για τον αντίστροφο ΔΜΦ

Διαβάστε περισσότερα

Συστήµατα και Αλγόριθµοι Πολυµέσων

Συστήµατα και Αλγόριθµοι Πολυµέσων Συστήµατα και Αλγόριθµοι Πολυµέσων Ιωάννης Χαρ. Κατσαβουνίδης Οµιλία #3: Αρχές Επεξεργασίας Σηµάτων Πολυµέσων 10 Οκτωβρίου 005 Επανάλειψη (1) ειγµατοληψία επανα-δειγµατοληψία Τεχνικές φίλτρων (συνέλειξη)

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 3. Δισδιάστατα σήματα και συστήματα #2

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 3. Δισδιάστατα σήματα και συστήματα #2 Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 2015-16 Παρουσίαση Νο. 3 Δισδιάστατα σήματα και συστήματα #2 Πληροφορία πλάτους-φάσης (1/4) Ο μετασχηματισμός Fourier διακριτού χρόνου είναι μιγαδική

Διαβάστε περισσότερα

Θέματα Συστημάτων Πολυμέσων. Ενότητα #3: Ιδιότητες μέσων Διδάσκων: Γεώργιος K. Πολύζος Τμήμα: Μεταπτυχιακό Πρόγραμμα Σπουδών Επιστήμη των Υπολογιστών

Θέματα Συστημάτων Πολυμέσων. Ενότητα #3: Ιδιότητες μέσων Διδάσκων: Γεώργιος K. Πολύζος Τμήμα: Μεταπτυχιακό Πρόγραμμα Σπουδών Επιστήμη των Υπολογιστών Θέματα Συστημάτων Πολυμέσων Ενότητα #3: Ιδιότητες μέσων Διδάσκων: Γεώργιος K. Πολύζος Τμήμα: Μεταπτυχιακό Πρόγραμμα Σπουδών Επιστήμη των Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

Εικόνες και γραφικά. Τεχνολογία Πολυµέσων 05-1

Εικόνες και γραφικά. Τεχνολογία Πολυµέσων 05-1 Εικόνες και γραφικά Περιγραφή στατικών εικόνων Αναπαράσταση γραφικών Υλικό γραφικών Dithering και anti-aliasing Σύνθεση εικόνας Ανάλυση εικόνας Μετάδοση εικόνας Τεχνολογία Πολυµέσων 05-1 Περιγραφή στατικών

Διαβάστε περισσότερα

Τεχνολογικό Eκπαιδευτικό Ίδρυμα Kρήτης TMHMA MHXANOΛOΓIAΣ. Δρ. Φασουλάς Γιάννης

Τεχνολογικό Eκπαιδευτικό Ίδρυμα Kρήτης TMHMA MHXANOΛOΓIAΣ. Δρ. Φασουλάς Γιάννης Τεχνολογικό Eκπαιδευτικό Ίδρυμα Kρήτης TMHMA MHXANOΛOΓIAΣ Δρ. Φασουλάς Γιάννης jfasoulas@staff.teicrete.gr Θα μάθετε: Έννοιες που σχετίζονται με την μετατροπή μεταξύ αναλογικών και ψηφιακών σημάτων Πώς

Διαβάστε περισσότερα