Βελτίωση - Φιλτράρισμα εικόνας
|
|
- Κύμα Αλαφούζος
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Βελτίωση - Φιλτράρισμα εικόνας /7
2 Βελτίωση εικόνας με φιλτράρισμα Το φιλτράρισμα εικόνας είναι ουσιαστικά η πράξη συνέλιξης μεταξύ της αρχικής εικόνας και ενός συνόλου συντελεστών που συνήθως ονομάζονται παράθυρο ή μάσκα. Τα παράθυρα αυτά είναι συνήθως τετραγωνικά και οι συντελεστές συμμετρικοί. /7
3 Φιλτράρισμα - Συνέλιξη h(n,n ) x(n,n y(n, n ) = M N k = 0k = 0 x(k, k ) h(n -k, n -k ) y(n, n )= x(n, n )* *h(n, n ) 3/7
4 Η διδιάστατη συνέλιξη - γραφικά 4/7
5 Συνέλιξη υλοποίηση A B C To αποτέλεσμα της συνέλιξης για την τιμή της εικόνας στη θέση n,n δηλ. στο p 5 είναι: D E F G H I p p p 3 p 4 p 5 p 6 p 7 p 8 p 9 y(n,n )=Ap +Bp +Cp 3 +Dp 4 +Ep 5 +Fp 6 Gp 7 +Hp 8 +Ip 9 5/7
6 Συνέλιξη υλοποίηση A B C D E F G H I p p p 3 p 4 p 5 p 6 p 7 p 8 p 9 Το παράθυρο (A,B,C,D,E,F,G,H,I) διατρέχει την εικόνα και κάθε φορά υπολογίζεται το γινόμενο του παραθύρου με τα αντίστοιχα pixel της εικόνας. Στην εικόνα εξόδου το αποτέλεσμα της συνέλιξης αποδίδεται στο κεντρικό pixel του παραθύρου. 6/7
7 Συνέλιξη στο πεδίο της συχνότητας 7/7
8 Μετασχηματισμός Fourier Μετασχηματισμός Fourier DFT-FFT 8/7
9 -D DFT και IDFT Γιά N image : M f ( x, y) O DFT ορίζεται: F ( u, v ) for = u MN = 0, M N x = 0 y = 0 f ( x,,, L, M y ) e j π ( ux / M + vy / N ) v = 0,,, L, N Και ο IDFT: f ( x, y ) = M N u = 0 v = 0 F ( u, v ) e j π ( ux / M + vy / N ) for x = 0,,, L, M y = 0,,, L, N 9/7
10 Μετασχηματισμός Fourier Διαχωρίσιμη πράξη Μιγαδικός αριθμός (μέτρο φάση) Oι τιμέςu,v κοντά στο 0,0 αντιστοιχούν σε χαμηλές συχνότητες. F( 0, 0) MN M N = x= 0 y = 0 f (x, y) = μέση τιμ ή του f(x, y) 0/7
11 Τι είναι πιο σημαντικό? Μέτρο ή φάση α β Πρόσθεση: φάσμα πλάτους της εικόνας (α) και φάσμα φάσης της εικόνας (β) /7
12 Μετασχηματισμός Fourier Παράδειγμα 0 0 /7
13 Filtering στο πεδίο της συχνότητας Βασικές έννοιες: low frequency : μικρές μεταβολές στα χαρακτηριστικά της εικόνας high frequency : απότομες μεταβολές όπως θόρυβος ή περιγράμματα αντικειμένων F( u, v) high frequency low frequency F(0,0) 3/7
14 Συνέλιξη μέσω FFT Βασική ιδιότητα: η πράξη του πολλαπλασιασμού στο πεδίο της συχνότητας ισούται με την συνέλιξη στο χρόνο και αντιστρόφως f(x, y)**h(x,y) F(u, v)h(u, v) ΠΡΟΣΟΧΗ ΣΤΙΣ ΔΙΑΣΤΑΣΕΙΣ 4/7
15 Συνέλιξη μέσω FFT Αρχική εικόνα Filter Mask FFT FFT «φιλτραρισμένη» εικόνα Πολλαπλασιασμός αντίστοιχων pixels Inverse FFT Το «φιλτραρισμένο» φάσμα 5/7
16 Α. Βαθυπερατά φίλτρα Ιδιότητες Φιλτράρουν τις υψηλές συχνότητες (σήματα θορύβου). Λειαίνουν απότομες μεταβολές στην ένταση Θολώνουν την εικόνα (blurring). Απόκριση συχνότητας 6/7
17 Βασικές Κατηγορίες βαθυπερατών φίλτρων Φίλτρα μέσης τιμής (mean filters). Φίλτρα Gaussian μορφής (Gaussian filters). Φίλτρα Butterworth Φίλτρα διάμεσης τιμής (median filters). 7/7
18 Βαθυπερατά φίλτρα - Κατηγορίες βαθυπερατών φίλτρων Φίλτρα μέσης τιμής (averager) Απόκριση συχνότητας ( διαστάσεων) γιατοφίλτρομέσηςτιμής. Στις χαμηλές συχνότητες - γύρωαποτοσημείο(0,0) το πλάτος είναι μεγάλο. Οι συχνότητες - και αντιστοιχούν στο f s / 8/7
19 Θόλωση (blurring) Αρχική εικόνα Εφαρμογή 3x3 averager Εφαρμογή 7x7 averager 9/7
20 Ελάττωση θορύβου επίδραση μήκους παραθύρου Αρχική εικόνα Εικόνα με θόρυβο Ν(0,0.05) Εφαρμογή averager 3x3 0/7
21 Ένα φίλτρο μέσης τιμής με προσαρμογή των συντελεστών Χρησιμοποιείται η αντίστροφη βάθμωση -inverse gradient δ(i,j,m,m)=/ g(m,n)-g(i,j) Εάν g(m,n)=g(ι,j) ορίζουμε δ= (και όχι ) h ij h( i, j) = 0.5 δ ( i, j, m, n) δ ( i, j, m, n) m, n /7
22 Μέση τιμή με περιστρεφόμενη μάσκα Με την διαδικασία αυτή αποφεύγεται η θόλωση Η έξοδος στο φίλτρο αυτό υπολογίζεται ως η μέση τιμή από τα pixel μίας περιστρεφόμενης μάσκας που έχουν την μεγαλύτερη ομογένεια Η ομογένεια υπολογίζεται από την τιμή της διακύμανσης /7
23 Μέση τιμή σε πολλά frames (averaging) Χαρακτηριστική εφαρμογή: μείωση θορύβου αρχική τελική s=imread('saturn.tif'); i=imnoise(s,'gaussian');i=double(i)/55; i=imnoise(s,'gaussian');i=double(i)/55; i3=imnoise(s,'gaussian');i3=double(i3)/55; i4=imnoise(s,'gaussian');i4=double(i4)/55; i=(i+i+i3+i4)/4; figure(); imshow(s) figure(); imshow(i) 3/7
24 Gaussian φίλτρα Οι συντελεστές των Gaussian φίλτρων δίνονται από τη μορφή της Gaussian συνάρτησης: g(x)=exp(-x /σ ) σε μία διάσταση g(i, j)=exp(-(i +j )/σ ) σε δύο διαστάσεις 4/7
25 Ιδιότητες Gaussian συνάρτησης. Είναι ανεξάρτητη της διεύθυνσης.. Έχει μόνο έναν λοβό, δηλαδή οι συντελεστές του αντίστοιχου φίλτρου ελαττώνονται μονότονα με την απόσταση. 3. Ο μετασχηματισμός Fourier της Gaussian συνάρτησης είναι επίσης Gaussian, με αποτέλεσμα οι ανεπιθύμητες υψηλές συχνότητες να μην ενισχύονται. g(i, j)=exp(-(i +j )/σ G(u, v)=exp(-(u +v ) σ / 5/7
26 Ιδιότητες Gaussian συνάρτησης (συνέχεια) 5. Η παράμετρος σ δίνει τη δυνατότητα ελέγχου του βαθμού φιλτραρίσματος. 6. Είναι διαχωρίσιμη σε οριζόντια και κάθετη διαδικασία. λεπτομέρειες 7. Διαδοχικό φιλτράρισμα με Gaussian φίλτρο διακύμανσης σ είναι ισοδύναμο με ένα φιλτράρισμα από Gaussian διακύμανσης / σ. 6/7
27 7/7
28 ΔΠΜΣ Σ. Φωτόπουλος Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ.3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ 8/7 Σχεδιασμός Gaussian φίλτρων Μία προσέγγιση δίνεται από τους συντελεστές δυωνυμικής κατανομής: π.χ. Για 5 σημεία οι συντελεστές είναι: Προφανώς η άμεση προσέγγιση γίνεται από τησχέσηορισμού: ) g( ), g( e e j) g(i, j i ρ = θ ρ = = = σ ρ σ + n n x n n... x n x n 0 n x) ( = +
29 Για n=7 και σ =, η σχέση () δίνει: Παρατηρούμε πως οι συντελεστές είναι συμμετρικοί και φθίνουν μονότονα με την απόσταση από τοpixel (i, j)= (0, 0) 9/7
30 Gaussian φίλτρα παράδειγμα Αρχική σ= σ= σ=4 30/7
31 Gaussian φίλτρα παράδειγμα 3/7
32 Ιδανικά φίλτρα -IIR φίλτρα Ένα ιδανικό βαθυπερατό φίλτρο θα είχε μία απόκριση συχνότητας που θα ήταν μηδενική για συχνότητες μεγαλύτερες από μία δοθείσα «ακτινική» ήτετραγωνική συχνότητα ω C H(ω,ω ) =, 0 έαν ω + ω διαφορετικά ω C H 0.5 H(ω,ω, ) = έαν ω ω C 0 διαφορετικά,ω Απόκριση : h(m,n)=aω C ω C sinc(ω C m)sinc(ω C n) ω C 0 00 ω 0-00 ω C -50 ω /7
33 H(ω Butterworth φίλτρα Μία προσέγγιση της ιδανικής συνάρτησης γίνεται με συναρτήσεις Butterworth:,ω ) = ω + + ω C Σε μία διάσταση η απόκρισή τους έχει την παρακάτω μορφή: ω k Μέτρο Butterworh 5 ης τάξεως ω C = Συχνότητα x π 33/7
34 Butterworth φίλτρα H ( u, v ) = + [ D ( u, v ) / D ] n 0 34/7
35 Butterworth φίλτρα Παράδειγμα Υλοποίηση στο πεδίο των συχνοτήτων Αρχική εικόνα (α) (β) (γ) Φιλτράρισμα με τρία διαφορετικά φίλτρα Butterworth α) ω C =4 β )ω C =6, και γ)ω C =8 35/7
36 ΜΗ ΓΡΑΜΜΙΚΑ Φίλτρα διάμεσης τιμής (Median filters) Διάταξη σύμφωνα με την τιμή του pixel διάμεση 5 τιμή Η υλοποίησή τους γίνεται με καθορισμό ενός παραθύρου (μάσκας) που διατρέχει όλη την εικόνα και επιλέγεται ως έξοδος η μεσαία (median) τιμή. 36/7
37 Φίλτρα διάμεσης τιμής (median) Ιδιότητες Είναι ΜΗ ΓΡΑΜΜΙΚΑ median {x,x,x3} +median{y,y,y3} median{x+y,x+y,x3+y3} Επανειλημμένη εφαρμογή του median φίλτρου καταλήγει σε εικόνες που δεν μεταβάλλονται. Αυτά είναι τα Σήματα - ρίζες 37/7
38 Σημεία στα άκρα της εικόνας Είναι ουσιώδης η διαδικασία στα σημεία που βρίσκονται στο άκρο της εικόνας. 38/7
39 Σήματα Ρίζες (μία διάσταση) Αρχικό σήμα ο φιλτράρισμα (Ν=3) ο 3 ο Μετά το δεύτερο φιλτράρισμα το σήμα ΔΕΝ αλλάζει τιμή 39/7
40 Φίλτρα διάμεσης τιμής (median) Απόκριση σε ακμή α διάσταση: φίλτρο μέσης τιμής median (n=3) και διαστάσεις -εικόνα Η αρχική εικόνα ακμή μένει αμετάβλητη στην εφαρμογή median ενώ «λειαίνεται» από φίλτρο μέσης τιμής 40/7
41 Φίλτρα διάμεσης τιμής (median) Aπόκριση σε παλμό (salt & pepper, impulsive) Εικόνα με ένα παλμό Εξοδος Median φίλτρου (3x3) Εξοδος averager (3x3) Eίναι εμφανής η εξάπλωση του παλμού. 4/7
42 Φίλτρα διάμεσης τιμής παράδειγμα Aρχική εικόνα Εικόνα με κρουστικό θόρυβο 0% median φίλτρο φίλτρο μέσης τιμής Έξοδος median φίλτρου. Ο κρουστικός θόρυβος είναι 0% και εξαλείφεται εντελώς. Αντίστοιχα το φίλτρο μέσης τιμής έχει πολύ φτωχή συμπεριφορά. 4/7
43 Median filtering Συμπερασματικά : Τι θα γίνει στην ακμή και τι γύρω από το λευκό pixel?? 43/7
44 Αλγόριθμος υλοποίησης median φίλτρων Γενίκευση: φίλτρα σωρού (stack filters) 44/7
45 Φίλτρα σωρού (stack filters) Φίλτρα σωρού stack filters. Στην είσοδο το σήμα αποσυντίθεται με κατωφλιοποίηση και προστίθενται οι έξοδοι. Εάν κάθε γραμμή πραγματοποιεί median πράξη το άθροισμα των δυαδικών εξόδων θα είναι το median φιλτρο 45/7
46 Θετική συνάρτηση Boole Positive boolean function PBF για median φιλτρο 3 σημείων med{x,x,x3 } η ισοδύναμη δυαδική Boolean συνάρτηση: f(x; x; x3) = xx + xx3 +xx3 Γενικά: f(x, x, x3, x4 x5) = xx + xx3x4 + x4x5 Max-min 46/7
47 ΔΠΜΣ Σ. Φωτόπουλος Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ.3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ 47/7 Β. Υψιπερατά φίλτρα Ιδιότητες: Εξασθενούν τις χαμηλές συχνότητες σε μία εικόνα και τονίζουν τις υψηλές. Τονίζουν τις μεταβολές της εικόνας (contrast). Δίνουν έμφαση στις λεπτομέρειες. Ενισχύουν τον θόρυβο. 4 υψιπερατές μάσκες 3x3 : (4) (3) 5 () 9 ()
48 Παράδειγμα Αρχική εικόνα (α) (β) (γ) Ηεικόνα(α) έχει προέλθει με εφαρμογή του υψιπερατού φίλτρου (4) στην αρχική εικόνα. Επίσης έχει γίνει κλιμάκωση ώστε και οι αρνητικές τιμές να μετατοπισθούν στο διάστημα 0-. Η (β) έχει προέλθει με εφαρμογή αντίστοιχα του φίλτρου (3) χωρίς καμία κλιμάκωση των τιμών, ενώ στο (γ) έχει γίνει κλιμάκωση. 48/7
49 Α πλάτος Βαθυπερατό φίλτρο Υψιπερατό φίλτρο Γενικά: 0 Συχνότητα H hp (ω,ω )=-Η lp (ω,ω ) 49/7
50 Unsharp masking Από ένα κλάσμα α της αρχικής εικόνας f(k, k ) αφαιρείται το αποτέλεσμα εξόδου βαθυπερατού φίλτρου f L (k, k ). Η έξοδος g(k, k ) είναι: g(k, k ) = αf(k, k ) - f L (k, k ) Αν α=, το αποτέλεσμα είναι υψιπερατό φίλτρο. Αν α>, τότε ένα βαθυπερατό τμήμα της εικόνας προστίθεται στο αποτέλεσμα (high boost filter) Μία υλοποίηση: -/9 -/9 -/9 -/9 w/9 -/9 -/9 -/9 -/9 Όπου w = 9α - 50/7
51 Unsharp masking = αφαίρεση της «θολωμένης» εικόνας Παράδειγμα ο Εικόνα εισόδου Εικόνα εξόδου Unsharp masking με α> 5/7
52 Παράδειγμα ο RGB εικόνα Εφαρμογή στην συνιστώσα της έντασης 5/7
53 Διανυσματικές και βαθμωτές επεξεργασίες Στις βαθμωτές διαδικασίες επεξεργασίας εφαρμόζονται οι μέθοδοι για γκρίζες (gray scale) εικόνες με δύο τρόπους: α) ξεχωριστά σε κάθε κανάλι της εικόνας β) στη συνιστώσα φωτεινότητας (Υ) Στις διανυσματικές διαδικασίες οι τρεις τιμές R,G,B θεωρούνται συνιστώσες ενός διανύσματος και οι μέθοδοι που χρησιμοποιούνται είναι βέβαια μέθοδοι διανυσματικής ανάλυσης. Μία κλασσική τέτοια μέθοδος είναι η διαδικασία του διανυσματικού διάμεσου. 53/7
54 Διανυσματικός διάμεσος Vector median Πώς διατάσσονται N διανύσματα?. Υπολογίζονται οι αποστάσεις d(x i x j ) κάθε διανύσματος x i από όλα τα υπόλοιπα. Υπολογίζεται η συνολική απόσταση: d i = n j= d(x i,x j ) d(x 4 x 3 ) Ο διανυσματικός διάμεσος - Vector Median Filter VMFαντιστοιχεί στο μικρότερο d i 54/7
55 Median και διεκθετική κατανομή Σ x-x i =min e x x e x x e x x 3...e x x Ν = e i x x ι = max Εκτιμητής μέγιστης πιθανοφάνειας Maximum likelihood estimator 55/7
56 Vector Directional Filters - VDF α i = όπου n j= A(x A(x i i,x,x j j ) ) = cos x x i i x t j x j A 3, Ο VD διανυσματικός διάμεσος αντιστοιχεί στο μικρότερο a i 56/7
57 Vector median filters παράδειγμα (a) Η εικόνα Peppers, 56x56, 4-bit per pixel, (b)noisy Image, (c) Η έξοδος του VMF. Ο Θόρυβος στην αρχική εικόνα είναι gaussian(0,5 ) και κρουστικός(%) σε κάθε κανάλι. 57/7
58 Ομομορφική επεξεργασία i(n,n ) i(n,n ) f(n,n )=i(n,n ) r(n,n ) f(n,n )=i(n,n ) r(n,n ) r(n,n ) r(n,n ) 58/7
59 Ομομορφική επεξεργασία α< βαθυπερατό φίλτρο log i(n,n ) f(n,n ) log exp p(n,n ) Υψιπερατό φίλτρο log r(n,n ) β> 59/7
60 παράδειγμα H ( u, v) = ( γ L = 0.5, ( γ γ H H γ L =.0) [ ] c( D ( u, v)/ D ) e ) 0 + γ, L Αρχική και επεξεργασμένη εικόνα 60/7
61 μ = σ ΝΜ = ΝΜ n, n Wiener φίλτρα Βασίζονται στον τοπικό (παράθυρο η) υπολογισμό της μέσης τιμής μ και διακύμανσης σ. Δίνεται και η διακύμανση ν του θορύβου α( n η n, n [ α η, n ( n ), n ) μ ] Η «έξοδος» του φίλτρου b δίνεται από την σχέση: σ ν (n,n ) = μ + [α(n,n ) μ] σ b Σε περιοχές όπου σ>>ν προστίθεται στη μέση τιμή μ το τοπικό contrast α-μ 6/7
62 Wiener φίλτρα -παράδειγμα Η αρχική εικόνα Η εικόνα με θόρυβο-'speckle' Ηέξοδος του φίλτρου wiener για παράθυρο 7x7. 6/7
63 Φίλτρα ανισοτροπικής διάχυσης Αναφέρονται σε γκρίζες (gray scale) εικόνες Προσομοιάζουν την ανισοτροπική διάχυση της θερμότητας Σχετίζονται με τα Gaussian φίλτρα αλλά, Η θόλωση της εικόνας ΔΕΝ είναι σε όλες τις κατευθύνσεις ίδια (ανισοτροπική). Προσαρμόζεται στα τοπικά χαρακτηριστικά της εικόνας (όρια αντικειμένων). 63/7
64 Τι είναι διάχυση Διάχυση /7
65 εξίσωση διάχυσης: t I(x, y, t) = ( c(x, y, t) I) = c(x, y, t) I + c I συνάρτηση διάχυσης c(x,y,t)=g( I(x,y,t) ) g I K ( I) = e g g g ( I) = α > + α I + Κ 0 65/7
66 συνάρτηση ροής Φ = c(x, y, t) I(x, y, t) = I K e Ι ή Ι + α I + Κ 66/7
67 t I(x, y,t) = ( c(x, y,t) I) Διακριτή (ψηφιακή) υλοποίηση. Στο διακριτό χώρο η βάθμωση μπορεί να προσεγγισθεί σαν διαφορά στην ένταση μεταξύ γειτονικών pixels. Η συνάρτηση ροής μπορεί να υπολογισθεί ανεξάρτητα για κάθε γειτονικό pixel. 3. Το φίλτρο είναι επαναληπτικό. Το δεξιό μέρος της εξίσωσης περιγράφει την μεταβολή στην ένταση που παράγεται σε μία επανάληψη του φίλτρου 67/7
68 I Βασική επαναληπτική σχέση t+ t t i,j = I i,j + λ[c N Δ ΝI + cs ΔSI + ce ΔΕI + c W Δ WI] i,j 0 λ /4 Δ Ν I i,j Ii,j Ii,j Δ S I i,j I i+,j I i, j Δ E I i,j Ii,j+ Ii,j ΔWIi,j Ii,j Ii, j t t c = g ( I ) t t c = g ( I ) t t c = g ( I ) t c = g ( I ) Ni,j i+,j Si,j i,j Ei,j i,j+ Wi,j t i,j 68/7
69 (α) (β) (γ) (δ) (ε) α) Αρχική εικόνα β) μετά από N=0, K=0 (ανισοτροπική θόλωση) γ) μετά από N=0, K=0 ( «) δ) μετά από N=0, K=30 ( «) ε)εικόνα μετά από N=0, (Gaussian θόλωση) Ν=αριθμός επαναλήψεων 69/7
70 Λογικές πράξεις AND ΟR -XOR x AND y = εάν x και y είναι =0 διαφορετικά x ΟR y = εάν x ή y είναι =0 διαφορετικά x y x XOR y AND εφαρμογή για εντοπισμό ενός τμήματος εικόνας 70/7
71 Διαδικασία «απόκρυψης» encryption Βασίζεται στην ταυτότητα: (a XOR b) XOR b=α Step Boolean Expression Binary Comments. ASCII "A" a Original "message:. "Random" Bits b 0 00 Pseudo-random value from "random" number generator 3. XOR to encrypt 4. "Random" Bits 5. XOR to decrypt a XOR b 00 0 Encrypted "message" b 0 00 (a XOR b) XOR b Same "Random bits" as above Decrypted "message" (same as original) 7/7
72 ασκήσεις 3. Να υλοποιηθεί συνέλιξη με διαδικασία Μετασχ. Fourier 3. Να υλοποιηθεί ο Διανυσματικός διάμεσος - εφαρμογή σε έγχρωμη εικόνα 3.3 Να υλοποιηθεί vector directional filter - εφαρμογή σε έγχρωμη εικόνα 3.4 Να υλοποιηθεί η ομομορφική επεξεργασία- εφαρμογή σε έγχρωμη εικόνα 3.5 Unsharp masking υλοποίηση εφαρμογή σε gray scale εικόνα 3.6 Φιλτράρισμα με Butterworth φίλτρα - εφαρμογή σε gray scale εικόνα 3.7 Anisotropic diffusion (Perona Malic) υλοποίηση 3.8 Να υλοποιηθεί η διαδικασία encryption σε μία εικόνα 7/7
Βελτίωση - Φιλτράρισμα εικόνας
Βελτίωση - Φιλτράρισμα εικόνας Σ. Φωτόπουλος Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ.3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ /76 Βελτίωση εικόνας με φιλτράρισμα Το φιλτράρισμα εικόνας είναι ουσιαστικά συνέλιξη y(n, n ) = x(n, n )*
Διαβάστε περισσότεραΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ (ΦΙΛΤΡΑΡΙΣΜΑ)
-- ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ (ΦΙΛΤΡΑΡΙΣΜΑ) 3. Εισαγωγή Η βελτίωση εικόνας είναι συνήθως διαδικασία φιλτραρίσµατος δηλ. συνέλιξης µε συγκεκριµµένη διδιάσταση µάσκα και στοχεύει στην ανάδειξη χαρακτηριστικών ή ελάττωση
Διαβάστε περισσότεραΜη γραμμικά Φίλτρα. Μεταπτυχιακό Πρόγραμμα. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 1/50
Μη γραμμικά Φίλτρα Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ /50 Φίλτρα διάμεσης τιμής (median,order statistic) Μη γραμμικά φίλτρα μέσης τιμής Μορφολογικά φίλτρα Ομομορφικά φίλτρα Πολυωνυμικά φίλτρα Σ. Φωτόπουλος
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 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 περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Χωρικά φίλτρα Χωρικά φίλτρα Γενικά Σε αντίθεση με τις σημειακές πράξεις και μετασχηματισμούς, στα
Διαβάστε 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 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 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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ακαδημαϊκό Έτος Παρουσίαση Νο. 2. Δισδιάστατα Σήματα και Συστήματα #1
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 009-0 Παρουσίαση Νο. Δισδιάστατα Σήματα και Συστήματα # Βασικοί ορισμοί () Κάθε εικόνα είναι ένα δισδιάστατο (-D) σήμα. Αναλογική εικόνα: x α Ψηφιακή
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 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 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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ακαδημαϊκό Έτος Παρουσίαση Νο. 2. Δισδιάστατα Σήματα και Συστήματα #1
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 06-7 Παρουσίαση Νο. Δισδιάστατα Σήματα και Συστήματα # Βασικοί ορισμοί () Κάθε εικόνα είναι ένα δισδιάστατο (-D) σήμα. Αναλογική εικόνα: x t, t,
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 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 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 περισσότεραΝοέμβριος 2005 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/53
Νοέμβριος 5 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ /53 Ακμή ή περίγραμμα (edge) σεμιαεικόναχ ij ορίζεται ως το σύνολο των σημείων στη θέση i,j της εικόνας, όπου παρατηρείται μία σημαντική αλλαγή
Διαβάστε 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 περισσότεραΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΑΣΚΗΣΗ 5
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ ΑΣΚΗΣΗ 5 Α. Σχεδίαση Ψηφιακών Φίλτρων Β. Φίλτρα FIR Σχετικές εντολές του Matlab: fir, sinc, freqz, boxcar, triang, hanning, hamming, blackman, impz, zplane, kaiser. Α. ΣΧΕΔΙΑΣΗ
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 περισσότεραΚεφάλαιο 6 Σχεδιασμός FIR φίλτρων
Κεφάλαιο 6 Σχεδιασμός FIR φίλτρων Φίλτρα πεπερασμένης κρουστικής απόκρισης Finite Impulse Response (FIR) filters y(n) = M k= bk x(n k) / 68 παράδειγμα (εισαγωγικό) y(n) = 9 x(n k ) k= 2/ 68 Βασικές κατηγορίες
Διαβάστε περισσότεραKεφάλαιο 5 DFT- FFT ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER DISCRETE FOURIER TRANSFORM 1/ 80. ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ DFT-FFT Σ.
Kεφάλαιο 5 DFT- FFT ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER DISCRETE FOURIER TRASFORM / x X x X x X x 3 x DFT X 3 X x 5 X 5 x 6 X 6 x 7 X 7 / DFT - Ορισμοί αναφέρεται σε μία πεπερασμένου μήκους ακολουθία σημείων
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 περισσότεραΨηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ
Ψηφιακή Επεξεργασία Εικόνας ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση (Segmentation)
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 6: Απόκριση Συχνότητας Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετασχηματισμός Fourier Διακριτού Χρόνου Η έννοια της Απόκρισης Συχνότητας Ιδιότητες της Απόκρισης
Διαβάστε περισσότεραΑκαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ, ΤΜΗΜΑ Ι ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΨΣ 50: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ακαδηµαϊκό Έτος 005 006, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Η εξέταση
Διαβάστε περισσότεραΨηφιακή Επεξεργασία 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 περισσότεραΑ.Τ.Ε.Ι. Κ ΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜ ΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ "ΑΝΙΧΝΕΥΤΕΣ ΑΚ Μ Ω Ν ΤΑΣΟΣ ΕΥΑΓΓΕΛΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ ΚΡΙΝΙΔΗΣ ΣΤΕΛΛΙΟΣ
Α.Τ.Ε.Ι. Κ ΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜ ΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ "ΑΝΙΧΝΕΥΤΕΣ ΑΚ Μ Ω Ν ΤΑΣΟΣ ΕΥΑΓΓΕΛΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ ΚΡΙΝΙΔΗΣ ΣΤΕΛΛΙΟΣ ΚΑΒΑΛΑ 2009 Περίληψη Η παρακάτω πτυχιακή εργασία περιλαμβάνει
Διαβάστε περισσότεραΝοέμβριος 2013 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/57
Νοέμβριος 3 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ /57 Ακμή ή περίγραμμα (edge) σε μια εικόνα Χ ij ορίζεται ως το σύνολο των σημείων στη θέση i,j της εικόνας, όπου παρατηρείται μία σημαντική
Διαβάστε περισσότεραFFT. εκέµβριος 2005 ΨΕΣ 1
FFT εκέµβριος 5 ΨΕΣ Ορισµοί O διακριτός µετασχηµατισµός Fourier DFT, αναφέρεται σε µία πεπερασµένου µήκους ακολουθία σηµείων και ορίζεται ως εξής: και ο αντίστροφος µετασχηµατισµός (inverse DFT) : όπου:
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 περισσότεραΣήματα και Συστήματα. Διάλεξη 9: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 9: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Fourier 1. Μετασχηματισμός Fourier
Διαβάστε περισσότεραΡαδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Ιωάννης Φαρασλής Τηλ : 24210-74466,
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας ΚΕΦ4 -1- ΑNIΧΝΕΥΣΗ ΑΚΜΩΝ (EDGE DETECTION)
-- ΑNIΧΝΕΥΣΗ ΑΚΜΩΝ (EDGE DETECTION) 4. Εισαγωγικά Ακµή ή περίγραµµα (edge) σε µια εικόνα Χ ij ορίζεται ως το σύνολο των σηµείων στη θέση i,j της εικόνας, όπου παρατηρείται µία σηµαντική αλλαγή της έντασης
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 περισσότεραΕισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Διάλεξη 3 η Τα Συστήματα στις Τηλεπικοινωνίες
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 περισσότερα17-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 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 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 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 περισσότεραΔιάλεξη 2. Συστήματα Εξισώσεων Διαφορών ΔιακριτάΣήματαστοΧώροτης Συχνότητας
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 2 Συστήματα Εξισώσεων Διαφορών Συστήματα Εξισώσεων Διαφορών Γραμμικές Εξισώσεις Διαφορών με Σταθερούς Συντελεστές (Linear Constant- Coefficient
Διαβάστε 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 περισσότεραDFT ιακριτός µετ/σµός Fourier Discrete Fourier Transform
DFT ιακριτός µετ/σµός Fourier Discrete Fourier Transform Νοέµβριος 5 ΨΕΣ Ορισµοί O διακριτός µετασχηµατισµός Fourier DFT, αναφέρεται σε µία πεπερασµένου µήκους ακολουθία σηµείων και ορίζεται ως εξής: X(
Διαβάστε περισσότεραΤηλεπισκόπηση - Φωτοερμηνεία
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας
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 περισσότεραΕισαγωγή στις Τηλεπικοινωνίες. Δομή της παρουσίασης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Εισαγωγή στις Τηλεπικοινωνίες Εφαρμογές της Ανάλυσης Fourier Αθανάσιος
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 περισσότεραΕπομένως το εύρος ζώνης του διαμορφωμένου σήματος είναι 2.
ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΠΛΗ ΓΙΑ ΤΙΣ ΕΞΕΤΑΣΕΙΣ ΘΕΜΑ Το φέρον σε ένα σύστημα DSB διαμόρφωσης είναι c t A t μηνύματος είναι το m( t) sin c( t) sin c ( t) ( ) cos 4 c και το σήμα. Το διαμορφωμένο σήμα διέρχεται
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Ενότητα : ΤΑΧΥΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ Ενότητα : ΤΑΧΥΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER Aναστασία Βελώνη Τμήμα Η.Υ.Σ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Σημειακή επεξεργασία και μετασχηματισμοί Κατηγορίες μετασχηματισμού εικόνων Σημειακοί μετασχηματισμοί
Διαβάστε 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 περισσότεραΕξεταστική Ιανουαρίου 2007 Μάθηµα: «Σήµατα και Συστήµατα»
Εξεταστική Ιανουαρίου 27 Μάθηµα: «Σήµατα και Συστήµατα» Θέµα 1 ο (3%) Έστω δύο διακριτά σήµατα: x(n) = {1,,, -1} και h(n) = {1,, 1} µε το πρώτο δείγµα να αντιστοιχεί σε n= και για τα δύο. Υπολογίστε τα
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 περισσότεραΕπαναληπτικές Ασκήσεις για το µάθηµα Ψηφιακή Επεξεργασία Σηµάτων
Άσκηση η α) Πώς θα µετρήσετε πρακτικά πόσο κοντά είναι ένα σήµα σε λευκό θόρυβο; Αναφέρατε 3 διαφορετικές µεθόδους (κριτήρια) για την απόφαση: "Ναι, πρόκειται για σήµα που είναι πολύ κοντά σε λευκό θόρυβο"
Διαβάστε περισσότερα2. ΤΟΜΟΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ ΜΕ ΙΣΟΤΟΠΑ
. ΤΟΜΟΓΡΑΦΙΚΗ ΑΠΕΙΚΟΝΙΣΗ ΜΕ ΙΣΟΤΟΠΑ . Αναπαράσταση ψηφιακής εικόνας y Μονόχρωµη εικόνα ή απλά εικόνα : διδιάστατη συνάρτηση φωτεινότητας f (x, y, όπου x, y είναι οι συντεταγµένες στο επίπεδο και η τιµή
Διαβάστε 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 περισσότεραΨηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46
Ψηφιακή Επεξεργασία Εικόνας Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση
Διαβάστε περισσότεραstopband 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 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 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 περισσότερα3. Δίνεται ψηφιακό σύστημα που περιγράφεται από τη σχέση. y[n] = x[n]-2x[n-1] y[n] = x[n]-2x[1-n]
1. Δίνεται ψηφιακό σύστημα που περιγράφεται από τη σχέση y[] = x[]+x[-1]+2 για το σύστημα ισχύει η αρχή της: Α) Ομογένειας Β) Επαλληλίας Γ) Γραμμικότητας. Δ) Χρονικής αμεταβλητότητας. 2. Δίνεται ψηφιακό
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 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 περισσότεραKεφάλαιο 5 DFT- FFT ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER DISCRETE FOURIER TRANSFORM ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΟΣ DFT-FFT. Σ.
Kεφάλαιο 5 DFT- FFT ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER DISCRETE FOURIER TRASFORM x x x IDFT X X X x 3 x 4 DFT X 3 X 4 x 5 X 5 x 6 X 6 x 7 X 7 DFT - Ορισμοί αναφέρεται σε μία πεπερασμένου μήκους ακολουθία
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 13: Ανάλυση ΓΧΑ συστημάτων (Ι) Περιγραφές ΓΧΑ συστημάτων Έχουμε δει τις παρακάτω πλήρεις περιγραφές ΓΧΑ συστημάτων: 1. Κρυστική απόκριση (impulse
Διαβάστε περισσότεραx[n] = e u[n 1] 4 x[n] = u[n 1] 4 X(z) = z 1 H(z) = (1 0.5z 1 )(1 + 4z 2 ) z 2 (βʹ) H(z) = H min (z)h lin (z) 4 z 1 1 z 1 (z 1 4 )(z 1) (1)
Ασκήσεις με Συστήματα στο Χώρο του Ζ Επιμέλεια: Γιώργος Π. Καφεντζης Δρ. Επιστήμης Η/Υ Πανεπιστημίου Κρήτης Δρ. Επεξεργασίας Σήματος Πανεπιστημίου Rennes 1 7 Νοεμβρίου 015 1. Υπολόγισε τον μετ. Ζ και την
Διαβάστε περισσότεραΨηφιακή 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 περισσότεραΣτοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών
Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών Δημήτρης Κουτσογιάννης Τομέας Υδατικών Πόρων και Περιβάλλοντος, Σχολή Πολιτικών Μηχανικών, Εθνικό Μετσόβιο Πολυτεχνείο Αθήνα Επανέκδοση
Διαβάστε περισσότεραΣυστήματα Επικοινωνιών ΙI
+ Διδάσκων: Δρ. Κ. Δεμέστιχας e-mail: cdemestichas@uowm.gr Συστήματα Επικοινωνιών ΙI Ψηφιακή μετάδοση στη βασική ζώνη + Ιστοσελίδα nιστοσελίδα του μαθήματος: n https://eclass.uowm.gr/courses/icte302/ +
Διαβάστε περισσότερα10-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 περισσότερα1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13
ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 1. ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB... 13 1.1. Τι είναι το Matlab... 13 1.2. Περιβάλλον εργασίας... 14 1.3. Δουλεύοντας με το Matlab... 16 1.3.1. Απλές αριθμητικές πράξεις... 16 1.3.2. Σχόλια...
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ. Θ.Ε. ΠΛΗ22 ( ) 2η Γραπτή Εργασία
Θ.Ε. ΠΛΗ 0-3 η Γραπτή Εργασία Στόχος: Η η ΑΠΑΝΤΗΣΕΙΣ εργασία αποσκοπεί στην κατανόηση των συστατικών στοιχείων των αναλογικών διαμορφώσεων, της δειγματοληψίας, και της μετατροπής του αναλογικού σήματος
Διαβάστε περισσότεραΜετασχηµατισµός FOURIER ιακριτού χρόνου DTFT
Σ. Φωτόπουλος ΨΕΣ Κεφάλαιο 3 ο DTFT -7- Μετασχηµατισµός FOURIER ιακριτού χρόνου DTFT (discrete time Fourier transform) 3.. Εισαγωγικά. 3.. Είδη µετασχηµατισµών Fourier Με την ονοµασία Μετασχηµατισµοί Fourier
Διαβάστε περισσότερα4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER
4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Υπολογίζουµε εύκολα τον αντίστροφο Μετασχηµατισµό Fourier µιας συνάρτησης χωρίς να καταφεύγουµε στην εξίσωση ανάλυσης. Υπολογίζουµε εύκολα την απόκριση
Διαβάστε περισσότεραΜετασχηµατισµός Ζ (z-tranform)
Μετασχηµατισµός Ζ (-traform) Εργαλείο ανάλυσης σηµάτων και συστηµάτων διακριτού χρόνου ιεργασία ανάλογη του Μετ/σµού Laplace Απόκριση συχνότητας Εφαρµογές επίλυση γραµµικών εξισώσεων διαφορών µε σταθερούς
Διαβάστε περισσότεραΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ
ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΕΠ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Εισαγωγή Σχηματισμός Εικόνας
Διαβάστε περισσότεραHMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 20: Διακριτός Μετασχηματισμός Fourier (Discrete Fourier Transform DFT)
HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων Διάλεξη 20: Διακριτός Μετασχηματισμός Fourier (Discrete Fourier Transform DFT) Εισαγωγή Μέχρι στιγμής έχουμε δει το Μετασχηματισμό Fourier Διακριτού
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σήματος
Ψηφιακή Επεξεργασία Σήματος Εργαστήριο 3 Εισαγωγή στα Σήματα Αλέξανδρος Μανουσάκης Τι είναι σήμα; Ως σήμα ορίζουμε το σύνολο των τιμών που λαμβάνει μια ποσότητα (εξαρτημένη μεταβλητή) όταν αυτή μεταβάλλεται
Διαβάστε περισσότεραy[n] ay[n 1] = x[n] + βx[n 1] (6)
Ασκήσεις με το Μετασχηματισμό Fourier Διακριτού Χρόνου Επιμέλεια: Γιώργος Π. Καφεντζης Δρ. Επιστήμης Η/Υ Πανεπιστημίου Κρήτης Δρ. Επεξεργασίας Σήματος Πανεπιστημίου Rennes 1 8 Οκτωβρίου 015 1. Εστω το
Διαβάστε περισσότεραFFT. 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 περισσότεραΣΕΙΡΕΣ ΚΑΙ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ FOURIER. e ω. Το βασικό πρόβλημα στις σειρές Fourier είναι ο υπολογισμός των συντελεστών c
ΣΕΙΡΕΣ ΚΑΙ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ FOURIER x(t+kτ) = x(t) = π/ω f = / x(t) = = 8 c j t e ω c = (a-jb ) Το βασικό πρόβλημα στις σειρές Fourier είναι ο υπολογισμός των συντελεστών c. Αυτός γίνεται κατορθωτός αν
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 περισσότεραΨηφιακά Φίλτρα. Κυριακίδης Ιωάννης 2011
Ψηφιακά Φίλτρα Κυριακίδης Ιωάννης 2011 Συνέλιξη Convolution) Με το άθροισμα της συνέλιξης μπορούμε να βρούμε την απόκριση ενός συστήματος διακριτού χρόνου για είσοδο xn), αν γνωρίζουμε την κρουστική του
Διαβάστε 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 περισσότεραΕισαγωγή στα Σήματα. Κυριακίδης Ιωάννης 2011
Εισαγωγή στα Σήματα Κυριακίδης Ιωάννης 2011 Τελευταία ενημέρωση: 11/11/2011 Τι είναι ένα σήμα; Ως σήμα ορίζουμε το σύνολο των τιμών που λαμβάνει μια ποσότητα (εξαρτημένη μεταβλητή) όταν αυτή μεταβάλλεται
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 περισσότεραΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ. DTFT και Περιοδική/Κυκλική Συνέλιξη
ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ DTFT και Περιοδική/Κυκλική Συνέλιξη Διακριτός μετασχηματισμός συνημιτόνου DCT discrete cosine transform Η σχέση αποτελεί «πυρήνα»
Διαβάστε περισσότεραΑσκήσεις Επεξεργασίας Εικόνας
Ασκήσεις Επεξεργασίας Εικόνας. Εύρεση στοιχείων μιας περιοχής με ιδιότητα συγκεκριμένης γειτονιάς Άσκηση. Έστω δύο υποσύνολα πίνακα εικόνας S και S2 η οποία φαίνεται στο σχήμα παρακάτω. Για σύνολο τιμών
Διαβάστε 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 περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα Δρ. Δημήτριος Ευσταθίου Επίκουρος Καθηγητής ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ LAPLACE Αντίστροφος Μετασχηματισμός Laplace Στην
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 8: Ιδιότητες του Μετασχηματισμού Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 8: Ιδιότητες του Μετασχηματισμού ourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ιδιότητες του Μετασχηματισμού ourier 1. Ιδιότητες του Μετασχηματισμού ourier 2. Θεώρημα
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 10: Διακριτός Μετασχηματισμός Fourier (DFT) Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετασχηματισμός Fourier Διακριτού Χρόνου Διακριτός Μετασχηματισμός Fourier (DFT)
Διαβάστε περισσότεραΑΝΑΛΥΣΗ 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 περισσότεραΣήματα και Συστήματα. Διάλεξη 13: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Laplace. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 13: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Laplace Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Laplace 1. Επίλυση Γραμμικών
Διαβάστε 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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στις τεχνικές βελτίωσης εικόνας
Διαβάστε περισσότεραDIP_04 Βελτιστοποίηση εικόνας. ΤΕΙ Κρήτης
DIP_04 Βελτιστοποίηση εικόνας ΤΕΙ Κρήτης ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Σκοπός µιας τέτοιας τεχνικής µπορεί να είναι: η βελτιστοποίηση της οπτικής εµφάνισης µιας εικόνας όπως την αντιλαµβάνεται ο άνθρωπος, η τροποποίηση
Διαβάστε 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 περισσότερα