Motivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
|
|
- Thilo Böhler
- vor 7 Jahren
- Abrufe
Transkript
1 Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust Diskretisierung und Quantisierung Günther Greiner Lehrstuhl für Graphische Datenverarbeitung Sommersemester 2008 G. Greiner, U. Rüde FAU Erlangen-Nürnberg G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 2 Diskretisierung Diskretisierung: Abtastung einer (mehrdimensionalen) Funktion an diskreten Werten (der unabhängigen Variablen) Quantisierung: Darstellung/Approximation der (reellen) Funktionswerte durch eine endliche Zahl von Repräsentanten Standardfall: Approximation der reellen Zahlen bzw. reellwertigen Vektoren durch Gleitpunktzahlen. Überblick Diskretisierung und Quantisierung Diskretisierung Faltung Fourier Transformation Abtasttheorem Aliasing Moiré-Effekt Quantisierung Diskrete Approximation reeller Werte Beispiel: Quantisierung von Farbwerten Vektorquantisierung G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 3 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 4
2 Faltung I Für Funktionen f, g : D C ist die Faltung definiert durch Anschaulich: mathematischer Operator, welcher für zwei Funktionen f und g eine dritte Funktion liefert, die die "Überlappung" zwischen f und einer gespiegelten verschobenen Version von g angibt. Diskrete Faltung Faltung II Die Faltung ist ein geeignetes Modell zur Beschreibung zahlreicher physikalischer Vorgänge. Die lineare Filterung eines Signals ist die Faltung der Original-Funktion mit der Impulsantwort dar. Bei optischen Abbildungen stellt das Bild die Faltung der originalen Bildfunktion mit der Punkt-Verbreiterungs- Funktion (Point Spread Function oder PSF) dar. Diffusions-Prozesse lassen sich durch die Faltung ebenfalls beschreiben. Wenn X und Y zwei statistisch unabhängige Zufallsprozesse mit den Verteilungsdichtefunktionen f und g sind, dann ist die Verteilungsdichtefunktion des Summenprozesses X+Y gegeben als f * g. G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 5 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 6 Faltung III Beispiel: Kantendetektion I Implementierung für Bild: Maske läuft über das Bild Glättung: Faltungskern z.b. diskrete Gaussfunktion Kantendetektion: Faltungskern z.b. Sobeloperator G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 7 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 8
3 Kantendetektion II: Sobeloperator Fourier Transformation (FT) FT / Inverse FT einer Funktion f Original Sobel Sobel horizontal vertikal Kombination Die Fouriertransformierte wird auch Spektralfunktion von genannt k ist Wellenzahl, Wellenlänge λ = (2 π) / k Entwicklung/Superposition einer Funktion nach einem vollständigen Satz orthogonaler Funktionen G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 9 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 10 Fourier Transformation - Beispiele Tiefpass und sinc Abtasten und Dirac-Funktion Die Dirac-Funktion: Gaussfunktion Die Kamm-Funktion Fouriertransformation von Kamm ist wieder Kamm Dirac und Kamm Abtasten = Multiplikation mit Kamm G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 11 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 12
4 Faltungssatz Die Fourier-Transformation macht aus der Faltung eine Multiplikation und aus der Multipikation eine Faltung: Diskretisierung einer Funktion Die Diskretisierung einer Funktion wird mathematisch durch Multiplikation mit einem Deltakamm (Nagelbrettfunktion) beschrieben Gleiches gilt für f r die Inverse Fourier Transformation Dabei ist r m = mh mit m Z, und Maschenweite h > 0 Im Frequenzraum entspricht diese Operation: Faltung der Fouriertransformierten mit der F- Transformierten des Deltakamms.! Letzteres ist wieder ein Deltakamm! Somit ergibt sich eine periodische Überlagerung G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 13 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 14 Beispiel zum Faltungssatz Signal Spektralfunktion Beispiel zum Faltungssatz Signal Spektralfunktion G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 15 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 16
5 Abtasttheorem Ist das Spektrum einer kontinuierlichen Funktion d.h. und wird mit einer Schrittweite abgetastet. Dann kann exakt rekonstruiert werden. bandbegrenzt, Abtasttheorem - Beweis Rekonstruktion mit sinc Aufgrund der Voraussetzung gilt und nach Rücktransformation Die maximale Wellenzahl, die ohne Fehler abgetastet werden kann, wird Als Nyquist-Wellenzahl oder Grenzwellenzahl bezeichnet. oder Merkregel: Abtastfrequenz mind. doppelt so groß wie maximale Frequenz G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 17 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 18 Beispiel zum Faltungssatz Signal Spektralfunktion Beispiel zum Faltungssatz Signal Spektralfunktion G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 19 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 20
6 Fourier und Faltung in 2D bzw. 3D Tensorproduktansatz Diskrete Fourier Transformation (DFT) DFT / Inverse DFT eines n-dimensionalen Vektors f Separierbare Filterkerne Schnelle Berechnung durch FFT : O(n log(n)! e.g. Gaussfilter G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 21 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 22 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 24 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 25
7 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 26 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 27 Aliasing I Dieser Effekt kann auftreten, wenn das zu messende Signal von einem weiteren, höherfrequenten Signal überlagert wird. Dabei wird durch die hohe Frequenz eine nicht vorhandene, tiefere Frequenz vorgetäuscht. G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 28 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 33
8 Aliasing II Aliasing III Linie in schrägem Winkel gezacktes Erscheinungsbild = Aliasing Antialiasing: Pixel in der Nähe der Linie werden mit verschiedenen Zwischentönen von Linienfarbe und Hintergrundfarbe versehen. werden. Glättung der Linie (oder Kante) für das Auge. Reference image Aliasing Filtered image G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 34 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 35 Moiré Effekt I Moiré Effekt III Optische Täuschung, die den Eindruck von Helligkeitsschwankungen und Verzerrungen erzeugt. Der Moiré-Effekt tritt auf, wenn sich Raster oder Linien überlagern, also bei entsprechend dargestellten Bildern (etwa: Halbbilder). G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 36 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 38
9 Moiré Effekt IV Überblick Diskretisierung und Quantisierung Diskretisierung Faltung Fourier Transformation Abtasttheorem Aliasing Moiré-Effekt Quantisierung Diskrete Approximation reeller Werte Beispiel: Quantisierung von Farbwerten Vektorquantisierung G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 39 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 40 Quantisierung Diskretisierung: Abtastung einer (mehrdimensionalen) Funktion an diskreten Werten (der unabhängigen Variablen) Quantisierung: Darstellung/Approximation der (reellen) Funktionswerte durch eine endliche Zahl von Repräsentanten Standardfall: Approximation der reellen Zahlen bzw. reellwertigen Vektoren durch Gleitpunktzahlen. Diskrete Approximation reeller Werte I Zu approximieren r R, r min r r max Wertebereich W := [r min, r max ] Zerlegung in disjunkte, gleich grosse Teilintervalle L = 2 B Teilintervalle [w j, w j+1 ] Kodierung mit j [1,2 B -1] Repräsentant r j [w j, w j+1 ], z.b: r j := r min + j d, d = (r max -r min )/L Quantisierung: Q: r r j falls r w j Beobachtung: nicht optimal! G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 41 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 42
10 Diskrete Approximation reeller Werte II Verbesserung: w j nicht äquidistant w j+1 w j = d j Ist r Realisierung einer Zufallsvariablen mit Dichte p(ζ), d.h. Diskrete Approximation reeller Werte III Satz: (1) wird miminiert durch p(ζ) = 0 für ζ < r min oder ζ > r max Mittlerer quadratischer Fehler Ziel: Minimierung des Fehlers Beweis G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 43 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 44 Quantisierung von Farbwerten Approximation Vektoren: Vektorquantisierung Mehrdimensionaler Fall: Zu approximieren r = [r 1,, r n ] IR n, r i,min r i r i,max, i [1,, n] Beispiel 2D: Wertebereich W := [w 1,min,w 1,max] [w 2,min,w 2,max ] Quantisierung in Rechtecke i.a. nicht optimal! 24bpp 8bpp 4bpp L Vektoren r i als Repräsentanten (Codewörter) für disjunkte Teilgebiete w i Quantisierungsfehler (p(r) ist r-dim. Dichte) G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 45 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 46
11 Vektorquantisierung II Satz: (1) wird für gegebene Repräsentanten r i, i = 1,, L minimiert wenn mit r w i Ist eine Zerlegung von W in disjunkte W i gegeben, dann gilt für die Repräsentanten Vektorquantisierung III Gegeben: Menge von M k-dim. Trainingsvektoren T = {x 1,,x M } Menge von L k-dim. Codevektoren C = {r 1, r L } Zu den Codevektoren gehörige Partition P = {p 1,,p L } des R k Funktion Q: R k R k, die jedem Trainingsvektor einen Codevektor zuordnet Falls ein Trainingsvektor x i in p j liegt, wird er durch Q(x i ) = r j approximiert Ziel: Minimiere den Fehler Berechnung der optimalen Vektorquantisierung läuft iterativ! G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 47 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 48 Vektorquantisierung IV Optimalitätskriterien Nearest Neighbor Condition Vektorquantisierung IV: LBK- Algorithmus 1. Berechne Startlösung 2. Splitting der Codebook-Vektoren Centroid Condition Startlösung 3. Zuordnung der Samples zu Codebook-Vektoren 4. Berechnung der neuen Codebook-Vektoren 5. Falls Fehler groesser als Schranke, gehe zu 3 6. Gehe zu 2, falls gewünschte Anzahl der Codebook-Vektoren noch nicht erreicht G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 49 G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 50
12 Vektorquantisierung IV: Ergebnisse G. Greiner, U. Rüde Algorithmik III, Sommer 2008 FAU Erlangen-Nürnberg 51
Diskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrBildpunkt auf dem Gitter: Pixel (picture element) (manchmal auch Pel)
4. Digitalisierung und Bildoperationen 4.1 Digitalisierung (Sampling, Abtastung) Rasterung auf 2D-Bildmatrix mathematisch: Abb. einer 2-dim. Bildfunktion mit kontinuierlichem Definitionsbereich auf digitales
MehrDigitalisierung und Quantisierung (2) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil 2) Digitalisierung und Quantisierung (2) Überblick Diskretisierung Faltung Fourier Transformation Abtasttheorem Aliasing / Anti-Aliasing
MehrDigitalisierung und Quantisierung (2) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil 2) Digitalisierung und Quantisierung (2) Ankündigungen Keine Vorlesungen in der Bergwoche (5.6 & 6.6. 2017) 2 Motivation Analoge
MehrComputergraphik I. Das Abtasttheorem. Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1
Das Abtasttheorem Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1 Problem bei zeitlicher Abtastung: Oliver Deussen Abtasttheorem 2 Darstellung auf Monitor Was geschieht eigentlich, wenn
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
MehrLösungsblatt 2 Signalverarbeitung
Fakultät für nformatik Übung zu Kognitive Systeme Sommersemester 208 S. Constantin (stefan.constantin@kit.edu) T. Nguyen (thai.nguyen@kit.edu) Lösungsblatt 2 Signalverarbeitung Aufgabe : Faltung Abbildung
Mehr- Sei r(x,y) Eingangsbild, dass nur Rauschen (Quantenrauschen) enthält.
Eingang System Ausgang - Sei r(x,y) Eingangsbild, dass nur (Quantenrauschen) enthält. - Das Bild enthalte keinerlei Information, d.h. das Spektrum ist weiß und es gibt keine Korrelationen zwischen den
MehrLösungsblatt 2 Signalverarbeitung und Klassifikation
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 06 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Lösungsblatt Signalverarbeitung und Klassifikation Aufgabe : Faltung
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
MehrSystemtheorie abbildender Systeme
Bandbegrenzung Bild in (b) nicht band-begrenzt: scharfe Kanten = Dirac-Funktionen = weißes Spektrum Erfordert Tapering vor Digitalisierung (Multiplikation mit geeigneter Fensterfunktion; auf Null drücken
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2007/2008 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrSchnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2008/2009 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrInhaltsverzeichnis. Daniel von Grünigen. Digitale Signalverarbeitung. mit einer Einführung in die kontinuierlichen Signale und Systeme
Inhaltsverzeichnis Daniel von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme ISBN (Buch): 978-3-446-44079-1 ISBN (E-Book): 978-3-446-43991-7 Weitere
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2010/2011 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Filterentwurf
MehrSignale, Transformationen
Signale, Transformationen Signal: Funktion s(t), t reell (meist t die Zeit, s eine Messgröße) bzw Zahlenfolge s k = s[k], k ganzzahlig s reell oder komplex s[k] aus s(t): Abtastung mit t = kt s, s[k] =
MehrMultiskalenanalyse. Any view depends on the viewpoint!
Multiskalenanalyse Any view depends on the viewpoint! Multiskalenanalyse Motivation Aufwandsminimierung bei Filterung Objekterkennung, Segmentierung Textur Klassifikation Mosaicing rundlagen Signaltheorie
MehrDigitale Signalverarbeitung
Daniel Ch. von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme 4. Auflage Mit 222 Bildern, 91 Beispielen, 80 Aufgaben sowie einer CD-ROM mit Lösungen
MehrBildverarbeitung. Bildvorverarbeitung - Fourier-Transformation -
Bildverarbeitung Bildvorverarbeitung - Fourier-Transformation - 1 Themen Methoden Punktoperationen / Lokale Operationen / Globale Operationen Homogene / Inhomogene Operationen Lineare / Nichtlineare Operationen
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
MehrComputergraphik 1 2. Teil: Bildverarbeitung. Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation
Computergraphik 1 2. Teil: Bildverarbeitung Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation LMU München Medieninformatik Butz/Hoppe Computergrafik 1 SS2009 1 2 Repräsentation
Mehr2D Graphik: FFT und Anwendungen der Fouriertransformation. Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 25.
LMU München Medieninformatik Butz/Hilliges D Graphics WS005 5..005 Folie D Graphik: FFT und Anwendungen der Fouriertransformation Vorlesung D Graphik Andreas Butz, Otmar Hilliges Freitag, 5. ovember 005
MehrWas bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col pos. Punktoperationen f : col 1 col 2
Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos statistische Merkmale Punktoperationen f : col 1 col 2 (Bildanalyse) (Farbtransformation) Geometrische Operationen f : pos 1 pos
MehrSignalprozessoren. Digital Signal Processors VO [2h] , LU 2 [2h]
Signalprozessoren Digital Signal Processors VO [2h] 182.082, LU 2 [2h] 182.084 http://ti.tuwien.ac.at/rts/teaching/courses/sigproz Herbert Grünbacher Institut für Technische Informatik (E182) Herbert.Gruenbacher@tuwien.ac.at
Mehr3.7 Anti-Alias-Verfahren
3.7 Anti-Alias-Verfahren Wir hatten Treppeneffekte bereits beim Rastern von Bildern kennengelernt. Aber auch beim Wiederholen verkleinerter Texturen können sich durch Rasterungseffekte unschöne Interferenzerscheinungen
MehrDigitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation
Digitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation 23. Januar 2017 Siehe Skript Digitale Signalverarbeitung, Abschnitte 10.1 und 11, Kammeyer & Kroschel (7.1-7.3) eues Thema in
MehrDigitale Verarbeitung analoger Signale
Digitale Verarbeitung analoger Signale Digital Signal Analysis von Samuel D. Stearns und Don R. Hush 7., durchgesehene Auflage mit 317 Bildern, 16 Tabellen, 373 Übungen mit ausgewählten Lösungen sowie
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe! 4.2! Frequenzspektren, Fourier-Transformation! 4.3! Abtasttheorem: Eine zweite Sicht Weiterführende Literatur (z.b.):!! Beate Meffert, Olaf Hochmuth: Werkzeuge
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Fourier-Transformation Graphische DV und BV, Regina Pohle, 8. Fourier-Transformation 1 Einordnung in die Inhalte der Vorlesung Einführung
MehrSpektrum zeitdiskreter Signale
Spektrum zeitdiskreter Signale 1 Aufgabenstellung Mithilfe der Fouriertransformation können zeitkontinuierliche Signale in den Frequenzbereich transformiert werden, um die im Signal enthaltenen Frequenzanteile
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Antialiasing Graphische DV und BV, Regina Pohle, 5. Antialiasing 1 Einordnung in die Inhalte der Vorlesung Einführung mathematische
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Quantisiertes Signal Zeitdiskretes Signal Digitales Signal Auflösung der A/D- Umsetzer der MicroAutoBox
MehrDigitale Signalverarbeitung mit MATLAB
Martin Werner Digitale Signalverarbeitung mit MATLAB Grundkurs mit 16 ausführlichen Versuchen 4., durchgesehene und ergänzte Auflage Mit 180 Abbildungen und 76 Tabellen STUDIUM VIEWEG+ TEUBNER 1 Erste
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2017 / 2018 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen 5 Übungsblatt: Diskrete
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2016 / 2017 Institut für Informatik Prof Dr Daniel Cremers Dr Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen 7 Übungsblatt: Diskrete Fourier-Transformation,
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
MehrAbtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2
Abtasttheorem Abtastung xn [ ] = xnt ( ) = Acos( ωnt+ ϕ) = Acos( ωˆ n+ ϕ) s s Normalisierte Kreisfrequenz ωˆ = ωt s DSP_9-Abtasttheorem 2 Normalisierte Kreisfrequenz ω hat die Einheit rad/sec, ω ˆ = ωt
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
Mehr1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.
. Filterung im Ortsbereich. Grundbegriffe. Lineare Filter.3 Nicht-Lineare Filter.4 Separabele Filter.5 Implementierung. Filterung im Frequenzbereich. Fouriertransformation. Hoch-, Tief- und Bandpassfilter.3
MehrFilterung von Bildern (2D-Filter)
Prof. Dr. Wolfgang Konen, Thomas Zielke Filterung von Bildern (2D-Filter) SS06 6. Konen, Zielke Aktivierung Was, denken Sie, ist ein Filter in der BV? Welche Filter kennen Sie? neuer Pixelwert bilden aus
MehrZuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.
(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden
MehrDigitale Signalverarbeitung. mit MATLAB
Martin Werner Digitale Signalverarbeitung mit MATLAB Grundkurs mit 16 ausführlichen Versuchen 3., vollständig überarbeitete und aktualisierte Auflage Mit 159 Abbildungen und 67 Tabellen Studium Technik
MehrRelevante Frequenztransformationen
Relevante Frequenztransformationen Medientechnologie IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Sommersemester 206 Andreas Unterweger (FH Salzburg) Relevante Frequenztransformationen
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 4-1
4. Signalverarbeitung 4.1 Grundbegrie 4.2 Frequenzspektren, Fourier-Transormation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterührende Literatur (z.b.): Beate Meert, Ola Hochmuth: Werkzeuge der
MehrInterpretation: f(x) wird zerlegt als Summe von unendlich vielen Funktionen
C6.3 Fourier-Transformation Entspricht Fourier-Reihe für 'Fourier-Integral' Für endliches L: (C6.1b.3) Für stellt eine kontinuierliche Funktion dar: und Fourier-Summe wird ein Integral: 'Fourier-Transformation'
MehrDarstellung als Filterbank. Annahme für die Codierung: bestimmter Betrachtungsabstand, Wiedergabegröße Bestimmter Betrachtungswinkel für das Auge.
Darstellung als Filterbank Annahme für die Codierung: bestimmter Betrachtungsabstand, Wiedergabegröße Bestimmter Betrachtungswinkel für das Auge. - Trifft in bestimmten Maße auch auf das Original zu, da
MehrBildrekonstruktion & Multiresolution
Bildrekonstruktion & Multiresolution Verkleinern von Bildern? Was ist zu beachten? Es kann aliasing auftreten! Das Abtasttheorem sagt wie man es vermeidet? ===> Page 1 Verkleinern von Bildern (2) Vor dem
MehrRunde 9, Beispiel 57
Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.006 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrBild-Erfassung Digitalisierung Abtastung/Quantisierung
Multimediatechnik / Video Bild-Erfassung Digitalisierung Abtastung/Quantisierung Oliver Lietz Bild-Erfassung Abtastung / Digitalisierung Scanner: Zeilenweise Abtastung mit CCD Digitale Kamera: Flächenweise
MehrBildverarbeitung Herbstsemester 2012. Fourier-Transformation
Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrBildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16
Bildverarbeitung: Fourier-Transformation D. Schlesinger () BV: Fourier-Transformation 1 / 16 Allgemeines Bilder sind keine Vektoren. Bilder sind Funktionen x : D C (Menge der Pixel in die Menge der Farbwerte).
Mehr4. Beschreibung von LTI-Systemen mit der Fourier-Transformation
Die Fourier-Transformation 1. Anwendungsbeispiele der Fourier-Transformation 2. Die kontinuierliche Fourier-Transformation 3. Die Fourier-Reihe 4. Beschreibung von LTI-Systemen mit der Fourier-Transformation
MehrWichtigste Voraussetzung für die in dieser Vorlesung beschriebenen Systeme und Verfahren sind digitale Aufnahmen. Doch was ist eigentlich ein
1 Wichtigste Voraussetzung für die in dieser Vorlesung beschriebenen Systeme und Verfahren sind digitale Aufnahmen. Doch was ist eigentlich ein digitales Foto oder Video? Das folgende Kapitel soll einen
Mehr5. Übung für Übungsgruppen Musterlösung
Grundlagenveranstaltung Systemtheorie WS 6/7 (H.S. Stiehl, AB Kognitive Systeme, Department Informatik der Universität Hamburg) 5. Übung für Übungsgruppen Musterlösung (U. Köthe, Department Informatik,
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
MehrSignale und Systeme. Martin Werner
Martin Werner Signale und Systeme Lehr- und Arbeitsbuch mit MATLAB -Übungen und Lösungen 3., vollständig überarbeitete und erweiterte Auflage Mit 256 Abbildungen, 48 Tabellen und zahlreichen Beispielen,
Mehrk(x, y)u(y) dy = f(x), x 2, (3.20)
Bei der Aufnahme eines Bildes in der Praxis erhält man so gut wie nie direkt jenes Bild, das man gerne verwenden würde. Wie schon in der Einleitung beschrieben, passiert dies entweder durch Verzerrung
Mehr5.1. k p d. j x. j y. Optisches System MÜF. Dr.-Ing. habil. Jörg Wollnack Modulationsübertragungsfunktion
5. z k p d y( x) = T h( u) ( x) = h( x ) g( x x ) x ' ' ' h( x) g( x) j x Optisches System j y y( x) H( f) MÜF G( f) Y( f) Y( f) = G( f) H( f) Dr.-Ing. habil. Jörg Wollnack 4..3 Modulationsübertragungsfunktion
Mehr3.2 Rekonstruktion. 3.2 Rekonstruktion
Bei der Aufnahme eines Bildes in der Praxis erhält man so gut wie nie direkt jenes Bild, das man gerne verwenden w urde. Wie schon in der Einleitung beschrieben, passiert dies entweder durch Verzerrung(falsche
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Bildverbesserung - Filterung Graphische DV und BV, Regina Pohle,. Bildverbesserung - Filterung Einordnung in die Inhalte der Vorlesung
MehrZusammenfassung der 2. Vorlesung
Zusammenfassung der 2. Vorlesung Fourier-Transformation versus Laplace-Transformation Spektrum kontinuierlicher Signale Das Spektrum gibt an, welche Frequenzen in einem Signal vorkommen und welches Gewicht
MehrMartin Meyer. Signalverarbeitung. Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER
Martin Meyer Signalverarbeitung Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER VII 1 Einführung 1 1.1 Das Konzept der Systemtheorie 1 1.2 Übersicht über die Methoden
MehrSpektrumanalyse. Inhalt. I. Einleitung 2. II. Hauptteil 2-8
Fachhochschule Aachen Campus Aachen Hochfrequenztechnik Hauptstudium Wintersemester 2007/2008 Dozent: Prof. Dr. Heuermann Spektrumanalyse Erstellt von: Name: Mario Schnetger Inhalt I. Einleitung 2 II.
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrComputergrafik 2: Fourier-Transformation
Computergrafik 2: Fourier-Transformation Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe 4.2! Frequenzspektren, Fourier-Transformation 4.3! Abtasttheorem: Eine zweite Sicht 4.4! Filter! Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
MehrDigitale Bildverarbeitung Einheit 8 Lineare Filterung
Digitale Bildverarbeitung Einheit 8 Lineare Filterung Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,
MehrDSP-NF-Filter in QRP-Manier QRP an der See, 15. September 2012
DSP-NF-Filter in QRP-Manier QRP an der See, 15. September 2012 Gerrit Buhe, Inhalt 2 Aufbau DSP-System Digitalisierung und Abtasttheorem Beschreibung LTI-System Impulsantwort zu Übertragungsfunktion Werkzeuge
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München, Medieninformatik
MehrDigitale Signalverarbeitung
Karl-Dirk Kammeyer, Kristian Kroschel Digitale Signalverarbeitung Filterung und Spektralanalyse mit MATLAB-Übungen 6., korrigierte und ergänzte Auflage Mit 315 Abbildungen und 33 Tabellen Teubner Inhaltsverzeichnis
MehrDigitalisierung und Kodierung
Digitalisierung und Kodierung Digitale Medien liegen in digitaler Form vor Deshalb werden analoge Medien digitalisiert und geeignet kodiert Ziel der Digitalisierung: effiziente Berechnung wenig Verluste
Mehr6Si 6. Signal-und Bildfilterung sowie. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 1
6Si 6. Signal-und Bildfilterung sowie Korrelation H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I Bildfilterung und Korrelation Die lineare Bildfilterung wird zur Rauschunterdrückung
MehrGrundlagen der Computer-Tomographie
Grundlagen der Computer-Tomographie Quellenangabe Die folgenden Folien sind zum Teil dem Übersichtsvortrag: imbie.meb.uni-bonn.de/epileptologie/staff/lehnertz/ct1.pdf entnommen. Als Quelle für die mathematischen
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
MehrAAC ADPCM. Kompressionsverfahren für Audio. Anzahl Zeichen MP3 Wahrscheinlichkeit. des Auftretens des Zeichens
Entropie= durchschnittlicher Informationsgehalt pro Zeichen in einer Zeichenkette H = pilog2 p m p m i= 1 Anzahl Zeichen MP3 Wahrscheinlichkeit AAC ADPCM i i des Auftretens des Zeichens i Kompressionsverfahren
MehrÜbung zur Vorlesung 2D Grafik Wintersemester 05/06. Otmar Hilliges
Übung zur Vorlesung 2D Grafik Wintersemester 05/06 Übungsblatt 5 Musterlösung auf der Übungsseite. https://wiki.medien.ifi.lmu.de/pub/main/uebung2dgrafikws 0506/FFT_LSG.jar Page 2 transform() for (y =
MehrPrüfungsklausur Digitale Signalverarbeitung Ergebnis der Klausur
Fakultät für Mathematik und Informatik Elektronische Schaltungen 58084 Hagen 02331 987 1166 Prüfungsklausur Digitale Signalverarbeitung 21411 Datum: 19. März 2011 (Bearbeitungszeit 120 Minuten, 6 Blätter)
MehrZusammenfassung : Fourier-Reihen
Zusammenfassung : Fourier-Reihen Theorem : Jede (nicht-pathologische) periodische Funktion läßt sich schreiben als "Fourier-Reihe" der Form: Vorzeichen ist Konvention, in Mathe : + Fourier-Transformation
MehrMathematik III Die Fourier-Transformation in Bildern
Mathematik III Die Fourier-Transformation in Bildern Cornelia Busch D-CHAB 20. Dezember 2018 Eine periodische Funktion f (t)... ... wird zerlegt: f (t) = sin(3t) + cos(5t). f (t) = cos(2t) + sin(3t) +
MehrInhalt. Vorwort Einführung 15
FFT- Anwendungen von E. Oran Brigham übersetzt von Seyed Ali Azizi Mit 207 Bildern, 6 Tabellen, 41 Beispielen und 188 Aufgaben sowie Programmen in BASIC R. Oldenbourg Verlag München Wien 1997 Vorwort 11
MehrZufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches
Zufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches Signal Periodisch harmonische Schwingung Summe harmonischer
Mehr2D-Fourieranalyse und Farbräume
2D-Fourieranalyse und Farbräume Industrielle Bildverarbeitung, Vorlesung No. 12 1 M. O. Franz 09.01.2008 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht
MehrDigitales Video. Prof. Dr.- Ing. Klaus Diepold
Digitales Video Prof. Dr.- Ing. Klaus Diepold Digitale Bildwandlung Bildtransformationen Abtastung Interpolation 2 Bildtransformation Digitales Video 3 Bildtransformation Digitales Video 4 Transformation
MehrBiosignalverarbeitung (Schuster)
Biosignalverarbeitung (Schuster) 9. FOURIER - TRANSFORMATION: 4 Ausprägungen der Transformation: Zeitbereich Frequenzbereich Laplace-Transformation Fourier-Transformation kontinuierlicher Signale (FT,
MehrDigitalisierung. Digitale Übertragung analoger Signale. störsicher (0/1-Codierung, Fehlerkorrektur) präzise (fixe unveränderliche Codeworte)
Digitale Übertragung analoger Signale Vorteile digitaler Übertragung störsicher (0/1-Codierung, Fehlerkorrektur) präzise (fixe unveränderliche Codeworte) Nachteiler digitaler Übertragung natürliche Signale
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
MehrDatenaquisition. Verstärker Filter. Sensor ADC. Objekt. Rechner
Datenaquisition Sensor Verstärker Filter ADC Objekt Rechner Datenaquisition Verstärker: - linearer Arbeitsbereich - linearer Frequenzgang - Vorkehrungen gegen Übersteuerung (trends, shot noise) - Verstärkerrauschen
MehrVorwort. I Einführung 1. 1 Einleitung Signale Systeme Signalverarbeitung Struktur des Buches 9. 2 Mathematische Grundlagen 11
Vorwort V I Einführung 1 1 Einleitung 3 1.1 Signale 4 1.2 Systeme 4 1.3 Signalverarbeitung 6 1.4 Struktur des Buches 9 2 Mathematische Grundlagen 11 2.1 Räume 11 2.1.1 Metrischer Raum 12 2.1.2 Linearer
MehrLaborprotokoll SSY Abtastung
Laborprotokoll SSY Abtastung Daniel Schrenk, Andreas Unterweger SSYLB WS 05/06 Abtastung Seite 1 von 12 Einleitung Ziel der Übung In dieser Laborübung sollte ein Signal abgetastet werden und anschließend
MehrDigitale Bildverarbeitung Einheit 8 Lineare Filterung
Digitale Bildverarbeitung Einheit 8 Lineare Filterung Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen, wie lineare
Mehr