Filtern, JPEG, MP3. Fourier-Analyse JPEG MP3. Filtern - Wavelet
|
|
- Axel Damian Hofer
- vor 7 Jahren
- Abrufe
Transkript
1 Filtern, JPEG, MP3 Fourier-Analyse JPEG MP3 Filtern - Waelet
2 Filtern Ausgangspunkt: Gegebenes Signal soll -erändert werden (Hifi, Weichzeichner, ) -analysiert werden (EKG Herztöne, ) -komprimiert werden (Speicherplatz) -restauriert werden (Rauschentfernen) Beispiel: Musik (audacity, goldwae)
3 Klassisch: Fourier Signal ist eine gegebene Funktion f(x) auf einem Interall, bzw. periodisch fortgesetzt. Ähnlich zur Taylorreihe einer Funktion = f ( x ) k = a x k k kann man dann eine 2π-periodische Funktion durch eine Fourier-Reihe darstellen: f ( x) = k = k = k = k = ikx ix k ( ak cos( kx) + bk sin( kx) ) = cke = ck ( e ) = k = k = k = c k z k
4 cos(kx), sin(kx) Betrachte zu Funktionen ein Inneres Produkt: < π f, g > : = f ( x) g( x) dx π Ähnlich zu Innerem Produkt on Vektoren u,: < u, >= u T = n j= Resultat: cos(kx), sin(kx), k=,,2, bilden Orthonormalbasis bezgl. Innerem Produkt: u j j < cos( kx),sin( jx) >=, < cos( kx),cos( jx) >=, < sin( kx),sin( jx) >= für j k.
5 Folgerung: Zu Funktion f ( x) = k = a k cos( kx) + b k sin( kx) n ist fn( x) = ak cos( kx) + bk sin( kx) die Bestapproximation. k = Die Fourier-Koeffizienten a k und b k geben die Schwingungsanteile zu erschiedenen Frequenzen in f(x) an! k: Wellenzahl 2π/k: Periode k/2π: Frequenz
6 π 2π Schwingung mit Wellenzahl k= und k=2 Wellenzahl k=2 entspricht Periode π, bzw. Frequenz /π Zusammenhang Funktionswerte Fourier-Koeffizienten: f ( x ), j =,,..., m ( a, b ), k = j k k,,..., n Nyquist-Frequenz: Feinste beobachtbare Schwingung hängt ab on der Diskretisierung!
7 Vor- und Nachteile Berechnet werden sie durch die Diskrete Fourier Transformation DFT. Fourier-Koeffizienten sind mittels FFT schnell berechenbar O(n log(n)). Problem mit Kanten, Unstetigkeitsstellen: Gibbs Phänomen MATLAB: recht.m Anwendungsbeispiel: MATLAB Sonnenfleckenanalyse.
8 MATLAB-Analyse der Sonnenaktiität: Sonnenflecken treten alle Jahre erstärkt auf. Seit 7 wird die jährliche Sonnenfleckenaktiität beschrieben durch die sog. Wolfer-Zahl (Größe und Anzahl der Flecken), (Rudolf Wolf ca. 85). Wolferzahlen für die Jahre 7 bis 2
9 Sammle die Wolferzahlen in Vektor als Funktionswerte einer unbekannten periodischen Funktion g mit den Jahreszahlen als Stützstellen. Der Gesamtbeobachtungszeitraum T besteht aus 3 Jahren. Ersetze daher Interall [,2π] durch das Interall [,T] durch den Übergang on cos(kx) cos(kx*2π/3) Zeitinterall Δ = Jahr, in dem eine Wolferzahl bestimmt wurde; N = T / Δ ist Anzahl der Beobachtungsinteralle = = Länge des Vektors = Anzahl der Stützstellen; Wellenzahl wieder k, Periode T/k = 3J./k, Frequenz k/t; Grundfrequenz also /T.
10 Nyquist-Frequenz: Δ Es können nur periodische Vorgänge erfasst werden mit einer Periode > 2Δ = 2 Jahre, da bei kleineren Perioden die Schwingung feiner wäre als die feinste Unterteilung ( Jahr), und daher als solche nicht erkennbar ist. Daher ist die größte beobachtbare Wellenzahl k gleich N/2=5, entspricht der Frequenz (N/2)(/T)=/(2Δ), der sog. Nyquist-Frequenz Berechne y = FFT() y() ist die Gesamtsumme aller Wolferzahlen und wird gleich gesetzt (enthält keine Angabe über Periodizität).
11 Die anderen Koeffizienten on y enthalten die Größe der erschiedenen Frequenzanteile on g (aber als komplexe Zahlen). Berechne 2 p ( k) = y( k) für k =,..., N / 2 Untersuche nur Frequenzanteile bis zur Nyquist-Wellenzahl k = (N/2). p(k) misst die Größe der k-ten Vielfachen der Grundfrequenz, also der Frequenz f(k) = k / T = k / (ΔN) für k=,2,...,n/2 Anders ausgedrückt bestimmt p(k) das Gewicht der Periode / f(k) = T / k in der Funktion f.
12 Wir tragen nun den Vektor p auf gegen die dazugehörigen Perioden T/k, k=,...,n/2 Betragsquadrate der Fourierkoeffizienten, aufgetragen über die dazugehörigen Perioden. Wir können den Zyklus on Jahren direkt ablesen.
13 Allgemeines Problem: In welcher Form stellt man numerische Daten dar? Normalerweise aus Messwerten: Samples f(x j ) Dies entspricht einer Darstellung im Ortsraum. Nachteil: Viele Daten, schlecht komprimierbar, keine Analyse! Besser: Übergang zu einer Darstellung bzgl. geeigneter Basisfunktionen (z.b. x j, exp(jx), cos(jx),...) Dann reichen e. wenige Koeffizienten aus, um das Signal (fast) ollständig zu beschreiben. Außerdem kann man aus den Koeffizienten Schlüsse über das Verhalten der Funktion ziehen (Frequenzanteile)!
14 Beispiel: f(x) =.5*sin(x) +. * sin(x) Zwei Koeffizienten reichen aus zur Beschreibung Die Koeffizienten bezeichnet man auch als Beschreibung der Funktion im Phasenraum (Frequenzraum)
15 JPEG Bilder werden üblicherweise als Matrix gespeichert, deren Einträge pixel-weise den Grauwert des entsprechend nummerierten Pixels enthalten, bzw. bei Farbbildern den Anteil einer der drei Farbkomponenten Rot, Grün oder Blau (= RGB). RGB wird meist in YUV-Form umgewandelt, bei der die Matrix Y die Helligkeit beschreibt, und U und V den Farbton (U,V lassen sich stärker komprimieren). JPEG zerlegt das Bild in 8 x 8 Pixel große Blöcke, die zunächst getrennt bearbeitet werden. Auf jede dieser Teilmatrizen wird eine 2D Cosinus-Transformation angewandt: FCT Warum nicht DFT? Bilddaten sind reell, und das Bild ist nicht periodisch!
16 Aus Anwendung der FCT erhält man für die Teilmatrizen wieder die Frequenzanteil-koeffizienten a k und b k in Teilmatrizen (2D). Die Teilmatrix mit den Frequenzanteilen wird nun quantisiert, d.h. die darin stehenden reellen Zahlen werden bestimmten Zahleninterallen zugeordnet und Interallweise jeweils durch eine Zahl angenähert, die für ein ganzes Interall gilt. Dadurch werden auch automatisch alle kleinen Komponenten, die in dem ersten Interall mit den kleinsten Werten liegen, durch Null ersetzt. Dies erzeugt einen Qualitätserlust! Die entstandene Gesamtmatrix aus den diskreten Zahlenwerten wird codiert Huffman-Codierung.
17
18 Quantisierung: Bildinformationen nach DCT: Quantisierungsmatrix Diidiere Einträge in Bildmatrix durch Einträge in Quantisierungsmatrix und runde ganzzahlig.
19 Nachteile: Fourier-Methoden haben Schwierigkeiten mit Kanten in Bildern Kanten Unstetigkeiten Durch stetige Funktionen cos(kx), sin(kx) sind Kanten schlecht darstellbar! Kosten der DCT: O(n log(n)) bei n Pixel. Zu teuer. Daher DCT auf 8x8-Blöcke. Verbesserung: JPEG2: Anstatt Cosinus-Transformation auf 8 x 8 wendet man eine Waelet-Transformation auf größere Teilmatrizen an. Waelet-Ansatzfunktionen haben keine Problem mit Kanten und sind O(n). Genauere Untersuchung folgt später.
20 MP3 Transformiere Audio-daten mittels Fourier-Transformation so, dass höhere Kompression möglich wird. Vernachlässige z.b. unhörbare Komponenten. Hörbereich des Menschen:
21 Maskierung
22
23
24
25
26 MP3 erwendet gefensterte Fourier-Transformation zur Bestimmung on Maskierungseffekten und zur Kompression.
27 Filtern Betrachte Vektor, dessen Komponenten wieder diskrete Werte einer Funktion oder eines Bildes darstellen (Sampling). Wir filtern diesen Vektor, indem wir jede Komponente ersetzen durch eine gewichtete Kombination der Nachbarkomponenten, z.b. entspricht die Maske 4 [ 2 ] j + 2 j + j + der Operation j =, 4 L j j j+ j+ 2 L n 2 / 4 bzw. der Matrixmultiplikation
28 O O O Vorsicht am Rand! 4 8, 8 4,,,,,, j i j i j i j i j i j i = Im zwei-dimensionalen entspricht dies z.b. der Maske
29 Genauso Gaussfilter: Dies entspricht glättenden Filtern, die zu einem weicheren Bild führen: Mittelwertfilter, Glätter, Weichzeichner, oder Tiefpassfilter zur Abschwächung on Rauschen, bzw. hochfrequenten Anteilen. Hochfrequente Störungen, die einzelne Komponente erändern, werden durch die Mittelwertbildung erringert! Entsprechend kann man Hochpassfilter definieren, die die Unterschiede herorheben, das Bild härter machen und nieder-frequente (glatte) Anteile abschwächen (Differenzfilter, Scharfzeichner).
30 z.b. Laplacefilter: 4 Sobelfilter:,,,
31 Diese Methoden entsprechen einer Filterung im Ortsraum. Im Gegensatz dazu benutzt Filtern im Phasenraum die FFT, z.b. (Frequenz~) zum Entfernen on Rauschen (Noise) erwenden: DFT() Filter IDFT() Also Transformation in (Fourier-)Koeffizientenraum, dann Filtern der Koeffizienten, dann Rücktransformation (gl. MP3).
32 Filtern on Lena (Playboy 972) Original Mittelwertfilter Differenzfilter Reduktion
33 Haarfilter [ ] 2 / Betrachte Kombination on Tiefpassfilter und Hochpassfilter im -Dimensionalen zu Masken und [ ] 2 / Ersetze den ursprünglichen Vektor erlustfrei durch tief-, bzw. hochpass-gefilterte Vektoren halber Länge (down sampling): h t = O O O O 2
34 2 O O O O (nur anders sortiert) Der Differenzanteil h ist in der Regel klein und wird nicht Weiterbearbeitet, sondern gespeichert! Der Mittelwertanteil (tiefpassgefiltert) t wird nach demselben Schema weiter aufgespalten wiederum in Tief/Hochpassanteil durch dieselben Masken.
35 Insgesamt: Leel, Länge n t h Leel, n/2 t h Leel 2, n/4... t h Leel p, Ersetze den Ausgangsektor R n durch den letzten Mittelwertanteil auf Leel p und sämtliche Differenzanteile h, das sind auch genau n Zahlen. ( h und t entsprechen Fourierkoeffizienten)
36 Vorteile: Gesamtkosten der Transformation O(n). Differenz-Anteile meist klein gut komprimierbar Differenzanteil auf Leel k enthält Information über das Verhalten on auf diesem Leel, bzw. in dieser Auflösung Multiskalenanalyse, Zerlegung des Vektors in erschiedene Frequenzbereiche = Skalen Entspricht in etwa der Fourier-Analyse Filter muss leicht umkehrbar (inertierbar) sein! Rekonstruktionsbedingung! (gl. DFT und IDFT )
37 Umkehrfilter Problem: finde geeignete dünnbesetzte Hoch/Tief-Filter, die sich genau so leicht umkehren lassen: In Matrix-Sprache: = V U T H dünnbesetzt. Lösung: Daubechie-Filter, z.b.:, 2 4 3, 2 4 3, , = = + = + = h h h h, 3, 2 2, 3, h g h g h g h g = = = =
38 h: Tiefpassfilter g: Hochpassfilter A=[h h h2 h3 ; g g g2 g3 ; h h h2 h3 ; g g g2 g3 ; h h h2 h3 ; g g g2 g3 ; h2 h3 h h ; g2 g3 g g] B=[h g h2 g2 ; h g h3 g3 ; h2 g2 h g ; h3 g3 h g ; h2 g2 h g ; h3 g3 h g ; h2 g2 h g; h3 g3 h g] dau_4.m
39 JPEG2 JPEG2 erwendet Daubechie-Filter, Rekursies Hoch/Tief-Filtern, größere Blocks,
40
41 Randwertproblematik j j j+ j+ 2 n n+ L 2 L / 4 Periodische = n, n+ = Null- =, n + = Randbedingungen Reflexie Antireflexie = 2, n + = n = 2 2, n+ = 2n n
42 Brahms-Zylinder Original: Digital restauriert: Restauriert MIDI: Eine Anwendung digitaler Audio-Software mit Waelets: Rekonstruktion gestörter Aufnahmen
Computer Vision Group Prof. Daniel Cremers. Die Schnelle Fourier-Transformation
Computer Vision Group Prof. Daniel Cremers Die Schnelle Fourier-Transformation Wiederholung und Zusammenfassung Komplee Zahlen und n-te Einheitswurzeln Lösungen von n DFT als Polynominterpolation im Kompleen
MehrDamit lässt sich also. zurückführen auf. und. mit der Kombination für j=0,1,...,m-1:
Damit lässt sich also v v IDFT c c 0 n 0 n zurückführen auf ( g) ( g) v v IDFT c c c 0 m 0 n ( u) ( u) v v IDFT c c c 0 m 3 n mit der Kombination für j=0,,...,m-: und v j v v und v v v ( g) j ( u) ( g)
Mehr5.3. Anwendungen Fourierentwicklung:
5.3. Anwendungen 5.3.. Fourierentwiclung: Stücweise stetige, -periodische in [-,] Funtion lässt sich als Fourier-Reihe darstellen vgl. Taylor/Potenz-Reihe: a 0 a cos b sin i i ce c e c z a und b heißen
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
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
MehrOrthogonalität von Kosinus und Sinus
Orthogonalität von Kosinus und Sinus Die Funktionen 1, cos(kx), sin(kx), k >, bilden ein Orthogonalsystem im Raum der quadratintegrierbaren π-periodischen Funktionen: cos(jx) cos(kx) dx = cos(jx) sin(lx)
MehrBeispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
MehrFourieranalyse und Diskrete Cosinus Transformation (DCT)
Fourieranalyse und Disrete Cosinus Transformation (DCT) Eine Ausarbeitung für den Physileistungsurs 12.2 Philipp Julian Münzel, Juni 2005 Mathematical analysis is as extensive as Nature herself Jean Baptiste
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
MehrPerlen der Informatik I Wintersemester 2012 Aufgabenblatt 6
Technische Universität München WS 2012 Institut für Informatik Prof. Dr. H.-J. Bungartz Prof. Dr. T. Huckle Prof. Dr. M. Bader Kristof Unterweger Perlen der Informatik I Wintersemester 2012 Aufgabenblatt
Mehr43 Fourierreihen Motivation Fourierbasis
43 Fourierreihen 43. Motivation Ähnlich wie eine Taylorreihe (vgl. MfI, Kap. 2) eine Funktion durch ein Polynom approximiert, wollen wir eine Funktion durch ein trigonometrisches Polynom annähern. Hierzu
MehrMultimediatechnik / Video
Multimediatechnik / Video Video-Kompression Zusammenfassung http://www.nanocosmos.de/lietz/mtv 2009 1 Motivation: Video-Kompression Unkomprimierte Datenmengen sind zu groß! TV: 20 MB/s = 72 GB/h (720x576x2x25)
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).
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Error-Free Compression Hufmann Coding Runlength Coding Lossy Compression
MehrSPEZIELLE KAPITEL DER MATHEMATIK TEIL 1
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik SPEZIELLE KAPITEL DER MATHEMATIK TEIL 1 13. Fourier-Reihen Prof. Dr. Gunar Matthies Wintersemester 216/17
MehrVerlustbehaftete Kompression. JPEG: Joint Photographic Experts Group
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch Verlustloser Modus vorhanden)
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Channel Encoding Error-Free Compression Hufmann Coding Runlength
MehrApproximation von Funktionen
von Funktionen Fakultät Grundlagen Februar 6 Fakultät Grundlagen von Funktionen Übersicht Problemstellung Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktionen 3 Fakultät
MehrDiskrete Cosinustransformation (DCT)
Fachbereich Medieninformatik Hochschule Harz Diskrete Cosinustransformation (DCT) Referat Björn Wöldecke 10954 Abgabe: 15.01.2007 Inhaltsverzeichnis Einleitung / Vorwort... 1. Methoden zur Datenreduktion...
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
MehrKompression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Folie 2
Kompression Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Folie 2 1 Inhalte Redundanz Channel Encoding Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
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
MehrImage Compression. Vorlesung FH-Hagenberg DSB
Image Compression Vorlesung FH-Hagenberg DSB Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Inhalte Redundanz Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
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
MehrVerlustbehaftete Kompression. Verfahren zur verlustbehafteten Bildkodierung (auch verlustfreier Modus vorhanden)
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch verlustfreier Modus vorhanden)
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Informationen zur Klausur Termin: 21. Februar 2013,
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
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
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
MehrRelevante Frequenztransformationen
Relevante Frequenztransformationen Medientechnologie IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Sommersemester 206 Andreas Unterweger (FH Salzburg) Relevante Frequenztransformationen
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:
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 2
D-MAVT NUMERISCHE MATHEMATIK FS 4 K Nipp, A Hiltebrand Lösung vom Test Sei A ( 3 3 ) a) Bestimmen Sie κ(a), die Kondition von A (in der -Norm): κ(a) b) Berechnen Sie den Spektralradius von A: ρ(a) 4 c)
MehrBildverarbeitung. Bildvorverarbeitung - Fourier-Transformation -
Bildverarbeitung Bildvorverarbeitung - Fourier-Transformation - 1 Themen Methoden Punktoperationen / Lokale Operationen / Globale Operationen Homogene / Inhomogene Operationen Lineare / Nichtlineare Operationen
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
MehrZiel: Minimalität der Feature-Werte Ausnutzung Kompaktheit im Frequenzbereich Kompaktheit:
Anwendung DFT zur Feature-Aufbereitung Ziel: Minimalität der Feature-Werte Ausnutzung Kompaktheit im Frequenzbereich Kompaktheit: Funktion häufig durch wenige, niedrige Frequenzkoeffizienten approximierbar,
MehrEinführung Medienforscher Aufgabe 3 - MPEG. Tobias Reinsch 2011
Einführung Medienforscher Tobias Reinsch 2011 Allgemeines Ziel der Aufgabe Kennenlernen der Bildkodierungsverfahren des MPEG Standards Praktische Umsetzung dieser Techniken mit Java Bearbeitungszeitraum:
MehrDie Wärmeleitungsgleichung
Die Wärmeleitungsgleichung In einem Stab der Länge 1 wird die Temperaturverteilung gegeben durch die Funktion u : ([0,1] [0, )) R, u(x,t) ist die Temperatur am Punkt x zum Zeitpunkt t. Die Funktion erfüllt
MehrJPEG Kompression technische Realisierung
Experimentalphysik V 20. Januar 2005 Schema der JPEG Kompression Farbraumkonvertierung RGB YCbCr Subsampling der Farbkomponenten Cb, Cr Zerlegung in Blöcke 8 8 2D Kosinustransformation (DCT) Quantisierung
MehrVIII. Fourier - Reihen
VIII. Fourier - Reihen Dieses Kapitel enthält eine kurze Einführung in die mathematische Beschreibung von Schwingungen. Übersicht über den Inhalt von Kapitel VIII: 5. Der Satz von Fejér 53. Die Parsevalsche
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
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
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
MehrKapitel 30. Aufgaben. Verständnisfragen. Aufgabe 30.1 Gegeben ist die Funktion. 0 <x π 2 π 2 <x π. x, π. f(x)=
Kapitel 3 Aufgaben Verständnisfragen Aufgabe 3.1 Gegeben ist die Funktion { fx= x,,
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 3. Übung WS 17/18: Woche vom
Übungsaufgaben 3. Übung WS 17/18: Woche vom 3. 10. - 7. 10. 017 Fourierreihen: 16. b,c,e,o), 16.3 a, b), 16.4 a) auch reelle Fourierreihe) Klausureinsicht zu Mathematik II 11.8. 017): 30.10.17, 7.00-8.30
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
MehrMathematische Methoden der graphischen Datenverarbeitung
Teil I: Aufgaben der Bildverarbeitung: Komprimierung (compression); Mathematische Methoden der graphischen Datenverarbeitung PD Dr.(USA) Maria Charina Originalbild, 30Kbt Komprimiertes Bild, 7Kbt Teil
MehrKapitel 3 Trigonometrische Interpolation
Kapitel 3 Trigonometrische Interpolation Einführung in die Fourier-Reihen Trigonometrische Interpolation Schnelle Fourier-Transformation (FFT) Zusammenfassung Numerische Mathematik II Herbsttrimester 212
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
MehrFourier-Reihe mit komplexer Exponentialfunktion
Fourier-Reihe mit komplexer Exponentialfunktion Jörn Loviscach Versionsstand: 9. Juni 2010, 15:54 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. 1 Überlagung sinusförmiger
MehrParseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: Parseval-Identität. Speziell:
Parseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: (kühnes Vertauschen von Integral und Summe!) Parseval-Identität Speziell: Anmerkung: beide Seiten kann man als Skalarprodukt
MehrÜ b u n g s b l a t t 6
Mathe für Physiker III Wintersemester 02/03 Walter Oevel 25. 11. 2002 Ü b u n g s b l a t t 6 Abgabe von Aufgaben bis zum 2.12.2002, 11 oo Uhr, im Zettelkasten auf dem D1. Aufgabe 23*: (Die DFT als Lösung
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
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
MehrEin Beispiel zur Fourier-Entwicklung
Ein Beispiel zur Universität Leipzig, Mathematisches Institut Januar 2011 Aufgabenstellung Entwickle die Funktion u(x) = { 0 in π in ( ) ( π, π 3 2π ( 3, π) π 3, 2π ) 3 über dem Intervall [ π, π] in eine
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,
MehrGrafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression
Digitale Bildverarbeitung Bildkompression Einleitung Datenmenge für ein unkomprimiertes Bild Verwendungszweck des Bildes Bild soll weiterverarbeitet werden Bild soll archiviert werden Bild soll per E-Mail
Mehr:. (engl.: first harmonic frequency)
5 Fourier-Reihen 5.1 Schwingungsüberlagerung 5.2 "Oberschwingungen" f 0 :. (engl.: fundamental frequency) :. (engl.: first harmonic frequency) Jede ganzzahlige (n) vielfache Frequenz von f 0 nennt man
Mehrcompressed domain image retrieval
Compressed domain image retrieval Christian Ott Seminar Inhaltsbasierte Bildsuche - Universität reiburg - 4. ebruar 25 4. ebruar 25, C.Ott Seite 1 Übersicht 1. Einleitung 2. JPEG 3. Merkmalsextraktion
MehrKompressionsverfahren
Kompressionsverfahren Quelle: Steinmetz, Ralf: Multimedia-Technologie: Einführung und Grundlagen, Springer, Verlag Verlustlose Kompressionsalgorithmen RLC Huffman Adaptive Huffman Kodierung Arithmetische
MehrHauptklausur zur Vorlesung Bildverarbeitung WS 2002/2003
Name:........................................ Vorname:..................................... Matrikelnummer:.............................. Bitte Studiengang ankreuzen: Computervisualistik Informatik Hauptklausur
MehrBildkompression InTh, 2005, JPEG, Hak, Rur, 1
Bildkompression InTh, 25, JPEG, Hak, Rur, 1 Referenzen [1] D Salomon, Data Compression, Springer, 24 [2] Prof Dr A Steffen, Kurs SU, ZHW, 1999-24 [3] G Wallace, The JPEG Still Picture Compression Standard,
MehrComputergrafik 2: Filtern im Frequenzraum
Computergrafik 2: Filtern im Frequenzraum 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
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens SS2013 Inhalt Fourier Reihen Sehen wir in 2 Wochen Lösung der lin. Dgln.
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
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Inhaltsverzeichnis 1 Einführung 2 FFT 3 Anwendungen 4 Beschränkungen 5 Zusammenfassung Definition Fouriertransformation
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
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
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
MehrProgrammierung und Angewandte Mathematik
Programmierung und Angewandte Mathematik C++ /Scilab Programmierung und Einführung in das Konzept der objektorientierten Anwendungen zu wissenschaftlichen Rechnens SS 2012 Inhalt Steckbrief der Funktion
MehrSchwingungen und ihre Filterung unter Verwendung von Ergebnissen aus FEM-Rechnungen
Schwingungen und ihre Filterung unter Verwendung von Ergebnissen aus FEM-Rechnungen AG Qualität im Fachbereich Mathematik Universität Hannover, Welfengarten, D - 3067 Hannover Telephon: +49-5-762-3336
MehrKap.4 JPEG: Bildkompression. Ziel: Gegeben sind Daten y R N. Bestimme C R N N mit C C T = I, so dass x = C y dünbesetzt ist.
Kap.4 JPEG: Bildkompression Ziel: Gegeben sind Daten y R N. Bestimme C R N N mit C C T = I, so dass x = C y dünbesetzt ist. Originalbild y (30Kbt) Komprimiertes Bild z y(7kbt) JPEG (Joint Photographic
MehrÜbung: Computergrafik 1
Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Fouriertransformation Organisatorisches Neue Abgabefrist für Blatt
MehrKontinuierliche Fourier-Transformation. Laplace-Transformation
Kontinuierliche Fourier-Transformation. Laplace-Transformation Jörn Loviscach Versionsstand: 16. Juni 2010, 17:56 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
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
MehrLossy Bildkompression: Techniken und Bildqualität
Lossy Bildkompression: Techniken und Bildqualität Brigitte Forster Zentrum Mathematik, Technische Universität München, und Institut für Biomathematik und Biometrie, Helmholtz-Zentrum München Konsensuskonferenz:
MehrFourier-Transformation und Saitenschwingung
F-Praktikum Versuch 1.1 Diego Semmler, Nils Höres Seite 1/13 Fortgeschrittenen-Praktikum Fourier-Transformation und Saitenschwingung Diego Semmler, Nils Höres diego@messenger.dsemmler.de nils@hoeres.de
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
MehrFourier-Analysis und der Algorithmus des 20. Jahrhunderts
Fourier-Analysis und der Algorithmus des 20. Jahrhunderts Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 54 Die schwingende
MehrAnmerkung: Falls f(x) nicht ganz glatt ist, sondern nur stückweise stetig differenzierbar ist (d.h. Sprünge hat), gilt (Satz v.
Fourier-Reihen für periodische Funktionen Sei periodisch, mit Periode L: Auch für diesen Fall gilt die Fourier- Reihen-Darstellung (b.3), mit : (b.3) (und stückweise stetig differenzierbar) (c.5) Integral
Mehr1 Einführung. Bildformate Analyse der LSB-Ersetzung Weitere steganographische Algorithmen. Syndromkodierung in der Steganographie
Gliederung Einführung 1 Einführung 2 3 4 WS 2012/2013 Steganographie und Multimedia-Forensik Folie 121 Farbwahrnehmung Blau: 435,8 nm Grün: 546,1 nm Rot: 700 nm (445 nm) (535 nm) (575 nm) Empfindlichkeit
MehrMultimediatechnik / Video
Multimediatechnik / Video Codierung, Datenreduktion Quantisierung, Lauflängencodierung DCT, JPEG http://www.nanocosmos.de/lietz/mtv Inhalt Codierung digitaler Signale Datenreduktion (Kompression) Verlustfrei
Mehrffl Die Portable Bitmap Utilities (PBM) manipulieren monochrome Bilder. ffl Die Portable Greymap Utilities (PGM) manipulieren Grauwert-Bilder.
Kapitel 9 Pixeldateiformate Es gibt diverse Formate, in denen die generierten Grafiken abgespeichert werden können Stellvertretend soll hier nur auf 2 Formate eingegangen werden; eines, bei dem die Pixel
Mehr2.3 Konvergenzverhalten von Fourierreihen
24 2 Fourierreihen 2.3 Konvergenzverhalten von Fourierreihen Wir diskutieren die folgenden Fragen: Unter welchen Umständen konvergiert eine Fourierreihe einer Funktion? Wann kann man eine stückweise stetige
MehrGlobale Operationen. Prof. Dr. Aris Christidis WS 2018 / 19
Globale Operationen Operationen / Funktionen, die alle Pixel des Eingabebildes benötigen, bevor sie ein Pixel oder eine Aussage für das Ergebnisbild ermitteln, nennt man global. (Beispiel: Erkennung /
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
MehrKomplexe Analysis für ITET und RW/CSE. Serie 11
Prof. Dr. F. Da Lio R. Gantner Frühlingssemester 5 Komplexe Analysis für ITET und RW/CSE ETH Zürich D-MATH Serie Aufgabe. Fourierreihen (.a Sei f p die ungerade periodische Fortsetzung der Funktion f :
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
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:
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
MehrMathematik und Musik: Fourieranalyse
Mathematik und Musik: Fourieranalyse Matheseminar JKU Linz WS2015/16 Peter Gangl Linz 5. Februar 2016 1 / 20 Outline 1 Musik mathematisch betrachtet 2 2 / 20 Outline 1 Musik mathematisch betrachtet 2 2
MehrFourier-Reihen. Definition. Eine auf R definierte Funktion f heißt periodisch mit der Periode T 0, wenn f(x + T ) = f(x) x R.
Fourier-Reihen Sehr häufig in der Natur begegnen uns periodische Vorgänge, zb beim Lauf der Gestirne am Nachthimmel In der Physik sind Phänomene wie Schwingungen und Wechselströme periodischer Natur Zumeist
MehrDiskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
MehrRobert Denk Proseminar Analysis WS 2016/17
1. Inhalt des Proseminars 1 Robert Denk 21.07.2016 Proseminar Analysis WS 2016/17 1. Inhalt des Proseminars Die Grundidee einer Fourierreihe besteht darin, eine Funktion als Überlagerung von Schwingungen,
MehrR.Wagner, Mathematik in der Astronomie
Mathematik in der Astronomie Roland Wagner Johann Radon Institute for Computational and Applied Mathematics (RICAM) Österreichische Akademie der Wissenschaften (ÖAW) Linz, Austria Linz, 20.Mai 2016 Übersicht
MehrNichtlineare Quantisierung
Nichtlineare Quantisierung Die einfachste Form der Codierung besteht in einer nichtlinearen Quantisierung der Abtastwerte, um die wesentlich häufiger auftretenden kleinen Amplitudenwerte mit einer höheren
MehrJ.P.E.G. Standard. J.P.E.G. Eigenschaften. J.P.E.G. System. JPEG Verschlüsselungsschritte. Farbmodell
Inhaltsbasierte Bildsuche J.P.E.G = Joint Photographic Expert Group Informatica Feminale Universität Bremen, Aug. 2005 Maja Temerinac Albert-Ludwigs-Universität Freiburg J.P.E.G. Standard Standard zur
Mehr