BV in Frequenzbereich
|
|
- Busso Weber
- vor 6 Jahren
- Abrufe
Transkript
1 Bilderarbeitng ZHAW BV HS7 M. Thaler BV in Freqenzbereich Freqency omain M. Thaler TG8 Jni 7
2 Um was geht es? Periodische Störngen z.b. Afnahmesystem Scanner Übertragngstörngen etc. wie lassen sich diese Störngen entfernen? Bilderarbeitng ZHAW BV HS7 M. Thaler Jni 7
3 Um was geht es? Bis jetzt Filterng im Ortsbereich Faltng mit Filterkern z.b. Gass TP Approximation Bilderarbeitng ZHAW BV HS7 M. Thaler g x y f x y h x y Filterng im Freqenzbereich FT-Filterng Mltiplikation mit Filter-Übertragngsfnktion G F H 4 Forier Transformation Mltiplikation mit H Inerse Forier Transformation fxy F G gxy Jni 7 3 Vorteile Freqenzbereich - Filter sind genaer nachbildbar - e. weniger Rechenoperationen - zsätzliche Fnktionalität möglich z.b. Elimination on periodischen Störngen 3
4 ... m was geht es Intensitätsänderngen "Freqenzgehalt" schwache Änderngen Bilderarbeitng ZHAW BV HS7 M. Thaler starke nd mittlere Änderngen starke nd mittlere Änderngen Jni 7 4 Achtng: Tiefpassgefilter wegen Raschen - im Bambereich hohe Freqenzen nicht sichtbar 4
5 Inhalt Bilderarbeitng ZHAW BV HS7 M. Thaler Lehrziele ie -d igitale Forier-TransformationFT FT-Faltng resp. Filterng Filter im Freqenzbereich Tiefpass Hochpass Bandsperre / Bandpass Notch Homomorphic Filtering Korrelation iskssion Jni 7 5 5
6 Lehrziele Bilderarbeitng ZHAW BV HS7 M. Thaler Sie kennen die -dimensionale digitale Forier-transformation nd können sie disktieren wissen wie die -d FT berechnet wird nd was die Problemstellngen sind kennen die wichtigsten Filter im Freqenz-bereich nd können sie anwenden nd disktieren können mit Hilfe der FT eine Korrelation drchführen können Homomorphic Filtering erklären nd disktieren können die Bilderarbeitng im Freqenz-bereich disktieren Jni 7 6 6
7 Forier Transformation Forier-Reihe periodische Signale - darstellbar drch Sperposition on sins-fnktionen Beispiel: Rechteckfnktion Bilderarbeitng ZHAW BV HS7 M. Thaler Jni 7 7 7
8 8 Jni 7 8 Bilderarbeitng ZHAW BV HS7 M. Thaler -d igitale Forier Transformation -d FT -d IFT ie FT ist periodisch + M x N y N y M x j e y x f F π + M N N y M x j e F N M y x f π N M F N F M F F
9 arstellng -d FT C -Wert N/- N- Alternatie arstellng - zentriertes Spektrm - log Skalierng M/- F C - Wert Bilderarbeitng ZHAW BV HS7 M. Thaler M- periodische Fortsetzng M/ M- N/ N- F' f 'xy - x + y f xy Jni 7 9 9
10 ... -d FT Original f xy x F linear skaliert nicht zentriert Bilderarbeitng ZHAW BV HS7 M. Thaler FM/ F' log skaliert zentriert Jni 7
11 ... -d FT Bilderarbeitng ZHAW BV HS7 M. Thaler ± 45 o Kanten im Spektrm gt sichtbar Jni 7
12 ... -d FT Zsammenhang Orts-/ Freqenzbereich Änderng im Ortsbereich reziprok zr Änderng im Freqenzbereich Bilderarbeitng ZHAW BV HS7 M. Thaler schnelle Änderng im O-B langsame Änderng F-B langsame Änderng O-B schnelle Änderng im F-B M x N y Jni 7 wenn man N Abtastwerte nimmt gilt im Zeitbereich T M T nd für die Freqenzaflösng Abstand zwischen Spektrallinien f T M T im Ortsbereich gilt entsprechend [ x] m: L M x nd für die Freqenzaflösng Abstand zwischen Spektrallinien L M x
13 ... Berechnng der -d FT ie Berechnng der -d FT ist separierbar -d FT aller Zeilen dann -d FT aller Spalten Bilderarbeitng ZHAW BV HS7 M. Thaler fxy FT der Zeilen Fx FT der Spalten Berechnng meist mit der FFT fast forier transform MATLAB: fftf fftf M N mit zero-padding F Jni 7 3 3
14 FT-FaltngFilterng Gass Tiefpass x Pnkte Parameter σ hx y Bilderarbeitng ZHAW BV HS7 M. Thaler Original Variante Variante Jni 7 4 Originalbild Variante - nach Tiefpassfilterng ohne Padding - ertikale Ränder weisen keine Filterng af Variante - nach Tiefpassfilterng mit Padding 4
15 ... FT-Filterng FT ist periodisch ohne zero-padding zyklische Faltng wraparond Fehler mit zero-padding lineare Faltng Bilderarbeitng ZHAW BV HS7 M. Thaler Abhilfe: paddingmit Bild fxy mit Grösse AxB Filtermaske hxy mit Grösse CxB Padding Parameter P A + C Q B + P Q A f p xy B fxy P C hxy Q h p xy Jni 7 5 5
16 ... FT Filterng Vorgehen Bilderarbeitng ZHAW BV HS7 M. Thaler. Padding Parameter P nd Q bestimmen. FT: F p FFT f p xy 3. FT: H p FFT h p xy 4. Mltiplikation: G p F p H p 5. IFT: g p xy Re IFFT G p 6. Asschnitt wählen: gxy g p?? Beispiel mit Matlab Filterkern zentriert Fp fftf ; h fspecial'gassian' 5; Hp ffth ; Gp Fp.* Hp; gp realifftgp; g g5:5 5:5 Jni 7 6 6
17 Filter im Freqenzbereich Bilderarbeitng ZHAW BV HS7 M. Thaler Radial-symmetrische Filter istanzmass - Abstand zm Mittelpnkt in der Freqenzebene - eklidische istanz Freqenzebene Beispiel idealer TP H > Jni 7 7 7
18 ... Filter im Freqenzbereich Radial symmetrische TP-Filter eklid. istanz Idealer Tiefpass 5 H > Bilderarbeitng ZHAW BV HS7 M. Thaler Btterworth Tiefpass H + Gass Tiefpass / n σ H e 5 n 4 σ Jni 7 8 8
19 ... Filter im Freqenzbereich: TP Original idealer Tiefpass Bilderarbeitng ZHAW BV HS7 M. Thaler x Pixel "ringing" wegen sin x / x x Pixel Radis: 5 Pixel Btterworth TP x Pixel : 5 Pixel n: 4 Gass TP x Pixel s: 5 Jni 7 9 9
20 ... Filter im Freqenzbereich: HP TP-HP Transformation H HP H TP Bilderarbeitng ZHAW BV HS7 M. Thaler Beispiel x Gass HP σ 4 Problem HP-Filter: C Mittelwert gefiltertes Bild dnkel Lösng: Offset hinzfügen H ' HP a + b H HP mit a < b high-freqency emphasis filtering a.5 b. Jni 7
21 High-Freqency Emphasys Beispiel Btterwort Hochpass: 6 n a.5 b. Resltat: histogram eqalized Bilderarbeitng ZHAW BV HS7 M. Thaler Jni 7
22 Jni 7 Bilderarbeitng ZHAW BV HS7 M. Thaler... Filter im Freqenzbereich Bandsperre / Bandpass dämpft Freqenzband m den Ursprng Parameter: : Sperrfreqenz W: Breite der Sperre Btterworth: n Ordnng Gass Bandpass W H n n BS + W BS e H Btterworth: x W 5 n 4 H H BS BP Ideale Bandsperre > < / / W sonst W H BS
23 ... Bandsperre Bilderarbeitng ZHAW BV HS7 M. Thaler Jni 7 3 3
24 4 Jni 7 4 Bilderarbeitng ZHAW BV HS7 M. Thaler... Filter im Freqenzbereich Notch Filter nterdrückt Freqenzen in einer Umgebng mit Abstand Notch ideal Btterworth Notch Gass Notch < < sonst H N n n n N H B + N e H G
25 ... NotchFilter Btterworth Notch 6 n 4 Bilderarbeitng ZHAW BV HS7 M. Thaler Jni 7 5 5
26 Homomorphic filtering Bilderarbeitng ZHAW BV HS7 M. Thaler Belechtngs/ Reflexions-Modell Bild besteht as f x y i x y r x y - Belechtngskomponente ändert eher wenig - Reflexionskomponente enthält starke Änderngen Idee ixy nd rxy separieren nd entsprechend filtern Jni 7 6 6
27 7 Jni 7 7 Bilderarbeitng ZHAW BV HS7 M. Thaler... homomorphic filtering Ansatz ' ' ' ' ' ' log log log R H I H Z H G R I Z y x r y x i y x r y x i y x f y x z y x r y x i y x f
28 ... homomorphic filtering Filtereigenschaften H? Belechtng: tiefe Freqenzen dämpfen Reflexion: hohe Freqenzen beibehalten G H I ' + H R' Bilderarbeitng ZHAW BV HS7 M. Thaler γ H γ L H L γ H H γ + γ H L LP istanz zm C-Pnkt Jni 7 8 8
29 ... homomorphic filtering Bilderarbeitng ZHAW BV HS7 M. Thaler Beispiel H γ γ L H LP btterworth n.5. original Jni 7 9 9
30 Korrelation im Freqenzbereich Korrelation fxy Bilderarbeitng ZHAW BV HS7 M. Thaler g x y f x y o h x y c G F H Maximm on gxy - Position on hxy in fxy gxy * gxy hxy Jni 7 3 3
31 iskssion Bilderarbeitng ZHAW BV HS7 M. Thaler Bilderarbeitng im Freqenzbereich Grndlage für Faltng nd Korrelation Filter Faltng - oft nr Asgangspnkt dann Filterng im Ortsbereich - spezielle Filter wie Bandsperren Notch etc. im Freqenzbereich - grosse Filterkerne oft Freqenzbereich recheneffizienter Korrelation - Objekte oft relati gross Freqenzbereich recheneffizienter Weitere Anwendngen - Bildrestaration - Medizin CRT - etc. Jni 7 3 3
Systemtheorie 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
MehrVersuch 3: Anwendungen der schnellen Fourier-Transformation (FFT)
Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Ziele In diesem Versuch lernen Sie zwei Anwendungen der Diskreten Fourier-Transformation in der Realisierung als recheneffiziente schnelle
MehrKapitel 7. Bildverarbeitung im Frequenzraum
Kapitel 7 Bildverarbeitung im Frequenzraum Durchführung von Faltungen im Frequenzraum Filterung im Frequenzraum: Tiefpass- und Hochpass-Filter, etc. Bildrestaurierung Notch-Filter: Entfernung periodischer
Mehr1. Theoretische Grundlagen
Fachbereich Elektrotechnik / Informationstechnik Elektrische Mess- nd Prüftechnik Laborpraktikm Abgabe der Aswertng dieses Verschs ist Vorassetzng für die Zlassng zm folgenden ermin Grndlagen der Leistngsmessng
MehrSchriftliche Prüfung aus Control Systems 1 am
TU Graz, Institt für Regelngs- nd Atomatisierngstechnik A Schriftliche Prüfng as Control Systems am 5 0 006 Name / Vorname(n): Kenn-MatrNr: Gebrtsdatm: BONUSPUNKTE as Compterrechenübng: 3 erreichbare Pnkte
Mehr1. Oszilloskop. Das Oszilloskop besitzt zwei Betriebsarten: Schaltsymbol Oszilloskop
. Oszilloskop Grndlagen Ein Oszilloskop ist ein elektronisches Messmittel zr grafischen Darstellng von schnell veränderlichen elektrischen Signalen in einem kartesischen Koordinaten-System (X- Y- Darstellng
MehrVersuch 5: Filterentwurf
Ziele In diesem Versuch lernen Sie den Entwurf digitaler Filter, ausgehend von der Festlegung eines Toleranzschemas für den Verlauf der spektralen Charakteristik des Filters, kennen. Es können Filtercharakteristiken
Mehrc~åüüçåüëåüìäé==açêíãìåç= FB Informations- und Elektrotechnik FVT - GP
c~åüüçåüëåüìäé==açêíãìåç= FB Informations- nd Elektrotechnik FVT - GP Versch Oszilloskop II WS 4/5. Von einem Fnktionsgenerator ist der zeitliche Verlaf der Asgangsspannng bei Leerlaf nd Leistngsanpassng
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
MehrFormfunktionen (Interpolation): Bedeutung und praktischer Einsatz
Formfnktionen (Interpolation): Bedetng nd praktischer Einsatz Dr.-Ing. Martin Zimmermann Lehrsthl für Konstrktionslehre nd CAD Universität Bayreth Einleitng, Problem nd Motivation Knoten Steifigkeit Elemente
MehrÜbungsaufgaben Mathematik 3 MST Lösung zu Blatt 4 Differentialgleichungen
Übngsafgaben Mathematik MST Lösng z Blatt 4 Differentialgleichngen Prof. Dr. B.Grabowski Z Afgabe ) Lösen Sie folgende Differentialgleichngen nd Anfangswertprobleme drch mehrfaches Integrieren nach y(x)
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
MehrAbb. 1 : Regelkreis und OP
Theorie In der Technik werden häfig egelkreise zr Einstellng von sgangsgrößen (Weg, Temperatr, Kraft sw) eingesetzt, bei denen ein Teil des erreichten Ist-Wertes zrückgeführt nd mit einem Soll- Wert verglichen
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
Mehrfilter Filter Ziele Parameter Entwurf Zölzer (2002) Nov 14, 2015
1 Filter Ziele Parameter Entwurf Zölzer (2002) Nov 14, 2015 2 Beschreibung Übertragungsfunktion H(z), H(ω) Differenzengleichung y[n] Impulsantwort h[n]: Finite Infinite Impulse Response (FIR) Impulse Response
MehrAUFGABENSAMMLUNG ZUM LEHRGEBIET. AUTOMATISIERUNGSTECHNIK bzw. KONTINUIERLICHE SYSTEME
Dr.-Ing. Tatjana Lange Fachhochschle für Technik nd Wirtschaft Fachbereich Elektrotechnik AUFGABENSAMMLUNG ZUM LEHRGEBIET AUTOMATISIERUNGSTECHNIK bzw. KONTINUIERLICHE SYSTEME. Differentialgleichngen Afgabe.:
Mehr7 Lineare Gleichungssysteme
116 7 Lineare Gleichngsssteme Lineare Gleichngsssteme treten in vielen mathematischen, aber ach natrwissenschaftlichen Problemen af; m Beispiel beim Lösen von Differentialgleichngen, bei Optimierngsafgaben,
MehrSchaltungen mit nichtlinearen Widerständen
HOCHSCHLE FÜ TECHNIK ND WITSCHAFT DESDEN (FH) niversity of Applied Sciences Fachbereich Elektrotechnik Praktikm Grndlagen der Elektrotechnik Versch: Schaltngen mit nichtlinearen Widerständen Verschsanleitng
MehrMichael Buhlmann Mathematik > Vektorrechnung > Kreuzprodukt
Michael Bhlmann Mathematik > Vektorrechnng > Krezprodkt Einleitng a Für zwei Vektoren a a nd gelten im dreidimensionalen reellen Vektorram a neen der Addition Vektoraddition) nd der Mltiplikation mit einer
MehrVerzerrungsfreies System
Verzerrungsfreies System x(n) y(n) n n x(n) h(n) y(n) y(n) A 0 x(n a) A 0 x(n) (n a) h(n) A 0 (n a) H(z) A 0 z a Digitale Signalverarbeitung Liedtke 8.1.1 Erzeugung einer linearen Phase bei beliebigem
MehrIm Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω)
4 Systeme im Frequenzbereich (jω) 4.1 Allgemeines Im Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω) 1 4.2 Berechnung des Frequenzgangs Beispiel: RL-Filter
MehrDie "Goldene Regel der Messtechnik" ist nicht mehr der Stand der Technik
Die "Goldene Regel der Messtechnik" Ator: Dipl.-Ing. Morteza Farmani Häfig wird von den Teilnehmern nserer Seminare zr Messsystemanalyse nd zr Messnsicherheitsstdie die Frage gestellt, für welche Toleranz
MehrFaltung, Korrelation, Filtern
Faltung, Korrelation, Filtern Wie beschreibe ich lineare Systeme (z.b. Seismometer) -> Faltung, Konvolution, Dekonvolution? Wie quantifiziere ich die Ähnlichkeit von Zeitreihen (-> Korrelation) Wie quantifiziere
MehrLabor Übertragungstechnik
Labor Überragngsechnik Pro. Dr. Ing. Lilia Laji Dipl. Ing. Irina Ikker Qadrar Aplidenodlaion Grppenner: eilneher: Nae Vornae Marikelner 3 Osalia Hochschle ür angewande Wissenschaen Hochschle Branschweig/Wolenbüel
MehrVorgehen zur Kalibrierung von Kamerabildern
Vorgehen r Kalibrierng von Kamerabildern Prof. Dr.-Ing. Bernhard Lang, 06.04.2013 3 Kalibrierng von Kamerabildern 3.1 Hintergrnd Eine reale Kamera lässt sich geometrisch drch eine Lochkamera modellieren.
MehrInhaltsbasierte Bildsuche. Matthias Spiller. 17. Dezember 2004
Kantenbasierte Merkmale für die Bildsuche Inhaltsbasierte Bildsuche Matthias Spiller 17. Dezember 2004 Übersicht Übersicht Einleitung Was sind Kanten? Kantenrichtungs Histogramm Der Canny-Algorithmus Feature-Erzeugung
MehrEinführung in FEM Motivationsbeispiel. Berechnungsbeispiel COMSOL Multiphysics: Elastizitätsberechnung eines F1 Frontflügels. www.comsol.
Einführng in FEM Motivationsbeispiel Berechnngsbeispiel COMSO Mltiphysics: Elastizitätsberechnng eines F Frontflügels. www.comsol.de Originalgeometrie CAD-Modell mit Berechnngsgitter FEM Ergebnis der Aslenkng
MehrMaximale Sicherheit auch unter Tage: funkwerk TETRA FT4 S Ex
Maximale Sicherheit ach nter Tage: fnkwerk TETRA FT4 S Ex Das zertifizierte TETRA-Fnkgerät für Personensicherng, Kommnikation nd präzise Lokalisierng: Für Gefahrenbereiche im Tnnel- nd Bergba. Fnkwerk
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
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
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
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
MehrFrequenzanalyse Praktischer Leitfaden zur Anwendung der Frequenzanalyse. Filter
Filter Filter! Hochpassfilter! Tiefpassfilter! Bandpassfilter (Bandsperrfilter)! FIRFilter! Oktav/Terz... nteloktavfilter wird Titel 2 Hochpassfilter LowCutFilter HighPassFilter Trittschallfilter BassCutFilter
Mehr3. TRANSISTOREN 3.1. EINLEITUNG 3.2. AUFBAU UND WIRKUNGSWEISE DES TRANSISTORS 3.2.1. PRINZIPIELLER AUFBAU DES TRANSISTORS
3. TRANSISTOREN 3.. EINLEITUNG Der hete verwendete (Bipolar-) Transistor wrde von Bardeen Brattain nd Shockley 948 in den Bell Laboratorien af der Grndlage der Gleichrichtertheorie von Schottky erfnden.
MehrPhasenseparation (Entmischung) in binären, homogenen Mischungen
Phasenseparation (Entmischng) in binären homogenen Mischngen Exkrs: Tangenten an molare Zstandsfnktionen In einer binären Mischng (enthält 2 Komponenten) seien Teilchen der orte nd Teilchen der orte vorhanden.
MehrWDS.01 VAE ROADMASTER 2000. VAE GmbH www.voestalpine.com/vae
WDS.01 VAE GmbH www.voestalpine.com/vae 2 Drch die wirtschaftlichen nd technischen Änderngen bei Eisenbahnen nd Infrastrktrbetrieben, sowie den steigenden Anforderngen an die Verfügbarkeit erfahren Wartngs-
Mehr3 Kameramodell. 3.1 Geometrisches Kameramodell. 3. Kameramodell
3 Kameramodell Das Kameramodell mfasst ein geometrisches Modell nd ein Signalerarbeitngsmodell der CCD/CMOS-Kamera nter Berücksichtng der Signalschnittstelle, der Bilderarbeitngskarte nd der Belechtngs-
MehrBiosignalverarbeitung (Schuster)
Biosignalverarbeitung (Schuster) 9. FOURIER - TRANSFORMATION: 4 Ausprägungen der Transformation: Zeitbereich Frequenzbereich Laplace-Transformation Fourier-Transformation kontinuierlicher Signale (FT,
MehrAnaloge und digitale Filter
Technische Universität Ilmenau Fakultät Elektrotechnik und Informationstechnik FG Nachrichtentechnik Übungsaufgaben zur Lehrveranstaltung Analoge und digitale Filter Filter. Ordnung. Betrachtet wird ein
MehrSiSy1, Praktische Übung 3. Fourier-Analyse (periodischer Signale) kann als Fourier-Reihe 1 beschrieben werden:
/5 Fourier-Analyse (periodischer Signale) Grundlagen Ein periodisches, kontinuierliches Signal x(t) der Periodendauer kann als Fourier-Reihe beschrieben werden: wie folgt ( ) = c k x t + e j k 2πf t k=
MehrEinführung in die Signalverarbeitung
Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
MehrDigitale Bildverarbeitung OPTONET Mastertour bei Allied Vision Technologies
Digitale Bildverarbeitung OPTONET Mastertour bei Allied Vision Technologies Technische Universität Ilmenau Fachgebiet Qualitätssicherung Dr.-Ing. Maik Rosenberger 1 Inhalt 1 Grundbegriffe der Bildverarbeitung
MehrStandard 8029HEPTA/GPS. Weil jeder Bruchteil einer Sekunde zählt. Netzwerksynchronisation auf kleinstem Raum. hopf Elektronik GmbH
8029HEPTA/GPS Standard Weil jeder Brchteil einer Seknde zählt Netzwerksynchronisation af kleinstem Ram hopf Elektronik GmbH Nottebohmstraße 41 58511 Lüdenscheid Detschland Telefon: +49 (0)2351 93 86-86
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
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
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
MehrAufgabensammlung zur Systemtheorie und Regelungstechnik
Afgabensammlng zr Systemtheorie nd egelngstechnik Dr. S. Krase Prof. Dr. B. Fapel 3. Jni 206 Wiederholng nd Grndlagen. Berechnen Sie (ohne Taschenrechner) die folgenden Asdrücke. Es bezeichne lg = log
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
MehrScandSorb C. Patronen- und Filtersysteme
ScandSorb C Patronen- nd Filtersysteme ScandSorb_C Patronen- nd Filtersysteme ANWENDUNGEN Reinlft Energiegewinnng Reinram Indstrie SCHLÜSSELFAKTOREN Das Bewsstsein vieler Unternehmen, die Gesndheit ihrer
MehrSeminar Digitale Signalverarbeitung
Universität Koblenz-Landau Institut für integrierte aturwissenschaften Abteilung Physik Dr. Merten Joost Seminar Digitale Signalverarbeitung Thema: Fast Fourier Transformation Praktische Durchführung einer
MehrSpektralanalyse
4. Spektralanalyse Die Spektralanalyse ermittelt, welche Beiträge die einzelnen Frequenzen zu einem Signal liefern. Je nach Art des Zeitsignals wird der Frequenzgehalt durch die Fourier-Transformation,
MehrInvestigation of axial dispersion and simulation of flow within metal foam
Investigation of axial dispersion and simlation of flow within metal foam Adrian Zenklsen Institt für Verfahrenstechnik, ETH Zürich Motivation breite Anwendng von metallischen Schämen (Wärmetascher, Leichtba,
MehrÜbung 6: Fast Fourier Transformation
Computational Physics 1, Seminar 6, Fast Fourier Transformation 1 Übung 6: Fast Fourier Transformation Aufgabe 1 Fourierfilterung von Bildern: Erstellen Sie ein Programm, welches ein Bild einliest, dieses
MehrDer Einbau im Auto. Stereo: Beispiel Fahrzeug. Einbau im Rückspiegel Erfassung von. Reichweite: bis 30 m
Der Einbau im Auto Sichtbereich Sichtbereich Kameras Einbau im Rückspiegel Erfassung von anderen Fahrzeugen (Pkw,Lkw) Zweiradfahrern Fußgängern und Kindern Reichweite: bis 30 m Digitale Bildverarbeitung
Mehr11.4 Korrelation. Def. 44 Es seien X 1 und X 2 zwei zufällige Variablen, für die gilt: 0 < σ X1,σ X2 < +. Dann heißt der Quotient
11.4 Korrelation Def. 44 Es seien X 1 und X 2 zwei zufällige Variablen, für die gilt: 0 < σ X1,σ X2 < +. Dann heißt der Quotient (X 1,X 2 ) = cov (X 1,X 2 ) σ X1 σ X2 Korrelationskoeffizient der Zufallsgrößen
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
MehrDigitale Signalbearbeitung und statistische Datenanalyse
Digitale Signalbearbeitung und statistische Datenanalyse Teil 6 146 2. Teil Ziele der Filteranwendung Signal-Trennung (z.b. EKG eines Kindes im Mutterleib, Spektralanalyse) Signal-Restauration (z.b. unscharfes
MehrAerodynamik des Flugzeugs Numerische Strömungssimulation
Aerodnamk des Flgzegs Nmersche Srömngssmlaon Enleng Srömngssmlaon n Wndkanälen 3 Nmersche Srömngssmlaon 4 Poenalsrömngen 5 Tragflügel nendlcher Sreckng n nkompressbler Srömng 6 Tragflügel endlcher Sreckng
MehrOptima CG / Optivent CG. Innovative TAV-Decken Lösungen für Operationssäle
Optima CG / Optivent CG Innovative TAV-Decken Lösngen für Operationssäle Optima CG / Optivent CG Innovative TAV-Decken Lösngen für Operationssäle Anwendngen Reinlft Energiegewinnng Reinram Indstriell Schlüsselfaktoren
MehrNichtmonotone Grauwertabbildung
LMU München Medieninformatik Butz/Hilliges 2D Graphics WS2005 02.12.2005 Folie 1 Nichtmonotone Grauwertabbildung Zwei Grauwertfenster in einem Bild. g (g) 0 511 2100 g Erzeugt künstliche Kanten. Grenzen
MehrLabor Messtechnik Versuch 4 Dehnungsmesstechnik
F Ingenierwesen FR Maschinenba Versch 4 Dehnngsmesstechnik Seite 1 von 8 Versch 4: Dehnngsmesstechnik 1. Verschsafba 1.1. Umfang des Versches Im Versch werden folgende Themenkreise behandelt: - Verschsstand
MehrGrundlagen experimenteller Windkanaluntersuchungen: Hitzdrahtmesstechnik
Messtechnische Grndlagen 1. Anmerkngen zr Hitzdrahtanemometrie Die Vermessng der Grenzschicht wird mit Hitzdrahtsonden vom Typ 55P61 der Firma DANTEC vorgenommen. Die verwendeten Hitzdrahtsonden bestehen
Mehr8 Strömungen in Rohrleitungen
8 Strömngen in Rohrleitngen Rohrleitngen sind langgestreckte geschlossene Ssteme, die vom Flid drchströmt werden. Das Strömngsverhalten ist drch die Reibng entlang des benetzten Umfangs geprägt. Technische
Mehr(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)
Teil 1: Fragen und Kurzaufgaben (Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!) Frage 1 (6 Punkte) Es wird ein analoges
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
MehrZeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT)
Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Inhaltsverzeichnis 1 Allgemeines Filter... 2 2 Filter auf dem Signalprozessor... 2 3 Zusammenhang Zeitsignal und Frequenzspektrum...
MehrMotivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrDigitale Bildverarbeitung
Einführung Studienblock (10 ECTS, Prüf.Nr. 2635) FH-Aachen / Jülich, FB 9 Prof. Dr. rer. nat. Walter Hillen (Dig Img 0 Intro) 1 Einführung: Verfahrensschritte: Bilderzeugung Bild-Analyse, Interpretation
MehrA. Formelsammlung Aktive Filter
A. Formelsammlung Aktive Filter Tiefpass-Schaltungen Grundglied. Ordnung u ( gegeben G( s u ω Abgleich: ω + s ( gegeben ω ω ω π f ω ω π f Sallen-Key Tiefpass.Ordnung (Einfach-itkopplung, SK (Einsetzbar
MehrZusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann
Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:
MehrFilter und Schwingkreise
FH-Pforzheim Studiengang Elektrotechnik Labor Elektrotechnik Laborübung 5: Filter und Schwingkreise 28..2000 Sven Bangha Martin Steppuhn Inhalt. Wechselstromlehre Seite 2.2 Eigenschaften von R, L und C
MehrVisual Computing Filtering, Fourier Transform, Aliasing
Eidgenössische Technische Hochschule Zürich Swiss Federal Institute of Technology Zurich Zu loesen bis: 16. Mai 2006 Prof. M. Gross Remo Ziegler / Christian Voegeli / Daniel Cotting Ziele Visual Computing
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
MehrTrigonometrische Funktionen Luftvolumen
Trigonometrische Funktionen Luftvolumen Die momentane Änderungsrate des Luftvolumens in der Lunge eines Menschen kann durch die Funktion f mit f(t) = 1 2 sin(2 5 πt) modelliert werden, f(t) in Litern pro
MehrDigitale Signalbearbeitung und statistische Datenanalyse
Digitale Signalbearbeitung und statistische Datenanalyse Teil 5 8 Aus ontinuierlichem Signal werden in onstanten Zeitintervallen Daten entnommen ontinuierliches Signal x(t) Einheitsimpulsfuntion Gewichtete
MehrKontrollfragen zum Skript Teil 1 beantwortet
Kontrollfragen zum Skript Teil 1 beantwortet Von J.S. Hussmann Fragen zu SW 1.1 Welche Vorteile hat die DSVB? Programmierbar Parametrierbar Reproduzierbar Wie heisst die Umwandlung eines Zeit-diskreten
MehrNetzgeführte Stromrichterschaltungen
4 Netzgeführte Stromrichterschaltngen In netzgeführten Stromrichtern wird die Wechselspannng des speisenden Netzes nicht nr zr Spannngsbildng af der Asgangsseite bentzt, sondern sie dient ach als treibende
MehrDer Tiefpass Betreuer: Daniel Triebs
Der Tiefpass Betreuer: Daniel Triebs 1 Gliederung Definiton: Filter Ideale Tiefpass Tiefpass 1.Ordnung Frequenzgänge Grundarten des Filters Filterentwurf Tiefpass 2.Ordnung 2 Definition: Filter 3 Filter
MehrMan erkennt, dass an der Induktivität die Spannung unendlich groß wird, wenn der Strom einen Sprung
nverät Stttgart Intt für engselektronk nd Elektrsche Antrebe Abt. Elektrsche Energewandlng Prof. Dr.-Ing. N. Parspor Enschwngvorgänge Wenn n enem elektrschen Netzwerk en oder mehrere Energe spechernde
MehrMethodenseminar. Messtechnik und Biosignalerfassung / Übungen. Assist. Prof. Dipl.-Ing. Dr. Manfred Bijak
Methodenseminar Messtechnik und Biosignalerfassung / Übungen Assist. Prof. Dipl.-Ing. Dr. Manfred Bijak Dieses Skriptum ist ausschließlich als Lernbehelf im Rahmen der Lehrveranstaltung LV 809.045 Messtechnik
MehrElementare Bildverarbeitungsoperationen
1 Elementare Bildverarbeitungsoperationen - Kantenerkennung - 1 Einführung 2 Gradientenverfahren 3 Laplace-Verfahren 4 Canny-Verfahren 5 Literatur 1 Einführung 2 1 Einführung Kantenerkennung basiert auf
MehrExperimentalphysik E1
Experimentalphysik E1 Erzwungene & gekoppelte Schwingungen Alle Informationen zur Vorlesung unter : http://www.physik.lmu.de/lehre/vorlesungen/index.html 10. Jan. 016 Gedämpfte Schwingungen m d x dt +
MehrApl. Prof. Dr. G. Herbort, Prof. Dr. M. Heilmann Bergische Universität Wuppertal
Apl. Prof. Dr.. Herbort, Prof. Dr. M. Heilmann 28.8.212 Bergische Universität Wuppertal Modul: Mathematik 1b für Ingenieure, Bachelor Sicherheitstechnik (PO 211 Aufgabe 1 (2 Punkte a Berechnen Sie das
MehrMATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB
MATLAB Kurs 2010 Teil 2 Eine Einführung in die via MATLAB 26.11.2010 & 03.12.2010 nhaltsverzeichnis 1 2 3 Ziele Kurze Einführung in die -Analyse Ziele Kurze Einführung in die -Analyse MATLAB Routinen für
MehrTropische Kurven zählen. Enumerative Geometrie. Alg. Geometrie. Beispiel Strategie. Geometrie. Kurven Multiplizität Correspondence Theorem Ergebnisse
Alg. Ebene e Hannah Markwig Technische Universität Kaiserslautern 6. Juli 2006 Alg. Inhalt 1 () 2 3 Der Algorithmus zum Zählen ebener 4 Der Algorithmus Alg. Algebraische Geometrische Objekte sind Nullstellengebilde
MehrNTB Druckdatum: ELA II. Zeitlicher Verlauf Wechselgrösse: Augenblickswert ändert sich periodisch und der zeitliche Mittelwert ist Null.
WECHSELSTROMLEHRE Wechselgrössen Zeitlicher Verlauf Wechselgrösse: Augenblickswert ändert sich periodisch und der zeitliche Mittelwert ist Null. Zeigerdarstellung Mittelwerte (Gleichwert, Gleichrichtwert
MehrBildverarbeitung Herbstsemester 2012. Kanten und Ecken
Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector
Mehr, Magenta= 0. , Weiss= 1. . Für a = 0 hat man Schwarz, für a = 1 Weiss. Dazwischen alle. möglichen Übergänge von dunkelstem Grau zu hellstem Grau.
Physik anwenden nd erstehen: Lösngen.4 Wellenoptik 004 Orell Füssli Verlag AG.4 Wellenoptik Farben 76 a) Eine reflektierende Flähe (z.b. ein Spiegel oder eine weisse Flähe) wrde gleihzeitig mit drei gleih
MehrABZÄHLPROBLEME BEI BÄUMEN B =
ABZÄHLPROBLEME BEI BÄUMEN HELMUT PRODINGER (WIEN) Es sei B die Familie der binären Bäme B kann drch eine formale Gleichng beschrieben werden: B = + B B Dies besagt, daß ein binärer Bam entweder ein Blatt
Mehriscsi-disk-arrays der DSA E Serie
Video Disk-Arrays der DSA E Serie Disk-Arrays der DSA E Serie wwwboschsecrityde Horizontal skalierbare Netzwerkspeicher-Lösng: mit 12 internen Festplatten, die über moderne Erweiterngseinheiten mit SAS-
Mehriscsi-disk-arrays der DSA E Serie
Video Disk-Arrays der DSA E Serie Disk-Arrays der DSA E Serie wwwboschsecrityde Horizontal skalierbare Netzwerkspeicher-Lösng: mit 12 internen Festplatten, die über moderne Erweiterngseinheiten mit SAS-
MehrKonsumoptimum und individuelle Nachfrage
Institt für. Einführng/Motivation. Konstheorie 3. Prodktionstheorie 4. Marktanalyse Konstheorie Bdgetbedingng des Konsenten Präferenzen nd Ntzenfnktion Konsoti nd individelle Nachfrage Literatr z.3: Pindyck/Rbinfeld
MehrBildverarbeitung und Mustererkennung
Bildverarbeitung und Mustererkennung Prüfung im Modul ET5030 für den Masterstudiengang Systems Design & Production Management Professor Dr.-Ing. Martin Werner Juli 2013 Hinweise zur Bearbeitung der Klausur
MehrZusätzliche Aufgaben zur Lehrveranstaltung Grundlagen der Elektrotechnik
Technische Universität Chemnitz Fakltät für Elektrotechnik nd Informationstechnik Dr.-Ing. M. Weber Zsätzliche Afgaben zr ehrveranstaltng Grndlagen der Elektrotechnik. Berechnen Sie in der gegebenen Schaltng
MehrComputergrafik und Bildverarbeitung. Prof. Dr. André Hinkenjann
Computergrafik und Bildverarbeitung Prof. Dr. André Hinkenjann Organisation Literatur The Computer Image Alan Watt, Fabio Policarpo Addison Wesley Digital Image Processing a practical introduction using
MehrDebayeringverfahren. 19. Mai Thomas Noack, Nikolai Kosjar. SE Computational Photography - Debayeringverfahren
Debayeringverfahren Thomas Noack, Nikolai Kosjar 19. Mai 2010 Was bisher geschah... Reduktion der Herstellungskosten durch Einsatz von nur noch einem CCD-Sensor mit Bayer-Filter Problem: Bayer Image Full
MehrComputergraphik I. Scan Conversion: Lines & Co. Einordnung in die Pipeline. G. Zachmann Clausthal University, Germany zach@tu-clausthal.
11/4/10 lausthal omputergraphik I Scan onversion of Lines. Zachmann lausthal University, ermany zach@tu-clausthal.de Einordnung in die Pipeline Rasterisierung der Objekte in Pixel Ecken-Werte interpolieren
MehrWechselspannungskreis Definition Teil C: Wechselstromkreis Beschreibungsgrößen Wechselspannung:
Teil C: Wechselstromkreis Beschreibungsgrößen Ohmscher, kapazitiver, induktiver Widerstand Knoten- und Maschenregeln Passiver / Bandpass Dezibel Bode-Diagramm 6.2.3 Beschreibungsgrößen Wechselspannung:
Mehr