DIGITÁLNÍ OBRAZ. Obrázky (popř. slajdy) převzaty od
|
|
- Rudolf Bureš
- před 7 lety
- Počet zobrazení:
Transkript
1 DIGITÁLNÍ OBRAZ JANA ŠTANCLOVÁ Obrázky (popř. slajdy) převzaty od RNDr. Josef Pelikán, CSc., KSVI MFF UK
2 Obsah fáze zpracování obrazu reprezentace obrazu digitalizace obrazu alias vzorkování kvantování reprezentace obrázku Fourierovou transformací 2/62 Jana Štanclová,
3 Proces zpracování obrazu PROCES ZPRACOVÁNÍ OBRAZU 3/62 Jana Štanclová,
4 Proces zpracování obrazu 1. snímání obrazu 2. digitalizace obrazu převod spojitého signálu na matici digitální zpracování čísel reprezentující obraz obrazu 3. předzpracování obrazu přizpůsobení obrázku lidskému oku 4. segmentace 5. popis nalezených objektů 6. rozpoznávání objektů počítačové vidění 4/62 Jana Štanclová,
5 1. Snímání obrazu převod vstupních optických veličin na elektrický signál spojitý v čase i v úrovni vstupní informace: jas (z TV kamery, scanneru) intenzita rentgenového záření ultrazvuk tepelné záření snímat lze v jednom nebo více spektrálních pásmech barevné snímání: 3 spektrální složky (např. RGB) 5/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
6 2. Digitalizace obrazu převod vstupního spojitého signálu do diskrétního tvaru matice čísel vstupní analogový signál popsán funkcí f(x,y) dvou proměnných (x,y)... souřadnice v obraze funkční hodnota f(x,y)... např. jas/intenzita vyjadřuje vlastnosti obrazu, tak jak odpovídá vnímání člověka vzorkování a kvantování vstupního signálu výsledkem: matice přirozených čísel popisující obraz jeden prvek matice = pixel (picture element) pixel... nedělitelná jednotka 6/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
7 2. Digitalizace obrazu jiná reprezentace vstupního obrazu v počítači obraz reprezentován jen koeficienty dvourozměrné Fourierovy transformace výhoda: Fourierovu transformaci lze provést okamžitě optickými prostředky již ve fázi snímání obrazu 7/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
8 3. Předzpracování obrazu - I přizpůsobení obrázku lidskému oku zvýraznění kontrastu zvětšení rozdílu mezi minimem a maximem v obrázku odstranění šumu průměrování obrázku s maskou/filtrem zvýraznění hran hrana = místo, kde dochází k výrazné změně intenzit a není to izolovaný bod problém při??zvýraznění hran a odstranění šumu?? 8/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
9 3. Předzpracování obrazu - II invertování degradací 1. modelovat špatné vlivy v obrázku jak se tam dostaly 2. proces invertovat degradace: jasové degradace rozmazání pohybem (fotografie jedoucího auta) vliv atmosféry geometrické degradace např. poškozená geometrie snímače... jiná snímatelnost v horizontálním a vertikálním směru zkresleno perspektivou 9/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
10 Počítačové vidění 4. segmentace nalezení objektů v obraze... nejtěžší proces 5. popis nalezených objektů kvantitativní popis (soubor čísel) kvalitativní popis (relace mezi objekty) 6. rozpoznávání objektů př. automatická analýza buněčného preparátu pozorovaného mikroskopem cíl: spočítat buňky a roztřídit je podle tvaru buněčných jader na podlouhlé a ostatní předzpracování: odstranění šumu segmentace: buněčná jádra jsou tmavší než zbytek obrazu popis obrazu: popsat jádra buněk a roztřídit je 10/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
11 Obraz OBRAZ 11/62 Jana Štanclová,
12 Obraz matematický model obrazu = obrazová funkce spojitá funkce dvou proměnných z = f (x,y) definiční obor R = {(x,y), 1 x x m, 1 y y m } spojitý interval...??tvar?? 12/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
13 Obraz matematický model obrazu = obrazová funkce spojitá funkce dvou proměnných z = f (x,y) definiční obor R = {(x,y), 1 x x m, 1 y y m } spojitý interval...??tvar?? obor hodnot z matematického hlediska: libovolný praxe: reálná čísla jas, intenzita červené barvy, vzdálenost od porozovatele, teplota,... počítačová grafika: tři hodnoty RGB (HSV, HLS,... ) obor hodnot omezený... proč?? 13/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
14 Obraz matematický model obrazu = obrazová funkce spojitá funkce dvou proměnných z = f (x,y) definiční obor R = {(x,y), 1 x x m, 1 y y m } spojitý interval...??tvar?? obor hodnot z matematického hlediska: libovolný praxe: reálná čísla jas, intenzita červené barvy, vzdálenost od porozovatele, teplota,... počítačová grafika: tři hodnoty RGB (HSV, HLS,... ) obor hodnot omezený... dáno technickými vlastnostmi snímacího zařízení (např. typicky 256 stupňů šedi nebo 256 různých barev) 14/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
15 Obrazová funkce obrazová funkce výsledkem perspektivního zobrazení realistický model obraz v klíčové dírce x' y' =?? =?? 15/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
16 Obrazová funkce obrazová funkce výsledkem perspektivního zobrazení realistický model obraz v klíčové dírce x y = = z y f 16/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
17 Obrazová funkce obrazová funkce výsledkem perspektivního zobrazení realistický model obraz v klíčové dírce nevýhoda: při perspektivním zobrazení se ztratí mnoho informace...??kde?? pozdější rekonstrukce 3D objektů z obrazu není možná 17/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
18 Digitalizace obrazu DIGITALIZACE OBRAZU 18/62 Jana Štanclová,
19 Digitalizace obrazu po nasnímání: spojitý 2D obraz typicky: snímací zařízení zdrojem spojitého signálu spojitá funkce f(x,y) pro zpracování obrazu v počítači potřeba rastrový obraz matice čísel číslo matice = jeden pixel obrázku digitalizace obrazu 19/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
20 Příklad digitálního obrázku řez z rentgenového tomografu 20/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
21 Digitalizace obrazu 1. vzorkování obrazu diskretizace v definičním oboru výsledkem je?? 21/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
22 Digitalizace obrazu 1. vzorkování obrazu diskretizace v definičním oboru výsledkem matice m n bodů (pro 2D obrazy) jak vypadá vzorkování v jednorozměrném případě? 2. kvantování co to je?? 22/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
23 Digitalizace obrazu 1. vzorkování obrazu diskretizace v definičním oboru výsledkem matice m n bodů (pro 2D obrazy) jak vypadá vzorkování v jednorozměrném případě? 2. kvantování diskretizace v oboru hodnot spojité jasové úrovně každého pixelu převedeny jen do k úrovní každý pixel nabývá jen určitého počtu hodnot (např. úrovní šedi) jemnější vzorkování a kvantování lepší aproximace původní spojitého obrazu 23/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
24 Vzorkování odebírání hodnot (vzorků) ve stejných intervalech 2 problémy: uspořádání vzorkovacích bodů do rastru vzdálenost mezi vzorky Shannonova věta o vzorkování 24/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
25 Uspořádání vzorkovacích bodů vzorky v pravidelné mřížce čtvercová snadná realizace odpovídá reprezentaci obrazu pomocí matice čísel hexagonální pravidelnost vzhledem k 6 okolním bodům každého bodu a jejich stejná vzdálenost 25/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
26 Vzdálenost mezi vzorky interval vzorkování = vzdálenost mezi nejbližšími vzorkovacími body v obrazu... tzv. vzorkovací (Ny uistova) frekvence vzdálenost vzorků určuje Shannonova věta o vzorkování vzorkovací frekvence musí být alespoň dvakrát vyšší než nejvyšší frekvence ve vzorkovacím signálu co to říká?? 26/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
27 Vzdálenost mezi vzorky interval vzorkování = vzdálenost mezi nejbližšími vzorkovacími body v obrazu... tzv. vzorkovací (Ny uistova) frekvence vzdálenost vzorků určuje Shannonova věta o vzorkování vzorkovací frekvence musí být alespoň dvakrát vyšší než nejvyšší frekvence ve vzorkovacím signálu interval vzorkování: menší nebo roven polovině rozměru nejmenších detailů v obraze interval vzorkování = vzorkovací frekvence nejvyšší frekvence ve vzorkovacím signálu = nejmenší detail v obrázku vzdálenost vzorků x vzorkovací frekvence f s = 1 / x 27/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
28 Po navzorkování vzorkovaný bod = pixel v digitalizovaném obrazu po uspořádání do vzorkovací mřížky vzorky pokrývají celý obraz př. jednorozměrný obrázek 28/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
29 Typy vzorkování bodové vzorkování dané oblasti přiřazeno jediné číslo typicky: hodnota středového pixelu plošné vzorkování méně časté celé oblasti přiřazena jediná hodnota na základě výpočtu typicky: průměr všech bodů oblasti vzorkování spojité funkce?? 29/62 Jana Štanclová,
30 Typy vzorkování bodové vzorkování dané oblasti přiřazeno jediné číslo typicky: hodnota středového pixelu plošné vzorkování méně časté celé oblasti přiřazena jediná hodnota na základě výpočtu typicky: průměr všech bodů oblasti vzorkování spojité funkce zprůměrování všech bodů plochy vyžaduje integraci přes plochu (obtížné) praxe: 30/62 Jana Štanclová,
31 Typy vzorkování bodové vzorkování dané oblasti přiřazeno jediné číslo typicky: hodnota středového pixelu plošné vzorkování méně časté celé oblasti přiřazena jediná hodnota na základě výpočtu typicky: průměr všech bodů oblasti vzorkování spojité funkce zprůměrování všech bodů plochy vyžaduje integraci přes plochu (obtížné) praxe: aproximace plošného vzorkování několika body uvnitř oblasti výsledná hodnota vzorku = vážený průměr vzorků SUPERSAMPLING (vzorkování s vyšší frekvencí) vzorky uvnitř oblasti umístěny rovnoměrně (regular sampling) nebo náhodně (stochastic sampling) 31/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
32 Příklady vzorkování - I uložení digitální nahrávky na kompaktním disku spojitý zvukový signál zaznamenávání okamžité hodnoty signálu v časových intervalech (tj. s určitou frekvencí) uložení hodnoty signálu na disk vyšší vzorkovací frekvence přesnější reprezentace skladby na disku filmový pás spojitý pohyb herců posloupnost filmových políček (diskrétních obrazů) 32/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
33 Příklady vzorkování - II Originál /62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
34 Příklady vzorkování - III Originál /62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
35 Příklady vzorkování - IV Originál ( ) /62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
36 Kvantování diskretizace oboru hodnot obrazové funkce rozdělení obor hodnot na intervaly přiřazení jediné zástupné hodnoty každému intervalu zobrazení = kvantizér (není prosté) 36/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
37 Kvantování diskretizace oboru hodnot obrazové funkce rozdělení obor hodnot na intervaly přiřazení jediné zástupné hodnoty každému intervalu zobrazení = kvantizér (není prosté) t 1 t 2 t 3 t 4 kvantovací prahy 37/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
38 Kvantování kvantizace obrázku zpětný krok není možný kvantizér není prostá funkce při kvantizaci lze ovlivnit počet kvantovacích hladin poloha kvantovacích prahů typicky citlivost zařízení první a poslední kvantizační práh ostatní prahy rozloženy rovnoměrně nebo logaritmicky mezi mezními prahy prahy logaritmicky natlačeny k jedné straně nějaká informace o obrázku kvantizační prahy přizpůsobeny 38/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
39 Počet kvantovacích hladin počet kvantovacích hladin přesné vyjádření jemných detailů obrázku zamezení tzv. falešných obrysů citlivost zařízení se má blížit citlivosti oka typicky: kvantování do k stejných intervalů reprezentace pixelu pomocí b bitů počet úrovní jasu je k =?? 39/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
40 Počet kvantovacích hladin počet kvantovacích hladin přesné vyjádření jemných detailů obrázku zamezení tzv. falešných obrysů citlivost zařízení se má blížit citlivosti oka typicky: kvantování do k stejných intervalů reprezentace pixelu pomocí b bitů počet úrovní jasu je k = 2 b obvykle je b = bitů (občas 6 nebo 4b vyjímečně 1 b) 40/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
41 Chyba kvantování kvantizační chyba náhlý skok barev na plochách s malou změnou gradientu kvantizace: původní hladký barevný přechod nahrazen skokovou změnou?? důvod: nedostatečný počet jasových úrovní 41/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
42 Chyba kvantování kvantizační chyba náhlý skok barev na plochách s malou změnou gradientu kvantizace: původní hladký barevný přechod nahrazen skokovou změnou vznik hran, které v obraze nebyly důvod: nedostatečný počet jasových úrovní 42/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
43 Chyba kvantování chyba kvantování patrná pro člověka pokud počet úrovní 5 člověk schopen rozeznat 5 úrovní šedi v šedot novém obrázku řešení: neuniformní kvantování různě velké intervaly zvětšení rozsahu intervalů, které nejsou příliš zastoupeny v obraze (nebo se očekává, že nebudou příliš zastoupeny) 43/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
44 Digitální obrázek a lidské oko zdravé oko rozlišení,1mm ze vzdálenosti 25cm rozlišení úrovní šedi 5 úrovní šedi 1 úrovní šedi, když je lze položit vedle sebe a porovnávat příklad obrázek s 12 úrovněmi šedi vytištěn na papír 5 5cm díváme se na něj ze vzdálenosti 25cm obrázek se bude jevit spojitý digitalizované obrázky netrpí kvantizací pro pohled lidského oka 44/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
45 Digitalizace a omezená pamě omezená pamě na uložení digitalizovaného obrázku obrázky s velkými plochami důležitý počet kvantizačních hladin kvantování obrázky s hodně detaily důležitý počet kroků vzorkování (prostorovost) vzorkování příklad 16kB paměti počet kroků počet kvant. úrovní???? 45/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
46 Digitalizace a omezená pamě omezená pamě na uložení digitalizovaného obrázku obrázky s velkými plochami důležitý počet kvantizačních hladin kvantování obrázky s hodně detaily důležitý počet kroků vzorkování (prostorovost) vzorkování příklad 16kB paměti B počet kroků počet kvant. úrovní na 1 pixel 1B na 1 pixel 6b 46/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
47 Příklady kvantování - I Originál (256 úrovní) 64 jasových úrovní 47/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
48 Příklady kvantování - II Originál (256 úrovní) 16 jasových úrovní 48/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
49 Příklady kvantování - III Originál (256 úrovní) 4 jasové úrovně 49/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
50 Příklady kvantování - IV Originál (256 úrovní) 2 jasové úrovně 50/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
51 Alias ALIAS 51/62 Jana Štanclová,
52 Alias alias vznik při podvzorkování spojité funkce pod Ny uistův limit nová, nízkofrekvenční frekvence, která nebyla v původním signálu alias v životě? 52/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
53 Alias v běžném životě - I počítačová animace běžící postavička se pohybuje a přitom nehýbe nohama, popř. s nimi pohybuje v opačném směru,... snímání hodin a) hodiny snímány správně... žádný alias b) vliv aliasu ručička přeskakuje mezi celou a půl c) vliv aliasu ručička stojí d) vliv aliasu ručička jde na opačnou stranu 53/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
54 Alias v běžném životě - II továrna... rotační stroje a zářivky zářivky nesvítí spojitě, ale vrhají krátké záblesky svým světlem vzorkují okolí zářivka svítí na rychle se otáčející objekt objekt se otáčí pomalu, vůbec nebo na opačnou stranu televizní obrazovka snímaná kamerou kamera snímá obraz v diskrétních časových intervalech obrazovka promítá po půlsnímcích interference frekvencí alias alias = tmavé pruhy pohybující se různou rychlostí nahoru nebo blikání vrtule letadel na obrazovce snímky získané kamerou = diskrétní vzorky 54/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
55 Fourierova transformace REPREZENTACE OBRÁZKU POMOCÍ FOURIEROV TRANSFORMACE 55/62 Jana Štanclová,
56 Fourierův obraz 2 nejčastější reprezentace obrazu diskrétní matice pixelů... tzv. prostorová oblast Fourierův obraz... tzv. frekvenční oblast Fourierův obraz složení obecně nekonečně mnoha sinusových signálů s různou amplitudou a různým fázovým posunem amplituda... výška sinusovky fáze... posun sinusovky vůči počátku (dopředná) Fourierova transformace obraz Fourierův obraz inverzní (zpětná) Fourierova transformace 56/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
57 Fourierův obraz analogie zvuk = signál složený z hloubek a výšek hloubky... signály nízké frekvence výšky... signály vysoké frekvence silnější hloubky větší amplituda nízkých frekvencí silnější výšky větší amplituda vysokých frekvencí šum typicky nežádoucí vysoké frekvence v obrázku 57/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
58 Fourierova transformace Fourierova transformace pro digitální obrazy F u = ( ) ( ) ( ) - - x e funkce komplexní proměnné -2π i xu+ yv dx dy periodická funkce v proměnné u i v s periodou 2 Fourierova transformace pro obrázky vždy existuje digitální obrazy omezené s konečným počtem bodů nespojitosti inverzní Fourierova transformace f x,y = ( ) ( ) ( ) F u,v - - e 2πi xu+ yv du dv 58/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
59 Spektra Fourierovy transformace Fourierova transformace = funkce komplexní proměnné ( ) ( ) ( ) F u,v = R u,v i I u,v amplitudové spektrum amplitudy (výšky) jednotlivých sinusovek ( ) ( ) ( ) 2 F u,v = fázové spektrum R u,v 2 I u, v posuny jednotlivých sinusovek ( ) u,v = tan -1 I ( u,v ) R( u,v) 59/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
60 Fourierova transformace příklad (jednorozměrná funkce): Fourierova transformace amplitudové spektrum inverzní Fourierova transformace 60/62 Jana Štanclová,
61 Fourierova transformace příklad (jednorozměrná funkce): Fourierova transformace amplitudové spektrum inverzní Fourierova transformace 61/62 Jana Štanclová,
62 Fourierova transformace příklad: obrázek F(u,v) log(1 F(u,v) ) 62/62 Jana Štanclová, jana.stanclova@ruk.cuni.cz
Grafika na počítači. Bc. Veronika Tomsová
Grafika na počítači Bc. Veronika Tomsová Proces zpracování obrazu Proces zpracování obrazu 1. Snímání obrazu 2. Digitalizace obrazu převod spojitého signálu na matici čísel reprezentující obraz 3. Předzpracování
VíceZPRACOVÁNÍ OBRAZU přednáška 4
ZPRACOVÁNÍ OBRAZU přednáška 4 Vít Lédl vit.ledl@tul.cz TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií Tento materiál vznikl v rámci projektu ESF CZ.1.07/2.2.00/07.0247,
VíceMultimediální systémy
Multimediální systémy Jan Outrata KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI přednášky Získání obsahu Jan Outrata (Univerzita Palackého v Olomouci) Multimediální systémy Olomouc, září prosinec
VíceMetodické listy pro kombinované studium předmětu. B_PPG Principy počítačové grafiky
Metodické listy pro kombinované studium předmětu B_PPG Principy počítačové grafiky Metodický list č. l Název tématického celku: BARVY V POČÍTAČOVÉ GRAFICE Cíl: Základním cílem tohoto tematického celku
VíceDigitalizace převod AS DS (analogový diskrétní signál )
Digitalizace signálu v čase Digitalizace převod AS DS (analogový diskrétní signál ) v amplitudě Obvykle převod spojité předlohy (reality) f 1 (t/x,...), f 2 ()... připomenutí Digitalizace: 1. vzorkování
Více1. Přednáška: Obecné Inf. + Signály a jejich reprezentace
1. Přednáška: Obecné Inf. + Signály a jejich reprezentace 1 Obecné informace Změna rozvrhů Docházka na cvičení 2 Literatura a podklady Základní učební texty : Prchal J., Šimák B.: Digitální zpracování
VíceAnalýza a zpracování digitálního obrazu
Analýza a zpracování digitálního obrazu Úlohy strojového vidění lze přibližně rozdělit do sekvence čtyř funkčních bloků: Předzpracování veškerých obrazových dat pomocí filtrací (tj. transformací obrazové
VíceJasové transformace. Karel Horák. Rozvrh přednášky:
1 / 23 Jasové transformace Karel Horák Rozvrh přednášky: 1. Úvod. 2. Histogram obrazu. 3. Globální jasová transformace. 4. Lokální jasová transformace. 5. Bodová jasová transformace. 2 / 23 Jasové transformace
VíceDeformace rastrových obrázků
Deformace rastrových obrázků 1997-2011 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Warping 2011 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 22 Deformace obrázků
VíceDigitalizace a zpracování obrazu
Digitalizace a zpracování obrazu Jaroslav Fiřt a), Radek Holota b) a) Nové technologie výzkumné centrum Sedláčkova 15 306 14 Plzeň tel. (+420) 377236881, kl. 237 e-mail: firt@kae.zcu.cz b) Nové technologie
VíceReprezentace bodu, zobrazení
Reprezentace bodu, zobrazení Ing. Jan Buriánek VOŠ a SŠSE P9 Jan.Burianek@gmail.com Obsah Témata Základní dělení grafických elementů Rastrový vs. vektorový obraz Rozlišení Interpolace Aliasing, moiré Zdroje
VíceVY_32_INOVACE_E 15 03
Název a adresa školy: Střední škola průmyslová a umělecká, Opava, příspěvková organizace, Praskova 399/8, Opava, 746 01 Název operačního programu: OP Vzdělávání pro konkurenceschopnost, oblast podpory
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
Více1. Polotóny, tisk šedých úrovní
1. Polotóny, tisk šedých úrovní Studijní cíl Tento blok kurzu je věnován problematice principu tisku polotónů a šedých úrovní v oblasti počítačové grafiky. Doba nutná k nastudování 2 hodiny 1.1 Základní
VíceIng. Jan Buriánek. Katedra softwarového inženýrství Fakulta informačních technologií České vysoké učení technické v Praze Jan Buriánek, 2010
Ing. Jan Buriánek (ČVUT FIT) Reprezentace bodu a zobrazení BI-MGA, 2010, Přednáška 2 1/33 Ing. Jan Buriánek Katedra softwarového inženýrství Fakulta informačních technologií České vysoké učení technické
VíceOmezení barevného prostoru
Úpravy obrazu Omezení barevného prostoru Omezení počtu barev v obraze při zachování obrazového vjemu z obrazu Vytváření barevné palety v některých souborových formátech Různé filtry v grafických programech
VíceObraz matematický objekt. Spojitý obraz f c : (Ω c R 2 ) R
Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Diskrétní obraz f d : (Ω {0... n 1 } {0... n 2 }) {0... f max } Obraz matematický objekt
VícePořízení rastrového obrazu
Pořízení rastrového obrazu Poznámky k předmětu POČÍTAČOVÁ GRAFIKA Martina Mudrová duben 2006 Úvod Nejčastější metody pořízení rastrového obrazu: digitální fotografie skenování rasterizace vektorových obrázků
VícePRINCIPY POČÍTAČOVÉ GRAFIKY
Název tématického celku: PRINCIPY POČÍTAČOVÉ GRAFIKY metodický list č. 1 Cíl: Barvy v počítačové grafice Základním cílem tohoto tematického celku je seznámení se základními reprezentacemi barev a barevnými
VíceKomprese dat Obsah. Komprese videa. Radim Farana. Podklady pro výuku. Komprese videa a zvuku. Komprese MPEG. Komprese MP3.
Komprese dat Radim Farana Podklady pro výuku Obsah Komprese videa a zvuku. Komprese MPEG. Komprese MP3. Komprese videa Velký objem přenášených dat Typický televizní signál - běžná evropská norma pracuje
VíceDodatky k FT: 1. (2D digitalizace) 2. Více o FT 3. Více k užití filtrů. 7. přednáška předmětu Zpracování obrazů
Dodatky k FT:. (D digitalizace. Více o FT 3. Více k užití filtrů 7. přednáška předmětu Zpracování obrazů Martina Mudrová 4 Pořízení digitálního obrazu Obvykle: Proces transformace spojité předlohy (reality
VíceGeometrické transformace
1/15 Předzpracování v prostoru obrazů Geometrické transformace Václav Hlaváč, Jan Kybic Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/
VíceSignál v čase a jeho spektrum
Signál v čase a jeho spektrum Signály v časovém průběhu (tak jak je vidíme na osciloskopu) můžeme dělit na periodické a neperiodické. V obou případech je lze popsat spektrálně určit jaké kmitočty v sobě
Více1. Základy teorie přenosu informací
1. Základy teorie přenosu informací Úvodem citát o pojmu informace Informace je název pro obsah toho, co se vymění s vnějším světem, když se mu přizpůsobujeme a působíme na něj svým přizpůsobováním. N.
Více13 Barvy a úpravy rastrového
13 Barvy a úpravy rastrového Studijní cíl Tento blok je věnován základním metodám pro úpravu rastrového obrazu, jako je např. otočení, horizontální a vertikální překlopení. Dále budo vysvětleny různé metody
VíceZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14
ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 13 0:40 Implementace Umělá inteligence (UI) Umělá inteligence
VíceOperace s obrazem. Biofyzikální ústav LF MU. Projekt FRVŠ 911/2013
Operace s obrazem Biofyzikální ústav LF MU Obraz definujeme jako zrakový vjem, který vzniká po dopadu světla na sítnici oka. Matematicky lze obraz chápat jako vícerozměrný signál (tzv. obrazová funkce)
VíceDIGITÁLNÍ FOTOGRAFIE
DIGITÁLNÍ FOTOGRAFIE Petr Vaněček, katedra informatiky a výpočetní techniky Fakulta aplikovaných věd, Západočeská univerzita v Plzni 19. listopadu 2009 1888, Geroge Eastman You press the button, we do
VíceA/D převodníky - parametry
A/D převodníky - parametry lineární kvantování -(kritériem je jednoduchost kvantovacího obvodu), parametry ADC : statické odstup signálu od kvantizačního šumu SQNR, efektivní počet bitů n ef, dynamický
VíceP7: Základy zpracování signálu
P7: Základy zpracování signálu Úvodem - Signál (lat. signum) bychom mohli definovat jako záměrný fyzikální jev, nesoucí informaci o nějaké události. - Signálem je rovněž funkce, která převádí nezávislou
VíceVideosignál. A3M38VBM ČVUT- FEL, katedra měření, přednášející Jan Fischer. Před. A3M38VBM, 2015 J. Fischer, kat. měření, ČVUT FEL, Praha
Videosignál A3M38VBM ČVUT- FEL, katedra měření, přednášející Jan Fischer 1 Základ CCTV Základ - CCTV (uzavřený televizní okruh) Řetězec - snímač obrazu (kamera) zobrazovací jednotka (CRT monitor) postupné
VíceKTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
VíceDigitální obraz, základní pojmy
Digitální obraz, základní pojmy Václav Hlaváč České vysoké učení technické v Praze Centrum strojového vnímání (přemosťuje skupiny z) Český institut informatiky, robotiky a kybernetiky Fakulta elektrotechnická,
VíceCharakteristiky videomateriálu. Digitalizace Barevné schéma Barevná hloubka Rozlišení Framerate Streamování
Charakteristiky videomateriálu Digitalizace Barevné schéma Barevná hloubka Rozlišení Framerate Streamování Digitalizace Při získání počítačového obrazu je jedním ze základních jevů přechod od spojité funkce
VíceRekurzivní sledování paprsku
Rekurzivní sledování paprsku 1996-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ 1 / 21 Model dírkové kamery 2 / 21 Zpětné sledování paprsku L D A B C 3 / 21 Skládání
VícePrincip digitalizace vstupních multimediálních dat Klasifikace Zpracování Využití
Multimédia a data - 6 Informatika 2 Přednáší: doc. Ing. Jan Skrbek, Dr. - KIN Přednášky: středa 14 20 15 55 Spojení: e-mail: jan.skrbek@tul.cz 16 10 17 45 tel.: 48 535 2442 Obsah: Princip digitalizace
Více9. PRINCIPY VÍCENÁSOBNÉHO VYUŽITÍ PŘENOSOVÝCH CEST
9. PRINCIPY VÍCENÁSOBNÉHO VYUŽITÍ PŘENOSOVÝCH CEST Modulace tvoří základ bezdrátového přenosu informací na velkou vzdálenost. V minulosti se ji využívalo v telekomunikacích při vícenásobném využití přenosových
VíceČíslicové zpracování signálů a Fourierova analýza.
Číslicové zpracování signálů a Fourierova analýza www.kme.zcu.cz/kmet/exm 1 Obsah prezentace 1. Úvod a motivace 2. Data v časové a frekvenční oblasti 3. Fourierova analýza teoreticky 4. Fourierova analýza
VíceDistribuované sledování paprsku
Distribuované sledování paprsku 1996-2015 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ pepca@cgg.mff.cuni.cz DistribRT 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 24 Distribuované
VíceKosinová transformace 36ACS
Kosinová transformace 36ACS 10. listopadu 2006 Martin BruXy Bruchanov bruxy@regnet.cz Uplatnění diskrétní kosinové transformace Úkolem transformačního kódování je převést hodnoty vzájemně závislých vzorků
VíceOsnova. Idea ASK/FSK/PSK ASK Amplitudové... Strana 1 z 16. Celá obrazovka. Konec Základy radiotechniky
Pulsní kódová modulace, amplitudové, frekvenční a fázové kĺıčování Josef Dobeš 24. října 2006 Strana 1 z 16 Základy radiotechniky 1. Pulsní modulace Strana 2 z 16 Pulsní šířková modulace (PWM) PAM, PPM,
VíceDSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
DSY-4 Analogové a číslicové modulace Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti DSY-4 analogové modulace základní číslicové modulace vícestavové modulace modulace s rozprostřeným
Více" Furierova transformace"
UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM FAKULTA ŽIVOTNÍHO PROSTŘEDÍ " Furierova transformace" Seminární práce z předmětu Dálkový průzkum Země Marcela Bartošová, Veronika Bláhová OŽP, 3.ročník
Vícedoc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1
doc. Dr. Ing. Elias TOMEH e-mail: elias.tomeh@tul.cz Elias Tomeh / Snímek 1 Frekvenční spektrum Dělení frekvenčního pásma (počet čar) Průměrování Časovou váhovou funkci Elias Tomeh / Snímek 2 Vzorkovací
Více44. Obraz jako signál.
44. Obraz jako signál. Obraz je vícerozměrný signál. Je chápán intuitivně jako obraz na sítnici lidského oka nebo obraz sejmutý TV kamerou. Může být modelován matematicky pomocí spojité skalaární funkce
VíceLineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy
VíceCvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
VíceObrazové snímače a televizní kamery
Obrazové snímače a televizní kamery Prof. Ing. Václav Říčný, CSc. Současná televizní technika a videotechnika kurz U3V Program semináře a cvičení Snímače obrazových signálů akumulační a neakumulační. Monolitické
VíceObrazové snímače a televizní kamery
Obrazové snímače a televizní kamery Prof. Ing. Václav Říčný, CSc. Současná televizní technika a videotechnika kurz U3V Program semináře a cvičení Snímače obrazových signálů akumulační a neakumulační. Monolitické
VícePočítačové vidění vs. digitální zpracování obrazu Digitální obraz a jeho vlastnosti
Počítačové vidění vs. digitální zpracování obrazu Digitální obraz a jeho vlastnosti 1/32 Václav Hlaváč Fakulta elektrotechnická ČVUT, katedra kybernetiky Centrum strojového vnímání, Praha hlavac@fel.cvut.cz
VíceLineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně
Lineární a adaptivní zpracování dat 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály a systémy Vlastnosti systémů Systémy
VíceZákladní principy přeměny analogového signálu na digitální
Základní y přeměny analogového signálu na digitální Pro přenos analogového signálu digitálním systémem, je potřeba analogový signál digitalizovat. Digitalizace je uskutečňována pomocí A/D převodníků. V
VícePRINCIPY POČÍTAČOVÉ GRAFIKY metodický list č. 1
metodický list č. 1 Barvy v počítačové grafice Základním cílem tohoto tematického celku je seznámení se základními reprezentacemi barev a barevnými modely. 1. Reprezentace barev v počítačové grafice 2.
Více31SCS Speciální číslicové systémy Antialiasing
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE 2006/2007 31SCS Speciální číslicové systémy Antialiasing Vypracoval: Ivo Vágner Email: Vagnei1@seznam.cz 1/7 Převod analogového signálu na digitální Složité operace,
VíceSvětlo jako elektromagnetické záření
Světlo jako elektromagnetické záření Základní pojmy: Homogenní prostředí prostředí, jehož dané vlastnosti jsou ve všech místech v prostředí stejné. Izotropní prostředí prostředí, jehož dané vlastnosti
VíceZpracování obrazu a fotonika 2006
Základy zpracování obrazu Zpracování obrazu a fotonika 2006 Reprezentace obrazu Barevný obrázek Na laně rozměry: 1329 x 2000 obrazových bodů 3 barevné RGB kanály 8 bitů na barevný kanál FUJI Superia 400
VíceOperace s obrazem I. Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.
Operace s obrazem I Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 Osnova 1 Filtrování obrazu 2 Lineární a nelineární filtry 3 Fourierova
VíceCW01 - Teorie měření a regulace
Ústav technologie, mechanizace a řízení staveb CW01 - Teorie měření a regulace ZS 2014/2015 tm-ch-spec. 1.p 2014 - Ing. Václav Rada, CSc. Ústav technologie, mechanizace a řízení staveb Teorie měření a
VíceZvuk. 1. základní kmitání. 2. šíření zvuku
Zvuk 1. základní kmitání - vzduchem se šíří tlakové vzruchy (vzruchová vlna), zvuk je systémem zhuštěnin a zředěnin - podstatou zvuku je kmitání zdroje zvuku a tím způsobené podélné vlnění elastického
VíceKapitola 1. Signály a systémy. 1.1 Klasifikace signálů
Kapitola 1 Signály a systémy 1.1 Klasifikace signálů Signál představuje fyzikální vyjádření informace, obvykle ve formě okamžitých hodnot určité fyzikální veličiny, která je funkcí jedné nebo více nezávisle
VíceZáklady a aplikace digitálních. Katedra radioelektroniky (13137), blok B2, místnost 722
Základy a aplikace digitálních modulací Josef Dobeš Katedra radioelektroniky (13137), blok B2, místnost 722 dobes@fel.cvut.cz 6. října 2014 České vysoké učení technické v Praze, Fakulta elektrotechnická
VíceKŘIVKY A PLOCHY. Obrázky (popř. slajdy) převzaty od
KŘIVKY A PLOCHY JANA ŠTANCLOVÁ jana.stanclova@ruk.cuni.cz Obrázky (popř. slajdy) převzaty od RNDr. Josef Pelikán, CSc., KSVI MFF UK Obsah matematický popis křivek a ploch křivky v rovině implicitní tvar
VíceTransformace obrazu Josef Pelikán KSVI MFF UK Praha
Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých
VíceKde se používá počítačová grafika
POČÍTAČOVÁ GRAFIKA Kde se používá počítačová grafika Tiskoviny Reklama Média, televize, film Multimédia Internetové stránky 3D grafika Virtuální realita CAD / CAM projektování Hry Základní pojmy Rastrová
VíceBinární data. Číslicový systém. Binární data. Klávesnice Snímače polohy, dotykové displeje, myš Digitalizovaná data odvozená z analogového signálu
5. Obvody pro číslicové zpracování signálů 1 Číslicový systém počítač v reálném prostředí Klávesnice Snímače polohy, dotykové displeje, myš Digitalizovaná data odvozená z analogového signálu Binární data
VíceBiofyzikální ústav LF MU Brno. jarní semestr 2011
pro obor Ošetřovatelská péče v gerontologii Biofyzikální ústav LF MU Brno jarní semestr 2011 Obsah letmý dotyk teorie systémů klasifikace a analýza biosignálů Co je signál? Co je biosignál? Co si počít
VíceQuantization of acoustic low level signals. David Bursík, Miroslav Lukeš
KVANTOVÁNÍ ZVUKOVÝCH SIGNÁLŮ NÍZKÉ ÚROVNĚ Abstrakt Quantization of acoustic low level signals David Bursík, Miroslav Lukeš Při testování kvality A/D převodníků se používají nejrůznější testovací signály.
VíceLineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY
Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady, vlastnosti Vzorkovací
VíceIng. Jakub Ulmann. Zavádění inovativních metod a výukových materiálů do přírodovědných předmětů na Gymnáziu v Krnově
Zavádění inovativních metod a výukových materiálů do přírodovědných předmětů na Gymnáziu v Krnově 07_10_Zobrazování optickými soustavami 3 Ing. Jakub Ulmann Digitální fotoaparát Jak digitální fotoaparáty
Více25. DIGITÁLNÍ TELEVIZNÍ SIGNÁL A KABELOVÁ TELEVIZE
25. DIGITÁLNÍ TELEVIZNÍ SIGNÁL A KABELOVÁ TELEVIZE Digitalizace obrazu a komprese dat. Uveďte bitovou rychlost nekomprimovaného číslicového TV signálu a jakou šířku vysílacího pásma by s dolním částečně
VíceSnímání biologických signálů. A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů
Snímání biologických signálů A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů horcik@fel.cvut.cz Snímání biologických signálů problém: převést co nejvěrněji spojitý signál do číslicové podoby
VíceVY_32_INOVACE_INF.10. Grafika v IT
VY_32_INOVACE_INF.10 Grafika v IT Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Jiří Kalous Základní a mateřská škola Bělá nad Radbuzou, 2011 GRAFIKA Grafika ve smyslu umělecké grafiky
VícePrincip pořízení obrazu P1
Princip pořízení obrazu P1 Optická vinětace objektivu Optická soustava Mechanická vinětace objektivu Optická soustava Optická soustava Hloubka ostrosti závislá na použitém objektivu, velikosti pixelu a
VíceDZDDPZ2 Pořizování dat. Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, PhD. Institut geoinformatiky VŠB-TU Ostrava
DZDDPZ2 Pořizování dat Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, PhD. Institut geoinformatiky VŠB-TU Ostrava Pořizujeme data, která popisují množství zářivé energie odražené nebo emitované od zemského
VíceVzorkování. Je-li posloupnost diracových impulzů s periodou T S : Pak časová posloupnost diskrétních vzorků bude:
Vzorkování Vzorkování je převodem spojitého signálu na diskrétní. Lze si ho představit jako násobení sledu diracových impulzů (impulzů jednotkové plochy a nulové délky) časovým průběhem vzorkovaného signálu.
VíceAlgoritmizace prostorových úloh
INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Algoritmizace prostorových úloh Úlohy nad rastrovými daty Daniela
VícePočítačové sítě. Lekce 5: Základy datových komunikací
Počítačové sítě Lekce 5: Základy datových komunikací Přenos dat V základním pásmu Nemodulovaný Baseband V přeloženém pásmu Modulovaný Broadband Lekce 5: Základy datových komunikací 2 Přenos v základním
VícePočítačová grafika SZŠ A VOŠZ MERHAUTOVA 15, BRNO
Počítačová grafika SZŠ A VOŠZ MERHAUTOVA 15, BRNO 1 Základní dělení 3D grafika 2D grafika vektorová rastrová grafika 2/29 Vektorová grafika Jednotlivé objekty jsou tvořeny křivkami Využití: tvorba diagramů,
VíceModulace a šum signálu
Modulace a šum signálu PATRIK KANIA a ŠTĚPÁN URBAN Nejlepší laboratoř molekulové spektroskopie vysokého rozlišení Ústav analytické chemie, VŠCHT Praha kaniap@vscht.cz a urbans@vscht.cz http://www.vscht.cz/anl/lmsvr
VíceBiofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.2487/2011
Využití v biomedicíně III Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 Zpracování přirozeného obrazu Za přirozený obraz považujeme snímek
VíceÚvod do medicínské informatiky pro Bc. studium. 6. přednáška
Metody zpracování biosignálů 6. přednáška 1 Biosignály Živé objekty produkují signály biologického původu. Tyto signály mohou být elektrické (např. elektrické potenciály vznikající při svalové činnosti),
VíceFourierova transformace
Fourierova transformace Jean Baptiste Joseph Fourier (768-83) Jeho obdivovatel (nedatováno) Opáčko harmonických signálů Spojitý harmonický signál ( ) = cos( ω + ϕ ) x t C t C amplituda ω úhlová frekvence
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cziba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické
VíceA/D převodníky, D/A převodníky, modulace
A/D převodníky, D/A převodníky, modulace A/D převodníky převádí analogový (spojitý) signál na signál diskrétní z důvodu umožnění zpracování analogového signálu na číslicových počítačích - z důvodu konečné
Více1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15
Úvodní poznámky... 11 1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 1.1 Základní pojmy... 15 1.2 Aplikační oblasti a etapy zpracování signálů... 17 1.3 Klasifikace diskretních
VíceSpektrální charakteristiky
Spektrální charakteristiky Cíl cvičení: Měření spektrálních charakteristik filtrů a zdrojů osvětlení 1 Teoretický úvod Interakcí elektromagnetického vlnění s libovolnou látkou vzniká optický jev, který
VícePředmět A3B31TES/Př. 13
Předmět A3B31TES/Př. 13 PS 1 1 Katedra teorie obvodů, místnost č. 523, blok B2 Přednáška 13: Kvantování, modulace, stavový popis PS Předmět A3B31TES/Př. 13 květen 2015 1 / 28 Obsah 1 Kvantování 2 Modulace
VíceRastrová reprezentace
Rastrová reprezentace Zaměřuje se na lokalitu jako na celek Používá se pro reprezentaci jevů, které plošně pokrývají celou oblast, případně se i spojitě mění. Používá se i pro rasterizované vektorové vrstvy,
Více2010 Josef Pelikán, CGG MFF UK Praha
Filtrace obrazu 21 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ 1 / 32 Histogram obrázku tabulka četností jednotlivých jasových (barevných) hodnot spojitý případ hustota pravděpodobnosti
VíceLineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti
Lineární a adaptivní zpracování dat 3. SYSTÉMY a jejich popis ve frekvenční oblasti Daniel Schwarz Osnova Opakování: systémy a jejich popis v časové oblasti Fourierovy řady Frekvenční charakteristika systémů
VíceAnti-aliasing a vzorkovací metody
Anti-aliasing a vzorkovací metody 1996-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Sampling 2016 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 34 Prostorový
VíceZobrazování barev. 1995-2015 Josef Pelikán CGG MFF UK Praha. pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/
Zobrazování barev 1995-2015 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ ColorRep 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 18 Barevné schopnosti HW True-color
VíceDigitalizace signálu (obraz, zvuk)
Digitalizace signálu (obraz, zvuk) Základem pro digitalizaci obrazu je převod světla na elektrické veličiny. K převodu světla na elektrické veličiny slouží např. čip CCD. Zkratka CCD znamená Charged Coupled
Více3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU
3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU V současné době se pro potlačení šumu u řečového signálu používá mnoho různých metod. Jedná se například o metody spektrálního odečítání, Wienerovy filtrace,
VíceÚpravy rastrového obrazu
Přednáška 11 Úpravy rastrového obrazu Geometrické trasformace Pro geometrické transformace rastrového obrazu se používá mapování dopředné prochází se pixely původního rastru a určuje se barva a poloha
VíceLineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita
Lineární a adpativní zpracování dat 3. Lineární filtrace I: Z-transformace, stabilita Daniel Schwarz Investice do rozvoje vzdělávání Osnova Opakování: signály, systémy, jejich vlastnosti a popis v časové
VíceMonochromatické zobrazování
Monochromatické zobrazování 1995-2015 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Mono 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 27 Vnímání šedých odstínů
VíceLineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY
Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady,
Více12 Metody snižování barevného prostoru
12 Metody snižování barevného prostoru Studijní cíl Tento blok je věnován základním metodám pro snižování barevného rozsahu pro rastrové obrázky. Postupně zde jsou vysvětleny důvody k použití těchto algoritmů
VíceSIGNÁLY A LINEÁRNÍ SYSTÉMY
SIGNÁLY A LINEÁRNÍ SYSTÉMY prof. Ing. Jiří Holčík, CSc. holcik@iba.muni.cz II. SIGNÁLY ZÁKLADNÍ POJMY SIGNÁL - DEFINICE SIGNÁL - DEFINICE Signál je jev fyzikální, chemické, biologické, ekonomické či jiné
Více