Kompresní metody první generace
|
|
- Zbyněk Svoboda
- před 5 lety
- Počet zobrazení:
Transkript
1 Kompresní metody první generace Josef Pelikán CGG MFF UK Praha Stillg 20 Josef Pelikán, / 32
2 Základní pojmy komprese dat S = x, x2,... x n Kódovaná (zdrojová) abeceda: { } pravděpodobnost výskytu symbolu x i je p i kód K symbolu x i má délku d i zpráva (kódovaný řetězec) je posloupnost: X = x, x,... x i i2 i k Entropie (informační hodnota) symbolu x i : E i = log 2 p bitů i Stillg 20 Josef Pelikán, 2 / 32
3 Základní pojmy II Průměrná entropie (informační hodnota) symbolu: n n i i i= i= AE = p E = p log p i 2 i bitů entropie zprávy X: k E( X) = pi log p j 2 j= i j bitů délka kódované zprávy X: L( X) = k j= d i j bitů Stillg 20 Josef Pelikán, 3 / 32
4 Základní pojmy III Redundance kódu K pro zprávu X: R K L X E X d p log 2 p ( ) = ( ) ( ) = ( ) i + i i průměrná délka kódového slova kódu K: průměrná redundance kódu K: k j= n i= j j j AL( K) = n i= AR K = AL K AE = pi di + log 2 p p i d i ( ) ( ) ( ) i bitů bitů bitů Stillg 20 Josef Pelikán, 4 / 32
5 Pojmy komprese obrazu k, j, k Původní hodnota vzorku (pixelu): u u hodnota vzorku po kvantování (po rekonstrukci): u k, uj, k k, j, k predikce vzorku (pixelu): u u k, j, k chyba predikce vzorku (pixelu): e e Stillg 20 Josef Pelikán, 5 / 32
6 Měřítka kvality rekonstrukce Výběrová střední kvadratická chyba: RMS 2 N M ( u u ) i, j i, j i= j= = MN 2 poměr signálu k šumu: SNR = 0 log0 P 2 RMS 2 db P je interval hodnot pixelů originálu, tj. často: SNR = log0 RMS 2 2 db Stillg 20 Josef Pelikán, 6 / 32
7 Pulsní kódová modulace (PCM) přenos analogového signálu digitálním kanálem vzorkování v čase, kvantování, kódování (modulace) sample and hold quantizer digital modulation u t ( ) R spojitý signál ve spojitém čase u t R spojitý signál v diskrétním čase r t N diskrétní signál v diskrétním čase Stillg 20 Josef Pelikán, 7 / 32
8 Kvantování ti, i =, 2,... L + ti < ti+ Rozhodovací hodnoty: { } ri, i =, 2,... L rekonstrukční hodnoty: { } q: t, t + ] r i i i výstup r 9 r 8 r 7 vstup r 5 =0 t t 2 t 3 t 7 t 8 t 9 t 0 r 4 r 3 r 2 r Stillg 20 Josef Pelikán, 8 / 32
9 Lineární kvantovač Používá se při rovnoměrném rozložení pravděpodobností kvantovaných hodnot: t = t + k q k r = t + q k k q t L + = t L ( ) 2 t výstup vstup q q r Stillg 20 Josef Pelikán, 9 / 32
10 Lloydův-Maxův kvantovač Minimalizuje střední kvadratickou chybu kvantování: E = E ( u u ) 2 [ x u ( x ) ] 2 = p ( x ) dx t = r + r ( ) k 2 k k r = xp x dx p x dx k t k+ k+ t k t T + p(x).. pravděpodobnost vstupní hodnoty x (histogram) t ( ) ( ) t t k Stillg 20 Josef Pelikán, 0 / 32
11 Prediktivní kompresní metody využívají závislost sousedních pixelů (prostorovou korelaci obrazu) hodnoty pixelů se často mění jen pozvolna implementace pomocí tzv. predikční funkce (prediktoru) pomocí předchozích (sousedních) hodnot se co nejlépe odhadne aktuální hodnota kóduje se jen rozdíl předpovězené a skutečné hodnoty při úspěšné predikci má chyba menší amplitudu Stillg 20 Josef Pelikán, / 32
12 Prediktivní kvantování DPCM kodér (Differential Pulse-Code Modulation): u k + - Σ e k kvantovač u k u k prediktor s pamětí e k Σ + + kodér k k k u = u + e k k k e = u u predikce: ( ),,... k = k k 2 u P u u Stillg 20 Josef Pelikán, 2 / 32
13 Prediktivní kvantování II DPCM dekodér: dekodér e k + u k Σ + prediktor s pamětí u k u k Stillg 20 Josef Pelikán, 3 / 32
14 Delta modulace kvantovač má pouze dvě výstupní hodnoty (+q,-q) obvou realizující tzv. prahovou funkci roli prediktoru hraje zpožďovací obvod k k k k k u = u e = u u vstupní signál nemusí být vzorkovaný místo prediktoru je integrátor používá se převážně ke kódování analogových signálů (např. zvuku) Stillg 20 Josef Pelikán, 4 / 32
15 Delta modulace II DM kodér: u( t) e( t ) e ( t) NF filtr + u ( t) Σ + prahovač integrátor DM dekodér: e integrátor ( t) u ( t) NF filtr Stillg 20 Josef Pelikán, 5 / 32
16 Chyby DM u( t) u ( t) přetížení sklonu zrnitost odstranění zrnitosti... třístavová DM (+q,0,-q) Stillg 20 Josef Pelikán, 6 / 32
17 DPCM Markovův řetězec řádu p střední hodnota aktuálního vzorku je lineárně závislá na p předchozích hodnotách nelineární prediktory nejčastěji se používají polynomiální funkce dvoj- a více-rozměrné prediktory odpovídají 2D charakteru obrazu (3D animaci) u p k = aj uk j j= Stillg 20 Josef Pelikán, 7 / 32
18 2D DPCM B C D A uk = aa + bb + cc + dd optimální případ: a b d = c = = ac = 0 Č/B obraz: DPCM je teoreticky lepší o cca 20dB než PCM (komprese : ) Stillg 20 Josef Pelikán, 8 / 32
19 Adaptivní prediktivní metody několik prediktorů pro různé směry korelace obrazu (vodorovně, svisle, šikmo) v každé fázi se vybírá prediktor s max. korelací adaptivní řízení zesílení (chyby kvantovače) kvalita (zkreslení) kvantování se řídí adaptivně podle rozptylu predikční chyby klasifikace oblastí obrazu rychlé přizpůsobení podle lokálního okolí pixelu klasifikace bloků velikosti 6 6 (např. 4 skupiny) Stillg 20 Josef Pelikán, 9 / 32
20 Transformační metody Obecné schema: transformace kvantovač kodér T Q C C - Q - T - dekodér dekvantovač inverzní transformace Stillg 20 Josef Pelikán, 20 / 32
21 Transformační metody II snaží se pracovat s celým blokem (vektorem) obrazu najednou lze rozšířit na blokové kvantování maximální potlačení závislosti jednotlivých složek kódovaného vektoru velká role použité transformační funkce transformační funkce jednorozměrná (rozkladová řádka obrazu) dvojrozměrná (celý obraz, bloky K K) Stillg 20 Josef Pelikán, 2 / 32
22 Transformační funkce T většina důležitých informací o bloku by měla být sousředěna do několika málo koeficientů velký kompresní poměr lze dosáhnout zanedbáním ostatních (méně podstatných) koeficientů zkreslení kvantováním a vynecháním koeficientů by mělo být co nejmenší koeficienty po transformaci mají být co nejméně závislé rychlost výpočtu T i T - (SW, HW) Stillg 20 Josef Pelikán, 22 / 32
23 Stillg 20 Josef Pelikán, 23 / 32 D lineární transformační metody A Q Q 2... Q N lineární transformace N kvantovačů u u u u N = 2... v v v N 2... v v v v v N 2 =... dekorelace
24 Transformace Karhunen-Loeve vektor vstupních hodnot tvoří Gaussovsky rozložené náhodné veličiny kovarianční matice (závislost jednotlivých složek) je známa cílem je navrhnout transformační kodér s min. RMS chybou a max. dekorelací: optimální Karhunen-Loeve transformace koeficienty (v i ) jsou zcela nezávislé velká výpočetní náročnost (výpočet vlastních vektorů kovarianční matice) Stillg 20 Josef Pelikán, 24 / 32
25 Praktické transformace suboptimální transformace o trochu horší dekorelační schopnosti než KLT větší efektivita: rychlé algoritmy O(N log N), O(N) sinové transformace (Fourier, sin, cos, Hartley) komplexní i reálná aritmetika, dobrá dekorelace transformace Walshova typu po částech konstantní funkce, jen sčítání a odečítaní (Hadamard), velmi rychlé implementace wavelets (Haar,..) dobrá reprezentace nehomogenního obrazu Stillg 20 Josef Pelikán, 25 / 32
26 Zonální kódování koeficientů Přesnost kvantování podle informační hodnoty (rozptylu) koeficientů. Příklad bitové alokace: Zonální metoda (přenáší se jen jistá oblast - zóna) Stillg 20 Josef Pelikán, 26 / 32
27 Prahové kódování koeficientů Přenos K koeficientů s největší amplitudou. Příklad koeficientů: Přenášená zóna se pro každý blok liší (kódování adres) Stillg 20 Josef Pelikán, 27 / 32
28 Adaptivní transformační metody (statistická) analýza každého bloku obrazu přizpůsobení transformačního algoritmu charakteristice dat přepínání transformačních funkcí nebo jejich parametrů adaptace přenášené oblasti koeficientů (zóny) adaptace kvantovačů Stillg 20 Josef Pelikán, 28 / 32
29 Hybridní metody Kombinace transformační a prediktivní metody: DPCM kodér T... DPCM DPCM kodér kodér MUX vynechané koeficienty transformace Stillg 20 Josef Pelikán, 29 / 32
30 Interpolační metody kódování a přenos jen některých pixelů ostatní pixely se při rekonstrukci dopočítají interpolací nejčastěji se používá lineární interpolace (polynomy vyšších řádů nedávají o tolik lepší výsledky) statické metody množina kódovaných pixelů je dána předem a nemění se dynamické metody přizpůsobení charakteru obrazu (např. jeho rozptylu) Stillg 20 Josef Pelikán, 30 / 32
31 Střídavá interpolační metoda Přenos polovičního množství pixelů a následná lineární interpolace: B A X C D X A + = C nebo B + D 2 2 (menší rozdíl hodnot) Stillg 20 Josef Pelikán, 3 / 32
32 Konec Další informace: A. Jain: Image Data Compression: A Review, Proceedings of the IEEE, vol.69, #3, 98 A. Jain: Fundamentals of Digital Image Processing, Prentice-Hall, 989 ed. by H.-M. Hang, J. Woods: Handbook of Visual Communications, Academic Press, San Diego, 995 Stillg 20 Josef Pelikán, 32 / 32
Transformace 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
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
VíceKOMPRESE OBRAZŮ. Václav Hlaváč, Jan Kybic. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání.
1/25 KOMPRESE OBRAZŮ Václav Hlaváč, Jan Kybic Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/ hlavac KOMPRESE OBRAZŮ, ÚVOD
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
VíceKOMPRESE OBRAZŮ. Václav Hlaváč. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání. hlavac@fel.cvut.
1/24 KOMPRESE OBRAZŮ Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/ hlavac KOMPRESE OBRAZŮ, ÚVOD 2/24 Cíl:
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
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
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
VícePulzní (diskrétní) modulace
EVROPSKÝ SOCIÁLNÍ FOND Pulzní (diskrétní) modulace PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI Podpora kvality výuky informačních a telekomunikačních technologií ITTEL CZ.2.17/3.1.00/36206 Pulzní modulace
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
VíceKomprese obrazu. Úvod. Rozdělení metod komprese obrazů. Verze: 1.5, ze dne: 1. června Václav Hlaváč a Tomáš Svoboda
Komprese obrazu Verze:., ze dne:. června 6 Václav Hlaváč a Tomáš Svoboda Czech Technical University, Faculty of Electrical Engineering Center for Machine Perception, Prague, Czech Republic svoboda@cmp.felk.cvut.cz
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
VíceKomprese obrazu. Verze: 1.5, ze dne: 1. června Václav Hlaváč a Tomáš Svoboda
Komprese obrazu Verze: 1.5, ze dne: 1. června 2006 Václav Hlaváč a Tomáš Svoboda Czech Technical University, Faculty of Electrical Engineering Center for Machine Perception, Prague, Czech Republic svoboda@cmp.felk.cvut.cz
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.
VíceKomprese obrazů. Václav Hlaváč. České vysoké učení technické v Praze
Komprese obrazů Václav Hlaváč České vysoké učení technické v Praze Český institut informatiky, robotiky a kybernetiky 166 36 Praha 6, Jugoslávských partyzánů 1580/3 http://people.ciirc.cvut.cz/hlavac,
VíceCircular Harmonics. Tomáš Zámečník
Circular Harmonics Tomáš Zámečník Úvod Circular Harmonics Reprezentace křivky, která je: podmonožinou RxR uzavřená funkcí úhlu na intervalu Dále budeme hovořit pouze o takovýchto křivkách/funkcích
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
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
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
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
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
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
VíceAnalýza a zpracování signálů
Analýza a zpracování ů Digital Signal Processing disciplína, která nám umožňuje nahradit (v případě že nezpracováváme vf y) obvody, dříve složené z rezistorů a kapacitorů, dvěma antialiasingovými filtry,
VíceDETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH
DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH Viktor Haškovec, Martina Mudrová Vysoká škola chemicko-technologická v Praze, Ústav počítačové a řídicí techniky Abstrakt Příspěvek je věnován zpracování biomedicínských
VíceOdhad stavu matematického modelu křižovatek
Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita
VíceAlgoritmy komprese dat
Algoritmy komprese dat Úvod do teorie informace Claude Shannon (1916 2001) 5.11.2014 NSWI072-7 Teorie informace Informace Co je to informace? Můžeme informaci měřit? Existují teoretické meze pro délku
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
VíceBPC2E_C09 Model komunikačního systému v Matlabu
BPCE_C9 Model komunikačního systému v Matlabu Cílem cvičení je vyzkoušet si sestavit skripty v Matlabu pro model jednoduchého komunikačního systému pro přenos obrázků. Úloha A. Sestavte model komunikačního
VíceCharakteristiky zvuk. záznamů
Charakteristiky zvuk. záznamů Your Name Jan Kvasnička Your Title 2010 Roman Brückner Your Organization (Line #1) Your Organization (Line #2) Obsah prezentace Digitalizace zvuku Audio formáty Digitální
VíceTechnická kybernetika. Obsah. Principy zobrazení, sběru a uchování dat. Měřicí řetězec. Principy zobrazení, sběru a uchování dat
Akademický rok 2016/2017 Připravil: Radim Farana Technická kybernetika Principy zobrazení, sběru a uchování dat 2 Obsah Principy zobrazení, sběru a uchování dat strana 3 Snímač Měřicí řetězec Měřicí obvod
VíceNOVÉ METODY HODNOCENÍ OBRAZOVÉ KVALITY
NOVÉ METODY HODNOCENÍ OBRAZOVÉ KVALITY Stanislav Vítek, Petr Páta, Jiří Hozman Katedra radioelektroniky, ČVUT FEL Praha, Technická 2, 166 27 Praha 6 E-mail: svitek@feld.cvut.cz, pata@feld.cvut.cz, hozman@feld.cvut.cz
VíceKomprese dat. Jan Outrata KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI. přednášky
Komprese dat Jan Outrata KATEDRA INFORMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI přednášky Statistické metody Jan Outrata (Univerzita Palackého v Olomouci) Komprese dat Olomouc, únor březen 2016 1 / 23 Tunstallův
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
Víceíta ové sít baseband narrowband broadband
Každý signál (diskrétní i analogový) vyžaduje pro přenos určitou šířku pásma: základní pásmo baseband pro přenos signálu s jednou frekvencí (není transponován do jiné frekvence) typicky LAN úzké pásmo
VíceDigitální magnetický záznam obrazového signálu
Digitální magnetický záznam obrazového signálu Ing. Tomáš Kratochvíl Současná televizní technika a videotechnika kurz U3V Program semináře a cvičení Digitální videosignál úvod a specifikace. Komprese obrazu
VíceWAVELET TRANSFORMACE V POTLAČOVÁNÍ
WAVELET TRANSFORMACE V POTLAČOVÁNÍ RUŠIVÝCH SLOŽEK OBRAZŮ Andrea Gavlasová, Aleš Procházka Vysoká škola chemicko-technologická, Ústav počítačové a řídicí techniky Abstrakt Příspěvek je zaměřen na problematiku
Více1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.
VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:
Víceednáška a metody digitalizace telefonního signálu Ing. Bc. Ivan Pravda
2.předn ednáška Telefonní kanál a metody digitalizace telefonního signálu Ing. Bc. Ivan Pravda Telekomunikační signály a kanály - Při přenosu všech druhů telekomunikačních signálů je nutné řešit vztah
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
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
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
VíceŠum a jeho potlačení. Michal Švanda. Astronomický ústav MFF UK Astronomický ústav AV ČR. Spektroskopie (nejen) ve sluneční fyzice LS 2011/2012
Šum a jeho potlačení Spektroskopie (nejen) ve sluneční fyzice LS 2011/2012 Michal Švanda Astronomický ústav MFF UK Astronomický ústav AV ČR Šum Náhodná veličina Aditivivní měření=signál+šum Obvykle nekorelovaný
VíceKlasifikace a rozpoznávání. Extrakce příznaků
Klasifikace a rozpoznávání Extrakce příznaků Extrakce příznaků - parametrizace Poté co jsme ze snímače obdržely data která jsou relevantní pro naši klasifikační úlohu, je potřeba je přizpůsobit potřebám
VíceModulace analogových a číslicových signálů
Modulace analogových a číslicových signálů - rozdělení, vlastnosti, způsob použití. Kódování na fyzické vrstvě komunikačního kanálu. Metody zabezpečení přenosu. Modulace analogových a číslicových signálů
VíceKomprese videa Praha 2010 Účel komprese Snížení zátěže přenosového média Zmenšení objemu dat pro uložení Metody komprese obrazu Redundance Irelevance Redundantní složka část informace, po jejíž odstranění
Více8. Sběr a zpracování technologických proměnných
8. Sběr a zpracování technologických proměnných Účel: dodat v částečně předzpracovaném a pro další použití vhodném tvaru ucelenou informaci o procesu pro následnou analyzu průběhu procesu a pro rozhodování
VíceFlexibilita jednoduché naprogramování a přeprogramování řídícího systému
Téma 40 Jiří Cigler Zadání Číslicové řízení. Digitalizace a tvarování. Diskrétní systémy a jejich vlastnosti. Řízení diskrétních systémů. Diskrétní popis spojité soustavy. Návrh emulací. Nelineární řízení.
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
VíceTechniky kódování signálu
Techniky kódování signálu KIV/PD Přenos dat Martin Šimek O čem přednáška je? 2 Děje na fyzické vrstvě spoje Kódování digitálních dat do digitálního signálu Kódování digitálních dat do analogového signálu
VíceTeorie informace: řešené příklady 2014 Tomáš Kroupa
Teorie informace: řešené příklady 04 Tomáš Kroupa Kolik otázek je třeba v průměru položit, abychom se dozvěděli datum narození člověka (den v roce), pokud odpovědi jsou pouze ano/ne a tázaný odpovídá pravdivě?
VíceAutomatizační technika. Obsah
7.09.016 Akademický rok 016/017 Připravil: Radim Farana Automatizační technika Základy teorie Obsah Informace Jednotka Zdroj Kód Přenosový řetězec Prostředky sběru, zobrazování, přenosu, zpracování a úschovy
VícePřednáška v rámci PhD. Studia
OBVODY SE SPÍNANÝMI KAPACITORY (Switched Capacitor Networks) Přednáška v rámci PhD. Studia Doc. Ing. Lubomír Brančík, CSc. UREL FEKT VUT v Brně ÚVOD DO PROBLEMATIKY Důsledek pokroku ve vývoji (miniaturizaci)
VíceZÁKLADY AUTOMATICKÉHO ŘÍZENÍ
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ 1. týden doc. Ing. Renata WAGNEROVÁ, Ph.D. Ostrava 2013 doc. Ing. Renata WAGNEROVÁ, Ph.D. Vysoká škola báňská
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
VíceMATEMATICKÁ STATISTIKA - XP01MST
MATEMATICKÁ STATISTIKA - XP01MST 1. Úvod. Matematická statistika (statistics) se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného
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
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
VícePCM30U-ROK 2 048/256 kbit/s rozhlasový kodek stručný přehled
2 048/256 kbit/s rozhlasový kodek stručný přehled TELEKOMUNIKACE, s.r.o. Třebohostická 5, 100 43 Praha 10 tel: (+420) 23405 2429, 2386 e-mail: pcm30u@ttc.cz web: http://www.ttc.cz, http://sweb.cz/rok-ttc
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
VíceRastrový obraz, grafické formáty
Rastrový obraz, grafické formáty 1995-2010 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ RasterFormats Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 35 Snímání
VíceMěření dat Filtrace dat, Kalmanův filtr
Měření dat Filtrace dat, Matematické metody pro ITS (11MAMY) Jan Přikryl Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 3. přednáška 11MAMY čtvrtek 28. února 2018 verze: 2018-03-21 16:45 Obsah
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
VíceDigital Control of Electric Drives. Vektorové řízení asynchronních motorů. České vysoké učení technické Fakulta elektrotechnická
Digital Control of Electric Drives Vektorové řízení asynchronních motorů České vysoké učení technické Fakulta elektrotechnická B1M14DEP O. Zoubek 1 MOTIVACE Nevýhody skalárního řízení U/f: Velmi nízká
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
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
Více- DAC - Úvod A/D převodník převádějí analogové (spojité) veličiny na digitální (nespojitou) informaci. Základní zapojení převodníku ukazuje obr.
- DAC - Úvod A/D převodník převádějí analogové (spojité) veličiny na digitální (nespojitou) informaci. Základní zapojení převodníku ukazuje obr. Řada zdrojů informace vytváří signál v analogové formě,
VíceModerní multimediální elektronika (U3V)
Moderní multimediální elektronika (U3V) Prezentace č. 13 Moderní kompresní formáty pro přenosné digitální audio Ing. Tomáš Kratochvíl, Ph.D. Ústav radioelektroniky, FEKT VUT v Brně Program prezentace Princip
VíceJosef Pelikán, 1 / 51
1 / 51 Náhodné rozmisťování bodů v rovině 2014-15 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ Seminář strojového učení a modelování, 26. 3. 2015 2 / 51 Jiří Matoušek (1963-2015) 3 /
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
VíceInformatika Kódování. Obsah. Kód. Radim Farana Podklady předmětu Informatika pro akademický rok 2007/2008
Informatika Kódování Radim Farana Podklady předmětu Informatika pro akademický rok 27/28 Obsah Základy pojmy diskrétních kódů. Druhy kódů. Nejkratší kódy. Detekce chyb, Hammingova vdálenost. Kontrolní
Vícezákladní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů
A0M38SPP - Signálové procesory v praxi - přednáška 4 2 Číslicové filtry typu FIR a IIR definice operace filtrace základní rozdělení FIR, IIR základní vlastnosti, používané struktury filtrů návrhové prostředky
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
VíceAVDAT Náhodný vektor, mnohorozměrné rozdělení
AVDAT Náhodný vektor, mnohorozměrné rozdělení Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Opakování, náhodná veličina, rozdělení Náhodná veličina zobrazuje elementární
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/
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
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Pravděpodobnost a učení Doc. RNDr. Iveta Mrázová,
VíceVYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ
VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceTeorie informace Obsah. Kybernetika. Radim Farana Podklady pro výuku
Teorie Radim Farana Podklady pro výuku Obsah Seznámení s problematikou a obsahem studovaného předmětu. Základní pojmy z Teorie, jednotka, informační obsah zprávy, střední délka zprávy, redundance. Kód.
VíceMKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.
MKI -00 Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0. V jakém rozmezí se může pohybovat poloměr konvergence regulární
Vícetransmitter Tx - vysílač receiver Rx přijímač (superheterodyn) duplexer umožní použití jedné antény pro Tx i Rx
Lekce 2 Transceiver I transmitter Tx - vysílač receiver Rx přijímač (superheterodyn) duplexer umožní použití jedné antény pro Tx i Rx u mobilního telefonu pouze anténní přepínač řídící část dnes nejčastěji
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
VíceDruhy sdělovacích kabelů: kroucené metalické páry, koaxiální, světlovodné
7. Přenos informací Druhy sdělovacích kabelů: kroucené metalické páry, koaxiální, světlovodné A-PDF Split DEMO : Purchase from www.a-pdf.com to remove the watermark MODULACE proces, při kterém se, v závislosti
VíceANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ
ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz 5. LETNÍ ŠKOLA MATEMATICKÉ BIOLOGIE ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM
VíceRoman Juránek. Fakulta informačních technologíı. Extrakce obrazových příznaků 1 / 30
Extrakce obrazových příznaků Roman Juránek Ústav počítačové grafiky a multimédíı Fakulta informačních technologíı Vysoké Učení technické v Brně Extrakce obrazových příznaků 1 / 30 Motivace Účelem extrakce
VíceNáhodné rozmisťování bodů v rovině
Náhodné rozmisťování bodů v rovině 2014 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ Konference CSGG, 17. 9. 2014, Nové Město na Moravě 1 / 46 2 / 46 Náhodné rozložení bodů..? random
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
VíceKompresní techniky. David Bařina. 15. února David Bařina Kompresní techniky 15. února / 37
Kompresní techniky David Bařina 15. února 2013 David Bařina Kompresní techniky 15. února 2013 1 / 37 Obsah 1 Pojmy 2 Jednoduché techniky 3 Entropická kódování 4 Slovníkové metody 5 Závěr David Bařina Kompresní
VíceVOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSMOVÝCH SIGNÁLŮ
VOLBA ČASOVÝCH OKEN A PŘEKRYTÍ PRO VÝPOČET SPEKTER ŠIROKOPÁSOVÝCH SIGNÁLŮ Jiří TŮA, VŠB Technická univerzita Ostrava Petr Czyž, Halla Visteon Autopal Services, sro Nový Jičín 2 Anotace: Referát se zabývá
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
VíceZPRACOVÁNÍ DAT DÁLKOVÉHO PRŮZKUMU
A - zdroj záření B - záření v atmosféře C - interakce s objektem D - změření záření přístrojem E - přenos, příjem dat F - zpracování dat G - využití informace v aplikaci Typ informace získávaný DPZ - vnitřní
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
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
VícePravděpodobnost a aplikovaná statistika
Pravděpodobnost a aplikovaná statistika MGR. JANA SEKNIČKOVÁ, PH.D. 2. KAPITOLA PODMÍNĚNÁ PRAVDĚPODOBNOST 3. KAPITOLA NÁHODNÁ VELIČINA 9.11.2017 Opakování Uveďte příklad aplikace geometrické definice pravděpodobnosti
VíceROZ1 - Cv. 3 - Šum a jeho odstranění ÚTIA - ZOI
Šum Co je to šum v obrázku? Šum Co je to šum v obrázku? V obrázku je přidaná falešná informace nahodilého původu Jak vzniká v digitální fotografii? Šum Co je to šum v obrázku? V obrázku je přidaná falešná
VíceNeuronální kódování a přenos informace
Neuronální kódování a přenos informace Lubomír Košťál Fyziologický ústav AV ČR Matematické modely a aplikace, Podlesí 2013 Problém neuronálního kódování Problém neuronálního kódování čas [s] t i 1 t i
VíceKonvolučníkódy. MI-AAK(Aritmetika a kódy)
MI-AAK(Aritmetika a kódy) Konvolučníkódy c doc. Ing. Alois Pluháček, CSc., 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Evropský sociální fond Praha&
VíceI. D i s k r é t n í r o z d ě l e n í
6. T y p y r o z d ě l e n í Poznámka: V odst. 5.5-5.10 jsme uvedli příklady náhodných veličin a jejich distribučních funkcí. Poznali jsme, že se od sebe liší svým typem. V příkladech 5.5, 5.6 a 5.8 jsme
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,
Více