
- •1. Определение цос. Основные задачи. Примеры использования. Структурная схема цос. Режимы работы устройств цос.
- •2. Типовые сигналы цос. Нормирование времени и частоты.
- •3. Определение z-преобразования. Область сходимости. Соотношение между z и p-плоскостями.
- •4. Основные свойства z-преобразований. Способы вычисления прямого и обратного z-преобразований.
- •5. Определение дискретной системы. Виды дискретных систем.
- •6.Импульсная и переходная характеристики. Формула свертки.
- •7.Разностные уравнения. Бих и ких-системы. Свойство памяти линейных дискретных систем (лдс).
- •8.Передаточная функция. Карта нулей и полюсов . Критерий устойчивости лдс.
- •9.Структурные схемы лдс. Прямая, каскадная и параллельная структуры.
- •10.Канонические структуры лдс.
- •11. Дискретное преобразование Фурье (дпф).
- •12. Свойства дпф. Теорема Парсеваля.
- •13. Алгоритм вычисления свертки с помощью дпф.
- •14. Унитарные преобразования. Косинусные преобразования.
- •15. Унитарные преобразования. Преобразование Адамара.
- •16.Преобразование Хаара. Вейвлет-преобразование. Преобразование Хаара
- •17.Архитектура и классификация спецпроцессоров цос
- •18.Концепции архитектуры спецпроцессоров цос
- •19. Организация параллелизма в спецпроцессорах цос
- •20. Основные понятия цифровой обработки изображений.
- •21. Субъективные характеристики цвета.
- •22. Логарифмическая модель одноцветного зрения. Основные зрительные явления.
- •23. Модель цветного зрения.
- •24.Определение колориметрии. Основные способы уравнивания цветов.
- •25.Аксиомы уравнивания цветов Грассмана.
- •26. Цветовое пространство.Координаты цвета и координаты цветности.
- •27.Представление цифрового изображения
- •Смежность и связность пикселей на цифровом изображении. Меры расстояний.
- •Методы улучшения изображений. Основные градационные преобразования.
- •Методы улучшения изображений. Кусочно-линейные градационные преобразования.
- •Основы пространственной фильтрации.
- •32. Сглаживающие пространственные фильтры. Фильтры, основанные на порядковых статистиках.
- •Пространственные фильтры повышения резкости. Операторы Робертса, Собеля.
- •Алгоритм и структурная схема фильтрации в частотной области.
- •Сглаживающие частотные фильтры.
- •36. Частотные фильтры повышения резкости
- •37. Пространственные фильтры подавления шума.
- •Усредняющие фильтры
- •2. Фильтры порядковых статистиках
- •38. Адаптивные фильтры подавления шума.
- •39. Частотные фильтры.
- •40. Оценки искажающей функции.
- •41. Инверсная и Винеровская фильтрация.
- •42. Геометрические преобразования.
- •43. Сжатие изображений. Основные виды избыточности.
- •44. Кодовая избыточность.
- •45.Межэлементная(1) и визуальная (2) избыточности.
- •46.Основные алгоритмы сжатия без потерь.
- •47.Основные алгоритмы сжатия с потерями.
32. Сглаживающие пространственные фильтры. Фильтры, основанные на порядковых статистиках.
Сглаживающие пространственные фильтры. Применяются для расфокусировки изображения и подавления шума. Отклик простейшего линейного сглаживающего фильтра - среднее значение элементов по окрестности, покрытой маской фильтра.
Пространственный фильтр, все коэффициенты которого одинаковы, называют однородным усредняющим фильтром.
Фильтры, основанные на порядковых статистиках относятся к классу нелинейных пространственных фильтров отклик которых определяется на основании предварительного упорядочивания значений пикселей, покрываемых маской фильтра, и последующим выбором значения, находящегося на определенной позиции упорядоченной последовательности. Фильтрация сводится к замещению исходного значения пикселя (в центре маски) на полученное значение отклика фильтра. Примером такого фильтра является медианный фильтр. Медиана набора чисел есть такое число 'a', что половина чисел из набора меньше или равны 'a', а другая половина больше или равны 'a'.
Преимущество: хорошо обрабатывается импульсный шум.
Пространственные фильтры повышения резкости. Операторы Робертса, Собеля.
Пространственные фильтры повышения резкости. Главная цель заключается в подчеркивании мелких деталей изображения или улучшения тех деталей, которые оказались расфокусированны. Производные дискретной функции определяются в терминах разности. Требования:
- первая производная должна быть:
‡ равной нулю на плоских участках - областях с постоянным уровнем яркости;
‡ ненулевой в начале и в конце ступеньки или склона яркости, а также на самом склоне;
- вторая производная должна быть:
‡ равной нулю на плоских участках и на склонах постоянной крутизны;
‡ ненулевой в начале и в конце ступеньки или склона яркости.
Лапласиан:
Улучшение изображений с использованием первых производных
Перекрестный оператор Робертса:
Z1 |
Z2 |
Z3 |
Z4 |
Z5 |
Z6 |
Z7 |
Z8 |
Z9 |
0 |
0 |
0 |
0 |
-1 |
-1 |
0 |
1 |
1 |
Z9 – значение яркости в конкретных точках.
Недостаток: размер 2*2
Оператор Собела:
-1 |
-2 |
-1 |
0 |
0 |
0 |
1 |
2 |
1 |
-1 |
0 |
1 |
-2 |
0 |
2 |
-1 |
0 |
1 |
Алгоритм и структурная схема фильтрации в частотной области.
Процедура фильтрации состоит из следующих шагов:
Исходное изображение умножается на -1x+y, что бы его Фурье преобразование оказалось центрированное.
Вычисляется прямое ДПФ-изображение F(u,v).
Фурье функция умножается на функцию фильтра F(u,v) * H(u,v).
Вычисляется обратное ДПФ от результата шага 3.
Выделяется вещественная часть результата шага 4.
Результат шага 5 умножается на -1x+y.
Передаточная
ф-ция фильтра H(u,v)
Обратное
ДПФ
Прямое
ДПФ
Заключительная
обработка
Предварительная
обработка
Входящая ф-ция f(x,y) g(x,y) улучшенное изображение