
- •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.
19. Организация параллелизма в спецпроцессорах цос
Самой ранней и наиболее известной является классификация архитектур вычислительных систем, предложенная в 1966 году М. Флинном. Классификация базируется на понятии потока. На основе числа потоков команд и потоков данных выделяется четыре класса архитектур: (ПР-процессор, УУ-Устройство Управления ПД- Поток Данных)
SISD – одиночный поток команд и одиночный поток данных. К этому классу относятся машины фон-неймановского типа. В таких машинах есть только один поток команд, все команды обрабатываются последовательно друг за другом и каждая команда инициирует одну операцию с одним потоком данных.
SIMD– одиночный поток команд и множественный поток данных. В архитектурах подобного рода сохраняется один поток команд, включающий векторные команды. Это позволяет выполнять одну арифметическую операцию сразу над многими данными – элементами вектора.
MISD– множественный поток команд и одиночный поток данных. Определение подразумевает наличие в архитектуре многих процессоров, обрабатывающих один и тот же поток данных.
MIMD – множественный поток команд и множественный поток данных. Этот класс предполагает, что в вычислительной системе есть несколько устройств обработки команд, объединенных в единый комплекс и работающих каждое со своим потоком команд и данных.
20. Основные понятия цифровой обработки изображений.
Оптическое излучение (свет) представляет собой электромагнитное излучение с длиной волны от 0.01 нм до 1 см. Источником таких волн являются атомы и молекулы, в которых происходит изменение энергетического состояния электронов. Распределение энергии источника светового излучения по пространственным координатам XY, времени t и длинам волн λописывается следующей функцией С (х, у, t, λ). Энергия излучения пропорциональна квадрату амплитуды электрического поля и поэтому представляет собой действительную положительную величину 0 <= С (х, у, t, λ) <= A, где А - максимальная яркость изображения. Размеры изображения ограничены формирующей системой и средой, на которую оно записывается.
x_min <= x <= x_max
y_min <= y <= y_max
t_min <= t <= t_max
λ_min <= λ <= λ_max
Ощущение светлоты, возникающее в зрительной системе человека, обычно определяется мгновенной яркостью светового поля.
V(λ) - спектральная чувствительность человеческого зрения.
Цветовые ощущения можно описать набором координат цвета, пропорциональных интенсивностям красного, зеленого и синего цвета, смесь которых дает заданный цвет.
;
;
;
Rs, Gs, Bs, - удельные координаты для набора основных цветов. Будем описывать изображения сформированные некоторой физической системой с помощью функции F(x,y,t). Для одноцветной системы функция представляет распределение яркости. Для системы воспроизведения цветных изображений функция F - одна из координат цвета.
21. Субъективные характеристики цвета.
В
зрительную систему человека попадает
свет либо от самосветящегося источника,
либо отраженный от некоторого предмета,
либо прошедший через него. Для предмета,
пропускающего свет, спектральная
плотность излучения наблюдаемого света
будет равна
,
где t - коэффициент пропускания, E -
плотность, излучаемая первичным
источником. Для предмета, отражающего
свет:
,
где r - коэффициент отражения.
Существует 3 основных характеристики ощущения цвета - светлота, цветовой тон и насыщенность. Если имеются 2 источника света с одинаковой формой спектральной плотности, то источник с большей интенсивностью излучения воспринимается как более яркий, однако интенсивность не является адекватной количественной мерой светлоты. Светлота меняется от черного до белого цвета. Признак, которым отличается красный цвет от зеленого, называется цветовым тоном. Насыщенность позволяет отличать спектральный цвет от пастельного блеклого цвета такого же цветового тона.
Для классификации цветов удобно рассматривать их как точки некоторого цветового пространства.