CAPITOLO 8 Filtri di Fourier ANALISI DIMMAGINE A. Dermanis, L. Biagi.

Slides:



Advertisements
Presentazioni simili
DI3 – Dip. Ing.Industriale e dell’Informazione
Advertisements

Verso gli operatori Locali e globali
CORRELAZIONE (AUTO e CROSS)
Processi Aleatori : Introduzione – Parte II
UNIVERSITÀ DEGLI STUDI DI PARMA
Elaborazione numerica del suono
Elaborazione numerica del suono
Relatore: Prof. Fabrizio FERRANDI
Filtri digitali Introduzione.
Wavelet Analisi tempo-frequenza Cenni di Jpeg 2000
Analisi del segnale Carlo Drioli Dipartimento di Informatica dellUniversità di Verona AISV Scuola Estiva Archivi di Corpora Vocali.
Algebra delle Matrici.
Trasformazioni nel dominio delle frequenze Andrea Torsello Dipartimento di informatica Università Ca Foscari via Torino 155, Mestre (VE)
ELABORAZIONE NUMERICA DEI SEGNALI AA
Strumenti di misura della radiazione
Tema 6: Analisi in Potenza di Processi Parametrici
Serie e trasformate di Fourier
Serie e trasformate di Fourier
La trasformata Z.
Strumentazione per bioimmagini
Strumentazione per bioimmagini
Strumentazione per bioimmagini
Dal tempo continuo al tempo discreto
Laboratorio di El&Tel Elaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi Mauro Biagi.
1 Esempio : Utile per considerare limportanza delle ALTE FREQUENZE nella ricostruzione del segnale, in particolare dei FRONTI di SALITA e di DISCESA (trailing.
Geometria DH in foro Tipi di fasi presenti nelle indagini in foro Onde P ed S dirette; Onde P ed S rifratte; Onde P ed S riflesse; Onde dovute.
Politecnico di Milano Esercizi Preparazione alla prima prova intermedia.
INAF Astronomical Observatory of Padova
Elaborazione (digitale) delle immagini
LA TRASFORMATA DI FOURIER: PROPRIETA’ ed ESEMPI SEZIONE 7
SISTEMI LINEARI TEMPO INVARIANTI SEZIONE 7
Campionamento e ricostruzione di segnali SEZIONE 7
Introduzione alla Elettronica Nucleare
Frequency Domain Processing Francesca Pizzorni Ferrarese 17/03/2010.
La Classificazione supervisionata
CAPITOLO 13 Il Riconoscimento di forme e la Classificazione CLASSIFICAZIONE A. Dermanis, L. Biagi.
Il Telerilevamento: Utilizzo di dati da sensori remoti per l’informazione territoriale I dati Immagini digitali multispettrali: sensori che registrano.
La Classificazione non supervisionata
CONVOLUZIONE - ESERCIZIO
La modifica degli istogrammi
Trasformata discreta di Fourier: richiami
Definizioni e leggi di base
E CORREZIONI RADIOMETRICHE
Frequency Domain Processing
e Indici di Vegetazione
Università degli studi di Padova Dipartimento di ingegneria elettrica
Teorema di Euclide altezza proiezione proiezione
Banco sperimentale per spettroscopia Raman ad alta risoluzione (0
Ricostruzione Immagine
Sistemi modulari di acquisizione dati
Gas Leggi dei gas Applicando pesi crescenti sullo stantuffo il volume del gas si riduce e la sua pressione.
TRASFORMATA DI FOURIER
LUCIDI dell'insegnamento di COMUNICAZIONI ELETTRICHE eo/in/bi
Elaborazione e trasmissione delle immagini Anno Accademico Esercitazione n.4 Pisa, 20/10/2004.
Introduzione ai Circuiti Elettronici
Realizzazione dei Filtri di Butterworth
Shaping dei segnali analogici da rivelatori di particelle (Parte 1) Perche’ e’ necessario lo shaping? Il segnale nei rivelatori Un po’ di teoria Lo shaping.
Classificazione dei filtri f |T(f)| f0f0 1 0 f f0f0 1 0 f fLfL 1 0 fHfH f fLfL 1 0 fHfH Passa-basso Passa-alto Passa-bandaArresta-banda (Notch)
V.M
Creazione di un’interfaccia grafica in ambiente Matlab per l’acquisizione e l’elaborazione dei dati da un file *.txt Corso di “Meccatronica” A.A. 2013/2014.
Analisi dei segnali nel dominio della frequenza mediante FFT
FILTRI NUMERICI. Introduzione Nel campo nei segnali (analogici o digitali), un sistema lineare tempo-invariante è in grado di effettuare una discriminazione.
Riconoscimento frequenze di note musicali Corso ESIM Prof. P. Daponte Gruppo di lavoro: Mario Calì 195/ Marco Gallucci 195/ Roberto De Falco.
Analisi spettrale numerica di segnali di misura Prof. Leopoldo Angrisani Dip. di Informatica e Sistemistica Università di Napoli Federico II.
Trattamento delle immagini numeriche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Laboratorio II, modulo Segnali a tempo discreto ( cfr.
Segnali a tempo discreto (cfr.
Segnali aperiodici (cfr.
Interpolazione e zero-padding
Laboratorio II, modulo Segnali aperiodici (cfr.
Transcript della presentazione:

CAPITOLO 8 Filtri di Fourier ANALISI DIMMAGINE A. Dermanis, L. Biagi

Trasformazione di Fourier, continua e discreta, in due dimensioni f(x,y) = F(u,v) e i 2 (ux+vy) dxdy – – + + Trasformazione inversa F(u,v) = f(x,y) e –i 2 (ux+vy) dxdy – – + + Trasformazione di Fourier continua f(x,y) F(u,v) F uv = f nm e NM –i 2 ( + ) un vm N M n=1 m=1 N M 1 Trasformazione di Fourier discreta f ij F uv Trasformazione inversa f nm = F uv e i 2 ( + ) un vm N M u=1 v=1 N M A. Dermanis, L. Biagi

{g ij } = {h ij } {f ij } G uv = H uv F uv G(u) = F(u) H(u) g ij = h i–n,j–m f nm = h nm f i–n,j–m n = – m = – + + n = – m = – + + Teorema di convoluzione nel discreto Teorema di convoluzione nel continuo g(x) = h( – x) f( ) d f(x) h(x) – + f(x) F( ) g(x) G( ) h(x) H( ) f ij F uv g ij G uv h ij H uv A. Dermanis, L. Biagi

{g ij }{G uv } G uv = H uv F uv { F uv } Applicazione del teorema di convoluzione DFT Convoluzione DFT Inversa Moltiplicazione {f ij } g ij = h i–n,j–m f nm n = – m = – + + A. Dermanis, L. Biagi

Filtri circolari Passabasso Passaalto A. Dermanis, L. Biagi

OriginaleTransformata di Fourier Filtro passabasso, R = 100Filtro passabasso, R = 75Filtro passabasso, R = 50 Filtro passaalto, R = 50 Un esempio di filtraggio con Fourier A. Dermanis, L. Biagi