Вы находитесь на странице: 1из 19

1. Сигналы.

Классификация сигналов

Сигнал – форма представления данных, при которой данные


рассматриваются как результат некоторых изменений объекта.

Данные создают информацию как о целевых параметрах, так и о помехах.

Сигнал – информационная функция, несущая сообщение о физических


свойствах, состоянии или поведении системы

Регистрация сигнала – регистрация данных, которые проходят через


конкретные системы или точку системы и фиксируются на материальный
носитель или в памяти системы.

Сигналы имеют не более 1-й независимой переменной (время,


положение), однако существуют сигналы, обладающие более чем 1-й
независимой переменной – сигналы изображения.

Сигналы, в зависимости от числа принимаемых размеров,


подразделяются на:

 Непрерывные ( бесконечно большое число размеров) (аналоговые)


 Квантование по уровню (конечное число размеров)

Сигналы, в зависимости от характера изменения во времени и


пространстве делятся на:

 Непрерывные (аналоговые)
 Дискретизированные (принимают отличные от нуля значения
только в определенный период времени или в определенных точках
пространства)

На рисунке: Непрерывный, квантование по уровню, дискретный,


дискретный и квантованный
Классификация сигнала

Детерминированный – в любое время определен однозначно и является


воспроизводимым. Изменение сигнала можно заранее предсказать,
используя его математическое описание

случайный (стохастический) - в каждый отдельный момент изменяется


случайным образом и может быть описан только статическими законами.
Математичсекое описание не дает возможности предсказать конкретные
изменения сигнала.

Периодический сигнал - такой вид воздействия, когда форма сигнала


повторяется через некоторый интервал времени T, который называется
периодом. Характеризуется равенством х(t+T) = (t) Время t принимает
любое значение от – до + бесконечности .

х(t+KT) = x(t)
Апериодический – в общем случае непериодический сигнал. В отдельных
случаях это выражение будет использоваться для сигналов, не
содержащих колебательной составляющей.

Апериодические сигналы составляют основную группу


непериодических сигналов и задаются произвольными функциями времени.
На рисунке показан пример апериодического сигнала, заданного формулой
на интервале (0, ):

s (t )=exp (−at ) −exp (−bt ) ,


где a и b – константы, в данном случае a = 0.15, b = 0.17.

Импульсный сигнал – величина ничтожно мала в любой точке


временной оси, за исключением некоторой конечной области. Среди
импульсных сигналов характерными являются:

Гармонические сигналы
Гармонические сигналы описываются следующими формулами:
x( t )=a cos( 2 π ft )+b sin(2 π ft )= A cos(2 π ft−ϕ )= A cos( ωt−ϕ)
где A= √ a 2 +b 2 - амплитуда гармонической составляющей;
f - частота колебаний;
ω=2πf - угловая (циклическая) частота колебаний;

ϕ=arctg ( ba ) - начальная фаза колебаний;


1
T=
f - период колебаний.

Полигармонические сигналы

Полигармонический сигнал – это сигнал, представляющий собой


сумму гармонических колебаний. Он описывается формулой:
N N
x ( t )=∑ [ ai cos ( 2 πf i t ) + bi sin ( 2 πf i t ) ] =∑ A i cos ( 2 πf i t −ϕi )
i =0 i=1

Также полигармонический сигнал можно описать функцией


x ( t )= y ( t +kT p )
, k = 1, 2, 3, ..., где T p - период одного полного

колебания сигнала y (t ) , заданного на одном периоде.


1
f p=
Значение T p , называют фундаментальной частотой колебаний.
Полигармонические сигналы представляют собой сумму определенной
постоянной составляющей ( f 0=0 ) и некоторого числа гармонических
составляющих с произвольными значениями амплитуд A i и фаз ϕi .При
этом периоды составляющих сигналов кратны периоду
фундаментальной частоты
fp . Другими словами, на периоде
f
фундаментальной частоты p укладывается кратное число периодов всех
гармоник, что и создает периодичность повторения сигнала.

Форма и спектр вибрационного полигармонического сигнала

У полигармонического сигнала выделяют следующие параметры:


- текущее среднее значение за определенное время, например, за время
периода:
t +T
1
X Ср,т = ∫ s ( t ) dt
T t ;

- постоянная составляющая одного периода:


T
1
X п = ∫ s ( t ) dt
T 0 ;
- среднее выпрямленное значение:
T
1
X Ср . В = ∫ |s ( t )|dt
T 0 ;
- среднее квадратическое значение:
T
1 2
СКЗ= ∫ [ s ( t ) ] dt
T 0 .
Если значения моментных характеристик не зависят от момента времени
t1 , то такой процесс называется стационарным. Различают стационарность
в широком и узком смысле.
Процесс стационарный в широком смысле, когда только первые
начальный и центральные моменты не зависят от времени t1 .
Стационарный в узком смысле процесс это тот, у которого все
моменты не зависят от времени t1 .
Все остальные случайные процессы, не удовлетворяющие указанным
условиям называются нестационарными
2. Детермированный синусоидальный сигнал

Детерминированным называется сигнал, характеристики которого


могут быть определены в любой момент времени с вероятностью равной
единице.
Обычно выделяют два класса детерминированных сигналов:
периодические и непериодические. Периодические – гармонические
(синусоидальные) и полигармонические
Гармонические сигналы
Гармонические сигналы описываются следующими формулами:
x( t )=a cos( 2 π ft )+b sin(2 π ft )= A cos(2 π ft−ϕ )= A cos( ωt−ϕ)
где A= √ a 2 +b 2 - амплитуда гармонической составляющей;
f - частота колебаний;
ω=2πf - угловая (циклическая) частота колебаний;

ϕ=arctg ( ba ) - начальная фаза колебаний;


1
T=
f - период колебаний.
Синусоидальный сигнал – только синусоидальная составляющая!!!
2. Квантование сигнала

Преобразование непрерывного (аналогового) сигнала в дискретный,


состоящий из множества квантов, называют квантованием по уровню.
При квантовании по уровню диапазон возможных изменений (0, Т)
функции x(t) разбивается на n одинаковых или разных по величине
квантования. В результате квантования по уровню непрерывный сигнал
заменяется ступенчатой функции.

3. Коэффициента взаимной корреляции

Для определения сходства или различия двух сигналов используют


функцию взаимной корреляции.
Функция взаимной корреляции двух периодических сигналов с периодом
Т:

4. Импульсный отклик

Импульсная реакция фильтра (коэффициенты оператора) находится


обратным преобразованием Фурье заданной передаточной функции
H ( ω ) . В общем случае:
1 ∞
h ( nΔt )= ∫ H ( ω ) exp ( jωnΔt ) dω
2π −∞ .
Для получения вещественной функции импульсного отклика фильтра
действительная часть передаточной функции должна быть четной, а
мнимая - нечетной. Цифровые фильтры задаются в главном частотном
диапазоне, границы которого (частота Найквиста ±ω N ) определяются
π
±ω N =
интервалом дискретизации данных ( подлежащих Δt ),
фильтрации, и соответственно определяют интервал дискретизации
π
Δt=
оператора фильтра ( ω N ). Для фильтров с нулевым фазовым сдвигом
мнимая часть передаточной функции должна быть равна нулю, при этом
оператор фильтра определяется косинусным преобразованием Фурье:
ωN
1 n πω
h ( nΔt )= ∫ H ( ω ) cos
π 0 ( )
ωN
dω , n=0,1,2 , .. . ..
(84)
5. Фильтрация сигнала . Фильтры ниж, верх частот и т.д.

В зависимости от вида частотной характеристики выделяют три основных


группы частотных фильтров: ФНЧ - фильтры низких частот (low-pass
filters) - пропускание низких и подавление высоких частот во входном
сигнале, ФВЧ - фильтры высоких частот (high-pass filters) - пропускание
высоких и подавление низких частот, и ПФ - полосовые фильтры, которые
пропускают (band-pass filters) или подавляют (band-reject filters) сигнал в
определенной частотной полосе. Среди последних в отдельную группу
иногда выделяют РФ - режекторные фильтры, понимая под ними фильтры
с подавлением определенной гармоники во входном сигнале, и СФ –
селекторные фильтры, обратные РФ. Если речь идет о подавлении
определенной полосы частот во входном сигнале, то такие фильтры
называют заградительными. Схематические частотные характеристики
фильтров приведены на рисунке 1. Между частотными интервалами
пропускания и подавления сигнала существует зона, которая называется
переходной. Ширина переходной зоны определяет резкость
характеристики фильтра. В этой зоне амплитудная характеристика
монотонно уменьшается (или увеличивается) от полосы пропускания до
полосы подавления (или наоборот).
Первая группа фильтров – спектральные фильтры, используемые для
улучшения изображений. Результаты применения данных фильтров
представлены в таблицах 1и 2.
 LoPass(фильтр низких частот): смягчает изображение за счет
удаления высоких частот (эффект размытия). Данный фильтр
заменяет центральный пиксель на усредненные значения в его
окрестности, размер которой определяется размером ядра: 3х3,
5x5 или 7х7.
Примечание: ядро свёртки – это матрица коэффициентов, которая
«умножается» на значение пикселей изображения для получения требуемого
результата.

 HiPass (фильтр высоких частот): увеличивает резкость


изображения и контрастность. Данный фильтр заменяет
центральный пиксель на более высокое значение в окрестности
матрицы свертки. Данный фильтр оставляет только элементы
высокой контрастности.
Оба рассмотренных выше фильтры принадлежат к сглаживающим
частотным фильтрам, основанным на преобразовании Фурье. Модель
фильтрации задается формулой 1.1

G(u,v)=H(u,v)F(u,v) 1.1
F(u,v) – Фурье-образ изображения, которое подлежит сглаживанию.
Цель состоит в выборе передаточной функции H(u,v), которая ослабит
высокочастотные компоненты F(u,v) (для фильтра низких частот, для
фильтра высоких частот - усилит) и сформирует функцию G(u,v).
 Gauss: данный фильтр смягчает изображение за счет устранения
элементов высокой частоты с использованием функции Гаусса.
Работа фильтра Гаусса похожа на работу фильтра LoPass, однако
в результате применения фильтра Гаусса изображение
получается менее размытым.
 Higauss: данный фильтр улучшает изображение мельких деталей.
Фильтр использует распределение Гаусса с ядром 7х7 или 9х9.
Фильтры Гаусса также принадлежат к сглаживающим частотным
фильтрам. Модель фильтрации задается формулой 1.2
2 2
H (u)=Ae−u /2 σ

1. Визуализацией информации

обработку сигналов для представления их в виде изображений с целью


последующей визуальной интерпретации

8. Сегментация Векторные графические форматы

Процесс разделения цифрового изображения на несколько сегментов


(множество пикселей, также называемых суперпикселями) – сегментация

К векторным графическим форматам относится формат

 SVG - формат, рекомендуемый для использования в Википедии.


 CDR.
 CGM.
 DXF.
 OpenVG.
 GXL - редко используемый формат.
 WMF.
 EPS.
 PDF.
 AI.
 SWF - (Small Web Format; ранее расшифровывалось как Shockwave Flash, что
вызывало путаницу с ShockWave) стандартное расширение для скомпилированных flash-
файлов (анимации, игр и интерактивных приложений).[1] SWF-файлы можно
просматривать с помощью свободных плееров Gnash или swfdec. Для создания и работы
с файлами SWF можно использовать свободный пакет программ командной
строки SWFTools. [2][3]
 DXE.
 FLA.
9. Ряд Фурье

Для теории формирования и обработки сигнала особое значение имеет


возможность разложения заданного в виде функции сигнала по различным
ортогональным системам функций.
Впервые в 1807 году французский математик и физик Жан Батист
Жозеф Фурье показал, что любую произвольную функцию x(t ) можно
представить в виде бесконечной суммы синусных и косинусных членов:
∞ ∞
x (t )=a0 + ∑ a n cos nω 0 t+ ∑ b n sin nω 0 t
n=1 n=1 ,
где ω0 (рад/с) – основная угловая частота, которая связана с периодом T
функции соотношением T =2 π /ω 0 . Частоты nω0 называют гармониками,
так как они кратны основной частоте ω0 . В данном случае речь идет о
системе ортогональных функций вида {1 ,cosnω 0 t ,sin nω 0 t } .
Коэффициенты {a0, an, bn} можно вычислить с учетом ортогональности
множества функций {cos n0t, sin n0t} на периоде T:
∫ cos nω0 t cosmω0 tdt=¿ {T /2,m=n,¿ ¿¿¿
T
∫ cos nω0 t sin mω0 tdt=0 , ∀ m, n
T

∫ sinnω0 tsinmω0 tdt=¿ {T/2,m=n, ¿¿¿¿


T
С учетом этих соотношений:
1
a0 = ∫ x(t )dt ;
TT
2
an = ∫ x(t )cosnωo tdt ;
TT
2
bn = ∫ x(t )sin nω o tdt
TT .

Любая четная функция может быть разложена в ряд Фурье, состоящий


из косинусов, а любая нечетная функция раскладывается в ряд из синусов.
Для некоторых функций ряд Фурье может состоять лишь из нечетных
гармоник.
10. Сглаживание сигнала
При разработке способов определения параметров физических процессов,
медленно изменяющихся во времени, важной задачей является устранения
влияния шумовых эффектов или случайных помех, которые накладываются
на обрабатываемый сигнал, получаемый на выходе первичного
преобразователя.
Для устранения такого эффекта можно применить сглаживание
данных. Одним из наиболее простых способов такого сглаживание является
арифметическое усреднение. При его применении каждое i -ое значение
дискретной функции (обрабатываемого массива данных) вычисляется в
соответствии с выражением:

j=i+m
1
x i= ∑ xj
K j=i−m ,
(6.1)

где K - количество точек для арифметического усреднения (нечетное целое


число);
x j - j -ое значение функции до обработки;
K−1
m=
2 .
11. Фильтрация сигнала

Понятие цифрового фильтра

Под фильтрацией понимается любое преобразование информации


(сигналов, результатов наблюдений), при котором во входной
последовательности обрабатываемых данных целенаправленно
изменяются определенные соотношения (динамические или частотные)
между различными компонентами этих данных.
Преобразование динамики сигналов (и данных, которые несут эти
сигналы) осуществляется в системах. Системы, избирательно меняющие
форму сигналов (амплитудно-частотную или фазово-частотную
характеристику), устранение или уменьшение помех, извлечение из сигналов
определенной информации, разделение сигналов на определенные
составляющие называют фильтрами. Соответственно, фильтры с любым
целевым назначением являются частным случаем систем преобразования
сигналов.
К основным операциям фильтрации информации относят операции
сглаживания, прогнозирования, дифференцирования, интегрирования и
разделения сигналов, а также выделение информационных (полезных)
сигналов и подавление шумов (помех). Основными методами цифровой
фильтрации данных являются частотная селекция сигналов и оптимальная
(адаптивная) фильтрация.

12. Подавление шумов


Очистка от шума является одной из основных задач цифровой об- работки изображений.
Любой практический сигнал содержит не толь- ко полезную информацию, но и следы
некоторых посторонних воз- действий (помехи или шум). Шум — дефект изображения,
вносимый фотосенсорами и электроникой (электронными схемами) устройств, которые их
используют (цифровой фотоаппарат, теле- и видеокамеры и т. п.), а также при программной
обработке (редактирование, преоб- разование форматов, намеренное внесение шума и т. п.).
Цифровой шум проявляется в виде случайным образом расположенных элемен- тов растра
(точек), имеющих размеры, близкие к размеру пикселя. Для подавления шума широко
применяются такие методы, как фильтр низких частот, фильтр высоких частот, медианный
фильтр, фильтр Гаусса [1]. Наряду с этими методами, ставшими стандартны- ми в области
цифровой обработки сигналов, существуют более новые применительно к данной предметной
области математические аппа- раты, использование которых представляется разумным. В их
число входят фильтры, основанные на анализе функций, в том числе ис- пользующие
преобразования Фурье и вейвлет-преобразования

13. Яркость, световой поток, сила света

Отношение силы света, излучаемого поверхностью, к площади её проекции


на плоскость, перпендикулярную оси наблюдения называется яркостью
Световой поток — физическая величина, характеризующая количество «световой»
мощности в соответствующем потоке излучения, где под световой мощностью
понимается световая энергия, переносимая излучением через некоторую поверхность за
единицу времени.

Си́ла све́та  — физическая величина, одна из основных световых фотометрических


величин[1]. Характеризует величину световой энергии, переносимой в некотором
направлении в единицу времени[2]. Количественно равна отношению светового потока,
распространяющегося внутри элементарного телесного угла, к этому углу.

14. Контраст

Разность максимального и минимального значений яркости называется

15. Гистограмма

График распределения полутонов изображения, в котором по


горизонтальной оси представлена яркость, а по вертикали — относительное
число пикселов с данным значением яркости, называется
16. Цифровая модель изображения
Цифровое изображение – модель реального или синтезированного (созданного
искусственно) изображения, хранящаяся в памяти ПК в виде комбинации кодов
(цифр). Модель – это всегда упрощенное представление некого процесса или объекта, его
описание.

Векторная модель

Растровая модель 

17. Цифровая обработка изображений

Обработку цифрового изображения также можно назвать и редактированием изображения (лат.


Redactus – приведенный в порядок) – изменение оригинала изображения классическими или
цифровыми методами. Часто под редактированием или обработкой понимают и ретуширование
(ретушь от фр. Retoucher – подрисовывать, подправлять).

Целью редактирования/обработки является коррекция дефектов, подготовка к публикации,


решение творческих задач. Кроме статичных двухмерных изображений, можно обрабатывать
также и последовательность изображений.

Виды обработки цифрового изображения:  Ретушь  Реставрация  Художественная обработка и


стилизация  Специальная обработка

18. Кадрирование

Изменение размера изображения. Размер изображения может быть изменен до необходимого с


помощью математических алгоритмов, которые высчитывают цвет пикселей, исходя из цвета
пикселей оригинала. Следует учитывать, что при увеличении изображений теряется резкость, при
уменьшении – детализация. Часто композицию изображения можно также улучшить, удалив
лишние области по краям. Это называется кадрированием. Инструменты: обрезка, кадрирование.

19. Основные фильтры для обработки изображений (по Image Pro plus)
20. Нелинейные и линейные фильтры

Широкополосная низкочастотная линейная фильтрация

Направленная низкочастотная линейная фильтрация

Медианные фильтры

Векторные медианные фильтры.

21. Апертура

апертура фильтра – это размер окна (части изображения), с которым фильтр


работает непосредственно в данный момент времени; окно это постепенно
передвигается по изображению слева направо и сверху вниз на один пиксель
(то есть на следующем шаге фильтр работает с окном, состоящим не только из
элементов исходного изображения, но и из элементов, ранее подвергнувшихся
преобразованию, – своего рода «принцип снежного кома»). 

22. Алгоритм Лемпеля — Зива — Велча

Алгори́тм Ле́мпеля — З́ива — Ве́лча (Lempel-Ziv-Welch, LZW) — это


универсальный алгоритм сжатия данных без потерь

Данный алгоритм при сжатии (кодировании) динамически создаёт таблицу


преобразования строк: определённым последовательностям символов (словам) ставятся
в соответствие группы бит фиксированной длины (обычно 12-битные). Таблица
инициализируется всеми 1-символьными строками (в случае 8-битных символов — это
256 записей). По мере кодирования алгоритм просматривает текст символ за символом, и
сохраняет каждую новую, уникальную 2-символьную строку в таблицу в виде пары
код/символ, где код ссылается на соответствующий первый символ. После того как новая
2-символьная строка сохранена в таблице, на выход передаётся код первого символа.
Когда на входе читается очередной символ, для него по таблице находится уже
встречавшаяся строка максимальной длины, после чего в таблице сохраняется код этой
строки со следующим символом на входе; на выход выдаётся код этой строки, а
следующий символ используется в качестве начала следующей строки.
23. Теорема Котельникова

24. Свертка

вычисляем значение каждой точки в


результирующем сигнале как взвешенную сум- му некоторого множества соседних точек
исходного сигнала. Коэффициенты этой суммы совпадают с импульсной характеристикой
линейной системы, пе- ревернутой относительно точки 0.

25. Буфер кадра


Реальное или виртуальное электронное устройство, или область памяти для
кратковременного хранения одного или нескольких кадров в цифровом виде
перед его отправкой на устройство видеовывода называется

26. Частота Найквиста

Частота, равная половине частоты дискретизации, также называется

27. Форматы хранения видеоизображения

28. Метод Уоллеса


29. Геометрическое преобразование изображения

масштабирование , поворот

30. Сенсор

Чувствительный элемент системы регистрации изображений называется

Оценить