- •Обобщенная схема цифровой обработки сигналов
- •3. Основные типы сигналов и их математическое описание
- •2. Типовые дискретные сигналы
- •4. Дискретные экспоненциальные функции
- •Основные свойства дэф
- •5. Дискретное преобразование Фурье и его свойства
- •Свойства дпф[8]:
- •19. Линейная свертка
- •6. Циклическая свертка
- •22. Вычисление сверток при помощи дискретных преобразований
- •10. Корреляция и ее вычисление прямым методом и с помощью дискретных преобразований
- •Вычисление с помощью дискретных преобразований.
- •11. Алгоритм бпф с прореживанием по времени
- •13. Алгоритм бпф с прореживанием по частоте
- •14. Преобразование Уолша-Адамара и его свойства
- •2. Инвариантность к диадному сдвигу.
- •3. Теорема о свертке и корреляции.
- •28. Быстрое преобразование Уолша-Адамара
- •8. Преобразование Хаара
- •9. Вейвлет – преобразование
- •34. Рекурсивные и нерекурсивные цф
- •12. Передаточная функция цф
- •39. Структуры рцф
- •41. Структуры нцф
- •43. Частотные характеристики ких-фильтров и бих-фильтров
- •45. Параметры анализаторов спектра
- •33. Базовая структура анализатора спектра на основе дпф и бпф
- •36. Частотная характеристика анализатора спектра на основе дпф
- •35. Основные параметры весовых функций при спектральном анализе
- •21. Улучшение качества бинарных изображений
- •23. Утоньшение бинарных изображений
- •25. Связность в изображениях
- •26. Бинаризация полутоновых изображений
- •46. Логарифмическое и степенное преобразования для обработки полутоновых и цветных изображений
- •37. Кусочно-линейные функции преобразования для обработки полутоновых изображений
- •18. Принципы и особенности пространственной фильтрации изображений
- •15. Низкочастотная фильтрация изображений в пространственной области
- •48. Подчеркивание границ на полутоновых изображениях
- •16. Глобальные методы улучшения контраста полутоновых изображений
- •17. Линейные методы контрастирования изображений
- •47. Нелинейные методы контрастирования изображений
- •24. Обработка бинарных изображений на основе математической морфологии
- •27. Обработка полутоновых изображений на основе математической морфологии
- •31. Фильтрация изображений в частотной области
- •32. Требования к алгоритмам компрессии
- •2. Высокое качество изображений.
- •4. Высокая скорость декомпрессии.
- •44. Основные шаги стандарта сжатия jpeg
- •Квантование
- •Преобразование 8×8 матрицы дкп-спектра в линейную последовательность.
- •Получившиеся цепочки нулей подвергаются кодированию длин повторений.
- •Кодирование получившейся последовательности алгоритм Хаффмена.
- •49. Требования к мерам, вычисляющим сходство изображений
- •1. Метричность:
- •2. Нормализованность значений:
- •38. Функции схожести корреляционного типа
- •40. Обнаружение повернутых объектов на изображениях
- •50. Методы обнаружения движения в динамических изображениях
- •29. Классификация методов распознавания объектов изображений
- •30. Структурные методы распознавания объектов изображений
- •42. Нейронные сети и распознавание изображений на основе нейронных сетей
- •20. Сегментация изображений с помощью преобразования Хафа
35. Основные параметры весовых функций при спектральном анализе
Эквивалентная шумовая полоса весовой функции ∆Fш, выражаемая в бинах. Находится при действии на входе анализатора спектра белого шума, имеющего полосу ± f Д / 2 , из условия равенства мощности шума Pшвф на выходе эквивалентного цифрового фильтра нижних частот с частотной характеристикой весовой функции W(jω) и мощности шума Pши на выходе идеального фильтра, имеющего полосу пропускания ∆Fш и максимум квадрата АЧХ |W(j0)|2:
где N0 – спектральная плотность мощности белого шума на входе фильтра.
Максимальное усиление весовой функции на частоте ω=0 определяется как по уровню, по мощности.
Мощность шума на выходе идеального фильтра .
Приравнивая мощности P швф = P ши, можно найти выражение для эквивалентной шумовой полосы весовой функции и, соответственно, эквивалентной шумовой полосы канала анализатора спектра:
При этом мощность действующего на входе анализатора спектра белого (широкополосного) шума уменьшается на выходе анализатора спектра в число раз, равное N/ ∆Fш.
Если ∆fp задано, то по нему находится необходимое время анализа.
Совокупность параметров полосы по уровню половинной мощности и ∆Fш определяет качество весовой функции в случае, когда входная последовательность представляет сумму гармонических составляющих с частотами, не кратными fД /N, т. е. не совпадающими с бинами ДПФ, и белого шума.
21. Улучшение качества бинарных изображений
Пусть F=fij - растровое изображение, представляющее собой прямоугольную матрицу. Если fij ∈ {0, 1} и принимает только два значения, то изображение называется бинарным и состоит только из черных и белых пикселей.
Первым этапом обработки является устранение шумов на изображении для того, чтобы они в дальнейшем не влияли на качество распознавания.
Возникновение шумов на исходном растровом представлении объясняется следующими причинами:
• наличием на считываемом документе следов «грязи»;
• невысоким качеством отдельных элементов документа;
• возникновением погрешностей сканирования;
• неверным выбором порога.
Наиболее часто встречающиеся шумы на изображении:
• неоднородность контура объекта;
• изолированные черные пятна небольших размеров;
• изолированные пустоты внутри объектов;
• разрывы объектов;
• слияние нескольких объектов.
Существует целый ряд подходов к устранению шумов на изображении. Однако все они являются в основном локальными методами.
Вторым подходом для улучшения качества изображений является логическая фильтрация. Суть ее заключается в том, что значение центрального элемента изменяется в зависимости от количества однотипных с ним элементов в заданной окрестности.
Обычно используют окрестность 3x3. Выбирается некоторый порог. Величина порога естественным образом влияет на результат обработки. Однако, варьируя значение порога, можно усилить подавление отдельных шумов на изображении и ослабить подавление других.
Недостаток: достаточно большое время работы, так как они предполагают последовательный просмотр всего изображения.
Пути повышения быстродействия: 1) нет необходимости часто просматривать все изображение и достаточно исследовать лишь его объекты и их некоторую окрестность; 2) контурный анализ изображения и подавления контурных шумов объектов.