جزوات رنگی و تایپ شده ابزار دقیق مهندسی برق
دانشگاه پیام نور دانشگاه ازاد اسلامی علمی کاربردی کاردانی کارشناسی ارشد استخدامی
در مرحله تخمین ، (v ، w) و (x,)(-) (-) (-) (-) () ()()() ()(-) (-) ، ً : () () () (). () () ()
* * () ) :
) () (). () () (). () () () ،
() * : ً () ، () -:
(-). * * (-) ، () * * * * * * (). (-) ، ()() (-) ()()()، ()() :
(-) (-) 
(-) :
(-) (-) :
() (). : () () (). ()()()()
() () ()ً ً () ً ()* -) (-) (:
() ) (). ) () (تصویر از ناسا گرفته شده است)
جایی که F یک ماتریس M * M است که حاوی عناصر f (x,y)است [معادله را ببینید (2-9)] ، A یک ماتریس M * M با عناصر است و T یک ماتریس تبدیل M * M با عناصر T (u,v)، برای برای بدست آوردن تبدیل معکوس ، معادله را قبل و بعد ضرب می کنیم. (2-63) توسط یک ماتریس تبدیل معکوس B:
نشان می دهد که F یا معادل آن f (x,y)، می تواند به طور کامل از تبدیل رو به جلو خود بازیابی شود. اگر B برابر A-1 نباشد ، معادله. (2-65) تقریبی را بدست می آورد:
علاوه بر تبدیل فوریه ، تعدادی از تغییرات مهم ، از جمله والش ، هادامارد ، کسینوس گسسته ، هار و تبدیل کج ، می توانند به صورت معادله(2-55) و (2-56) ، بیان شوند. یا معادل آن ، به صورت معادله. (2-63) و (2-65). ما در فصل های بعدی در مورد این و انواع دیگر تغییر تصویر صحبت خواهیم کرد.
شدت تصویر به عنوان متغیرهای تصادفی
ما در نقاط متعدد کتاب ، شدت تصویر را به عنوان مقدار تصادفی در نظر می گیریم. به عنوان مثال ، اجازه دهید ، مقادیر تمام شدت های ممکن را در یک تصویر دیجیتالی M * N نشان دهد. احتمال ، p (zk) ، میزان شدت zk در زمان وقوع به عنوان تخمین زده می شود
شاید برای شما مفید باشد که به بخش آموزش های کتاب مراجعه کنید. وب سایت برای بررسی مختصر احتمال.
جایی که nk تعداد دفعاتی است که شدت zk در تصویر رخ می دهد و MN تعداد کل پیکسل ها است. به وضوح،
هنگامی که p (zk) داریم ، می توانیم تعدادی از ویژگی های مهم تصویر را تعیین کنیم. به جزوه ابزار دقیق مهندسی برق مثال ، شدت متوسط (متوسط) توسط
به طور مشابه ، واریانس شدت ها برابر است
واریانس معیاری برای گسترش مقادیر z در مورد میانگین است ، بنابراین اندازه گیری مفیدی از کنتراست تصویر است. به طور کلی ، نهمین لحظه مرکزی متغیر تصادفی z در مورد میانگین به صورت زیر تعریف می شود
ما می بینیم که در حالی که میانگین و واریانس رابطه ای فوری با ویژگی های بصری تصویر دارند ، لحظه های مرتبه بالاتر ظریف تر هستند. به عنوان مثال ، یک سومین لحظه مثبت نشان می دهد که شدت ها به مقادیر بیشتر از میانگین متمایل هستند ، یک سوم سوم منفی وضعیت مخالف را نشان می دهد ، و یک لحظه صفر سوم به ما می گوید که شدت ها تقریباً به طور مساوی در هر دو طرف توزیع شده اند. از میانگین این ویژگی ها برای اهداف محاسباتی مفید هستند ، اما به طور کلی اطلاعات زیادی در مورد ظاهر یک تصویر به ما نمی دهند.
همانطور که در فصلهای بعدی خواهید دید ، مفاهیم احتمال احتمالاً در طیف وسیعی از برنامه های پردازش تصویر نقش محوری دارند. به عنوان مثال ، معادله (2-67) در فصل 3 به عنوان مبنایی برای تکنیک های افزایش تصویر بر اساس برنامه های او استفاده می شود. در فصل 5 ، ما از احتمال برای توسعه الگوریتم های ترمیم تصویر ، در فصل 10 از احتمال برای تقسیم بندی تصویر ، در فصل 11 از آن برای توصیف بافت و در فصل 12 از احتمال به عنوان مبنایی برای بدست آوردن الگوریتم های بهینه تشخیص الگو استفاده می کنیم.
خلاصه ، منابع ، و مطالعه بیشتر
مطالب این فصل پایه و اساس بقیه کتاب است. برای مطالعه بیشتر در مورد ادراک بصری ، به اسنودن و [2012] ، [1970]. [1999] [2008] [1968]. [2011] [1965] [1982] [2004] [1996] [1963] [2014] [2010] [1990] [2013] [2012] [2009] [2009] (*) (: ).
؟
* ً ()
فهرست مطالب