تصویر آنالوگ و گسسته. تصاویر گسسته

به عنوان یک قاعده، سیگنال ها به صورت پیوسته وارد سیستم پردازش اطلاعات می شوند. برای پردازش کامپیوتریسیگنال های پیوسته باید ابتدا به دیجیتال تبدیل شوند. برای این کار عملیات نمونه برداری و کوانتیزه سازی انجام می شود.

نمونه برداری تصویر

نمونه برداری- این تبدیل یک سیگنال پیوسته به دنباله ای از اعداد (نمونه) است، یعنی نمایش این سیگنال بر اساس برخی از پایه های محدود بعدی. این نمایش شامل پخش یک سیگنال بر روی یک مبنای معین است.

راحت ترین از نقطه نظر سازماندهی پردازش و به روشی طبیعینمونه برداری نمایش سیگنال ها در قالب نمونه ای از مقادیر آنها (نمونه ها) در نقاط جداگانه و با فاصله منظم است. این روش نامیده می شود شطرنجی سازی، و توالی گره هایی که از آنها نمونه برداری می شود است شطرنجی. فاصله ای که از طریق آن مقادیر یک سیگنال پیوسته گرفته می شود نامیده می شود مرحله نمونه برداری. متقابل پله نامیده می شود نرخ نمونهبرداری,

یک سوال اساسی که در هنگام نمونه برداری مطرح می شود: در چه فرکانسی باید نمونه سیگنال بگیریم تا بتوانیم آن را از این نمونه ها بازسازی کنیم؟ بدیهی است که اگر نمونه‌ها به ندرت گرفته شوند، حاوی اطلاعاتی در مورد سیگنالی که به سرعت در حال تغییر است، نخواهند بود. نرخ تغییر یک سیگنال با فرکانس بالای طیف آن مشخص می شود. بنابراین، حداقل عرض مجاز بازه نمونه برداری با بالاترین فرکانس طیف سیگنال (با آن نسبت معکوس) مرتبط است.

در مورد نمونه گیری یکنواخت، موارد زیر صادق است: قضیه کوتلنیکوف، در سال 1933 در اثر «در پهنای بانداتر و سیم در مخابرات." می‌گوید: اگر یک سیگنال پیوسته دارای طیفی محدود به فرکانس باشد، می‌توان آن را به طور کامل و بدون ابهام از نمونه‌های گسسته‌اش که با نقطه گرفته شده است، بازسازی کرد. با فرکانس

بازیابی سیگنال با استفاده از عملکرد انجام می شود . کوتلنیکوف ثابت کرد که یک سیگنال پیوسته که معیارهای فوق را برآورده می کند می تواند به صورت یک سری نمایش داده شود:

.

به این قضیه، قضیه نمونه گیری نیز گفته می شود. تابع نیز نامیده می شود تابع نمونه برداری یا کوتلنیکوف، اگرچه یک سری درونیابی از این نوع توسط ویتاکر در سال 1915 مورد مطالعه قرار گرفت. تابع شمارش بی نهایت در زمان است و به بیشترین مقدار خود می رسد، برابر با یک، در نقطه ای که در مورد آن متقارن است.

هر یک از این توابع را می توان به عنوان پاسخ یک ایده آل در نظر گرفت فیلتر فرکانس های پایین (فیلتر پایین گذر) به پالس دلتا که در زمان می رسد. بنابراین، برای بازیابی سیگنال پیوسته از نمونه های گسسته آن، آنها باید از یک فیلتر پایین گذر مناسب عبور داده شوند. لازم به ذکر است که چنین فیلتری غیر سببی و از نظر فیزیکی غیرقابل تحقق است.

نسبت فوق به معنای امکان بازسازی دقیق سیگنال ها با طیف محدود از توالی نمونه های آنهاست. سیگنال های طیف محدود- اینها سیگنالهایی هستند که طیف فوریه آنها فقط در بخش محدودی از ناحیه تعریف با صفر متفاوت است. سیگنال های نوری را می توان به عنوان یکی از آنها طبقه بندی کرد، زیرا طیف فوریه تصاویر به دست آمده در سیستم های نوری به دلیل اندازه محدود عناصر آنها محدود است. فرکانس نامیده می شود فرکانس نایکیست. این فرکانس محدود کننده ای است که بالاتر از آن نباید هیچ مولفه طیفی در سیگنال ورودی وجود داشته باشد.

کمی سازی تصویر

در پردازش دیجیتالدر تصاویر، یک محدوده دینامیکی پیوسته از مقادیر روشنایی به تعدادی سطوح گسسته تقسیم می شود. این روش نامیده می شود کوانتیزاسیون. ماهیت آن در تبدیل یک متغیر پیوسته به یک متغیر گسسته است که مجموعه ای محدود از مقادیر را می گیرد. این مقادیر نامیده می شوند سطوح کوانتیزاسیون. که در مورد کلیتبدیل با یک تابع مرحله ای بیان می شود (شکل 1). اگر شدت نمونه تصویر به بازه زمانی تعلق داشته باشد (یعنی چه زمانی ) ، سپس قرائت اصلی با سطح کوانتیزاسیون جایگزین می شود، جایی که – آستانه های کوانتیزاسیون. فرض بر این است که محدوده دینامیکی مقادیر روشنایی محدود و برابر است.

برنج. 1. تابعی که کوانتیزاسیون را توصیف می کند

وظیفه اصلی در این مورد تعیین مقادیر آستانه و سطوح کوانتیزاسیون است. ساده ترین راهراه حل این مشکل شامل پارتیشن بندی است محدوده دینامیکیدر فواصل مساوی با این حال، این راه حل بهترین نیست. اگر مقادیر شدت اکثر تعداد تصاویر گروه بندی شوند، به عنوان مثال، در منطقه "تاریک" و تعداد سطوح محدود است، توصیه می شود که به طور ناهموار کمیت کنید. در منطقه "تاریک" لازم است بیشتر کوانتیزه شود و در منطقه "روشن" کمتر. این باعث کاهش خطای کوانتیزاسیون می شود.

در سیستم های پردازش تصویر دیجیتال، آنها تلاش می کنند تا تعداد سطوح و آستانه های کوانتیزاسیون را کاهش دهند، زیرا مقدار اطلاعات مورد نیاز برای رمزگذاری یک تصویر به تعداد آنها بستگی دارد. با این حال، با نسبتا تعداد کمیسطوح در تصویر کوانتیزه شده، خطوط نادرست ممکن است ظاهر شوند. آنها در نتیجه تغییر ناگهانی در روشنایی تصویر کوانتیزه به وجود می آیند و به ویژه در مناطق مسطح تغییر آن قابل توجه هستند. خطوط کاذب به طور قابل توجهی کیفیت بصری تصویر را کاهش می دهند، زیرا بینایی انسان به کانتورها بسیار حساس است. هنگام کمی کردن یکنواخت تصاویر معمولی، حداقل 64 سطح مورد نیاز است.

در فصل قبل، سیستم‌های فضایی خطی را در یک حوزه دو بعدی پیوسته مطالعه کردیم. در عمل با تصاویری سروکار داریم که ابعاد محدودی دارند و در عین حال در مجموعه ای گسسته از نقاط اندازه گیری می شوند. بنابراین، روش‌های توسعه‌یافته تا کنون نیاز به انطباق، گسترش و اصلاح دارند تا بتوان آن‌ها را در چنین حوزه‌ای به کار برد. چندین نکته جدید نیز مطرح می شود که نیاز به بررسی دقیق دارد.

قضیه نمونه گیری می گوید که تحت چه شرایطی می توان به طور دقیق از مجموعه ای از مقادیر گسسته بازسازی کرد. تصویر پیوسته. ما همچنین خواهیم آموخت که وقتی شرایط کاربردی آن برآورده نشود چه اتفاقی می افتد. همه اینها ارتباط مستقیمی با توسعه سیستم های بصری دارد.

روش هایی که نیازمند انتقال به دامنه بسامد، تا حدی به دلیل الگوریتم هایی برای محاسبه سریع تبدیل فوریه گسسته محبوب شد. با این حال، باید مراقب بود زیرا این روش ها نیاز به حضور دارند سیگنال دوره ای. ما در مورد چگونگی برآورده شدن این الزام و عواقب نقض آن بحث خواهیم کرد.

7.1. محدودیت اندازه تصویر

در عمل، تصاویر همیشه دارای ابعاد محدود هستند. یک تصویر مستطیل شکل با عرض و ارتفاع H را در نظر بگیرید. اکنون دیگر نیازی به گرفتن انتگرال در تبدیل فوریه بیش از حد نامحدود نیست:

جالب است که برای بازگرداندن عملکرد به هیچ وجه نیازی به دانستن فرکانس نداریم. دانستن آن در نشان دهنده یک محدودیت سخت است. به عبارت دیگر، تابعی که فقط در ناحیه محدودی از صفحه تصویر غیرصفر است، نسبت به تابعی که این ویژگی را ندارد، حاوی اطلاعات بسیار کمتری است.

برای دیدن این، تصور کنید که صفحه نمایش با کپی پوشانده شده است تصویر داده شده. به عبارت دیگر، تصویر خود را به تابعی گسترش می دهیم که در هر دو جهت تناوبی است

در اینجا بزرگترین عدد صحیح از x بیشتر نیست. تبدیل فوریه چنین تصویر ضرب شده ای شکل دارد

با استفاده از به شیوه ای مناسبعوامل همگرایی انتخاب شده در مثال. 7.1 ثابت شده است که

از این رو،

از جایی که می بینیم در همه جا برابر با صفر است به جز مجموعه ای گسسته از فرکانس ها، بنابراین برای یافتن آن کافی است در این نقاط بدانیم. با این حال، تابع به سادگی با برش بخشی که برای آن به دست می آید. بنابراین، برای بازیابی آن، کافی است فقط برای همه بدانیم این مجموعه ای از اعداد قابل شمارش است.

توجه داشته باشید که تبدیل یک تابع تناوبی گسسته است. تبدیل معکوسرا می توان به عنوان یک سری نشان داد، زیرا

فرد قادر است اطلاعات را در قالب تصاویر (بصری، صوتی، لمسی، چشایی و بویایی) درک و ذخیره کند. تصاویر بصریرا می توان در قالب تصاویر (نقاشی، عکس و غیره) ذخیره کرد و صداها را می توان روی رکوردها، نوارهای مغناطیسی ضبط کرد. دیسک های لیزریو غیره

اطلاعات، از جمله گرافیکی و صوتی، می تواند به صورت آنالوگ یا گسسته ارائه شود. با نمایش آنالوگ، یک کمیت فیزیکی بی نهایت مقدار می گیرد و مقادیر آن به طور مداوم تغییر می کند. با یک نمایش گسسته، یک کمیت فیزیکی مجموعه محدودی از مقادیر را به خود می گیرد و مقدار آن به طور ناگهانی تغییر می کند.

نمونه ای از نمایش آنالوگ اطلاعات گرافیکی، به عنوان مثال، یک نقاشی است که رنگ آن به طور مداوم تغییر می کند، و یک نمونه گسسته، تصویری است که با استفاده از یک چاپگر جوهرافشان چاپ شده و از نقاط جداگانه تشکیل شده است. رنگ متفاوت. نمونه ای از ذخیره سازی آنالوگ اطلاعات صوتیاست صفحه وینیل(تراک صوتی به طور مداوم شکل خود را تغییر می دهد)، و گسسته - یک دیسک فشرده صوتی (که آهنگ صوتی آن شامل مناطقی با بازتاب متفاوت است).

تبدیل اطلاعات گرافیکی و صوتی از فرم آنالوگ به فرم گسسته با نمونه گیری انجام می شود، یعنی تقسیم یک تصویر گرافیکی پیوسته و یک سیگنال صوتی پیوسته (آنالوگ) به عناصر فردی. فرآیند نمونه گیری شامل رمزگذاری است، یعنی به هر عنصر یک مقدار خاص در قالب یک کد اختصاص می دهد.

نمونه برداری تبدیل تصاویر و صداهای پیوسته به مجموعه ای از مقادیر گسسته در قالب کد است.

رمزگذاری تصویر

ایجاد و ذخیره کنید اشیاء گرافیکیدر یک کامپیوتر دو راه وجود دارد - چگونه شطرنجییا چگونه بردارتصویر هر نوع تصویر از روش رمزگذاری مخصوص به خود استفاده می کند.

رمزگذاری بیت مپ

یک تصویر شطرنجی مجموعه ای از نقاط (پیکسل) با رنگ های مختلف است. پیکسل کوچکترین ناحیه یک تصویر است که رنگ آن به طور مستقل قابل تنظیم است.

در طول فرآیند رمزگذاری، یک تصویر به صورت فضایی گسسته می شود. نمونه برداری فضایی از یک تصویر را می توان با ساخت یک تصویر از یک موزاییک (تعداد زیادی از شیشه های کوچک چند رنگ) مقایسه کرد. تصویر به قطعات کوچک جداگانه (نقطه) تقسیم می شود و به هر قطعه یک مقدار رنگ، یعنی یک کد رنگ (قرمز، سبز، آبی و غیره) اختصاص می یابد.

برای یک تصویر سیاه و سفید، حجم اطلاعات یک نقطه برابر با یک بیت است (یا سیاه یا سفید - 1 یا 0).

برای چهار رنگ - 2 بیت.

برای 8 رنگ به 3 بیت نیاز دارید.

برای 16 رنگ - 4 بیت.

برای 256 رنگ - 8 بیت (1 بایت).

کیفیت تصویر به تعداد نقاط (هرچه اندازه نقاط کوچکتر و بر این اساس تعداد آنها بیشتر باشد، کیفیت بهتری دارد) و تعداد رنگ های استفاده شده (هرچه رنگ های بیشتر باشد، کیفیت تصویر کدگذاری شده بهتر است) بستگی دارد. ).

برای نمایش رنگ به عنوان یک کد عددی، از دو مدل رنگ معکوس استفاده می شود: RGBیا CMYK. مدل RGB در تلویزیون، مانیتور، پروژکتور، اسکنر، دوربین های دیجیتال ... رنگ های اصلی در این مدل عبارتند از: قرمز (قرمز)، سبز (سبز)، آبی (آبی). رنگ مدل CMYKدر چاپ هنگام تشکیل تصاویر در نظر گرفته شده برای چاپ روی کاغذ استفاده می شود.

تصاویر رنگی می توانند عمق رنگ های متفاوتی داشته باشند که با تعداد بیت های مورد استفاده برای رمزگذاری رنگ یک نقطه تعیین می شود.

اگر رنگ یک پیکسل در یک تصویر را با سه بیت (یک بیت برای هر رنگ RGB) رمزگذاری کنیم، هر هشت رنگ مختلف را دریافت می کنیم.

			رنگ
			رنگ بنفش

در عمل، برای ذخیره اطلاعات در مورد رنگ هر نقطه از یک تصویر رنگی در مدل RGB، معمولاً 3 بایت (یعنی 24 بیت) - 1 بایت (یعنی 8 بیت) برای مقدار رنگ هر جزء اختصاص می یابد. . بنابراین، هر جزء RGB می تواند مقداری در محدوده 0 تا 255 (2 8 = 256 مقدار در مجموع) بگیرد و هر نقطه تصویر با چنین سیستم کدگذاری، می تواند در یکی از 16777216 رنگ رنگ آمیزی شود. این مجموعه رنگ ها را معمولاً True Color می نامند، زیرا چشم انسان هنوز قادر به تشخیص تنوع بیشتر نیست.

برای اینکه تصویری روی صفحه نمایشگر تشکیل شود، اطلاعات مربوط به هر نقطه (کد رنگ نقطه) باید در حافظه ویدیویی رایانه ذخیره شود. بیایید مقدار مورد نیاز حافظه ویدیویی را برای یکی از آنها محاسبه کنیم حالت های گرافیکی. در کامپیوترهای مدرن، وضوح صفحه نمایش معمولا 1280x1024 پیکسل است. آن ها مجموع 1280 * 1024 = 1310720 امتیاز. با عمق رنگ 32 بیت در هر پیکسل، مقدار مورد نیاز حافظه ویدئویی: 32 * 1310720 = 41943040 بیت = 5242880 بایت = 5120 کیلوبایت = 5 مگابایت است.

تصاویر شطرنجی به مقیاس (بزرگ شدن یا کاهش) بسیار حساس هستند. هنگامی که یک تصویر شطرنجی کاهش می یابد، چندین نقطه مجاور به یک نقطه تبدیل می شود، بنابراین دید جزئیات دقیق تصویر از بین می رود. وقتی تصویر را بزرگ می کنید، اندازه هر نقطه افزایش می یابد و یک افکت پله ای ظاهر می شود که با چشم غیر مسلح قابل مشاهده است.

عکاسی دیجیتال یا موارد دیگر تصویر شطرنجیآرایه ای از اعداد است که توسط حسگرهای سطح روشنایی در یک صفحه دو بعدی ثبت می شود. با علم به اینکه از نقطه نظر ریاضی، یک عدسی نازک تبدیل فوریه تصاویر قرار گرفته در صفحات کانونی را انجام می‌دهد، می‌توان الگوریتم‌های پردازش تصویری مشابه پردازش تصویر توسط یک سیستم نوری کلاسیک ایجاد کرد.

فرمول چنین الگوریتم هایی به صورت زیر خواهد بود:

1. Z=FFT(X) – تبدیل فوریه دو بعدی مستقیم
2. Z′=T(Z) – کاربرد یک تابع یا شفافیت برای تبدیل فوریه یک تصویر
3. Y=BFT(Z′) – تبدیل فوریه دو بعدی معکوس

برای محاسبه تبدیل فوریه از الگوریتم های تبدیل فوریه گسسته سریع استفاده می شود. اگرچه سیستم عدسی نوری تبدیل فوریه را در یک محدوده پیوسته از استدلال و برای انجام می دهد طیف پیوسته، اما هنگام حرکت به سمت پردازش داده های دیجیتال، فرمول های تبدیل فوریه را می توان با فرمول های تبدیل فوریه گسسته جایگزین کرد.

نمونه های پیاده سازی

• الگوریتم تاری تصویر

الگوریتم های پیاده سازی شده بخشی از یک کتابخانه منبع باز هستند کد منبعابزارهای FFTT آدرس اینترنتی: github.com/dprotopopov/FFTTools

الگوریتم تاری تصویر

در سیستم های نوری، دیافراگم که در صفحه کانونی قرار دارد، یک سوراخ ساده در صفحه است. در نتیجه عبور شار نورانیاز طریق دیافراگم، امواج فرکانس بالا (طول موج های کوتاه تر) از انسداد عبور می کنند و امواج فرکانس پایین (طول موج های طولانی تر) توسط صفحه نمایش قطع می شوند. این باعث افزایش وضوح تصویر حاصل می شود. اگر یک سوراخ در صفحه نمایش را با مانعی در صفحه جایگزین کنید، نتیجه آن خواهد بود تصویر تار، زیرا از فرکانس های طول موج های بلند تشکیل خواهد شد.

الگوریتم:

1. آرایه Z′=T(Z) را محاسبه کنید، جایی که T صفر کردن سطرها و ستون های واقع در نواحی داخلی داده شده ماتریس آرگومان مربوط به فرکانس های بالای 5 است (یعنی صفر شدن ضرایب بسط فوریه مربوطه فرکانس های بالا)

الگوریتم وضوح تصویر

در سیستم های نوری، دیافراگم که در صفحه کانونی قرار دارد، یک سوراخ ساده در صفحه است. در نتیجه عبور نور از دیافراگم، امواج با فرکانس بالا (با طول موج کوتاهتر) از مانع عبور می کنند و امواج فرکانس پایین (با طول موج بلندتر) توسط صفحه قطع می شوند. این باعث افزایش وضوح تصویر حاصل می شود.

الگوریتم:

1. اجازه دهید X(N1,N2) آرایه ای از روشنایی پیکسل های تصویر باشد.
2. Px = میانگین (rms) روشنایی پیکسل ها در آرایه X را محاسبه کنید
3. محاسبه آرایه Z=FT(X) – تبدیل فوریه گسسته دو بعدی مستقیم
4. مقدار L=Z(0,0) را ذخیره کنید - مربوط به میانگین روشنایی پیکسل های تصویر اصلی
5. آرایه Z′=T(Z) را محاسبه کنید، جایی که T صفر کردن سطرها و ستون های واقع در نواحی خارجی داده شده ماتریس آرگومان است که مربوط به فرکانس های پایین 6 است (یعنی صفر کردن ضرایب بسط فوریه مربوط به کم است. فرکانس ها)
6. بازیابی مقدار Z’(0,0)=L - مربوط به میانگین روشنایی پیکسل های تصویر اصلی
7. محاسبه آرایه Y=RFT(Z') – تبدیل فوریه گسسته دو بعدی معکوس
8. Py = میانگین (rms) روشنایی پیکسل ها در آرایه Y را محاسبه کنید
9. آرایه Y(N1,N2) را با میانگین سطح روشنایی Px/Py عادی کنید

الگوریتم مقیاس بندی تصویر

در سیستم های نوری، شار نور در صفحه کانونی سیستم تبدیل فوریه تصویر اصلی است. اندازه خروجی سیستم نوریتصویر با نسبت فاصله کانونی لنز و چشمی تعیین می شود.

الگوریتم:

1. اجازه دهید X(N1,N2) آرایه ای از روشنایی پیکسل های تصویر باشد.
2. Px = میانگین (rms) روشنایی پیکسل ها در آرایه X را محاسبه کنید
3. محاسبه آرایه Z=FT(X) – تبدیل فوریه گسسته دو بعدی مستقیم
4. آرایه Z′=T(Z) را محاسبه کنید، جایی که T یا صفر ردیف و ستون ماتریس مربوط به فرکانس‌های بالا را اضافه می‌کند، یا ردیف‌ها و ستون‌های ماتریس مربوط به فرکانس‌های بالا را حذف می‌کند تا اندازه مورد نیاز تصویر نهایی به دست آید.
5. محاسبه آرایه Y=RFT(Z') – تبدیل فوریه گسسته دو بعدی معکوس
6. Py = میانگین (rms) روشنایی پیکسل ها در آرایه Y را محاسبه کنید
7. آرایه Y(M1,M2) را با میانگین سطح روشنایی Px/Py عادی کنید

نرم افزار استفاده شده

• مایکروسافت ویژوال استودیو 2013 سی شارپ - محیط و زبان برنامه نویسی
• EmguCV/OpenCV – کتابخانه C++ از ساختارها و الگوریتم‌ها برای پردازش تصویر
• FFTWSharp/FFTW – کتابخانه C++ پیاده‌سازی الگوریتم‌های سریع تبدیل فوریه گسسته

الگوریتم تاری تصویر

کد الگوریتم

///

/// پاک کردن ناحیه داخلی آرایه ///

/// آرایه ای از مقادیر /// اندازه ناحیه کور داخلیداده خصوصی استاتیک void Blind(Complex[,] اندازه سایز) ( int n0 = data.GetLength(0)؛ int n1 = data.GetLength(1)؛ int n2 = data.GetLength(2); int s0 = Math.Max(0, (n0 - size.Height)/2 int s1 = Math.Max(0, (n1 - size.Width)/2 int e0 = Math.Min((n0 + size.Height)/2, n1 + size.Width)/2); ، n1 برای (int i = s0; i< e0; i++) { Array.Clear(data, i*n1*n2, n1*n2); } for (int i = 0; i < s0; i++) { Array.Clear(data, i*n1*n2 + s1*n2, (e1 - s1)*n2); } for (int i = e0; i < n0; i++) { Array.Clear(data, i*n1*n2 + s1*n2, (e1 - s1)*n2); } } ///

/// بیت مپ را تار کنید باسریعترین تبدیل فوریه ///

/// بیت مپ تار شدهعمومی Bitmap Blur (Bitmap bitmap) ( با استفاده از (var image = new image (bitmap)) ( int length = image.Data.Length؛ int n0 = image.Data.GetLength(0)؛ int n1 = image.Data.GetLength(1); int n2 = image.Data.GetLength(2); var doubles = new doubles.BlockCopy(image.Data, 0, doubles, 0, length*sizeof (double) = Math.Sqrt(doubles.Average(x => x*x)); fftw_complexarray(doubles.Select(x => new Complex(x, 0)).ToArray() var output = new fftw_plan.dft_3d(n0, n1, n2, input, output, fftw_direction.); fftw_flags.Estimate).Execute complex = output.GetData_Complex(new doubleHandle)=GCHandleType.Pinned = ComplexHandle.AddrOfPinnedObject(); Marshal.Copy(dataPtr, buffer, 0, buffer.Length); Marshal.Copy(buffer, 0, complexPtr, buffer.Length); ComplexHandle.Free(); dataHandle.Free(); input.SetData(complex); fftw_plan.dft_3d(n0، n1، n2، ورودی، خروجی، fftw_direction.Backward، fftw_flags.Estimate).Execute(); double array2 = output.GetData_Complex().Select(x => x.Magnitude).ToArray(); double power2 = Math.Sqrt(array2.Average(x => x*x)); doubles = array2.Select(x =>

الگوریتم وضوح تصویر

کد الگوریتم

///

/// پاک کردن ناحیه خارجی آرایه ///

/// آرایه ای از مقادیر /// اندازه ناحیه کور خارجیخصوصی استاتیک void Blind(Complex[,] data, Size size) (int n0 = data.GetLength(0)؛ int n1 = data.GetLength(1)؛ int n2 = data.GetLength(2)؛ int s0 = Math. Max(0, (n0 - size.Height)/2 int s1 = Math.Max(0, (n1 - size.Width)/2 int e0 = Math.Min((n0 + size.Height)); 2, n0) int e1 = Math.Min((n1 + size.Width)/2, n1);< s0; i++) { Array.Clear(data, i*n1*n2, s1*n2); Array.Clear(data, i*n1*n2 + e1*n2, (n1 - e1)*n2); } for (int i = e0; i < n0; i++) { Array.Clear(data, i*n1*n2, s1*n2); Array.Clear(data, i*n1*n2 + e1*n2, (n1 - e1)*n2); } } ///

/// بیت مپ شارپ با سریعترین تبدیل فوریه ///

/// بیت مپ تیزعمومی Bitmap Sharp (Bitmap bitmap) ( با استفاده از (var image = new image (bitmap)) ( int length = image.Data.Length؛ int n0 = image.Data.GetLength(0)؛ int n1 = image.Data.GetLength(1); int n2 = image.Data.GetLength(2); var doubles = new doubles.BlockCopy(image.Data, 0, doubles, 0, length*sizeof (double) = Math.Sqrt(doubles.Average(x => x*x)); fftw_complexarray(doubles.Select(x => new Complex(x, 0)).ToArray() var output = new fftw_plan.dft_3d(n0, n1, n2, input, output, fftw_direction.); fftw_flags.Estimate) Complex = output.GetData_Complex(complex var buffer = new double.GCHandleType.Pinned) ; .IntPtr complexPtr = complexHandle.AddrOfPtr dataPtr = dataHandle.AddrOfPinnedObject(Buffer, 0, dataPtr, Buffer.Length); Blind(data, _blinderSize); Marshal.Copy(dataPtr, buffer, 0, buffer.Length); Marshal.Copy(buffer, 0, complexPtr, buffer.Length); ComplexHandle.Free(); dataHandle.Free(); مجتمع = سطح input.SetData(complex); fftw_plan.dft_3d(n0، n1، n2، ورودی، خروجی، fftw_direction.Backward، fftw_flags.Estimate).Execute(); double array2 = output.GetData_Complex().Select(x => x.Magnitude).ToArray(); double power2 = Math.Sqrt(array2.Average(x => x*x)); doubles = array2.Select(x => x*power/power2).ToArray(); Buffer.BlockCopy (دو برابر، 0، تصویر. داده، 0، طول*اندازه (دو برابر)); بازگشت تصویر.بیت مپ; ))

الگوریتم مقیاس بندی تصویر

کد الگوریتم

///

/// کپی آرایه ها ///

/// آرایه ورودی /// آرایه خروجیخصوصی استاتیک کپی (Complex[,] ورودی، Complex[،] خروجی) (int n0 = input.GetLength(0); int n1 = input.GetLength(1); int n2 = input.GetLength(2); int m0 = output.GetLength(0) int m1.GetLength(1) int ex0. Debug.Assert(n2 == m2);< ex2; k++) { for (int i = 0; i <= ex0; i++) { for (int j = 0; j <= ex1; j++) { int ni = n0 - i - 1; int nj = n1 - j - 1; int mi = m0 - i - 1; int mj = m1 - j - 1; output = input; output = input; output = input; output = input; } } } } ///

/// تغییر اندازه بیت مپ با سریعترین تبدیل فوریه ///

/// تغییر اندازه بیت مپعمومی Bitmap Stretch (Bitmap bitmap) ( با استفاده از (var image = new image (bitmap)) ( int length = image.Data.Length؛ int n0 = image.Data.GetLength(0)؛ int n1 = image.Data.GetLength(1); int n2 = image.Data.GetLength(2); var doubles = new doubles.BlockCopy(image.Data, 0, doubles, 0, length*sizeof (double) = Math.Sqrt(doubles.Average(x => x*x)); fftw_complexarray(doubles.Select(x => new Complex(x, 0)).ToArray() var output = new fftw_plan.dft_3d(n0, n1, n2, input, output, fftw_direction.); fftw_flags.Estimate).Execute complex = output.GetData_Complex(); (_newSize)) ( int length2 = image2.Data.Length؛ int m0 ​​= image2.Data.GetLength(0); int m1 = image2.Data.GetLength(1); int m2 = image2.Data.GetLength(2 var Complex2 = new doubleHandle = GCHandleType.Pinned ; Copy(complexPtr, buffer.Length complexHandle.Free)Copy(data,data2).Alloc(complex2,GCHandleType.Pinned.AddrOfPin) .AddrOfPinnedObject(); ComplexHandle.Free(); dataHandle.Free(); var input2 = new fftw_complexarray(complex2); var output2 = new fftw_complexarray(length2); fftw_plan.dft_3d(m0, m1, m2, input2, output2, fftw_direction.Backward, fftw_flags.Estimate).Execute(); double array2 = output2.GetData_Complex().Select(x => x.Magnitude).ToArray(); double power2 = Math.Sqrt(array2.Average(x => x*x)); double doubles2 = array2.Select(x => x*power/power2).ToArray(); Buffer.BlockCopy(doubles2, 0, image2.Data, 0, length2*sizeof (double)); بازگشت تصویر2.بیت مپ. ))))

با مثال پاسکال بگویید و نشان دهید: 1) مطلق چیست و برای چیست؟ 2) asm چیست و برای چیست؟ 3) چیست

سازنده و تخریب کننده و برای چیست؟

4) پیاده سازی چیست و برای چیست؟

5) ماژول های پاسکال (در خط Uses مثلا crt) را نام ببرید و این ماژول چه قابلیت هایی را ارائه می دهد؟

6) چه نوع متغیری است: اشاره گر

7) و در آخر: نماد @، #، $، ^ به چه معناست؟

1. شی چیست؟2. سیستم چیست؟3. نام رایج یک شی چیست؟ مثال بزنید.4. نام شیء واحد چیست؟ مثال بزنید.5.

مثالی از یک سیستم طبیعی بزنید.6. یک مثال از یک سیستم فنی بیاورید.7. مثالی از سیستم مختلط بزنید.8. مثالی از یک سیستم نامشهود بزنید. طبقه بندی چیست؟10. کلاس شی چیست؟

1. سوال 23 - حالت های عملیاتی پایگاه داده دسترسی را فهرست کنید:

ایجاد جدول در حالت طراحی.
-ایجاد جدول با استفاده از جادوگر
-ایجاد جدول با وارد کردن داده ها

2. چیست؟ فرمت برداری?

3. آیا می توان موارد زیر را به عنوان برنامه های خدماتی طبقه بندی کرد:
الف) برنامه های نگهداری دیسک (کپی، ضد عفونی، قالب بندی و غیره)
ب) فشرده سازی فایل های روی دیسک (بایگانی)
ج) مبارزه با ویروس های کامپیوتری و خیلی چیزهای دیگر.
من فکر می کنم که پاسخ در اینجا B است - درست یا غلط؟

4. در مورد ویژگی های الگوریتم (الف. گسستگی، ب. اثربخشی ج. شخصیت جرم، د. قطعیت، د. امکان سنجی و قابل فهم بودن) - در اینجا فکر می کنم همه گزینه ها صحیح هستند. درست یا غلط؟

تست 7 سوال آسان چند گزینه ای

13. سرعت کلاک پردازنده:

الف- تعداد عملیات باینری انجام شده توسط پردازنده در واحد زمان

ب- تعداد پالس های تولید شده در ثانیه که عملکرد گره های کامپیوتر را همگام می کند

ج. تعداد دسترسی های ممکن پردازنده به حافظه دسترسی تصادفیدر واحد زمان

ت. سرعت تبادل اطلاعات بین پردازنده و دستگاه های ورودی/خروجی

14. حداقل را مشخص کنید مجموعه لازمدستگاه های طراحی شده برای عملیات کامپیوتری:

یک چاپگر، واحد سیستم، صفحه کلید

ب. پردازنده، رم، مانیتور، صفحه کلید

C. پردازنده، استریمر، هارد دیسک

D. مانیتور، واحد سیستم، صفحه کلید

15. ریزپردازنده چیست؟

آ. مدار مجتمع، که دستورات دریافتی را در ورودی و کنترل خود اجرا می کند

عملیات کامپیوتری

ب. وسیله ای برای ذخیره سازی داده ها که اغلب در محل کار استفاده می شود

ج. وسیله ای برای نمایش متن یا اطلاعات گرافیکی

د. دستگاهی برای خروجی داده های الفبایی

16. تعامل کاربر با محیط نرم افزاربا استفاده از:

A. سیستم عامل

ب. سیستم فایل

ج. برنامه های کاربردی

D. فایل منیجر

17. کنترل مستقیم نرم افزارکاربر می تواند با

استفاده كردن:

A. سیستم عامل

ب. رابط کاربری گرافیکی

ج. رابط کاربری

D. فایل منیجر

18. روش های ذخیره سازی داده ها در رسانه فیزیکیتعریف می کند:

A. سیستم عامل

ب. نرم افزار کاربردی

C. فایل سیستم

D. فایل منیجر

19. محیط گرافیکی که اشیا و کنترل ها روی آن نمایش داده می شوند سیستم های ویندوز,

ایجاد شده برای راحتی کاربر:

الف. رابط سخت افزاری

ب. رابط کاربری

C. دسکتاپ

D. رابط نرم افزاری

20. سرعت کامپیوتر به موارد زیر بستگی دارد:

آ. فرکانس ساعتپردازنده

ب. وجود یا عدم وجود چاپگر متصل

ج. سازماندهی رابط سیستم عامل

D. ظرفیت ذخیره سازی خارجی