Nëse sfondi juaj inxhinierik është i ngjashëm me timin, atëherë me siguri dini shumë për lloje të ndryshme të filtrave të linjës, detyra kryesore e të cilave është kalimi i një sinjali në një gamë frekuence dhe vonesa e sinjaleve në intervalet e mbetura. Këta filtra janë sigurisht të domosdoshëm për shumë lloje zhurmash. Megjithatë, në botën reale të sistemeve të ngulitura, duhet pak kohë për të kuptuar se filtrat klasikë të linjës janë të padobishëm kundër zhurmës së shpërthimit (zhurma e kokoshkave).
Zhurma e impulsit zakonisht lind nga pseudo ngjarje të rastësishme. Për shembull, një radio me dy drejtime mund të ndizet pranë pajisjes tuaj ose mund të ndodhë një lloj elektriciteti statik. Sa herë që ndodh kjo, sinjali i hyrjes mund të shtrembërohet përkohësisht.
Për shembull, si rezultat i konvertimit nga analog në dixhital, marrim gamën e mëposhtme të vlerave: 385, 389, 912, 388, 387. Vlera 912 supozohet se është anormale dhe duhet të refuzohet. Nëse provoni një filtër klasik të linjës, do të vini re se vlera 912 do të ketë një ndikim të rëndësishëm në dalje. Zgjidhja më e mirë në këtë rast do të ishte përdorimi i një filtri mesatar.
Pavarësisht qartësisë së kësaj qasjeje, në përvojën time filtrat mesatarë përdoren çuditërisht rrallë në sistemet e integruara. Ndoshta kjo është për shkak të mungesës së njohurive për ekzistencën e tyre dhe vështirësisë së zbatimit. Shpresoj se postimi im do t'i heqë deri diku këto pengesa.
Ideja pas filtrit mesatar është e thjeshtë. Ai zgjedh mesataren nga një grup vlerash hyrëse dhe e nxjerr atë në dalje. Për më tepër, zakonisht grupi ka një numër tek vlerash, kështu që nuk ka asnjë problem me zgjedhjen.
Deri kohët e fundit, unë dallova tre klasa të filtrave mesatarë që ndryshojnë në numrin e vlerave të përdorura:
Filtro duke përdorur 3 vlera (filtri më i vogël i mundshëm),
- filtri duke përdorur 5, 7 ose 9 vlera (më të përdorurat),
- filtroni duke përdorur 11 ose më shumë vlera.
Tani për tani po i përmbahem një klasifikimi më të thjeshtë:
Filtro duke përdorur 3 vlera,
- filtri duke përdorur më shumë se 3 vlera.
Filtri mesatar prej 3
Ky është filtri më i vogël i mundshëm. Zbatohet lehtësisht me disa operatorë dhe për këtë arsye ka kod të vogël dhe të shpejtë.
uint16_t mesi i_3 (uint16_t a, uint16_t b, uint16_t c)
{
uint16_t mes;
Nese nje<= b) && (a <= c)){
mes = (b<= c) ? b: c;
}
tjetër (
nëse (b<= a) && (b <= c)){
mes = (a<= c) ? a: c;
}
tjetër (
mes = (a<= b) ? a: b;
}
}
Kthimi në mes;
}
Filtri mesatar> 3
Për një filtër më të madh se 3, ju sugjeroj të përdorni algoritmin e përshkruar nga Phil Ekstrom në botimin e Nëntorit 2000 të Programimit të Sistemeve të Embedded. Extrom përdor një listë të lidhur. E mira e kësaj qasjeje është se kur grupi është i renditur, heqja e vlerës së vjetër dhe shtimi i një të reje nuk e ngatërron ndjeshëm grupin. Prandaj, kjo qasje funksionon mirë me madhësi të mëdha filtrash.
Mbani në mend se kishte disa gabime në kodin origjinal të publikuar që Extrom i rregulloi më vonë. Duke pasur parasysh se është e vështirë të gjesh diçka në embedded.com tani, vendosa të publikoj zbatimin tim të kodit të tij. Kodi fillimisht ishte shkruar në Dynamic C, por për këtë postim është transferuar në standardin C. Kodi supozohet se funksionon, por ju takon juve ta verifikoni plotësisht.
#define NULL 0
#define STOPPER 0 / * Më e vogël se çdo bazë * /
#define MEDIAN_FILTER_SIZE 5
uint16_t MedianFilter (uint16_t e dhëna)
{
çift strukture (
struct çift * pikë; / * Treguesit që formojnë listën e lidhur sipas renditjes * /
vlera uint16_t; / * Vlerat për të renditur * /
};
/ * Buffer i çifteve të ngjerësisë * /
tampon çift strukture statike = (0);
/ * Tregoni në tampon rrethor të të dhënave * /
çift strukture statike * pika e të dhënave = buffer;
/ * Tapa zinxhir * /
palë struktura statike e vogël = (NULL, STOPPER);
/ * Treguesi në kokë (më i madhi) i listës së lidhur. * /
çifti i strukturave statike i madh = (& i vogël, 0);
/ * Treguesi për pasardhësin e artikullit të të dhënave të zëvendësuar * /
struct pair * pasardhës;
/ * Treguesi përdoret për të skanuar listën e renditur * /
struct pair * scan;
/ * Vlera e mëparshme e skanimit * /
struct pair * scanold;
/ * Treguesi në mesatare * /
çifti struktur * mesatarja;
uint16_t i;
nëse (datum == STOPPER) (
data = STOPPER + 1; / * Nuk lejohen tape. * /
}
Nëse ((++ pika e të dhënave - buffer)> = MEDIAN_FILTER_SIZE) (
pika e të dhënave = tampon; / * Shtoni dhe mbështillni të dhënat në tregues. * /
}
Datapoint-> vlera = data; / * Kopjo në të dhënat e reja * /
pasardhës = pikë-> pikë; / * Ruaje treguesin në pasardhësin e vlerës së vjetër * /
mesatare = / * Mesatarja fillimisht deri te e para në zinxhir * /
scanold = NULL; / * Scanold fillimisht null. * /
skanim = / * Tregon për treguesin në të dhënat e para (më të mëdha) në zinxhir * /
/ * Trajto zinxhirin e artikullit të parë në zinxhir si rast i veçantë * /
nëse (skanoni-> pikë == pika e të dhënave) (
scan-> pikë = pasardhës;
}
skanim = skano-> pikë; / * Zinxhiri i rënies * /
/ * Lak përmes zinxhirit, dalje normale të lakut përmes thyerjes. * /
për (i = 0; i< MEDIAN_FILTER_SIZE; ++i){
/ * Trajto artikullin me numër tek në zinxhir * /
nëse (skanoni-> pikë == pika e të dhënave) (
scan-> pikë = pasardhës; / * Zinxhironi të dhënat e vjetra. * /
}
Nëse (scan-> vlera< datum){ /* If datum is larger than scanned value,*/
datapoint-> point = scanold-> point; / * Lidheni me zinxhir këtu. * /
scanold-> pikë = pika e të dhënave; / * Shënojeni të lidhur me zinxhirë. * /
data = STOPPER;
};
/ * Hap treguesin mesatar të zinxhirit poshtë pas kryerjes së elementit me numër tek * /
mediane = mediane-> pikë; / * Treguesi mesatar i hapit. * /
nëse (skanoni == & i vogël) (
pushim; / * Pushim në fund të zinxhirit * /
}
scanold = skanoj; / * Ruaje këtë tregues dhe * /
skanim = skano-> pikë; / * Zinxhiri i rënies * /
/ * Trajtoni artikullin me numër çift në zinxhir. * /
nëse (skanoni-> pikë == pika e të dhënave) (
scan-> pikë = pasardhës;
}
Nëse (scan-> vlera< datum){
datapoint-> point = scanold-> point;
scanold-> pikë = pika e të dhënave;
data = STOPPER;
}
Nëse (skanoni == & i vogël) (
pushim;
}
Scanold = skanoj;
skanim = skano-> pikë;
}
ktheje mesatare-> vlerë;
}
Për të përdorur këtë filtër, thjesht telefononi funksionin sa herë që merrni një vlerë të re hyrëse. Funksioni do të kthejë mesataren e vlerave të fundit të pranuara, numri i të cilave përcaktohet nga konstanta MEDIAN_FILTER_SIZE.
Ky algoritëm mund të përdorë një sasi të mjaftueshme RAM (natyrisht, kjo varet nga madhësia e filtrit), sepse ruan vlerat e hyrjes dhe treguesit në struktura. Megjithatë, nëse ky nuk është problem, atëherë algoritmi është vërtet i mirë për t'u përdorur sepse është dukshëm më i shpejtë se algoritmet e bazuara në renditje.
Filtrim mesatar i bazuar në renditje
Në versionin e vjetër të këtij artikulli, për filtrat mesatarë të madhësisë 5, 7 ose 9, unë mbështeta një qasje të bazuar në algoritmin e renditjes. Tani kam ndryshuar mendje. Sidoqoftë, nëse dëshironi t'i përdorni ato, unë ju jap kodin bazë:
nëse (ADC_Buffer_Full) (
Uint_fast16_t adc_copy;
uint_fast16_t filtruar_cnts;
/ * Kopjoni të dhënat * /
memcpy (adc_copy, ADC_Counts, sizeof (adc_copy));
/ * Renditni * /
shell_sort (adc_copy, MEDIAN_FILTER_SIZE);
/ * Merrni vlerën e mesme * /
filtruar_cnts = adc_kopje [(MEDIAN_FILTER_SIZE - 1U) / 2U];
/ * Konvertoni në njësi inxhinierike * /
...
konkluzioni
Përdorimi i filtrave mesatarë shoqërohet me kosto të caktuara. Natyrisht, filtrat mesatarë shtojnë një vonesë në vlerat e shkallëzuara. Gjithashtu, filtrat mesatarë mund të fshijnë plotësisht informacionin e frekuencës në sinjal. Sigurisht, nëse jeni të interesuar vetëm për vlera konstante, atëherë ky nuk është problem.
Me këto paralajmërime në mendje, unë ende rekomandoj fuqimisht që të përdorni filtra mesatarë në modelet tuaja.
Kohët e fundit më është dashur të merrem me nevojën për filtrimin e softuerit të të dhënave ADC. Google dhe pirja e duhanit (dokumentacion të ndryshëm) më çuan drejt dy teknologjive: Filtri i kalimit të ulët (LPF) dhe Filtri mesatar. Ekziston një artikull shumë i detajuar në lidhje me LPF në komunitetin Easyelectronics, kështu që më tej do të flasim për filtrin mesatar.
Mohim përgjegjësie: Ky artikull është kryesisht një përkthim fjalë për fjalë i një artikulli nga embeddedgurus. Megjithatë, edhe përkthyesi(ët) përdorën këto algoritme në punën e tyre, i gjetën të dobishme dhe ndoshta me interes për këtë komunitet.
Pra, çdo filtër i linjës është krijuar për të kaluar sinjale në një brez të caktuar frekuence dhe për të zbutur të gjithë të tjerët sa më shumë që të jetë e mundur. Filtra të tillë janë të domosdoshëm nëse doni të eliminoni ndikimin e të gjitha llojeve të zhurmës. Megjithatë, në botën reale të sistemeve të integruara, projektuesi mund të ballafaqohet me faktin se këta filtra klasikë janë praktikisht të padobishëm kundër rritjeve afatshkurtra dhe të fuqishme.
Kjo lloj zhurme zakonisht lind nga ndonjë ngjarje e rastësishme, si p.sh. shkarkimi elektrostatik, një çelës alarmi pranë njësisë, etj. Në këtë rast, sinjali i hyrjes mund të marrë një vlerë qëllimisht të pamundur. Për shembull, ADC mori të dhëna: 385, 389, 388, 388, 912, 388, 387. Natyrisht, vlera 912 është false këtu dhe duhet të hidhet poshtë. Kur përdorni një filtër klasik, është pothuajse e sigurt që ky numër i madh do të ketë një ndikim të madh në vlerën e prodhimit. Zgjidhja e qartë këtu është përdorimi i një filtri mesatar.
Siç sugjeron emri i tij, filtri mesatar kalon mesataren e një grupi vlerash. Zakonisht madhësia e këtij grupi është e çuditshme për të shmangur paqartësitë gjatë zgjedhjes së mesatares. Ideja kryesore është se ekziston një tampon i caktuar me disa vlera, nga i cili zgjidhet mediana.
Dallimet midis mesatares dhe mesatares aritmetike
Supozoni se në një dhomë janë 19 njerëz të varfër dhe një miliarder. Të gjithë vendosin para në tryezë - i varfëri nga xhepi i tij dhe miliarderi nga valixhe. Çdo person i varfër fut 5 dollarë, dhe një miliarder - 1 miliard dollarë (109). Kjo shkon deri në 1,000,000,095 dollarë.Nëse i ndajmë paratë në pjesë të barabarta me 20 persona, marrim 50,000,0004,75 dollarë. Kjo do të jetë mesatarja aritmetike e shumës së parave që kishin të 20 personat në këtë dhomë.
Mesatarja në këtë rast do të jetë e barabartë me 5 dollarë (gjysma e shumës së të dhjetës dhe të njëmbëdhjetës, vlerat mesatare të serisë së renditur). Kjo mund të interpretohet si më poshtë. Duke e ndarë kompaninë tonë në dy grupe të barabarta me 10 persona, mund të themi se në grupin e parë, secili vendos jo më shumë se 5 dollarë në tryezë, në të dytin, jo më pak se 5 dollarë. Në përgjithësi, mund të themi se mesatarja është sa ka sjellë me vete një person mesatar. Përkundrazi, mesatarja aritmetike nuk është një karakteristikë e përshtatshme, pasi tejkalon ndjeshëm sasinë e parave në dispozicion të një personi mesatar.
ru.wikipedia.org/wiki/Mediana_ (statistika)
Sipas madhësisë së këtij grupi, ne i ndajmë filtrat në dy lloje:
Dimensioni = 3
Dimensioni> 3
Dimensioni i filtrit 3
Dimensioni tre është më i vogli i mundshëm. Është e mundur të llogaritet mesatarja vetëm me disa deklarata IF. Më poshtë është kodi që zbaton këtë filtër:Uint16_t mes_of_3 (uint16_t a, uint16_t b, uint16_t c) (uint16_t mes; nëse ((a<= b) && (a <= c)) { middle = (b <= c) ? b: c; } else if ((b <= a) && (b <= c)) { middle = (a <= c) ? a: c; } else { middle = (a <= b) ? a: b; } return middle; }
Dimensioni i filtrit> 3
Për një filtër me dimensione më të mëdha se tre, unë sugjeroj përdorimin e algoritmit të propozuar nga Phil Ekstrom në numrin e nëntorit të revistës Embedded Systems dhe të rishkruar nga Dynamic C në standardin C nga Nigel Jones. Algoritmi përdor një listë të lidhur vetëm dhe përfiton nga fakti se kur grupi është i renditur, heqja e vlerës më të vjetër dhe shtimi i një të reje nuk e prish renditjen.#define STOPPER 0 / * Më e vogël se çdo bazë * / #define MEDIAN_FILTER_SIZE (13) uint16_t filtri_mesatar (uint16_t data) (çifti i strukturës (çifti i strukturës * pikë; / * Treguesit që formojnë listën e lidhur në rend të renditur * / uint16_t vlerën; për të renditur * /); tampon çifti i strukturave statike = (0); / * Buferi i çifteve ngjerësi * / çifti i strukturave statike * pika e të dhënave = buffer; / * Treguesi në tampon rrethor të të dhënave * / çifti i strukturave statike i vogël = (NULL, STOPPER ); / * Mbytës zinxhiri * / çifti i strukturës statike i madh = (& i vogël, 0); / * Treguesi drejt kokës (më i madhi) i listës së lidhur. * / Çifti strukt * pasardhësi; / * Treguesi për pasardhësin e artikullit të të dhënave të zëvendësuar * / struct çift * scan; / * Treguesi përdoret për të skanuar listën e renditur * / struct çift * scanold; / * Vlera e mëparshme e skanimit * / çifti i strukturës * mesatare; / * Treguesi në mesatare * / uint16_t i; nëse (datum == STOPPER ) (datum = STOPPER + 1; / * Nuk lejohen ndalesa. * /) nëse ((++ pika e të dhënave - buffer)> = MEDIAN_FILTER_SIZE) (pika e të dhënave = buffer; / * Rritja dhe mbështjellja e të dhënave në tregues. * /) datp oint-> vlera = e dhëna; / * Kopjo në bazën e re * / pasardhës = pikë-> pikë; / * Ruaje treguesin te pasardhësi i vlerës së vjetër * / mediana = / * Mesatarja fillimisht tek e para në zinxhir * / scanold = NULL; / * Scanold fillimisht null. * / Skano = / * Tregon në treguesin te data e parë (më e madhe) në zinxhir * / / * Trajto zinxhirin e artikullit të parë në zinxhir si një rast të veçantë * / nëse (skano-> pikë == pikë e datës) (skano-> pikë = pasardhës;) scanold = skano; / * Ruaje këtë tregues dhe * / skanim = skanim-> pikë; / * zvogëloni zinxhirin * / / * Kaloni përmes zinxhirit, dalja normale e lakut nëpërmjet ndërprerjes. * / për (i = 0; i< MEDIAN_FILTER_SIZE; ++i)
{
/* Handle odd-numbered item in chain */
if (scan->pika == pika e datës) (skanim-> pikë = pasardhës; / * Zbërthejeni bazën e vjetër. * /) nëse (skanoni-> vlerën< datum) /* If datum is larger than scanned value,*/
{
datpoint->pikë = scanold-> pikë; / * Lidheni me zinxhir këtu. * / scanold-> pika = pika e të dhënave; / * Shënojeni të lidhur me zinxhirë. * / data = STOPPER; ); / * Hapi treguesin mesatar të zinxhirit poshtë pas kryerjes së elementit me numër tek * / mediana = pikë mesatare->; / * Treguesi mesatar i hapit. * / nëse (skanim == & i vogël) (ndërprerje; / * Thyerje në fund të zinxhirit * /) skanold = skanim; / * Ruaje këtë tregues dhe pikën * / scan = scan->; / * Zinxhiri zvogëlohet * / / * Trajtoni artikullin me numër çift në zinxhir. * / nëse (skano-> pikë == pikë e datës) (skanim-> pikë = pasardhës;) nëse (skano-> vlera< datum)
{
datpoint->pikë = scanold-> pikë; scanold-> pikë = pika e të dhënave; data = STOPPER; ) nëse (skanim == & i vogël) (shkëputje;) scanold = skan; skanim = skano-> pikë; ) kthen vlerën mesatare->; )
Për të përfituar nga ky kod, ne thjesht e thërrasim funksionin sa herë që shfaqet një vlerë e re. Do të kthejë mesataren e matjeve më të fundit MEDIAN_FILTER_SIZE.
Kjo qasje kërkon mjaft RAM, pasi ju duhet të ruani të dyja vlerat dhe treguesit. Sidoqoftë, është mjaft i shpejtë (58μs në një PIC18 40 MHz).
konkluzionet
Ashtu si shumica e gjërave në botën e integruar, filtri mesatar ka një çmim. Për shembull, ai prezanton një vonesë leximi për rritjen e vazhdueshme të vlerave të hyrjes. Përveç kësaj, ky filtër shtrembëron shumë informacionin e frekuencës së sinjalit. Sigurisht, nëse na intereson vetëm komponenti konstant, kjo nuk krijon ndonjë problem të veçantë.- Filtrimi median është jolinear, pasi medianaja e shumës së dy sekuencave arbitrare nuk është e barabartë me shumën e medianave të tyre, gjë që në disa raste mund të komplikojë analizën matematikore të sinjaleve.
- Filtri shkakton rrafshim të kulmeve të funksioneve trekëndore.
- Reduktimi i zhurmës së bardhë dhe Gaussian është më pak efektiv se filtrat e linjës. Efikasiteti i dobët vërehet gjithashtu gjatë filtrimit të zhurmës së luhatjeve.
- Ndërsa madhësia e dritares së filtrit rritet, ndryshimet e pjerrëta në sinjal dhe kërcimet mjegullohen.
Disavantazhet e metodës mund të zvogëlohen duke aplikuar filtrim mesatar me ndryshim të madhësisë adaptive të dritares së filtrit në varësi të dinamikës së sinjalit dhe natyrës së zhurmës (filtrim mesatar adaptiv). Si kriter për madhësinë e dritares, mund të përdorni, për shembull, devijimin e vlerave të mostrave fqinje në lidhje me kampionin e renditur qendror / 1i /. Ndërsa kjo vlerë zvogëlohet nën një prag të caktuar, madhësia e dritares rritet.
16.2. FILTRIMI MEDIAN I IMAZHVE.
Zhurma në imazhe. Asnjë sistem regjistrimi nuk siguron cilësinë ideale të imazhit të objekteve në studim. Imazhet në procesin e formimit të tyre nga sistemet (fotografike, holografike, televizive) zakonisht ekspozohen ndaj ndërhyrjeve ose zhurmave të ndryshme të rastësishme. Një sfidë themelore në përpunimin e imazhit është heqja efektive e zhurmës duke ruajtur detajet e imazhit që janë të rëndësishme për njohjen e mëvonshme. Kompleksiteti i zgjidhjes së këtij problemi varet shumë nga natyra e zhurmës. Ndryshe nga shtrembërimet përcaktuese, të cilat përshkruhen nga transformimet funksionale të imazhit origjinal, modelet e zhurmës shtuese, impulsive dhe shumëzuese përdoren për të përshkruar efektet e rastësishme.
Lloji më i zakonshëm i ndërhyrjes është zhurma shtesë e rastësishme, e cila është statistikisht e pavarur nga sinjali. Modeli i zhurmës shtesë përdoret kur sinjali në dalje të sistemit ose në një fazë të transformimit mund të konsiderohet si shuma e sinjalit të dobishëm dhe një sinjali të rastësishëm. Modeli i zhurmës aditiv përshkruan mirë efektin e kokrrës së filmit, zhurmën e luhatjes në sistemet e radios, zhurmën e kuantizimit në konvertuesit analog në dixhital, etj.
Zhurma shtesë Gaussian karakterizohet nga shtimi i vlerave me një shpërndarje normale dhe zero mesatare për çdo piksel në një imazh. Kjo zhurmë zakonisht paraqitet gjatë fazës së imazhit dixhital. Informacioni kryesor në imazhet përcillet nga skicat e objekteve. Filtrat klasikë të linjës mund të heqin në mënyrë efektive zhurmën statistikore, por shkalla e turbullimit të detajeve të vogla në imazh mund të tejkalojë vlerat e pranueshme. Për të zgjidhur këtë problem, përdoren metoda jolineare, për shembull, algoritme të bazuara në difuzionin anizotropik të Perron dhe Malik, filtra dypalësh dhe trepalësh. Thelbi i metodave të tilla është përdorimi i vlerësimeve lokale që janë adekuate për të përcaktuar konturin në imazh dhe për të zbutur zona të tilla në shkallën më të vogël.
Zhurma e impulsit karakterizohet nga zëvendësimi i disa prej pikselëve në imazh me vlera të një vlere fikse ose të rastësishme. Në imazh, një zhurmë e tillë shfaqet si pika kontrasti të izoluara. Zhurma e impulsit është tipike për pajisjet e hyrjes së imazhit nga një aparat televiziv, sistemet për transmetimin e imazheve përmes kanaleve radio, si dhe për sistemet dixhitale për transmetimin dhe ruajtjen e imazheve. Për të hequr zhurmën e impulsit, përdoret një klasë e veçantë filtrash jolinearë bazuar në statistikat e renditjes. Ideja e përgjithshme e filtrave të tillë është të zbulojnë pozicionin e pulsit dhe ta zëvendësojnë atë me një vlerë të vlerësuar, duke mbajtur pjesën tjetër të pikselëve të imazhit të pandryshuar.
Filtra dydimensionale. Filtrimi mesatar i imazheve është më efektiv kur zhurma në imazh është impulsive dhe përfaqëson një grup të kufizuar majash kundër një sfondi zero. Si rezultat i aplikimit të filtrit mesatar, pjerrësia dhe rënia e mprehtë e vlerave të ndriçimit në imazhe nuk ndryshojnë. Kjo është një veti shumë e dobishme veçanërisht për imazhet mbi të cilat, siç e dini, konturet mbajnë informacionin kryesor.
| Oriz. 16.2.1. |
Me filtrimin mesatar të imazheve të zhurmshme, shkalla e zbutjes së skicave të objekteve varet drejtpërdrejt nga madhësia e hapjes së filtrit dhe forma e maskës. Shembuj të formës së maskave me një hapje minimale janë paraqitur në Fig. 16.2.1. Në madhësi të vogla hapjeje, detajet e kundërta të imazhit ruhen më mirë, por zhurma e impulsit shtypet në një masë më të vogël. Për hapje të mëdha, vërehet fotografia e kundërt. Zgjedhja optimale e formës së hapjes zbutëse varet nga specifikat e problemit që zgjidhet dhe nga forma e objekteve. Kjo është e një rëndësie të veçantë për detyrën e ruajtjes së dallimeve (skajet e mprehta të shkëlqimit) në imazhe.
Me imazhin e një rënieje nënkuptojmë një imazh në të cilin pikat në njërën anë të një vije të caktuar kanë të njëjtën vlerë a, dhe të gjitha pikat në anën tjetër të kësaj linje janë vlera b, b¹ a... Nëse hapja e filtrit është simetrike në lidhje me origjinën dhe e përmban atë, atëherë filtri mesatar ruan çdo imazh të rënies. Kjo bëhet për të gjitha hapjet e mostrës tek, d.m.th. me përjashtim të hapjeve (korniza katrore, unaza), të cilat nuk përmbajnë origjinën. Megjithatë, kornizat dhe unazat katrore do ta ndryshojnë pak rënien.
 Oriz. 16.2.2. |
Për të thjeshtuar shqyrtimin e mëtejshëm, e kufizojmë veten në shembullin e një filtri me një maskë katrore me madhësi N × N, me N = 3. Filtri rrëshqitës skanon mostrat e imazhit nga e majta në të djathtë dhe nga lart poshtë, ndërsa sekuenca dydimensionale e hyrjes përfaqësohet gjithashtu si një numër sekuencial i mostrave (x (n)) nga e majta në të djathtë nga lart poshtë. Nga kjo sekuencë, në çdo pikë aktuale, maska e filtrit nxjerr grupin w (n) si një vektor të elementit W, i cili në këtë rast përmban të gjithë elementët nga dritarja 3 × 3 me qendër rreth x (n) dhe qendrën Vetë elementi, nëse ofrohet lloji i maskës:
w (n) =. (16.2.1)
Në këtë rast, vlera x i korrespondon me një hartë nga e majta në të djathtë dhe nga lart-poshtë të një dritareje 3 × 3 në një vektor njëdimensional, siç tregohet në Fig. 16.2.2.
Elementet e këtij vektori, si dhe për filtrin mesatar njëdimensional, mund të renditen gjithashtu në një seri në rend rritës ose zbritës të vlerave të tyre:
r (n) =, (16.2.2)
përcaktohet vlera mesatare y (n) = med (r (n)) dhe leximi qendror i maskës zëvendësohet nga vlera mesatare. Nëse, sipas llojit të maskës, kampioni qendror nuk përfshihet në numrin e rreshtit 16.2.1, atëherë vlera mesatare është në formën e vlerës mesatare të dy mostrave qendrore të rreshtit 16.2.2.
Shprehjet e mësipërme nuk shpjegojnë se si të gjeni sinjalin e daljes pranë pikave fundore dhe kufitare në sekuencat dhe imazhet fundore. Një truk i thjeshtë është të gjesh mesataren e vetëm atyre pikave brenda imazhit që bien brenda hapjes. Prandaj, për pikat që ndodhen pranë kufijve, medianat do të përcaktohen në bazë të një numri më të vogël pikash.
Në fig. 16.2.3 tregon një shembull të pastrimit të një imazhi të zhurmshëm me filtrin mesatar Chernenko / 2i /. Zhurma e imazhit në zonë ishte 15%; për pastrim, filtri u aplikua 3 herë radhazi.
  Oriz. 16.1.5. |
Filtrimi mesatar mund të kryhet edhe në një version rekurziv, në të cilin vlerat sipër dhe majtas të kampionit qendror në maskë (në këtë rast, x 1 (n) -x 4 (n) në Fig. 16.2. 2) në serinë 16.2.1 zëvendësohen me vlerat y 1 (n) -y 4 (n) të llogaritura në ciklet e mëparshme.
Filtra adaptues 2D. Kontradikta në varësinë e shkallës së shtypjes së zhurmës dhe shtrembërimit të sinjalit në hapjen e filtrit zbutet disi kur përdorni filtra me një madhësi maske dinamike, me përshtatjen e madhësisë së hapjes me natyrën e imazhit. Në filtrat adaptues, hapjet e mëdha përdoren në zonat monotonike të sinjalit të përpunuar (shtypja më e mirë e zhurmës), dhe hapjet e vogla pranë inhomogjeniteteve, duke ruajtur veçoritë e tyre, ndërsa madhësia e dritares rrëshqitëse të filtrit vendoset në varësi të shpërndarjes së shkëlqimit të pikselit në maskë filtri. Ato bazohen, si rregull, në analizën e shkëlqimit të afërsisë së pikës qendrore të maskës së filtrit.
Algoritmet më të thjeshta për ndryshimin dinamik të hapjes së një filtri që është simetrik përgjatë të dy boshteve zakonisht punojnë sipas një koeficienti të ndriçimit të pragut S prag = i dhënë në bazë të të dhënave empirike. Në çdo pozicion aktual të maskës në imazh, procesi përsëritës fillon me madhësinë minimale të hapjes. Vlerat e devijimit të shkëlqimit të pikselëve fqinjë A (r, n), të cilat bien në dritaren e madhësisë (n x n), në lidhje me shkëlqimin e referencës qendrore A (r) llogariten me formulën:
S n (r) = | A (r, n) / A (r) - 1 |. (16.2.3)
Kriteri sipas të cilit rritet madhësia e maskës me numërimin qendror r dhe kryhet përsëritja tjetër ka formën:
maksimumi< S порог. (16.2.4)
Madhësia maksimale e maskës (numri i përsëritjeve) zakonisht është i kufizuar. Për maskat jo katrore me dimensione (n x m), përsëritjet mund të llogariten me një rritje të veçantë të parametrave n dhe m, si dhe me një ndryshim në formën e maskave gjatë procesit të përsëritjes.
Filtrat e renditur ... Në dy dekadat e fundit, algoritme jolineare të bazuara në statistikat e renditjes janë zhvilluar në mënyrë aktive në përpunimin e imazheve dixhitale për rikuperimin e imazheve të dëmtuara nga modele të ndryshme zhurmash. Algoritme të tilla ju lejojnë të shmangni shtrembërimin shtesë të imazhit kur hiqni zhurmën, si dhe të përmirësoni ndjeshëm rezultatet e filtrave në imazhet me një shkallë të lartë zhurme.
Thelbi i statistikave të renditjes zakonisht konsiston në faktin se rreshti 16.2.1 nuk përfshin mostrën qendrore të maskës së filtrit, dhe rreshti 16.2.2 përdoret për të llogaritur vlerën e m (n). Për N = 3, sipas Fig. 16.2.2:
m (n) = (x 4 (n) + x 5 (n)) / 2. (16.2.5)
Llogaritja e vlerës së daljes së filtrit, i cili zëvendëson kampionin qendror, kryhet duke përdorur formulën:
y (n) = a x (n) + (1-a) m (n). (16.2.6)
Vlera e koeficientit të besimit a shoqërohet me një marrëdhënie të caktuar me statistikat e mostrave në dritaren e filtrit (për shembull, varianca totale e mostrave, varianca e diferencave x (n) -xi (n) ose m (n) -xi (n), varianca e dallimeve pozitive dhe negative x (n) -xi (n) ose m (n) -xi (n), etj.). Në thelb, vlera e koeficientit a duhet të specifikojë shkallën e dëmtimit të referencës qendrore dhe, në përputhje me rrethanat, shkallën e huazimit për korrigjimin e saj, vlerën nga mostrat m (n). Zgjedhja e funksionit statistikor dhe natyra e varësisë së koeficientit a nga ai mund të jetë mjaft e larmishme dhe varet si nga madhësia e hapjes së filtrit ashtu edhe nga natyra e imazheve dhe zhurmës.
letërsi
44. Bolshakov I.A., Rakoshits V.S. Teoria e aplikuar e rrjedhave të rastësishme, Moskë: Sov. radio, 1978, - 248s.
46. Huang T.S. dhe algoritme të tjera të shpejta në përpunimin dixhital të imazhit. - M .: Radio dhe komunikim, 1984 .-- 224 f.
47. Soifer V.A. Përpunimi i imazhit në kompjuter. Pjesa 2. Metodat dhe algoritmet. - Revista Arsimore Soros nr. 3, 1996.
48. Apalkov I.V., Khryashchev V.V. Heqja e zhurmës nga imazhet bazuar në algoritme jolineare duke përdorur statistikat e renditjes. - Universiteti Shtetëror i Yaroslavl, 2007.
1i. Yarovoy N.I. Filtrim mesatar adaptiv. - http://www.controlstyle.ru/articles/science/text/amf/
2i. Chernenko S.A. Filtri mesatar. - http://www.logis-pro.kiev.ua/math_power_medianfilter_ru.html.
3i. Yu.S. Radchenko Efikasiteti i marrjes së sinjalit në sfondin e ndërhyrjes së kombinuar me përpunim shtesë në filtrin mesatar. - "Journal of Radio Electronics", Nr. 7, 2001. / http://jre.cplire.ru/iso/jul01/2/text.html
Rreth defekteve të vërejtura dhe sugjerimeve për shtesa: [email i mbrojtur]
E drejta e autorit © 2008 Davydov A.V.
Prezantimi
Sinjali dixhital i filtrimit mesatar
Përpunimi dixhital i sinjalit ka gjetur aplikim të gjerë në fusha të ndryshme të veprimtarisë: televizion, radar, komunikim, meteorologji, sizmologji, mjekësi, analizë të të folurit dhe telefoni, si dhe në përpunimin e imazheve dhe fushave të natyrave të ndryshme. Në disa fusha të aktivitetit ekonomik, si ato bankare, përpunimi i flukseve financiare dixhitale ka një rëndësi thelbësore.
Zhvillimi i teknologjisë kompjuterike dhe mikroprocesoreve çon në krijimin e pajisjeve gjithnjë e më të besueshme, me shpejtësi të lartë, miniaturë, me cilësi të lartë dhe të lira. Teknologjitë dixhitale janë përhapur aq shumë, saqë përdoren në jetën e përditshme, pa u vënë re shumë: celulari, CD player, kompjuteri etj.
Gjatë kësaj pune, është e nevojshme të merren parasysh avantazhet dhe disavantazhet e filtrimit mesatar. Mësoni se si funksionojnë filtrat mesatarë. Duke përdorur programin MatLab712 R2011a, tregoni punën e tij me shembull.
Pjesa teorike e DSP
Filtri mesatar
Të gjithë algoritmet lineare të filtrimit zbutin ndryshimet e mprehta në shkëlqimin e imazheve të përpunuara. Ky disavantazh, i cili është veçanërisht i rëndësishëm nëse konsumatori i informacionit është një person, në parim nuk mund të përjashtohet brenda kornizës së përpunimit linear. Çështja është se procedurat lineare janë optimale për një shpërndarje Gaussian të sinjaleve, zhurmës dhe të dhënave të vëzhguara. Imazhet reale, në mënyrë rigoroze, nuk i binden kësaj shpërndarjeje probabiliteti. Për më tepër, një nga arsyet kryesore për këtë është prania e kufijve të ndryshëm, dallimet e shkëlqimit, kalimet nga një strukturë në tjetrën, etj. ... Kjo është pikërisht ajo që shkakton transmetimin e dobët të kufijve me filtrim linear.
Tipari i dytë i filtrimit linear është optimaliteti i tij, siç u përmend sapo, me natyrën Gaussian të zhurmës. Zakonisht ky kusht plotësohet nga ndërhyrja e zhurmës në imazhe, prandaj, kur ato shtypen, algoritmet lineare kanë performancë të lartë. Megjithatë, shpesh ju duhet të merreni me imazhe që janë të shtrembëruara nga lloje të tjera zhurmash. Një prej tyre është zhurma e impulsit. Kur ekspozohen ndaj tij, në imazh vërehen pika të bardha dhe/ose të zeza, të shpërndara në mënyrë kaotike në të gjithë kornizën. Përdorimi i filtrimit linear në këtë rast është joefektiv - secili prej pulseve hyrëse (në fakt, një funksion delta) jep një përgjigje në formën e një përgjigjeje impulsi filtri, dhe kombinimi i tyre kontribuon në përhapjen e ndërhyrjes në të gjithë zonën e kornizën.
Një zgjidhje e suksesshme për këto probleme është përdorimi i filtrimit median, i propozuar nga J. Tukey në 1971 për analizën e proceseve ekonomike. Studimi më i plotë i filtrimit mesatar në lidhje me përpunimin e imazhit është paraqitur në koleksion. Vini re se filtrimi mesatar është një metodë përpunimi heuristik; algoritmi i tij nuk është një zgjidhje matematikore për një problem të formuluar në mënyrë strikte. Prandaj, studiuesit i kushtojnë vëmendje të madhe analizës së efikasitetit të përpunimit të imazhit bazuar në të dhe krahasimit me metodat e tjera.
Kur aplikoni filtrin mesatar (MF), secila pikë e kornizës përpunohet në mënyrë sekuenciale, si rezultat i së cilës formohet një sekuencë vlerësimesh. Në mënyrë ideale, përpunimi në pika të ndryshme është i pavarur (ky MF është i ngjashëm me një filtër maskash), por për ta përshpejtuar atë, këshillohet që në çdo hap të përdorni në mënyrë algoritmike llogaritjet e kryera më parë.
Filtrimi mesatar përdor një dritare dydimensionale (hapje filtri), zakonisht me simetri qendrore, me qendrën e saj të vendosur në pikën aktuale të filtrimit. Në fig. 1.1 tregon dy shembuj të dritareve kryq dhe katrorë më të përdorur. Dimensionet e hapjes janë ndër parametrat që optimizohen në procesin e analizimit të efikasitetit të algoritmit. Shembujt e imazhit brenda dritares formojnë mostrën e punës të hapit aktual.
Oriz. 1.1.
Natyra dy-dimensionale e dritares lejon që dikush të kryejë filtrim në thelb dy-dimensional, pasi të dhënat nga rreshti dhe kolona aktuale dhe nga ato fqinje përdoren për të formuar një vlerësim. Le të caktojmë kampionin e punës si një grup njëdimensional; numri i elementeve të tij është i barabartë me madhësinë e dritares, dhe rregullimi i tyre është arbitrar. Zakonisht, përdoren dritare me një numër tek pikat (kjo sigurohet automatikisht me simetrinë qendrore të hapjes dhe kur pika shumë qendrore përfshihet në përbërjen e saj). Nëse renditni sekuencën në rend rritës, atëherë mediana e saj do të jetë elementi i mostrës që zë pozicionin qendror në këtë sekuencë të renditur. Numri i marrë në këtë mënyrë është produkti i filtrit për pikën aktuale të kornizës. Është e qartë se rezultati i një përpunimi të tillë nuk varet vërtet nga sekuenca në të cilën elementët e imazhit janë paraqitur në mostrën e punës. Le të prezantojmë një shënim zyrtar për procedurën e përshkruar në formën:
x * = med (y 1, y 2, ..., y n) (1.1)
Le të shohim një shembull. Supozoni se kampioni ka formën: Y = (136,110,99,45,250,55,158,104,75), dhe elementi 250, i vendosur në qendër të tij, korrespondon me pikën aktuale të filtrimit (i 1, i 2) (Fig. 1.1). Një vlerë e madhe e shkëlqimit në këtë pikë të kornizës mund të jetë rezultat i ndërhyrjes së impulsit (pikës). Mostra e renditur në rend rritës ka formën (45,55,75,99,104,110,136,158,250), prandaj, në përputhje me procedurën (1.1), marrim x * = med (y 1, y 2, ..., y 9) = 104. Ne shohim se ndikimi i "fqinjëve" në rezultatin e filtrimit në pikën aktuale çoi në "injorimin" e emetimit të impulsit të shkëlqimit, i cili duhet të konsiderohet si një efekt filtrues. Nëse zhurma e impulsit nuk është si pika, por mbulon një zonë lokale, atëherë ajo gjithashtu mund të shtypet. Kjo do të ndodhë nëse madhësia e kësaj zone lokale është më pak se gjysma e madhësisë së hapjes MF. Prandaj, për të shtypur zhurmën e impulsit që prek zonat lokale të imazhit, madhësia e hapjes MF duhet të rritet.
Nga (1.1) rrjedh se veprimi i MF është të "injorojë" vlerat ekstreme të kampionit të hyrjes - si ato pozitive ashtu edhe ato negative. Ky parim i anulimit të interferencave mund të zbatohet për të zbutur zhurmën e imazhit. Megjithatë, studimi i shtypjes së zhurmës duke përdorur filtrimin mesatar tregon se efektiviteti i tij në zgjidhjen e këtij problemi është më i ulët se ai i filtrimit linear.
Rezultatet eksperimentale që ilustrojnë funksionimin e MF janë paraqitur në Fig. 1.2. Në eksperimentet, ne përdorëm një MF me një hapje katrore me një anë të barabartë me 3. Rreshti i majtë tregon imazhe të shtrembëruara nga zhurma, dhe rreshti i djathtë tregon rezultatet e filtrimit të tyre mesatar. Në fig. 1.2 a dhe fig. 1.2.c tregon imazhin origjinal të shtrembëruar nga zhurma e impulsit. Kur u mbivendos, u përdor një gjenerues i numrave të rastësishëm me një ligj uniform të shpërndarjes në interval, i cili gjeneron numra të rastësishëm të pavarur në të gjitha pikat e kornizës. Intensiteti i ndërhyrjes u caktua nga probabiliteti p i shfaqjes së saj në çdo pikë. Nëse kushti n i1i2 Oriz. 1.2. Oriz. 1.2. e tregon një imazh të shtrembëruar nga zhurma e pavarur Gaussian në një raport sinjal-zhurmë q 2 = -5 dB, dhe Fig. 1.2.f - rezultati i filtrimit të tij nga filtri mesatar. Kushtet e këtij eksperimenti bëjnë të mundur krahasimin e rezultateve të tij me rezultatet e filtrimit linear të konsideruar më sipër. Tabela 1.1 ofron të dhëna që e bëjnë të mundur një krahasim të tillë. Për metoda të ndryshme filtrimi, kjo tabelë jep vlerat e katrorit mesatar relativ të gabimeve q 2 dhe koeficientin e zbutjes së zhurmës r për rastin kur raporti sinjal-zhurmë në hyrjen e filtrit është -5 dB. Tabela 1.1. Krahasimi i efikasitetit të shtypjes së zhurmës gjatë filtrimit të imazheve, q 2 = -5 dB. Më efikasi është filtri dydimensional Wiener, i cili redukton katrorin mesatar të gabimeve me 17 herë. Filtri mesatar ka efikasitetin më të ulët midis të gjithë filtrave të konsideruar; korrespondon me r = 5.86. Sidoqoftë, ky numër tregon se me ndihmën e tij është e mundur të zvogëlohet ndjeshëm niveli i zhurmës në imazh. Në të njëjtën kohë, siç u përmend më lart dhe siç tregohet në Fig. 1.2.e, filtrimi mesatar zbut skajet e imazhit në një masë më të vogël se çdo filtrim linear. Mekanizmi i këtij fenomeni është shumë i thjeshtë dhe është si më poshtë. Supozoni se hapja e filtrit ndodhet afër kufirit që ndan zonat e lehta dhe të errëta të imazhit, ndërsa qendra e tij ndodhet në zonën e zonës së errët. Pastaj, ka shumë të ngjarë, zgjedhja e punës do të përmbajë një numër më të madh elementësh me vlera të ulëta ndriçimi, dhe, për rrjedhojë, mesatarja do të jetë ndër ato elemente të përzgjedhjes së punës që korrespondojnë me këtë zonë të figurës. Situata ndryshon nëse qendra e hapjes zhvendoset në një rajon me shkëlqim më të lartë. Por kjo gjithashtu do të thotë që MF është i ndjeshëm ndaj ndryshimeve në shkëlqim. Ka shumë interpretime të metodave të punës së MF, le të shqyrtojmë një tjetër, për shembull, përdorimin e tij në përpunimin e imazheve të qelizave të gjakut - granulociteve. Përpara matjes së madhësisë së një granulociti, imazhi i tij u zbut me një filtër mesatar në mënyrë që të eliminohen granula që mund të ndikojnë në rezultatin e matjes. Zakonisht, në procesin e filtrimit mesatar, vlerat e sinjalit në një afërsi të caktuar të pikës në të cilën llogaritet përgjigja e filtrit renditen në rend rritës ose zbritës në një seri variacionesh. Përgjigja e filtrit përcaktohet si mesatare - vlera e sinjalit të mesit (qendrës) të serisë së variacionit. Në vijim, kjo lagje do të quhet dritarja e filtrit. Përveç kësaj, për thjeshtësi, ne do të shqyrtojmë një filtër me një dritare katrore me madhësi n × n. Prandaj, kur llogaritet mesatarja në dritaren e filtrit, numri i operacioneve të të dhënave, për shembull, numri i operacioneve të renditjes, është i barabartë me n 2. Kur përpunoni një imazh me madhësi M × N pika (pikselë), numri i operacioneve të të dhënave do të jetë i madh dhe do të arrijë në M × N × n 2. Operacione të ndryshme kërkojnë kohë të ndryshme ekzekutimi. Duke skanuar imazhin në sekuencë, mund të reduktohen operacionet e renditjes që kërkojnë më shumë kohë. Pra, kur kaloni nga pika o1 me dritaren w1 në pikën o2 me dritaren w2 në Fig. 1.3. është e mundur të përjashtohen pikat e kolonës 1 nga seria e variacioneve të dritares w1, të renditen pikat e kolonës 6 dhe të kombinohen dy seritë e variacioneve të fituara në një. Një algoritëm i tillë funksionon më shpejt sesa renditja e pavarur në secilën dritare, por numri i përgjithshëm i manipulimeve të të dhënave (megjithëse më pak i mundimshëm), për shembull, të paktën numërimi i të dhënave, mbetet i njëjtë, domethënë është mjaft i madh. Prandaj, me filtrimin mesatar të imazheve, ato zakonisht kufizohen në dritare 3 × 3 ose 5 × 5 dhe rrallë më shumë, gjë që është mjaft e mjaftueshme, për shembull, për të eliminuar zhurmën e impulsit. Oriz. 1.3. Skanimi i një imazhi me dritaren e filtrit mesatar
Të njëjtat kufizime pranohen me forcë për operacione të ndryshme jolineare të përpunimit morfologjik, të kryera në hapësirën gjeometrike të figurës dhe që, ndryshe nga veprimet lineare, nuk mund të kryhen në hapësirën Fourier. Në të njëjtën kohë, ka një numër problemesh të përpunimit të imazhit që mund të zgjidhen në mënyrë efektive duke përdorur filtrin mesatar, por ato kërkojnë një dritare të madhe. Një nga këto detyra do të diskutohet më poshtë. Prandaj, një rritje e mundshme në shpejtësinë mesatare të filtrimit premton shumë në detyrat e përpunimit të imazhit. Metodat mesatare të filtrimit janë mjaft të ndryshme. Ato mund të përmirësohen. Një përmirësim i tillë quhet filtrim mesatar adaptiv. Filtrimi mesatar ka gjithashtu të metat e veta. Në veçanti, është vërtetuar eksperimentalisht se kjo metodë ka një efikasitet relativisht të dobët në filtrimin e të ashtuquajturës zhurmë luhatëse. Përveç kësaj, me rritjen e madhësisë së maskës, skajet e figurës mjegullohen dhe, si pasojë, zvogëlohet qartësia e figurës. Këto disavantazhe të metodës mund të minimizohen duke përdorur filtrimin mesatar me një madhësi maske dinamike (filtrim mesatar adaptiv). Parimi i llogaritjes së referencës qendrore në përpunimin lokal të imazhit nga një dritare rrëshqitëse mbetet i njëjtë. Kjo mesatare është nga një grup mostrash të renditura që bien në dritare (maskë), dhe madhësia e dritares rrëshqitëse (maskë) është dinamike dhe varet nga shkëlqimi i pikselëve fqinjë. Le të prezantojmë koeficientin e pragut të devijimit të shkëlqimit S pragu =. Vlerat e devijimit të shkëlqimit të pikselëve fqinjë A (r, n, m), që bien në dritaren e madhësisë n × m, në lidhje me shkëlqimin e referencës qendrore A (r), do të shkruhen në forma (1.2): Atëherë kriteri sipas të cilit është e nevojshme të rritet madhësia e maskës me referencën qendrore r do të ketë formën: Bazuar në algoritmin e përshkruar, u zhvillua një program kompjuterik që konfirmoi në praktikë avantazhet e filtrimit mesatar adaptiv. 1 IN SCIENTIFIC INSTRUMENTATION, 011, vol. 1, 3, c PËRPUNIMI DHE PËRFAQËSIMI I TË DHËNAVE UDC: BV Bardin ALGORITMI FAST FILTERING MEDIANE Propozohet një algoritëm i shpejtë filtrimi mesatar i cili përdor përcaktimin e dritares së filtrit duke përdorur të dhënat analiza e një histogrami lokal. Ndërsa lëvizni nga një pikë në tjetrën gjatë skanimit të një imazhi, rregullimi i histogramit kërkon disa hapa të thjeshtë. Algoritmi i propozuar përshpejton ndjeshëm filtrimin mesatar në krahasim me algoritmet tradicionale. Kjo ju lejon të zgjeroni fushën e filtrimit mesatar. Cl. sl: filtrimi mesatar, imazhet dixhitale HYRJE Filtrimi mesatar është një mjet i përshtatshëm për përpunimin e informacionit, veçanërisht informacionin e imazhit dydimensional. Filtri mesatar heq nga fragmentet e sinjalit me madhësi më pak se gjysma e madhësisë së dritares së filtrit dhe në të njëjtën kohë shtrembëron pak ose pothuajse aspak shtrembërimin e pjesës tjetër të sinjalit. Për shembull, një sinjal monoton njëdimensional nuk shtrembërohet fare nga filtri mesatar. Aplikimi më i famshëm i filtrimit mesatar është eliminimi i zhurmës së shkurtër të impulsit nga sinjali [, 3]. Për më tepër, amplituda e ndërhyrjes nuk ndikon në rezultatin e filtrimit mesatar, në kontrast me përgjigjen e filtrit linear. Punimi demonstron përdorimin e një filtri mesatar gjatë përpunimit të imazheve të qelizave të gjakut të granulociteve. Këtu, përpara se të matej madhësia e një granulociti, imazhi i tij u zbut me një filtër mesatar për të eliminuar granula që mund të ndikonin në rezultatin e matjes. Zakonisht, në procesin e filtrimit mesatar, vlerat e sinjalit në një afërsi të caktuar të pikës në të cilën llogaritet përgjigja e filtrit renditen në rend rritës ose zbritës në një seri variacionesh. Përgjigja e filtrit përcaktohet si vlera mesatare e sinjalit në mes (qendër) të serisë së variacionit. Në vijim, kjo lagje do të quhet dritarja e filtrit. Për më tepër, për thjeshtësi, ne do të shqyrtojmë një filtër me një dritare katrore me madhësi n n. Prandaj, kur llogaritet mesatarja në dritaren e filtrit, numri i operacioneve të të dhënave, për shembull, numri i operacioneve të renditjes, është i barabartë me n. Kur përpunoni një imazh me madhësi M N pika (pikselë), numri i operacioneve të të dhënave do të jetë i madh dhe do të arrijë në M N n. Operacione të ndryshme kërkojnë kohë të ndryshme ekzekutimi. Kur skanoni një imazh në sekuencë, operacionet e renditjes që kërkojnë më shumë kohë mund të reduktohen. Pra, kur kaloni nga pika o1 me dritaren 1 në pikën o me dritaren në Fig. 1, mund të përjashtoni pikat e kolonës 1 nga seria e variacioneve të dritares 1, të renditni pikat e kolonës 6 dhe të kombinoni dy seritë e variacioneve të marra në një. Ky algoritëm funksionon më shpejt se renditja e pavarur në secilën dritare, por numri i përgjithshëm i manipulimeve të të dhënave (megjithëse më pak i mundimshëm), për shembull, të paktën numërimi i të dhënave, mbetet i njëjtë, domethënë mjaft i madh. Prandaj, me filtrimin mesatar të imazheve, ato zakonisht kufizohen në Windows 3 3 ose 5 5 dhe rrallë Fig. 1. Skanimi i imazhit me dritaren e filtrit mesatar 135 2 136 BV BARDIN është më i madh, gjë që mjafton, për shembull, për të eliminuar zhurmën e impulsit. Të njëjtat kufizime pranohen me forcë për operacione të ndryshme jolineare të përpunimit morfologjik, të kryera në hapësirën gjeometrike të figurës dhe që, ndryshe nga veprimet lineare, nuk mund të kryhen në hapësirën Fourier. Në të njëjtën kohë, ka një numër problemesh të përpunimit të imazhit që mund të zgjidhen në mënyrë efektive duke përdorur filtrin mesatar, por ato kërkojnë një dritare të madhe. Një nga këto detyra do të diskutohet më poshtë. Prandaj, një rritje e mundshme në shpejtësinë mesatare të filtrimit premton shumë në detyrat e përpunimit të imazhit. FILTRIMI I SHPEJTË MEDIANE Gjatë shqyrtimit të algoritmeve të përpunimit të imazheve të renditjes, u tregua se çdo statistikë rendore v (r) e një elementi imazhi mund të gjendet nga histogrami lokal h (q) i shpërndarjes së vlerave të elementeve të lagjes (dritaret). në figurën 1) duke zgjidhur ekuacionin v (r) h (q) r. (1) q 0 Këtu q = 0, 1, Q 1 është numri i kuantit (bina) të histogramit; v = q v vlera e kuantizuar e sinjalit të videos; r = 0, 1, 1 renditja e një elementi: numri i tij në serinë e variacioneve; numri i elementeve të lagjes (dritares), ose zona e dritares në piksel; në rastin tonë n. Filtri mesatar është një rast i veçantë i një filtri të renditjes me një renditje përgjigjeje r = (1) /. Meqenëse Q 1 h (q), () q 0, rrjedh nga (1) që mesatarja q = v (r) ndan zonën e histogramit në gjysmë (minus koshin që korrespondon me q). Në fig. tregohet ndarja e histogramit. Këtu h (q) është zona e koshit që korrespondon me h (q) Fig .. Histogrami i ndriçimit të figurës në dritaren e medianës së filtrimit q. Pjesa tjetër e përcaktimeve janë të qarta nga figura. Në këtë rast, marrëdhëniet e mëposhtme janë të vlefshme :, (3) (1) /, (4) (1) /. (5) Supozohet se është tek. Shenjat e pabarazisë në dy shprehjet e fundit mund të ndodhin vetëm në 1. Kur skanoni nga dritarja e filtrit median përgjatë vijës, kur kaloni nga pika o1 në pikën o në Fig. 1, histogrami korrigjohet si më poshtë. 1. Të dhënat që korrespondojnë me pikat në kolonën 1 hiqen nga histogrami. Në këtë rast, nga sipërfaqja e koshit përkatës për secilën pikë zbritet 1. Të dhënat që korrespondojnë me pikat në kolonën 6 shtohen në histogram. 1 dhe në të njëjtën kohë ndryshoni vlerat, dhe. 4. Në bazë të shprehjeve (3), (4) dhe (5) korrigjohen vlerat dhe q. Më poshtë është një fragment i një programi C që zbaton algoritmin e përshkruar të korrigjimit. Këtu, për të përmbushur sintaksën e C, indekset për dhe q zëvendësohen me shkronja të vogla dhe indekset për h dhe v janë hequr. Për rastin në Fig. 1 n = 5 dhe j = 1. INSTRUMENTACIONI SHKENCOR, 011, vëllimi 1, 3 3 ALGORITMI I FILTRIMIT MEDIANE I FAST 137 fr (i = 0; i 4 138 BV BARDIN Në zonën e imazhit të figurës, vlera e sfondit ndryshon ndjeshëm (ose ndryshon), atëherë filtri linear e percepton këtë ndryshim si një kërcim sinjali dhe përpiqet ta zbusë atë. Ky është një fenomen i njohur i efektit të skajit. Ka mënyra të ndryshme për t'u marrë me efektet e skajit. Më shpesh, kjo është ose heqja e një pjese të imazhit të prekur nga efektet e skajit, me një humbje përkatëse të disa informacioneve të dobishme, ose zgjerimi i kornizës në mënyrë që fusha shtesë të plotësohen në mënyrë që të mos ketë kërcime në skajet e fusha origjinale e imazhit që përmban informacione të dobishme. Megjithatë, ka imazhe në përpunimin e të cilave qasje të tilla janë ose të pamundura ose shumë të vështira. Pra, në fig. 3 tregon një pus mikroçip me objekte të analizës PCR dhe një profil sinjali përgjatë një linje horizontale në imazh. Në fig. 4 tregon llogaritjen e komponentit të sfondit duke përdorur filtrimin linear, i cili, siç shihet nga figura, jep shtrembërime të mëdha buzë përgjatë konturit të pusit. Prerja e zonave të imazhit të shtrembëruara nga efektet e skajit është e papranueshme në këtë rast për shkak të humbjes së madhe të informacionit të dobishëm, dhe zgjerimi i zonës së punës është i vështirë për faktin se kjo zonë është e rrumbullakët, si dhe për shkak të pabarazisë së madhe të sfondit përgjatë konturin e zonës. Në fig. 5 tregon llogaritjen e sfondit duke përdorur filtrin mesatar. Nga figura mund të shihet se efektet e skajit në këtë rast janë shumë të vogla, por kjo kërkonte përdorimin e një filtri me një dritare të madhe piksel ose 1681 piksele në dritare. Madhësia e imazhit ishte piksel. Koha mesatare e filtrimit u mat në një kompjuter me aftësi modeste. Ai kishte një CPU Pentiu 4 me një bërthamë. 4 Gz dhe 51 MB RAM. Koha e filtrimit me filtrin mesatar tradicional duke përdorur renditjen e të dhënave në dritare ishte 33 s. Koha e filtrimit duke përdorur algoritmin e propozuar në këtë punë ishte 0.37 s, d.m.th., pothuajse dy renditje të madhësisë më pak se kur përdorni algoritme tradicionale. Duhet theksuar se, nga njëra anë, në problemin në shqyrtim (analiza PCR), koha prej 0.37 s është mjaft e pranueshme, dhe nga ana tjetër, zakonisht përdoren kompjuterë shumë më të fuqishëm në sistemet që përdorin përpunimin dixhital të imazhit. Kështu, aplikimi i algoritmit të propozuar mund të përshpejtojë ndjeshëm punën e filtrit mesatar, i cili, përveç kësaj, ju lejon të zgjeroni fushën e filtrimit mesatar. Oriz. 4. Llogaritja e sfondit nga një filtër linear Fig. 5. Llogaritja e sfondit nga filtri median INSTRUMENTACIONI SHKENCOR, 011, vëllimi 1, 3 5 ALGORITMI I FILTRIMIT TË MEDIANEVE TË SHPEJTË 139 REFERENCAT 1. Bardin B.V. Hulumtimi i mundësive të filtrimit median në përpunimin e imazheve dixhitale të agregateve të objekteve biologjike lokale Shkencore Instrument Engineering Vol. 1, f. S Gonzalez R., Woods R. Përpunimi dixhital i imazhit. Per. nga anglishtja M .: Teknosferë, f. 3. Yaroslavsky L. P. Përpunimi dixhital i sinjalit në optikë dhe holografi. M .: Radio dhe komunikim, f. 4. Bardin B.V., Chubinsky-Nadezhdin I.V. Zbulimi i objekteve lokale në imazhet mikroskopike dixhitale // Prodhimi i Instrumenteve Shkencore Vol. 19, 4. S. Bardin B.V., Manoilov V.V., Chubinsky-Nadezhdin I.V., Vasilyeva E.K., Zarutskiy I.V. Përcaktimi i madhësisë së objekteve të imazhit lokal për identifikimin e tyre // Krijimi i Instrumenteve Shkencore Vëll. f RA, nuk është në Petersburg Është sugjeruar një algrit i shpejtë i filtrimit edian duke përdorur të dhëna edian deterinatin në filtër dhe nga analiza e histgra lcal. Kur ving fr piksel t pixel në skanimin e procesit të skanimit krectin f histgra kërkon sall numer f nn-cplex peratins. Algriti i sugjeruar rrit ndjeshëm procesin e filtrimit të edianit krahasuar me algritet tradicionale. Kjo mundëson zgjerimin e sferës së aplikimit të filtrimit edian. Fjalë kyçe: filtrim edian, iaging dixhital Paraqitja origjinale u përgatit nga V.D. Belenkov. Licenca ID 0980 datë 06 Tetor 000. Nënshkruar për botim. Letër Format Offset. Printim ofset. CONV. shtypur l Uch.-ed. l Tirazhi 100 kopje. Lloji i. urdhëroj 70. C 96 Shoqëria botuese e Shën Peterburgut "Shkenca" RAS, Shën Petersburg, linja Mendeleevskaya, 1 E-ail: Internet: .naukaspb.spb.ru Shtypshkronja e Parë Akademike "Shkenca", Shën Petersburg, 9 rreshti, 1 FILTER JO LINJË I MESATARËS GJEOMETRIKE ME PESHA EKSPONENCIALE Tolstunov Vladimir Andreevich Cand. teknologjisë. Sci., Profesor i Asociuar, Universiteti Shtetëror i Kemerovës, RF, Kemerovë E-mail: [email i mbrojtur] UDC 61.397 Frekuenca dhe metoda hapësinore e filtrimit të imazhit dixhital # 05, 01 maj Cherny S.А. Student, Departamenti i "Sistemeve dhe pajisjeve radio-elektronike" Drejtues: Akhiyarov V.V., kandidat Modifikimi efektiv i algoritmit për filtrimin mesatar adaptiv të imazheve dixhitale Yaikov Rafael Ravilievich Universiteti Shtetëror Yaroslavl me emrin P. G. Demidova 2015 Çfarë zhurmash ka? Shtues Seksioni 6. Përpunimi dixhital i sinjaleve dhe imazheve 377 UDC 004.932.2 + 004.932.72 "1 EE Plakhova, EV Merkulova Donetsk National Technical University, Donetsk Department of Automated Systems Informacioni i hapur dhe teknologjitë e integruara kompjuterike 64, 014 UDC 004.8 / 004.93 / 681.513.8; 681.514 L. S. Kostenko Metodat dhe algoritmet për zbutjen e sfondit të imazheve në sistemet e njohjes së modeleve UDC 519.6 + 004.4 FILTRIMI I TOMOGRAMËVE RREZE X ME METODËN E PËRSHTATJES SË MADHËSISË SË DRITARËS SË FILTRIT ME KARAKTERISTIKAT LOKALE TË IMAZHIT E.N. Simonov, V.V. Laskov Propozohet një algoritëm për filtrimin e imazheve. ISSN 0868 5886, shek. 96 102 PËRPUNIMI DHE ANALIZA E UDC 621.391.837: 681.3 SIGNALS B.V. Bardin, I.V. Chubinsky-Nadezhdin Zbulimi i OBJEKTEVE LOKALE NË IMAZHET MIKROSKOPIKE DIGJITALE Konsiderohet ICONICS IMAGE SCIENCE UDC 004.932.4 METODA E KOMPENSIMIT NDËRKANAL I ZHURMAVE TË PULSEVE NË PROBLEMET E RIKUJTIMIT TË IMAZHVE DIGJITALE MULTIKOMPONENTE 2013 E. A. Techoilin, Dr. shkencat; V. Zbatimi i disa algoritmeve të përpunimit të imazhit duke përdorur teknologjinë CUDA në pajisjet grafike N.N. Universiteti Shtetëror Teologjik Tomsk i Përpunimit Dixhital të Imazhit në UDC 621.391 A. V. IVASHKO, Cand. teknologjisë. Shkencave, prof. NTU "KhPI"; KN YATSENKO, student i NTU "KhPI" ZBATIMI I FILTRAVE MEDIANE DHE KUASIMEDIANE NE PROCESORET DIGJITALE SINJALE Përpunimi i imazheve dixhitale të mikrosferave të qelqit me anë të metodave të filtrimit dhe segmentimit 77-30569 / 403867 # 03, Mars 2012 Strugailo V.V. UDC 004.932 Rusi, Automobilat dhe Autostrada Shtetërore e Moskës VA Tolstunov Filtrim jolinear bazuar në transformimin e fuqisë 7 UDC 00467 VA Tolstunov Filtrim jolinear bazuar në transformimin e fuqisë Propozohet një algoritëm dixhital i filtrit zbutës Përmbajtja 6. Përpunimi dhe analiza sasiore e imazheve SPM Përmbajtja 6. PËRPUNIMI DHE ANALIZA SASIATIVE e imazheve SPM ... 6-1 6.1. QËLLIMI I PUNËS ... 6-2 6.2. PËRMBAJTJA E PUNËS ... 6-2 6.3. USHTRIMI... Filtrimi i brezit 1 Filtrimi i brezit Në seksionet e mëparshme, u mor në konsideratë filtrimi i variacioneve të shpejta të sinjalit (zbutja) dhe variacionet e tij të ngadalta (eliminimi i trendit). Ndonjëherë duhet të theksoni UDC 004.932 V.K. Zlobin, B.V. Kostrov, V.A. Sablina ALGORITMI I FILTRIMIT SEKUENCIAL TË NDËRHYRJES SË GRUPIT NË IMAZH Problemet e përdorimit të metodave të analizës sekuenciale në lidhje me dixhitale Math-Net.Ru Portali Matematikor Gjith-Rus A. V. Grokhovskoy, A. S. Makarov, Algoritmi për përpunimin paraprak të imazheve për sistemet teknike të vizionit, Matem. modelimi dhe skajet. detyrat, 2009, UDC 61.865.8 METODAT E RRITJES SË KONTRASTIT TË Imazheve Rasterike PËR SISTEMET DIGJITALE TË PËRPUNIMIT TË INFORMACIONIT VIDEO M. B. Sergeev, Dr. Tech. Shkenca, Profesor N.V. Soloviev, Dr. teknologjisë. Shkencave, Profesor i Asociuar A.I. Ndikimi i filtrave në klasifikimin e gjurmëve të gishtërinjve # 01, janar 2015 Deon A. F., Lomov D. S. UDC: 681.3.06 (075) Rusi, MSTU im. N.E. Bauman [email i mbrojtur] Klasat e gjurmëve të gishtave në gjurmët tradicionale të gishtërinjve ISSN 0868 5886, shek. 9 13 METODAT E MATJES UDC 543.426; 543.9 Yu. V. Belov, I. A. Leontiev, A. I. Petrov, V. E. Kurochkin KORRIGJIMI I LINËS BAZË TË DETETORIT FLUORESHENT ANALIZATOR GJENETIK Ndërtimi i pajisjeve dhe përdorimi i lëngjeve UDC 004.93.4: 551.463.1 G. A. Popov D. A. Khryachev Detyre shtepie. Përpunimi i rezultateve të vëzhgimeve të një vektori të rastësishëm dydimensional. 1. Përmbajtja dhe rendi i kryerjes së punës Duke pasur parasysh një mostër të çiftëzuar (x i; y i) me vëllim 50 nga një dydimensionale e shpërndarë normalisht Një manual për studentët e institucioneve të arsimit të mesëm të përgjithshëm botimi i 5-të, i rishikuar Moz ry "White Wind" 2 0 1 4 UDC 372.851.046.14 BBK 74.262.21 T36 Përbërja G. A . BURYAK R e c e n SWorld 218-27 Dhjetor 2012 http://www.sworld.com.ua/index.php/ru/conference/the-content-of-conferences/archives-of-individual-conferences/december- 2012 PROBLEMET MODERNE DHE MËNYRAT ZGJIDHJA E TYRE NË SHKENCË, AGJENCIA FEDERALE E TRANSPORTIT HEKURUDHOR Institucioni Arsimor Buxhetor Federal i Shtetit i Arsimit të Lartë Profesional "UNIVERSITETI SHTETËROR I RRUGAVE TË PETERSBURGUT UDC 004.021 1 E. V. Leontyeva, E. V. Medvedeva METODA PËR RIKURTIMIN E IMAZHVE TË KOMPONENTIT RGB TË SHENDEMRUARA NGA NDËRHYRJA APLIKATIVE Ministria e Arsimit e Federatës Ruse Universiteti Teknik Shtetëror i Volgogradit Departamenti i Shkencës së Materialeve dhe Materialeve të Përbëra Metodat e kërkimit njëdimensional Udhëzime metodike Grafika kompjuterike Reduktimi dhe eliminimi i zhurmës Reduktimi i zhurmës së imazhit Reduktimi dhe eliminimi i zhurmës Origjina e zhurmës: Instrumentim i papërsosur Ruajtja dhe transmetimi i imazheve Departamenti i Mbështetjes Matematikore të ACS G.A. SHEININA Strukturat dhe algoritmet e përpunimit të të dhënave Rekomanduar nga Këshilli Redaktues dhe Botues i Universitetit si udhëzime për studentët e specialitetit MINISTRIA E ARSIMIT DHE SHKENCËS E INSTITUCIONIT ARSIMOR SHTETËROR TË ARSIMIT TË LARTË PROFESIONAL RF "UNIVERSITETI SHTETËROR AEROSHAPËSIRËS SAMARA me emrin akademik S.P. Filtrimi jolinear i skajeve me interferencë të zhurmshme 245 FILTRIMI JOLINEAR I BENDAVE TË NDËRHYRJES SË ZHURME ME PËRGJIGJE HAPËSINORE TË VARUR TË IMPULSIT TË SISTEMIT M.V. Volkov këshilltar shkencor MINISTRIA E ARSIMIT TË PËRGJITHSHËM DHE PROFESIONAL E FEDERATISË RUSE N.I. LOBACHEVSKY Fakulteti i Matematikës Kompjuterike dhe Kibernetikës Departamenti i Matematikës INSTITUCIONI ARSIMOR SHTETËROR I ARSIMIT TË LARTË PROFESIONAL "UNIVERSITETI SHTETËROR PEDAGOGJIK VORONEZH" HYRJE NË ANALIZË DHE LLOGARITJE DIFERENCIALE TË FUNKSIONIVE TË NJË VARIABLE ALGORITME TË KËRKIMIT TË DISTANCAVE NË OBJEKTET PIKSELE NË IMAZHET BINARE N.L. Kazansky, V.V. Myasnikov, R.V. Instituti Khmelev i Sistemeve të Përpunimit të Imazheve, Akademia Ruse e Shkencave Deklarata e problemit Një nga detyrat më të rëndësishme 00 BULETINI I UNIVERSITETIT SHTETËROR TË NOVGOROD-it 55 UDC 598765 IZOLIMI I PARAQITJEVE TË IMAZHIT TË NJË OBJEKTI TË LËVIZUAR Iotitov, Instituti i Sistemeve Elektronike dhe Informative Gmemelyanov NovGU, [email i mbrojtur] ISSN2221-2574 Sistemet televizive, transmetimi dhe përpunimi i imazhit UDC 621.396 Ndërtimi i një modeli imazhi testues SN Zhiganov, IV Gashin Punimi shqyrton një teknikë për ndërtimin e një modeli imazhi, Sistemet e kontrollit dhe modelimi Një algoritëm për analizimin e qëndrueshmërisë së fortë të sistemeve të kontrollit diskrete me kufizime periodike MV MOROZOV Abstrakt. Për sisteme diskrete lineare jostacionare UDC 681.5: 004.93 Kalinichenko Yu.V. PËR PYETJEN E IDENTIFIKIMIT TË KUFIJVE NGA DETETORI KENNY Universiteti Kombëtar i Lugansk me emrin Taras Shevchenko Çështja e zbulimit të kufijve nga detektori Kenny është shqyrtuar. Algoritmi i implementuar Konferenca rajonale shkencore-praktike e punimeve edukative dhe kërkimore të nxënësve të klasave 6-11 "Pyetje të aplikuara dhe themelore të matematikës" Pyetje të aplikuara të matematikës Njohja e simboleve në elektronikë ALGORITME PËR KONTROLLIN E KORDINATAVE TË BURIMIT TË RREZATIMIT NË SIPËRFAQEN FOTOSENSITIVE TË MATRICËS V.V. Zamyatin Përpunimi Digital Signal Processing 4/28 UDC 68.58 FILTRIM ADAPTIVE I IMAGES ME DISTORTIONS STRUCTURAL Kostrov B.V., Sablina V.A. Hyrje Procesi i regjistrimit të imazheve të hapësirës ajrore shoqërohet me 370 Seksioni 6. Përpunimi dixhital i sinjaleve dhe imazheve UDC 004. 93 "12 IS Lichkanenko, VN Pchelkin Donetsk University Technical National, Donetsk Departamenti i Sistemeve të Monitorimit Kompjuterik METODAT PËRPUNIMI I IMAZHVE TË HAPËSIRËS NË BAZË TË PËRFAQËSIMIT TË FREKUNCËS A.Yu. E-mail i Universitetit Shtetëror të Rigid Belgorod: [email i mbrojtur] Punimi përshkruan një metodë të re filtrimi ISSN 1995-55. Buletini i RGRTU. 1 (çështja 31). Ryazan, 0 UDC 1,391 Yu.M. Korshunov VLERËSIMI I CILËSISË SË FUNKSIONIMIT TË FILTRAVE DIGJITALE BAZUAR NË NJË MODEL SIMULATIVE TË KRIJUARA ARTIFICIALISHT TË NJË SINJALI DHE NDËRFERE Propozohet një metodë. ANALIZA E PËRBËRJES SË SHPËRFAQE TË OBJEKTEVE MIKROSKOPIKE ME KOMPJUTERA D. V. Korolev, K. A. Suvorov Instituti Shtetëror Teknologjik i Shën Petersburgut (Universiteti Teknik), [email i mbrojtur] UDC 528.854 Kuzmin S. A. HULUMTIM I ALGORITMEVE PËR ELLIMINIMIN E NDËRFERJES SË PULSEVE NË VIDEO Problemi i përmirësimit të karakteristikave të algoritmeve për zbulimin e objekteve në sekuencat video duke shtypur UDC 681.3.082.5 G.N. Algoritmi Glukhov për zbutjen dixhitale të sipërfaqeve Propozohet një algoritëm për zbutjen optimale të sipërfaqes. Kriteri i optimalitetit është minimumi i shumave të ponderuara: shumat e katrorëve Një manual për studentët e institucioneve të arsimit të mesëm të përgjithshëm A s t a t e l GI Struk botimi i 5-të "Bely Veter" Mozir 2 0 1 4 UDC 372.851.046.14 LBC 74.262.21 T36 Referencat: kandidati SWorld 8-29 qershor 203 http://www.sworld.com.ua/index.php/ru/conference/the-content-of-conferences/archives-of-individual-conferences/june-203 PROBLEMET MODERNE DHE MËNYRAT E ZGJIDHJA E TYRE NË SHKENCË, TRANSPORT, Ministria e Arsimit e Federatës Ruse Universiteti Shtetëror i Shën Petersburgut të Temperaturave të Ulëta dhe Teknologjive të Ushqimit Departamenti i Mekanikës Teorike KËRKIM I FORCAVE REAKTIVE TË MBËSHTETJEVE TË PËRBËRSHME UDC 004.932.72; 681.3 N. Yu. Ryazanova, V.A. UDC 621.397: 621.396.96 IZOLIMI I SKAPËVE TË DREJTË NË IMAZHET E ZHURMAVE V. Yu. Volkov, Dr. Tech. Sci., Profesor i Universitetit Shtetëror të Telekomunikacionit të Shën Petersburgut me emrin prof. M. Ministria e Arsimit dhe Shkencës së Federatës Ruse Universiteti Shtetëror Altai O. Yu. Voronkova, S. V. Ganzha MEKANIZMI ORGANIZATIV DHE EKONOMIK PËR RREGULLIMIN E MARRËDHËNIEVE HIPOTEKE TË TOKËS NË KUSHTET E TREGUT RIKURTIMI I IMAZHIT ME FILTERA JOLINEARE I FITUAR NGA INDIFIKIMI I NJË FILTER LINEAR SIPAS PARAMETRAVE TË MODELIT V.A. Fursov, D.A. Universiteti Shtetëror i Hapësirës Ajrore Elkin Samara me emrin Akademik ISSN 0868 5886, shek. 101 106 INSTRUMENTET, INSTALIMET, METODA UDC 621.38 B.S. Revista elektronike "Trudy MAI". Çështja 50.mai.ru/science/trud/ UDC 004.9 LBC 3.97 Metodologjia për filtrimin e zhurmës periodike në imazhet dixhitale V.Yu. Gusev A.V. Krapivenko Annotation Artikulli shqyrton MODELI I SISTEMIT VIZUAL TË OPERATORIT NJERËZOR NË NJOHJEN E IMAZHVE TË OBJEKTEVE Yu.S. Gulina, V. Ya. Universiteti Teknik Shtetëror i Moskës Kolyuchkin N.E. Bauman, Matematika METODAT OPTIKO-ELEKTRONIKE PËR KONTROLLIN E KORDINATAVE TË Emituesit NË SIPËRFAQËN E MATRIKËS ME ALGORITME QENDROIDALE V. I. Zamyatin V. V. Zamyatin Universiteti Teknik Shtetëror Altai me emrin UDC 621.396 REDUCING THE NDIKIM TË KUANTIZIMIT 8-BIT TË GRADACIONIT TË NDRIÇIMIT MBI MUNDËSINË E RESTAURIMIT A. Yu. Zrazhevsky, A. V. Kokoshkin, V. A. Korotkov Instituti i Inxhinierisë së Radios dhe Elect. V.A. Kotelnikova Detyra Lab 3 Kërkohet të zbatohet një program që kryen veprime në vargje. Në pjesën 1, vargjet me madhësi statike lejohen. Kur bëni pjesën 2 Metodologjia për vlerësimin apriori të efikasitetit të kompresimit të imazhit dixhital në sistemin e transmetimit të të dhënave operacionale të sensorit në distancë të Tokës 2.3. Analiza e linearitetit të algoritmeve të kompresimit Për analizën dixhitale Mësimi 3 ANALIZA E REGRESIONIT PËR PËRPUNIM TË REZULTATEVE EKSPERIMENTALE Analiza e regresionit përdoret shpesh në kimi për të përpunuar të dhëna eksperimentale, tërësia e të cilave përfaqësohet nga disa Punëtori për studentët e institucioneve të arsimit të mesëm të përgjithshëm Mozyr "White Wind" 2 0 1 4 UDC 51 (075.2) ББК 22.1я71 Л84 Referencat: Kandidat i Shkencave Pedagogjike, Profesor i Asociuar i Departamentit të Metodologjisë Agjencia Federale e Arsimit Institucioni Arsimor Shtetëror i Arsimit të Lartë Profesional Universiteti Teknik Shtetëror Don MINISTRIA E ARSIMIT DHE SHKENCËS E FEDERATËS RUSE Institucioni Arsimor Buxhetor i Shtetit Federal i Arsimit të Lartë Profesional "KËRKIM KOMBËTAR TOMSK POLITEKNIK MINISTRIA E SHËNDETËSISË E REPUBLIKËS SË Bjellorusisë METODA E DIAGNOSTIKËS DIFERENCIALE TË PANCREATITIT KRONIK DHE ADENOKARCINOMA PANKREASIT Udhëzime për përdorim INSTITUCIONET ZHVILLIMORE: RIKURTIMI FAZËROR TË BRIZAVE TË NDËRFERENCAVE ME METODA E FILTRIMIT JOLINEAR DYDIMENSIONAL KALMAN A.S. Zakharov Janë hetuar karakteristikat e një filtri dydimensional diskret jolinear Kalman në vlerësimin dinamik. MBLEDHJA E PUNËVE SHKENCORE NSTU. 28.4 (54). 37 44 UDC 59.24 RRETH KOMPLEKSIT TË PROGRAMEVE PËR ZGJIDHJEN E PROBLEMIT TË IDENTIFIKIMIT TË OBJEKTEVE LINEARE DINAMIKE TË STACIONARE DISKRETE G.V. TROSHINA Një grup programesh Materiale të Konferencës V Ndërkombëtare Shkencore dhe Teknike, 3 nëntor 8, SHKENCËTARË TË RINJ TË MOSKËS 8, pjesa 4 MIREA VLERËSIMI I CILËSISË SË FILTRAVE TË INTERPOLIMIT NË STANDARDET E VIDEOKODIMIT 8 D. B. POLYAKOV
Transkripti
