تصاویر گسسته تصویربرداری گسسته چیست؟ و سخت افزار چه اجازه ای می داد؟ راه های آنالوگ و مجزا برای نمایش تصویر و صدا

راه های آنالوگ و مجزا برای نمایش تصویر و صدا

افراد برای درک و ذخیره اطلاعات در قالب تصاویر (صدا، صدا، بو، طعم و بو) طراحی شده اند. تصاویر حیوانات را می توان در تصاویر بصری (نوزادان، عکس ها و غیره) حفظ کرد و تصاویر صوتی را می توان روی رکوردها، نوارهای مغناطیسی، دیسک های لیزری و غیره ضبط کرد.

اطلاعات، از جمله گرافیک و صدا، ممکن است در ارائه شود آنالوگیا چیز دیگر گسستهفرم. با عرضه آنالوگ، کمیت فیزیکی یک ارزش غیر شخصی به خود می گیرد و مقادیر آن به طور مداوم تغییر می کند. هنگامی که به طور مجزا اعمال می شود، کمیت فیزیکی یک مقدار غیرشخصی نهایی به خود می گیرد و کمیت آن به صورت موجی تغییر می کند.

بیایید به نمایش آنالوگ و گسسته اطلاعات نگاه کنیم. موقعیت بدن در یک صفحه عریض و روی شیب ها با مقادیر مختصات X و Y مشخص می شود. هنگام حرکت بدن در امتداد یک صفحه عریض، مختصات آن را می توان بدون وقفه، مقادیر را گرفت. از کل محدوده تغییر می کند، و هنگام حرکت در امتداد شیب ها - به همان اندازه درست مانند یک آهنگ، مقدار تنظیم می شود و کوچکترین آنها مانند استریبکو هستند (شکل 1.6).

نمونه ای از نمایش آنالوگ اطلاعات گرافیکی می تواند، به عنوان مثال، یک نقاشی که رنگ آن به طور مداوم تغییر می کند، و یک تصویر گسسته، که توسط اضافی هدایت می شود. چاپگر جوهر افشانو از اطراف چند نقطه تشکیل شده است رنگهای متفاوت. روش آنالوگ ذخیره اطلاعات صدا یک صفحه وینیل است (تراک صدا به طور مداوم شکل خود را تغییر می دهد) و گسسته یک CD صوتی است (تراک صدا را می توان به قسمت های مختلف تصویر تقسیم کرد). є).

تبدیل اطلاعات گرافیکی و صوتی از فرم آنالوگ به فرم گسسته توسط نمونه برداری، بی وقفه باشد تصویر گرافیکیبدون وقفه (آنالوگ) سیگنال صوتیدر لبه عنصر در طول فرآیند نمونه‌برداری، کدگذاری برای تخصیص یک مقدار خاص به عنصر پوست در قالب یک کد انجام می‌شود.

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

غذا برای افکار

1. کاربرد روش های آنالوگ و گسسته ارائه اطلاعات گرافیکی و صوتی را شناسایی کنید.

2. ماهیت فرآیند گسسته سازی چیست؟

تصاویری که از عناصر گسسته تشکیل شده‌اند و می‌توانیم از آن‌ها بیشتر از تعداد نهایی مقادیر قابل توجهی که در ساعت پایانی تغییر می‌کنند، بگیریم، گسسته نامیده می‌شوند. لازم به ذکر است که عناصر یک تصویر گسسته ظاهراً ممکن است دارای یک ناحیه ناهموار باشند و پوست آنها ممکن است دارای تعداد نامساوی درجه بندی متمایز باشد.

همانطور که در بخش اول نشان داده شده است، شبکه تصاویر مجزا را به بخش دوم تحلیلگر بصری ارسال می کند.

تداوم آنها آشکار است - تنها یکی در یک توهم. این "کوانتیزاسیون" تصویر اولیه با مرزهایی که با ساختار مجزای سیستم نوری چشم مرتبط است و نه با عناصر ساختاری مورفولوژیکی سیستم زور نشان داده نمی شود، بلکه توسط سازمان عملکردی من بلوک های عصبی دارم.

تصاویر توسط میدان های گیرنده به عناصر مجزا تقسیم می شوند که تعداد یکسانی از گیرنده های نور را ترکیب می کنند. میدان های گیرنده با اولین دید سیگنال نور قشری در مسیر فضا و جمع ساعت ارتعاش می کنند.

قسمت مرکزی شبکیه (فووآ) فقط توسط فلاسک ها اشغال شده است؛ در حاشیه، فووئا توسط مخروط ها و میله ها اشغال شده است. در مغز شب، میدان‌های مخروطی در قسمت مرکزی شبکیه تقریباً به یک اندازه هستند (در دنیا حدود 5 عدد). نقش اصلی در مغز این است که میدان های چوب در شب می درخشند، بنابراین تمام سطح مش را اشغال می کند. بوی تعفن تقریباً 1 درجه در سراسر سطح مش است. تعداد چنین میدان هایی در سیتکیوتسی تقریباً 3 هزار است. نه تنها تشخیص، بلکه مشاهده اشیاء با نور ضعیف در این مناطق توسط بخش های محیطی مش انجام می شود.

با افزایش روشنایی، سیستم دیگری از سلول های تجمعی - میدان های گیرنده مخروطی - شروع به ایفای نقش اصلی می کند. در fovea، افزایش روشنایی منجر به تغییر تدریجی مقدار میدان موثر می شود، تا زمانی که در روشنایی حدود 100 ASB به یک مخروط کاهش می یابد. در حاشیه، با افزایش روشنایی، میدان های میله ای به تدریج مرتعش می شوند (رنگی می شوند) و وارد فعالیت مخروطی می شوند. میدان‌های مخروطی در حاشیه، مشابه میدان‌های فووئال، ممکن است بسته به انرژی نوری که بر روی آنها فرود می‌آید، شدت خود را تغییر دهند. بیشترین تعداد فلاسک هایی که میدان های گیرنده مخروطی می توانند تولید کنند به دلیل افزایش روشنایی از مرکز تا لبه های مش رشد می کند و در نقطه پایانی 50-60 درجه جلوتر از مرکز دسترسی حدود 90 است.

می توانید مطمئن باشید که در ذهن روشنایی روز، تعداد میدان های پذیرنده نزدیک به 800 هزار است. این مقدار تقریباً با تعداد فیبرهای عصب بینایی انسان مطابقت دارد. پراکندگی اشیاء در طول روز به دلیل سر فووآ است، جایی که میدان پذیرنده را می توان به یک مخروط کاهش داد و خود مخروط ها به طور گسترده تری گسترش می یابند.

از آنجایی که تعداد مراکز مش انباشته را می توان نسبتاً نزدیک تعیین کرد، هنوز داده کافی برای تعیین تعداد مکان های احتمالی میدان های پذیرنده وجود ندارد. می توان ارزیابی های اضافی را بر اساس توسعه آستانه های افتراقی میدان های پذیرا ایجاد کرد. کنتراست مرزی در میدان‌های پذیرنده فووئال در محدوده کاری نرمال سبکی از مرتبه 1 است. که در آن تعداد درجه‌بندی‌های قابل توجه کم است. کل محدوده میدان پذیرای فووئال مخروطی 8-9 درجه بندی متفاوت است.

دوره انباشتگی در میدان پذیرنده - این نام سه گانه بحرانی است - به طور متوسط ​​​​0.1 ثانیه محاسبه می شود، اما در سطوح بالارعد و برق ممکن است، به طور قابل توجهی تغییر کند.

در واقع، مدلی که ساختار گسسته انتقال تصویر را توصیف می کند، پیچیده تر است. وارتو روابط بین ابعاد میدان پذیرا، آستانه ها و سهل انگاری بحرانی، و همچنین ماهیت آماری آستانه های دیداری را برجسته می کند. اما در حال حاضر نیازی به آن نیست. در مدل کلی تصویر می توان مجموع همان عناصر را دید که ابعاد آنها کوچکتر است، ابعاد کوچکترین قسمت مجاز توسط چشم، تعداد نشانه ها که بزرگتر هستند و حداکثر تعداد. درجه بندی روشنایی وجود دارد و ساعت تغییر گسسته آن کمتر از دوره میگتین در فرکانس بحرانی یک ساعت است.

برای جایگزینی تصاویر اجسام واقعی و پیوسته در دنیای خارجی با چنین تصاویر گسسته، جایگزینی را علامت گذاری نکنید. * همچنین تصاویر گسسته ای از این نوع کمتر از اطلاعاتی که سیستم بصری دریافت می کند دریافت نمی شود. **

*تصاویر رنگی و حجمی را نیز می توان با مدل های مجزا جایگزین کرد.
** جایگزینی تصاویر پیوسته با تصاویر گسسته مشکل دارد. مهمتربرای فناوری فیلم و تلویزیون کوانتیزه کردن ساعت-زمان اساس این فناوری است. در سیستم های تلویزیونی با کد پالس، تصاویر نیز بر اساس روشنایی به عناصر گسسته و کوانتومی تقسیم می شوند.

می توانید یک تصویر پیوسته را با یک تصویر گسسته جایگزین کنید به روش های مختلف. به عنوان مثال می توانید سیستمی از توابع متعامد را انتخاب کنید و با محاسبه ضرایب نمایش تصویر در پشت این سیستم (بر این اساس) تصاویر را با آنها جایگزین کنید. تنوع پایه ها امکان روشن کردن پدیده های گسسته مختلف یک تصویر پیوسته را فراهم می کند. با این حال، مفیدترین نمونه‌برداری دوره‌ای یا همان‌طور که ممکن است حدس بزنید، نمونه‌برداری با شطرنجی مستطیلی است. این روش گسسته‌سازی را می‌توان یکی از گزینه‌های ایجاد یک مبنای متعامد دانست که در هسته عناصر خود با توابع درج شده، ویکورسیستی است. در ادامه، نگاهی دقیق‌تر به ویژگی‌های اصلی نمونه‌برداری رو به جلو خواهیم داشت.

اجازه دهید - بدون وقفه در تصویر، و - در عین حال به صورت گسسته، از روش مستمر نمونه برداری مستقیم گرفته شود. این بدان معنی است که ارتباط بین آنها با عبارت نشان داده می شود:

حذف - لبه های عمودی و افقی ثابت یا فواصل نمونه برداری. شکل 1.1 توزیع ویژگی ها را در یک صفحه با گسسته سازی رو به جلو نشان می دهد.

مشکل اصلی که هنگام جایگزینی یک تصویر پیوسته با یک تصویر گسسته ایجاد می شود، در ذهنی است که چنین جایگزینی کامل شده است، به طوری که با از دست دادن اطلاعات موجود در سیگنال پیوسته همراه نباشد. هر روز را صرف کنید، اگر سیگنال گسسته ای در اختیار دارید، می توانید بدون وقفه تمدید کنید. از نقطه نظر ریاضی، تغذیه، به این ترتیب، تحت به روز شده قرار می گیرد سیگنال بدون وقفهدر فضاهای دو بعدی بین گره ها، به هر معنا، یا به عبارت دیگر، در درون یابی دو بعدی فعلی. اطلاعات مدار منبع تغذیه با تحلیل توان طیفی تصاویر پیوسته و گسسته امکان پذیر است.

طیف فرکانس بدون وقفه دو بعدی سیگنال بدون وقفه به تبدیل مستقیم Four'e دو بعدی اختصاص داده می شود:

دروازه جهان دوگانه فوری چه چیزی را نشان می دهد:

رابطه باقیمانده برای هر مقداری صادق است، از جمله در گره های یک شبکه مستطیلی . بنابراین، برای مقدار سیگنال در گره ها، پزشکان (1.1)، روابط (1.3) را می توان به شکل زیر نوشت:

برای سازگاری از طریق یک بخش برش مستقیم در منطقه فرکانس دو جهان مهم است. محاسبه انتگرال در (1.4) در کل محدوده فرکانس را می توان با ادغام در بخش های جداگانه و نتایج فرعی جایگزین کرد:

در نهایت، جایگزینی تغییرات به قانون استقلال منطقه ادغام بین اعداد و موارد زیر را تضمین می کند:

اینجا دروغه، درسته؟ برای هر معنی کامل i. این دگرگونی، در شکل خود، به بازآفرینی دروازه خز بسیار نزدیک است. اهمیت فقط در ظاهر نادرست ضریب نمایی است. برای تهیه این نوع لازم فرکانس های نرمال شده معرفی شده و مشخص می شود که تعویض فرکانس های قابل تغییر ضروری است. در نتیجه ما رد می کنیم:

حال عبارت (1.5) به شکل معکوس Four است و بنابراین در زیر علامت تابع انتگرال قرار می گیرد.

(1.6)

طیف دو بعدی یک تصویر گسسته. مساحت فرکانس های غیر استاندارد viraz (1.6) به شکل زیر است:

(1.7)

از (1.7) چنین استنباط می شود که طیف دو بعدی یک تصویر گسسته به صورت مستطیلی تناوبی با دوره هایی در امتداد محورهای فرکانس و به روشی مشابه است. طیف یک تصویر گسسته در نتیجه قرار گرفتن تعداد نامتناهی از طیف های یک تصویر پیوسته ایجاد می شود که با اختلالات فرکانسی به یک نوع تقسیم می شوند. شکل 1.2 به وضوح رابطه بین طیف های دو بعدی تصاویر پیوسته (شکل 1.2.a) و گسسته (شکل 1.2.b) را نشان می دهد.

نتیجه جمع بندی خود به مقادیر این اختلالات فرکانس یا به عبارت دیگر به انتخاب فواصل نمونه گیری بستگی دارد. قابل قبول است که طیف یک تصویر پیوسته از صفر به هر ناحیه دو بعدی در مجاورت فرکانس صفر گسترش یابد، یعنی با یک تابع متناهی دو بعدی توصیف شود. در کدام فواصل نمونه برداری تصویر گرفته می شود تا اگر چنین است، در این صورت استفاده از میخ های سفت در طول قالب گیری کیسه (1.7) رخ نخواهد داد. بنابراین، بین قطعات مستطیلی پوست از صفر بیش از یک محصول اضافی وجود خواهد داشت. زوکرما، هنگام استفاده:

در،. (1.8)

بنابراین، در حوزه فرکانس، طیف تصاویر پیوسته و گسسته تا یک ضریب ثابت مطابقت دارند. در این حالت، طیف یک تصویر گسسته در این ناحیه فرکانسی حاوی اطلاعات جدیدی در مورد طیف یک تصویر پیوسته است. لازم به ذکر است که این اجتناب به خصوص در بحث ذهن ها جایگاهی دارد که با انتخاب بیشتر فواصل نمونه گیری مشخص می شود. قابل توجه است که تسخیر این اذهان مطابق با (1.8) با مقادیر اندک فواصل نمونه گیری حاصل می شود که برای برآوردن موارد زیر ضروری است:

که در آن - فرکانس های محدود کننده طیف دو بعدی.

رابطه (1.8) به معنای روشی برای جداسازی یک تصویر پیوسته از یک تصویر گسسته است. چرا از فیلتر دو بعدی یک تصویر گسسته با فیلتر پایین گذر با پاسخ فرکانسی استفاده کنیم؟

طیف تصویر در خروجی آن شامل اجزای غیر صفر فقط در حوزه فرکانس است و مشابه (1.8) به طیف تصویر پیوسته است. این بدان معنی است که تصویر خروجی یک فیلتر پایین گذر ایده آل مشابه است.

بنابراین، به روز رسانی درون یابی ایده آل یک تصویر پیوسته مبتنی بر استفاده از یک فیلتر دو بعدی اضافی با پاسخ فرکانس رو به جلو (1.10) است. نوشتن یک الگوریتم برای به روز رسانی یک تصویر پیوسته مهم نیست. ویژگی ضربه دو بعدی فیلتر به روز شده است، که به راحتی می توان با استفاده از معکوس چهار (1.10) حذف شد، به نظر می رسد:

.

محصول فیلتر را می توان با استفاده از یک نمونه دو بعدی اضافی از تصویر ورودی و پاسخ ضربه ای داده شده اندازه گیری کرد. ارائه تصویر ورودی به عنوان یک توالی-تابع دو بعدی

پس از Vikonannya zgortki می دانیم:

اشتقاق رابطه روش به روز رسانی درون یابی دقیق یک تصویر پیوسته را با توجه به توالی تصاویر دو بعدی نشان می دهد. مناسب با این فرمول برای به روز رسانی دقیق در نقش درون یابی عملکرد دو بعدی vikoristovat گناهکار در فرم است. رابطه (1.11) یک نسخه دو بعدی از قضیه Kotelnikov-Nyquist است.

اجازه دهید یک بار دیگر تأکید کنیم که نتایج منصفانه هستند، زیرا طیف دو بعدی سیگنال محدود است و فواصل نمونه برداری کوچک است. عدالت ارتش های رو به رشد در حال نابودی است، حتی اگر یکی از این ذهن ها از بین نرود. تصاویر واقعی به ندرت طیف هایی را با فرکانس های لبه مشخص نشان می دهند. یکی از دلایل عدم وجود دامنه طیف، دامنه ابعاد تصویر است. از این طریق، هنگامی که در (1.7) خلاصه می شود، در نواحی پوستی، اثر افزودنی ها از مناطق طیفی پوست ظاهر می شود. در این سطح از دقت، به روز رسانی یک تصویر پیوسته غیرممکن می شود. Zokrem، به روز رسانی دقیق و فیلتر vicor با پاسخ فرکانس رو به جلو را وارد نکنید.

کلید به‌روزرسانی تصویر در فواصل بین بخش‌ها، انتخاب تمام بخش‌های یک تصویر مجزا است، همانطور که در روش (1.11) توضیح داده شده است. همیشه لازم نیست که به صورت دستی انجام شود، اغلب لازم است سیگنال را در ناحیه محلی تجدید کنید و روی تعداد کمی از مقادیر گسسته آشکار پخش شود. در این موارد، به روز رسانی شبه بهینه با کمک عملکردهای مختلف کاملا راکد است. این نوع مشکل، برای مثال، زمانی که مشکل جدی در پیوند دو تصویر وجود دارد، در صورتی که از طریق تنظیم هندسی این تصاویر، بتوان بخش‌های آشکار یکی از آنها را با نقاط مختلفی که در شکاف‌های بین تصویر قرار دارند، شناسایی کرد. گره های دیگر وای. این کار فعلی با جزئیات بیشتر در بخش های آینده این کتاب راهنما مورد بحث قرار گرفته است.

کم اهمیت 1.3 تزریق فواصل نمونه برداری در تصویر به روز شده را نشان می دهد. تصویر بلال، که نشان دهنده یک انگشت است، در شکل نشان داده شده است. 1.3، a و یکی از خطوط طیف نرمال شده 1 در شکل نشان داده شده است. 1.3، ب. این تصویر گسسته است و مقدار فرکانس قطع متفاوت است. یاک از برنج تکان می خورد. 1.3، b، مقدار طیف در این فرکانس بسیار کوچک است، که به روز رسانی واضح را تضمین می کند. در واقع، در شکل 1.3. و تصویر نتیجه به روز رسانی یک تصویر مداوم است و نقش به روز رسانی فیلتر و دستگاه تجسم نهایی - مانیتور یا چاپگر. که حس آن تصویر انجیر است. 1.3.و می توانید بدون وقفه به آن نگاه کنید.

کم اهمیت 1.3، c، d پیامدهای انتخاب نادرست فواصل نمونه گیری را نشان می دهد. هنگامی که آنها حذف شدند، "نمونه برداری از تصویر بدون وقفه" ایجاد شد. 1.3.و نحوه مدیریت شعب شما. کم اهمیت 1.3، افزایش نرخ نمونه برداری در امتداد مختصات پوست را به میزان سه نشان می دهد، و شکل. 1.3، گ - در چوتیری رازی. این قابل قبول است، زیرا مقادیر فرکانس های مرزی بول به همان تعداد بار کمتر است. درست است، همانطور که از شکل مشاهده می شود. 1.3، b، آسیب انتظار می رود (1.9)، به خصوص شدید با رقیق شدن مایعات چهار بار. بنابراین، با پیروی از الگوریتم اضافی (1.11)، به نظر می رسد که تصاویر نه تنها از فوکوس خارج شده اند، بلکه بافت بیت مپ را نیز به شدت مخدوش می کنند.

در شکل 1.4 مجموعه مشابهی از نتایج گرفته شده برای یک تصویر از نوع "پرتره" را نشان می دهد. اثرات نازک شدن قوی تر (چهار بار در شکل 1.4.c و شش بار در شکل 1.4.d) عمدتاً در از دست دادن شفافیت ظاهر می شود. همانطور که در شکل نشان داده شده است، از نظر ذهنی، هزینه های هزینه کمتر قابل توجه به نظر می رسد. 1.3. ارزش آن را دارد که توضیح خود را در عرض طیف بسیار کوچکتر، زیر تصویر انگشت بدانید. نمونه برداری از تصویر خروجی با فرکانس قطع مطابقت دارد. همانطور که در شکل دیده میشود. 1.4.b، این مقدار بسیار بیشتر از مقدار مناسب است. بنابراین، فاصله نمونه برداری افزایش یافته است که در شکل 1 نشان داده شده است. 1.3، c، d، اگرچه می‌خواهیم تصویر بهتری ترسیم کنیم، اما هنوز نمی‌توانیم مانند مثال قبلی به چنین وراثت‌های ویرانگری منجر شویم.

تصاویر آنالوگ و مجزا اطلاعات گرافیکی را می توان به صورت آنالوگ یا گسسته ارائه کرد. لبه تصویر آنالوگ می تواند یک بوم نقاشی باشد که رنگ آن دائماً تغییر می کند و لبه یک تصویر مجزا، دستان یک چاپگر جوهر افشان کوچولوها که از چندین نقطه از رنگ بریده شده تشکیل شده است. . آنالوگ (نقاشی رنگ روغن). گسسته.

علوم کامپیوتر پایه نهم

"الگوریتم ها ساختارها را تجزیه می کنند" - YAKSCHO umova, TO deed. چه می دانیم؟ ساختار درس الگوریتم در حال خراب شدن است. الگوریتم را وارد کرده و جدول را پر کنید. قبل از دور بعدی، مسابقه با جمع آوری 85 تا 100 امتیاز آغاز می شود. تعداد امتیازات را وارد کنید و تعداد روزهای تا دور بعدی را محاسبه کنید. بزرگترین عدد بین a و b را پیدا کنید. کامپایل برنامه به برنامه نویسی mov. الگوریتم در حال رمزگشایی است - این الگوریتمی است که در آن یک یا آن توالی از اقدامات به نتیجه می رسد.

"ایجاد هوش قطعه" - رویکرد تقلید. به نقطه ایجاد سیستم های هوش مصنوعی بیایید. رویکرد تکاملی هوش قطعه. شما می توانید همزمان با افراد زیادی زندگی کنید و سعی کنید با مشکلات خاص کنار بیایید. رویکرد ساختاری. رویکرد منطقی مشکلات توسعه چشم انداز توسعه و مناطق رکود.

"برنامه های چرخه ای" - دیجیتال. دوچرخه سواری با تغییر ذهن. مقدار را بدانید. چرخه روزه داری ذهنی حلقه با پارامتر. الگوریتم اقلیدس برنامه های چرخه ای مجموع اعداد طبیعی را بیابید. چرخه را درک کنید. درج بلال. توابع جدول بندی محاسبه. لب به لب همدستان علوم کامپیوتر. ببینید چند عدد وجود دارد. بدانید. دریابید که چند عدد طبیعی سه رقمی وجود دارد. اعداد سه رقمی معنی تابع را دریابید. جدول تبدیل دلار

"پست الکترونیکی چیست" - Vіdpravnik. آدرس ایمیل. تاریخچه پست الکترونیکی غذا از طریق پست الکترونیکی ظاهر شد. ساختار برگ. مسیریابی ایمیل ورق. ورق الکترونیکی. کپی 🀄. تاریخ. ایکس میل. پست الکترونیکی. Yak pratsyuє پست الکترونیک.

"کار با پست الکترونیکی" - آدرس های پست الکترونیکی. اسکرین شات پستی. پروتکل پست الکترونیکی به اشتراک گذاری فایل در وب آدرس را ارسال کرد. مزایای پست الکترونیکی مشتریان پست الکترونیکی. شراب ساز پست الکترونیکی. آدرس ها. پست الکترونیکی. نرم افزار ربات با پست الکترونیکی. پست الکترونیک چگونه کار می کند؟ کنفرانس تلفنی سرور ایمیل. اشتراک گذاری فایل

"پردازش در فتوشاپ" - بچه های باحال. چگونه یک جزئیات را فاش کنیم شطرنجی و تصاویر برداری. ورود مکان را احضار کنید. برنامه فتوشاپ. روتوش. مسابقات ربات با فتوشاپ. تصحیح روشنایی. دوستان من. بخش عملی. برنامه های مشابه بخش اصلی. طرح. موجودات غیر معمول نصب برگردان نشان داده شده است.

سیستم پردازش اطلاعات معمولا سیگنال ها را بدون وقفه دریافت می کند. برای پردازش کامپیوتری سیگنال های پیوسته، ابتدا باید آنها را به سیگنال های دیجیتال تبدیل کرد. عملیات نمونه برداری و کوانتیزاسیون چیست؟

نمونه برداری تصویر

نمونه برداری- فرآیند تبدیل یک سیگنال پیوسته به دنباله ای از اعداد (انواع)، به طوری که سیگنال بر اساس برخی از ابعاد محدود ظاهر می شود. این پدیده در سیگنال پیش بینی شده بر اساس مشخصی ایجاد می شود.

ساده ترین از نقطه نظر سازمان پردازش و به روشی طبیعینمونه برداری عبارت است از تشخیص سیگنال ها در قالب نمونه ای از مقادیر آنها (نمونه ها) در نقاط نزدیک با فاصله منظم. این روش نامیده می شود انتشار این کلمه، و دنباله گره هایی که در آن دانه ها گرفته می شود شطرنجی. فاصله ای که از طریق آن مقدار یک سیگنال پیوسته گرفته می شود نامیده می شود زمان نمونه برداری. مقدار بازگشتی نامیده می شود فرکانس نمونه برداری,

منبع تغذیه ای که در هنگام نمونه برداری ایجاد می شود: سیگنال باید در چه فرکانسی گرفته شود تا امکان برگشت آن پس از این نمونه ها وجود داشته باشد؟ بدیهی است که از آنجایی که برادران بسیار نادر هستند، اطلاعاتی در مورد سیگنال فعلی نخواهند داشت. فرکانس سیگنال با فرکانس بالای طیف مشخص می شود. بنابراین حداقل عرض قابل قبول بازه نمونه برداری مربوط به بالاترین فرکانس طیف سیگنال (متناسب با آن) است.

در مورد نمونه گیری یکنواخت، موارد زیر صادق است: قضیه کوتلنیکوف، در سال 1933 در اثر "درباره توان عملیات پخش و انتقال به ارتباطات الکتریکی" منتشر شد. نوشته شده است: اگر یک سیگنال بدون وقفه حاوی طیفی باشد که بر اساس فرکانس از هم جدا شده است، آنگاه می توان آن را به طور کامل و منحصر به فرد با توجه به بخش های گسسته آن که با دوره یا فرکانس تعریف شده است به روز کرد.

به روز رسانی سیگنال برای عملکردهای اضافی استفاده می شود . به کوتلنیکوف اطلاع داده شد که یک سیگنال بدون وقفه وجود دارد که نیاز به معرفی معیارهای بیشتر، شاید نمایش های متوالی را برآورده می کند:

.

به این قضیه قضیه ویدلیکوف نیز گفته می شود. تابع نیز نامیده می شود عملکرد اندام ها یا کوتلنیکوفاگرچه یک سری درونیابی از این نوع توسط ویتاکر در سال 1915 ایجاد شد. این تابع به طور بی پایان در طول یک ساعت گسترش می یابد و در هر نقطه ای که متقارن باشد به حداکثر مقدار یک می رسد.

پوست با این عملکردها را می توان به عنوان یک شکل ایده آل دید فیلتر پایین گذر(فیلتر پایین گذر) به پالس دلتا که در زمان ساعت رسید. بنابراین، برای تجدید سیگنال پیوسته از این خروجی‌های گسسته، باید از یک فیلتر پایین‌گذر خروجی عبور داده شوند. لطفاً توجه داشته باشید که چنین فیلتری غیر علتی و از نظر فیزیکی غیرقابل تحقق است.

این رابطه به این معنی است که امکان به روز رسانی دقیق سیگنال ها با یک برش طیف با توجه به توالی قطعات آنها وجود دارد. سیگنال های محدود به طیف- برای این سیگنال ها، طیف فوریه فقط در محدوده مرزی منطقه ارزش گذاری شده زیر صفر است. سیگنال های نوری را می توان به آنها منتقل کرد، زیرا طیف فوریه تصویر موجود در سیستم های نوری از طریق اتصال اندازه عناصر آنها به یکدیگر متصل است. فرکانس را نام ببرید فرکانس نایکیست. این فرکانس محدود کننده است که بالاتر از سیگنال ورودی است و هیچ مولفه طیفی ندارد.

تصویر کوانتیزاسیون

هنگامی که پردازش دیجیتال یک محدوده دینامیکی پیوسته را نمایش می دهد، مقدار روشنایی به تعدادی سطوح گسسته تقسیم می شود. این روش نامیده می شود quantuvannyam. ماهیت آن در تبدیل یک تغییر مداوم به یک تغییر گسسته است که در نهایت ارزشی غیرشخصی به خود می گیرد. این مقادیر نامیده می شوند کوانتیزاسیون برابر. در فاز zagalny، تبدیل به صورت یک تابع گام به گام بیان می شود (شکل 1). اگر شدت تصویر در بازه زمانی (اگر ، سپس خروجی با سطح کوانتیزاسیون جایگزین می شود، جایی که – آستانه های کوانتیزاسیون. بنابراین لازم بود که دامنه دینامیکی مقدار روشنایی محیط برابر باشد.

کم اهمیت 1. تابعی که کوانتیزاسیون را توصیف می کند

توجه اصلی در اینجا در مقادیر آستانه مشخص و سطوح کوانتیزاسیون نهفته است. ساده ترین راهبالاترین هدف در تقسیم محدوده دینامیکی در فواصل یکسان است. با این حال، این راه حل بهترین نیست. اگر مقادیر شدت بیشتر تصاویر، به عنوان مثال، در ناحیه "تاریک" گروه بندی شوند و تعداد مساوی از هم جدا شوند، لازم است که به طور ناهموار کوانتیزه شود. در منطقه "تاریک" ردیابی اغلب کوانتیزه می شود و در منطقه "روشن" کمتر. Tse اجازه می دهد zmenshiti عفو کمی.

در سیستم‌های پردازش تصویر دیجیتال، امکان تغییر تعداد سطوح و آستانه‌های کوانتیزاسیون وجود دارد، زیرا بسیاری از آنها حاوی اطلاعات لازم برای رمزگذاری تصویر هستند. با این حال، با تعداد نسبتاً کمی مساوی، خطوط صاف ممکن است روی تصویر کوانتیزه شده ظاهر شوند. بوی بد از تغییر رگه مانند در روشنایی تصویر کوانتیزه شده ناشی می شود و به ویژه در نمودارهای شیب ملایم این تغییر قابل توجه است. خطوط شیری به طور قابل توجهی وضوح تصویر را افزایش می دهد، زیرا چشم انسان به کانتورها بسیار حساس است. با کمی سازی برابر تصاویر معمولی، کمتر از 64 واحد مورد نیاز نیست.