Uploaded by Omri Drori

Ex1Q2+Ex2Q2

advertisement
‫תרגיל ‪ 1‬שאלה ‪ ,2‬תרגיל ‪ 2‬שאלה ‪ – 2‬עיבוד תמונה ‪2011‬‬
‫סוכם ע"י ברק איטקין – ‪http://barak-itkin.blogspot.com‬‬
‫תזכורת‬
‫הסתברות של משתנה מקרי רציף‬
‫שמתקיים‪:‬‬
‫מוגדרת באמצעות פונקציית צפיפות (‪)probability density function‬‬
‫) (‬
‫∫‬
‫)‬
‫כך‬
‫(‬
‫תרגיל ‪1‬‬
‫שאלה ‪2‬‬
‫הערה‪ :‬אני הולך לרמות מעט בפתרון ואז לתקן בסוף‪ .‬אם תפשתם אותי‪ ,‬אתם כנראה שולטים מספיק בחומר‬
‫לעבור לשאלה הבאה‬
‫אם ננסח את השאלה בעברית‪ ,‬נתונה לנו פונקציית צפיפות שבעצם מראה לנו כמה פיקסלים יש מכל רמת‬
‫במין צורה כזו של משולש‪ .‬אם תנסו‬
‫ו‪-‬‬
‫בהירות‪ .‬אנו יכולים לראות שיש בעצם פיקסלים רק בין הרמות‬
‫‪ ,‬כלומר סכום ההסתברויות לכל רמות הבהירות הוא באמת‬
‫לחשב את שטח הצורה באמת תראו ששטחה הוא‬
‫‪ .‬אם אנו רוצים לחשב מה ההסתברות לפיקסל שבהירותו בין ל‪ , -‬פשוט נחשב את השטח של הפונקציה‬
‫בתחום זה‪.‬‬
‫עכשיו‪ ,‬כשסיימנו את החזרה על הסתברות‪ ,‬נעבור לפתור את השאלה עצמה‪.‬‬
‫מבקשים מאיתנו לחלק את התמונה לשתי רמות אפור תוך שימוש ב‪ .Uniform Qunatizer1-‬הכוונה היא שבעצם‬
‫נחלק את רמות האפור שמופיעות לנו לשני חלקים זהים בגודלם‪ ,‬כלומר שני חלקים שגודל הטווח של רמות‬
‫( ו‪)-‬‬
‫האפור שלהם זהה‪ .‬באופן לא מפתיע‪ ,‬החלוקה של הטווח תהיה )‬
‫( וזאת פשוט לפי הסימטריה‪.‬‬
‫כעת‪ ,‬מבקשים שעבור כל אחד מהטווחים נמצא את הערך המייצג שלו‪ ,‬כלומר את הערך שאליו כל הפיקסלים‬
‫בטווח ימופו‪ .‬במה שהגדרנו בתור ‪ ,Ideal Quantizer2‬אנו רוצים שתתקיימנה הזהות‬
‫) (‬
‫∫‬
‫) (‬
‫∫‬
‫) הוא הממוצע המשוקלל של התחום (המונה הוא סכום של‬
‫כלומר‪ ,‬הערך המייצג ( ) של התחום (בין ל‪-‬‬
‫בהירות ( ) כפול הסיכוי שניפול עליה () ( )‪ ,‬והמכנה הוא סכום כל ההסתברות ליפול בטווח)‪.‬‬
‫נחשב את הערך המייצג בתחום )‬
‫‪1‬‬
‫בעברית‪ ,‬מכמת אחיד‬
‫‪2‬‬
‫בעברית‪ ,‬מכמת אידיאלי‬
‫( (שימו לב שבתחום זה הפונקציה בשרטוט היא‬
‫)‬
‫]‬
‫)‬
‫(‬
‫])‬
‫(‬
‫)‬
‫(‬
‫)‬
‫(‬
‫[‬
‫]‬
‫[‬
‫]‬
‫[‬
‫[‬
‫נחשב את הערך המייצג בתחום )‬
‫|‬
‫|‬
‫|‬
‫)‬
‫( ∫‬
‫)‬
‫( ∫‬
‫|‬
‫)‬
‫)‬
‫( (שימו לב שבתחום זה הפונקציה בשרטוט היא‬
‫)‬
‫( ∫‬
‫)‬
‫( ∫‬
‫(‬
‫)‬
‫)‬
‫)‬
‫∫‬
‫( ∫‬
‫]‬
‫]‬
‫נחשב את ה‪-‬‬
‫(‬
‫(‬
‫∫‬
‫)‬
‫( ∫‬
‫[‬
‫]‬
‫[‬
‫[‬
‫]‬
‫∫‬
‫) (‬
‫∫‬
‫) (‬
‫∫‬
‫( ∫‬
‫)‬
‫) (‬
‫∫‬
‫) (‬
‫∫‬
‫[‬
‫‪ ,‬כלומר סכום הסטיות הריבועיות‪:‬‬
‫) (‬
‫⏟‬
‫הסתברות‬
‫למקרה זה‬
‫)‬
‫( )‬
‫(‬
‫⏟‬
‫)‬
‫) (‬
‫⏟‬
‫∫‬
‫הסתברות‬
‫למקרה זה‬
‫ריבוע השגיאה‬
‫( ∫‬
‫))‬
‫)‬
‫( )‬
‫(‬
‫( ∫‬
‫⏟‬
‫ריבוע השגיאה‬
‫( ∫‬
‫אני אתן לכם להמשיך לבד‪ .‬אני לא נהנה עד כדי כך להקליד במחשב ‪:P‬‬
‫בכל מקרה‪ ,‬אמרתי שרימיתי‪ .‬איפה?‬
‫ובכן‪ ,‬אני התייחסתי לשני תחומים )‬
‫( ו‪)-‬‬
‫(‪ ,‬מה שנתן את האשלייה שמתקיים‬
‫אבל בפועל‪ ,‬נהוג להגדיר את ה‪- -‬ים של הקצוות כפלוס אינסוף ומינוס אינסוף‪:‬‬
‫זאת בשביל שלא יהיו לנו איזורים עם מיפוי לא מוגדר‪ .‬בפועל‪ ,‬מכיוון שאנו יודעים שכל הקלט היה בין‬
‫( ו‪)-‬‬
‫אז חישבנו את האינטגרל רק בתחום הזה ולא עד האינסוף (זאת משום שבתחומים )‬
‫מקבלים אינטגרל של אפס וזה מתאפס)‪.‬‬
‫ל‪-‬‬
‫( היינו‬
‫תרגיל ‪2‬‬
‫שאלה ‪2‬‬
‫ננסה להסביר את השאלה בעברית‪ :‬נתונה לי היסטוגרמה ואני רוצה למפות אותה להיסטוגרמה ‪ .‬אזי אני‬
‫והיא תקרא פונקציית המיפוי‪ .‬אזי תחת ההנחה שיש לנו מיפוי מונוטוני עולה‪ ,3‬אם‬
‫אגדיר פונקציה‬
‫) ( אזי כמות הפיקסלים שכהים מ‪ -‬בתמונה המקורית (נסמן ) ( ) זהה לכמות הפיקסלים שכהים‬
‫מ‪ -‬בתמונה לאחר המיפוי (נסמן ) ( )‪.‬‬
‫עכשיו נעבור למונחים של הסתברות‪ .‬להיסטוגרמה אנו רוצים שתהיה פונקציית צפיפות כמו שמתואר (עזבו‬
‫את פונקציית הצפיפות של ‪ .‬אזי‪ ,‬לפי השוויון בין כמויות הפיקסלים שהגדרנו‪,‬‬
‫רגע מה זו בדיוק )‪ .‬נסמן‬
‫מתקיים‬
‫)‬
‫) (‬
‫(‬
‫) (‬
‫נניח לשם פשטות כי‬
‫)‬
‫|‬
‫[‬
‫)‬
‫לערך‬
‫וגם‬
‫(‬
‫)‬
‫‪+‬‬
‫)‬
‫(‬
‫(‬
‫*‬
‫!‬
‫) (‬
‫‪3‬‬
‫(‬
‫∫‬
‫]‬
‫כלומר לא יכול להיות שעבור‬
‫∫‬
‫(‬
‫(תיכף נראה למה זה בסדר)‪:‬‬
‫|‬
‫וקיבלנו מה שרצינו – מיפוי מערך‬
‫)‬
‫)‬
‫(‬
‫‪+‬‬
‫*‬
‫יתקיים שבהירות‬
‫) (‬
‫תמופה לבהירות‬
‫ובהירות‬
‫תמופה ל‪-‬‬
Download