Kalkulator NWD

Transformacja wyrównująca histogramu Kalkulator

Inżynieria Budżetowy Chemia Fizyka Więcej >>

↳

Elektronika Cywilny Elektronika i oprzyrządowanie Elektryczny Więcej >>

⤿

Cyfrowe przetwarzanie obrazu Antena i propagacja fal EDC Elektronika analogowa Więcej >>

⤿

Transformacja intensywności Podstawy przetwarzania obrazu

✖Liczba poziomów intensywności to całkowita liczba różnych wartości intensywności, jakie może reprezentować obraz, określona na podstawie jego głębi bitowej.ⓘ Liczba poziomów intensywności [L]			+10% -10%
✖Funkcja gęstości prawdopodobieństwa jest funkcją gęstości ciągłej zmiennej losowej obrazu wejściowego.ⓘ Funkcja gęstości prawdopodobieństwa [P_r]			+10% -10%
✖Ciągła intensywność to ciągła zmienna losowa obrazu wejściowego.ⓘ Ciągła intensywność [r]			+10% -10%

✖Transformację intensywności ciągłych można uzyskać po oszacowaniu funkcji gęstości prawdopodobieństwa na podstawie obrazu wejściowego.ⓘ Transformacja wyrównująca histogramu [T_r]

⎘ Kopiuj

👎

Formuła

LaTeX

Resetowanie

👍

Pobierać Elektronika Formułę PDF PDF Image

Transformacja wyrównująca histogramu Rozwiązanie

KROK 0: Podsumowanie wstępnych obliczeń

Formułę używana

Transformacja natężeń ciągłych = (Liczba poziomów intensywności-1)*int(Funkcja gęstości prawdopodobieństwa*x,x,0,Ciągła intensywność)
T_r = (L-1)*int(P_r*x,x,0,r)
Ta formuła używa 1 Funkcje, 4 Zmienne

Używane funkcje

int - Całki oznaczonej można użyć do obliczenia pola powierzchni netto ze znakiem, które jest różnicą pola powierzchni nad osią x i pola powierzchni pod osią x., int(expr, arg, from, to)

Używane zmienne

Transformacja natężeń ciągłych - Transformację intensywności ciągłych można uzyskać po oszacowaniu funkcji gęstości prawdopodobieństwa na podstawie obrazu wejściowego.
Liczba poziomów intensywności - Liczba poziomów intensywności to całkowita liczba różnych wartości intensywności, jakie może reprezentować obraz, określona na podstawie jego głębi bitowej.
Funkcja gęstości prawdopodobieństwa - Funkcja gęstości prawdopodobieństwa jest funkcją gęstości ciągłej zmiennej losowej obrazu wejściowego.
Ciągła intensywność - Ciągła intensywność to ciągła zmienna losowa obrazu wejściowego.

KROK 1: Zamień wejście (a) na jednostkę bazową

Liczba poziomów intensywności: 4 --> Nie jest wymagana konwersja
Funkcja gęstości prawdopodobieństwa: 0.2 --> Nie jest wymagana konwersja
Ciągła intensywność: 64 --> Nie jest wymagana konwersja

KROK 2: Oceń formułę

Zastępowanie wartości wejściowych we wzorze

T_r = (L-1)*int(P_r*x,x,0,r) --> (4-1)*int(0.2*x,x,0,64)

Ocenianie ... ...

T_r = 1228.8

KROK 3: Konwertuj wynik na jednostkę wyjścia

1228.8 --> Nie jest wymagana konwersja

OSTATNIA ODPOWIEDŹ

1228.8 <-- Transformacja natężeń ciągłych

(Obliczenie zakończone za 00.004 sekund)

Jesteś tutaj -

Dom » Inżynieria » Elektronika » Cyfrowe przetwarzanie obrazu » Transformacja intensywności » Transformacja wyrównująca histogramu

Kredyty

Stworzone przez Zaheera Szejka

Szkoła Inżynierska Seshadri Rao Gudlavalleru (SRGEC), Gudlavalleru

Zaheera Szejka utworzył ten kalkulator i 25+ więcej kalkulatorów!

Zweryfikowane przez Dipanjona Mallick

Instytut Dziedzictwa Technologicznego (UDERZENIE), Kalkuta

Dipanjona Mallick zweryfikował ten kalkulator i 50+ więcej kalkulatorów!

< Transformacja intensywności Kalkulatory

Bity wymagane do przechowywania obrazu cyfrowego

LaTeX Iść Bity w obrazie cyfrowym = Cyfrowy rząd obrazu*Kolumna obrazu cyfrowego*Liczba bitów

Bity wymagane do przechowywania kwadratowego obrazu

LaTeX Iść Bity w cyfrowym obrazie kwadratowym = (Kolumna obrazu cyfrowego)^2*Liczba bitów

Długość fali światła

LaTeX Iść Długość fali światła = [c]/Częstotliwość światła

Liczba poziomów intensywności

LaTeX Iść Liczba poziomów intensywności = 2^Liczba bitów

Zobacz więcej >>

Transformacja wyrównująca histogramu Formułę

LaTeX Iść

Transformacja natężeń ciągłych = (Liczba poziomów intensywności-1)*int(Funkcja gęstości prawdopodobieństwa*x,x,0,Ciągła intensywność)
T_r = (L-1)*int(P_r*x,x,0,r)

Dom

BEZPŁATNY pliki PDF

🔍 Szukaj

Kategorie

Dzielić

Let Others Know

✖

Facebook

Twitter

Copied!