OBS: detta är en informationssida, kursen ges genom LiUs e-learning-system lisam

TSKS24 Signaler och bilder

TSKS24 Signaler och bilder är en kurs vars kärna utgör en introduktion till signalbehandling och signalanalys. Kursinnehållet kan delas in i tre delar: Elektriska kretsar, signalbehandling och signalanalys, samt bildbehandling.

Kursinnehåll

• Elektriska kretsar
  • Likström - Ohms lag, Kirchhoffs lagar. Resistans, källor, effektbegreppet.
  • Växelström - j-omega-metoden. Kapacitans, induktans, effektbegrepp, dB-begreppet.
• Signalbehandling & signalanalys:
  • Exempel på signaler i elektrotekniska tillämpningar.
  • Analys i tidsdomänen
    • Enhetsimpulserna, impulssvar, faltning.
  • Analys i frekvensdomänen
    • Fourierserier och -transformer i kontinuerlig och diskret tid.
    • Sinus-in-sinus-ut-principen för stabila LTI-system.
  • Sampling och rekonstruktion mha pulsamplitudmodulering.
    • Samplingsteoremet.
  • Kvantisering, brus.
• Bildbehandling
  • JPG-formatet - Kompression av bilder med hjälp av JPG-formatet.
  • Från 1D till 2D: fouriertransform, DFT, sampling, och faltning.
  • Linjära operationer på digitala bilder.
  • 2D geometri.
  • Färgmodeller och histogramoperationer.

Lärare

• Examinator och föreläsare: Mikael Olofsson
• Föreläsare bildbehandling: Maria Magnusson

Kursmaterial

• Mikael Olofsson, Kursmaterial till TSKS24 Signaler och bilder, LiU, 2022. Finns att ladda ner i kursrummet. Täcker kursavsnitten Elektriska kretsar samt Signalbehandling & signalanalys.
• Maria Magnusson, Signal-och Bildbehandling, LiU, 2013. Finns att ladda ner i kursrummet. Täcker framför allt kursavsnittet Bildbehandling, men har också viss bäring på kursavsnittet Signalbehandling & signalanalys.
• Lab-PM för laborationerna distribueras via kursrummet.

Förkunskaper

• Ordinära differentialekvationer och differensekvationer av låga ordningar.
• Matris- och vektorbegreppen, determinant, skalärprodukt, baser, minstakvadrat-metoden.
• En- och flerdimensionell analys, särskilt derivator och integraler.
• Kunna programmera i Python och gärna också Matlab.
• Allmän programmeringsförmåga.

Information för registrerade studenter

Detaljerad undervisningsplanering, lab-PM, mm, se kursrummet i

• https://lisam.liu.se/