ROZ1 - Cv. 1 - Zobrazenэ snэmku a zсklady Matlabu
|
|
|
- Alois Esterka
- před 8 lety
- Počet zobrazení:
Transkript
1 ROZ1 - Cv. 1 - Zobrazenэ snэmku a zсklady Matlabu
2 кstav teorie informace a automatizace AV R, v.v.i. - Zpracovсnэ obrazovщ informace -
3 кstav teorie informace a automatizace AV R, v.v.i. - Zpracovсnэ obrazovщ informace -
4 Organizace cvik - teorie + e enэ њkol Dochсzka
5 Organizace cvik - teorie + e enэ њkol Dochсzka
6 MATLAB Hned po pihlс enэ zapnout!! (omezen poet licencэ na VUT) Multilicence - Stсhnout ba k soubor na cvienэ:
7 MATLAB Hned po pihlс enэ zapnout!! (omezen poet licencэ na VUT) Multilicence - Stсhnout ba k soubor na cvienэ:
8 MATLAB Hned po pihlс enэ zapnout!! (omezen poet licencэ na VUT) Multilicence - Stсhnout ba k soubor na cvienэ:
9 Nejprostudovanj э ena svta: Lenna Soderberg (Sjііblom) - Playboy - Miss November 1972 Alexander Sawchuk - profesor na USC Signal and Image Processing Institute - ervenec 1976, 512 x 512 px
10 Nejprostudovanj э ena svta: Lenna Soderberg (Sjііblom) - Playboy - Miss November 1972 Alexander Sawchuk - profesor na USC Signal and Image Processing Institute - ervenec 1976, 512 x 512 px
11 Nejprostudovanj э ena svta: Lenna Soderberg (Sjііblom) - Playboy - Miss November 1972 Alexander Sawchuk - profesor na USC Signal and Image Processing Institute - ervenec 1976, 512 x 512 px
12 Pedzpracovсnэ snэmku Vyuitэ fourierovy transformace Potlaenэ umu, dekonvoluce
13 Pedzpracovсnэ snэmku Vyuitэ fourierovy transformace Potlaenэ umu, dekonvoluce
14 Informace z obrсzku Detekce hran Morfologie poэtсnэ objekt Rozpoznсvсnэ objekt Registrace snэmk
15 Informace z obrсzku Detekce hran Morfologie poэtсnэ objekt Rozpoznсvсnэ objekt Registrace snэmk
16 Informace z obrсzku Detekce hran Morfologie poэtсnэ objekt Rozpoznсvсnэ objekt Registrace snэmk
17 Informace z obrсzku Detekce hran Morfologie poэtсnэ objekt Rozpoznсvсnэ objekt Registrace snэmk
18 Praktickс zkou ka Kostra kostry Vсnonэ atmosfщra Nco je ve vzduchu Zadсnэ pэsemek -
19 Praktickс zkou ka Kostra kostry Vсnonэ atmosfщra Nco je ve vzduchu Zadсnэ pэsemek -
20 Praktickс zkou ka Kostra kostry Vсnonэ atmosfщra Nco je ve vzduchu Zadсnэ pэsemek -
21 Praktickс zkou ka Kostra kostry Vсnonэ atmosfщra Nco je ve vzduchu Zadсnэ pэsemek -
22 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
23 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
24 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
25 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
26 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
27 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
28 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
29 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
30 Zсklady Current Directory, Command Window, Workspace, Command History Debug - krokovсnэ skriptu Nсpovda - help, doc, F1 - Getting started Zсkladnэ datov typ je matice. Za % nсsleduje komentс (CTRL+R / CTRL+L) ; za pэkazem potlaэ zobrazenэ vsledku (CTRL+C) Rozdlenэ pэkazu na dva сdky:... + Enter Case-sensitive function [out1,out2,...]=funname(in1,in2,...)
31 Zobrazenэ snэmku lena.pgm imread(), image()
32 Zobrazenэ snэmku lena.pgm imread(), image() double(), colormap(), gray()
33 Zobrazenэ snэmku lena.pgm imread(), image() double(), colormap(), gray() I = double(imread( lena.pgm )); image(i); colormap(gray(256));
34 Skript na zobrazenэ matice vytvote skript: function [] = zobr(i) (otestovat na lena.pgm a sipka.pgm )
35 Skript na zobrazenэ matice vytvote skript: function [] = zobr(i) (otestovat na lena.pgm a sipka.pgm ) function [] = zobr(i) figure; colormap(gray(256)); axis image; image(i);
36 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
37 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
38 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
39 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
40 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
41 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
42 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
43 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
44 Prсce s maticemi matice o 2 сdcэch a 3 sloupcэch - A = [1 2 3 ; 4 5 6] transpozice vektoru - v = u vektor v s krokem k od a do z - v=a:k:z v = 2:6 - v = [2, 3, 4, 5, 6] u = 2:2:8 - v = [2, 4, 6, 8] prvky vektoru v s indexy od 2. do poslednэho - v(2:end)!matlab indexuje od 1 matice nul - zeros(m,n) matice jedniek - ones(m,n) jednotkovс matice - eye(m,n) diagonсlnэ matice s vektorem v na diagonсle - diag(v) operсtor : (v echny) - A(2,:) (v echny prvky v druhщm сdku)
45 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
46 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
47 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
48 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
49 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
50 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
51 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
52 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
53 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
54 Prсce s maticemi zmna prvku v matici - A(2,1) = 5 odstrannэ 2 sloupce vektoru - A(:, 2) = [] Maticovщ operace: +,-,*; po prvcэch: A.*B transpozice A, inverze inv(a) velikost matice - [m,n] = size(a); m=size(a,1) ten vt э z rozmr matice - length(a) poet prvk v matici A - numel(a) matice nсhodnch эsel mezi 0 a 1 (rovnomrnщ rozdlenэ) - rand(m,n) clear v; clear all; close all Flow control - if else, for, while, continue, break, return
55 Prсce s maticemi - cvienэ Zobrazte prbh exponenciсly od -1 do 6 exp(), plot()
56 Prсce s maticemi - cvienэ Zobrazte prbh exponenciсly od -1 do 6 exp(), plot() x = -1:0.01:6; y = exp(x); plot(x,y)
57 Indexovсnэ logickou maticэ porovnсvсnэ: <, <=, >, >=, ==, = v echny prvky matice vt э ne 5 - A(A>5) all(a); any(a); [row,col]= find(a>5)
58 Indexovсnэ logickou maticэ porovnсvсnэ: <, <=, >, >=, ==, = v echny prvky matice vt э ne 5 - A(A>5) all(a); any(a); [row,col]= find(a>5)
59 Indexovсnэ logickou maticэ porovnсvсnэ: <, <=, >, >=, ==, = v echny prvky matice vt э ne 5 - A(A>5) all(a); any(a); [row,col]= find(a>5)
60 Prсce s maticemi - cvienэ Vymate ipce ernou konturu
61 Prсce s maticemi - cvienэ Vymate ipce ernou konturu S=double(imread( sipka.pgm )); S(S==0)=255; zobr(s);
62 Prсce s maticemi - cvienэ Agreganэ fce - sum(a), min(a), max(a)
63 Prсce s maticemi - cvienэ Agreganэ fce - sum(a), min(a), max(a) Urete dщlku kontury ipky
64 Prсce s maticemi - cvienэ Agreganэ fce - sum(a), min(a), max(a) Urete dщlku kontury ipky S=double(imread( sipka.pgm )); sum(sum(s==0)); ans = 36
65 Prсce s maticemi - cvienэ Vytvote tento obraz: (L=double(imread( lena.pgm ));) bez flipud() a fliplr()
66 Prсce s maticemi - cvienэ Vytvote tento obraz: (L=double(imread( lena.pgm ));) bez flipud() a fliplr() L1=(L(end:-1:1,end:-1:1)); L2=(L(end:-1:1,:)); L3=L; L4=(L(:,end:-1:1)); 150 zobr([l2 L1;L3 L4]);
67 Prсce s maticemi - cvienэ Vytvote funkci: [croppi,subi]=croppsub(i) - croppi... vez stedu polovinэ velikosti I - subi... I sub-samplovan na plku
68 Prсce s maticemi - cvienэ Vytvote funkci: [croppi,subi]=croppsub(i) - croppi... vez stedu polovinэ velikosti I - subi... I sub-samplovan na plku function [croppi,subi]=croppsub(i) S = round(size(i)/4); croppi=i(s(1):3*s(1),s(2):3*s(2)); subi=i(1:2:end,1:2:end); zobr(croppi); zobr(subi); end
69 Prсce s maticemi - cvienэ Vytvote funkci: [Y]=jaskontras(I,jas,kontrast) - I... vstupnэ obrсzek - Y... vstupnэ obrсzek - jas... hodnota zv enэ/snэenэ jasu - kontrast... hodnota zv enэ/snэenэ kontrastu (hist() / imhist())
70 Prсce s maticemi - cvienэ Vytvote funkci: [Y]=jaskontras(I,jas,kontrast) - I... vstupnэ obrсzek - Y... vstupnэ obrсzek - jas... hodnota zv enэ/snэenэ jasu - kontrast... hodnota zv enэ/snэenэ kontrastu (hist() / imhist()) function [Y]=jaskontras(I,jas,kontrast) Y=I * kontrast+jas; zobr(y); end
71 Prсce s maticemi - cvienэ Vytvote funkci: [Y]=rgb2grayscale(I) - I... vstupnэ obrсzek (*.jpg - I(m x n x 3)) - Y... vstupnэ obrсzek (grayscale - I(m x n)) pouijte standart konverze NTSC
72 Prсce s maticemi - cvienэ Vytvote funkci: [Y]=rgb2grayscale(I) - I... vstupnэ obrсzek (*.jpg - I(m x n x 3)) - Y... vstupnэ obrсzek (grayscale - I(m x n)) pouijte standart konverze NTSC function [Y]=rgb2grayscale(I) R = I(:,:,1); G = I(:,:,2); B = I(:,:,3); Y = *R *G *B; zobr(y); end
73 Prсce s maticemi - cvienэ (pro rych ky) najdte binсrnэ i grayscale ti t ipky
74 Prсce s maticemi - cvienэ (pro rych ky) najdte binсrnэ i grayscale ti t ipky nсpovda: find(), mean()
75 Prсce s maticemi - cvienэ (pro rych ky) najdte binсrnэ i grayscale ti t ipky nсpovda: find(), mean() binсrnэ: [x, y] = [8.0896, 6] [y,x]=find(i<255); mean([x,y])
76 Prсce s maticemi - cvienэ (pro rych ky) najdte binсrnэ i grayscale ti t ipky nсpovda: find(), mean() binсrnэ: [x, y] = [8.0896, 6] [y,x]=find(i<255); mean([x,y]) grayscale: [x, y] = [ , 6] TX = sum(i,1) * [1:size(I,2)] / sum(i(:)); TY = [1:size(I,1)] * sum(i,2) / sum(i(:));
77 KONEC Dkuji za pozornost!
NPGR032 Cv. 01 - úvod
NPGR032 Cv. 01 - úvod ZS 2014 ÚTIA - ZOI zoi.utia.cas.cz Kontakty Ústav teorie informace a automatizace AV ČR, v.v.i. http://www.utia.cas.cz Zpracování obrazové informace http://zoi.utia.cas.cz 2 / 44
Základy algoritmizace a programování
Základy algoritmizace a programování Práce s maticemi Přednáška 9 23. listopadu 2009 Pole: vektory a matice Vektor (jednorozměrné pole) deklarace statická int v1[5]; dynamická int * v2; + přidělení paměti:
MATLAB základy. Roman Stanec 27.9.2007 PEF MZLU
MATLAB základy Roman Stanec 27.9.2007 PEF MZLU Náplň cvičení Matlab představení a motivace Seznámení s prostředím Proměnné a výrazy Řídící struktury Funkce Základní úpravy matic Import dat z tabulkového
ROZ I cv. 01 úvod KM - FJFI - ČVUT
ROZ I cv. 01 úvod KM - FJFI - ČVUT LS 2014 ÚTIA - ZOI zoi.utia.cas.cz Kontakty Ústav teorie informace a automatizace AV ČR, v.v.i. http://www.utia.cas.cz Zpracování obrazové informace http://zoi.utia.cas.cz
Úvod do Matlabu. Praha & EU: Investujeme do vaší budoucnosti. 1 / 24 Úvod do Matlabu
Vytěžování dat, cvičení 1: Úvod do Matlabu Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Fakulta elektrotechnická, ČVUT 1 / 24 Úvod do Matlabu Proč proboha Matlab? Matlab je SW pro
Stručný návod k programu Octave
Stručný návod k programu Octave Octave je interaktivní program vhodný pro technické výpočty. Je nápadně podobný programu MATLAB, na rozdíl od něho je zcela zadarmo. Jeho domovská vebová stránka je http://www.octave.org/,
Pôvodne: Interaktívny program na operácie s maticami Teraz: Vysoko úrovňový jazyk na technické výpočty a interaktívne prostredie na:
Úvod do MATLAB-u MATLAB Pôvodne: Interaktívny program na operácie s maticami Teraz: Vysoko úrovňový jazyk na technické výpočty a interaktívne prostredie na: tvorbu algoritmov, vizualizáciu a analýzu dát
Cvi ení 1. Cvi ení 1. Modelování systém a proces. Mgr. Lucie Kárná, PhD. March 2, 2018
Cvi ení 1 Modelování systém a proces Mgr. Lucie Kárná, PhD karna@fd.cvut.cz March 2, 2018 1 Organizace cvi ení 2 Za ínáme Základní operace Základní funkce 3 Simulink Princip práce v Simulinku Jednoduché
MATrixLABoratory letný semester 2004/2005
1Prostedie, stručný popis okien Command Window příkazové okno pro zadávání příkazů v jazyku Matlabu. Workspace zde se zobrazuje obsah paměti; je možné jednotlivé proměnné editovat. Command History dříve
Základy algoritmizace a programování
Základy algoritmizace a programování Příklady v MATLABu Přednáška 10 30. listopadu 2009 Řídící instrukce if else C Matlab if ( podmínka ) { } else { } Podmíněný příkaz if podmínka elseif podmínka2... else
Cvi ení 1. Modelování systém a proces. Mgr. Lucie Kárná, PhD. March 2, Organizace cvi ení 2 Matlab Za ínáme Základní operace Základní funkce
Modelování systém a proces Mgr. Lucie Kárná, PhD karna@fd.cvut.cz March 2, 2018 1 Organizace cvi ení 2 Za ínáme Základní funkce 3 Princip práce v u Jednoduché modely v u Souhrn Organizace cvi ení webová
X37SGS Signály a systémy
X7SGS Signály a systémy Matlab minihelp (poslední změna: 0. září 2008) 1 Základní maticové operace Vytvoření matice (vektoru) a výběr konkrétního prvku matice vytvoření matice (vektoru) oddělovač sloupců
pi Ludolfovo číslo π = 3,14159 e Eulerovo číslo e = 2,71828 (lze spočítat jako exp(1)), např. je v Octave, v MATLABu tato konstanta e není
realmax maximální použitelné reálné kladné číslo realmin minimální použitelné reálné kladné číslo (v absolutní hodnotě, tj. číslo nejblíž k nule které lze použít) 0 pi Ludolfovo číslo π = 3,14159 e Eulerovo
Seminář z MATLABU. Jiří Krejsa. A2/710 krejsa@fme.vutbr.cz
Seminář z MATLABU Jiří Krejsa A2/710 krejsa@fme.vutbr.cz Obsah kurzu Posluchači se seznámí se základy systému Matlab, vědeckotechnickými výpočty, programováním v Matlabu včetně pokročilých technik, vizualizací
ROZ1 CVIČENÍ VI. Geometrická registrace (matching) obrazů
ROZ1 CVIČENÍ VI. Geometrická registrace (matching) obrazů REGISTRACI OBRAZU (IMAGE REGISTRATION) Více snímků téže scény Odpovídající pixely v těchto snímcích musí mít stejné souřadnice Pokud je nemají
ROZ II cv. 01 Dekonvoluce KM - FJFI - ČVUT
ROZ II cv. 01 Dekonvoluce KM - FJFI - ČVUT ZS 2013 ÚTIA - ZOI zoi.utia.cas.cz Kontakty Ústav teorie informace a automatizace AV ČR, v.v.i. http://www.utia.cas.cz Zpracování obrazové informace http://zoi.utia.cas.cz
1. Vsechny promenne jsou matice. Skalar je a(1,1). Vektor je bud' radkovy a(1,5) nebo sloupcovy
Strucny navod k programu MATLAB MATLAB je profesionaln interaktivn system urceny pro technicke vypocty. Je vyroben a neustale udrzovan rmou The MathWorks, Inc. a je Protected by U.S. patents (a to bez
Příklad elektrický obvod se stejnosměrným zdrojem napětí
Příklad elektrický obvod se stejnosměrným zdrojem napětí Určete proudy 18, 23, 4, 5, 67 v obvodu na obr., je-li dáno: 1 = 1 Ω, 2 = 2 Ω, 3 = 3 Ω, 4 = 5 Ω, 5 = 3 Ω, 6 = 2 Ω, 7 = 4 Ω, 8 = 4,5 Ω, U = 6 V.
ROZ II cv. 01 Dekonvoluce KM - FJFI - ČVUT
ROZ II cv. 01 Dekonvoluce KM - FJFI - ČVUT ZS ÚTIA - ZOI zoi.utia.cas.cz Kontakty Ústav teorie informace a automatizace AV ČR, v.v.i. http://www.utia.cas.cz Zpracování obrazové informace http://zoi.utia.cas.cz
Lineární algebra s Matlabem. Přednáška 1
Lineární algebra s Matlabem Přednáška 1 Základní informace Kontakt Michal Merta michal.merta@vsb.cz Kancelář IT447 homel.vsb.cz/~mer126 Čt 16:00 (předn.), 17:45 (cv.), PorEB413 Konzultace po předchozí
while cyklus s podmínkou na začátku cyklus bez udání počtu opakování while podmínka příkazy; příkazy; příkazy; end; % další pokračování programu
while cyklus s podmínkou na začátku cyklus bez udání počtu opakování while podmínka příkazy; příkazy; příkazy; end; % další pokračování programu podmínka je libovolný logický výraz s logickou hodnotou
Indexové výrazy >> A(1,:) >> A=[1,2;3,4] >> a=a(:) >> a(3)= 8 A = a = ans = 1 2. >> a a = >> A(2,1) >> A(:,1) ans = ans = >> a(3) ans =
![Indexové výrazy >> A(1,:) >> A=[1,2;3,4] >> a=a(:) >> a(3)= 8 A = a = ans = 1 2. >> a a = >> A(2,1) >> A(:,1) ans = ans = >> a(3) ans =](/thumbs/91/107472248.jpg "Indexové výrazy >> A(1,:) >> A=[1,2;3,4] >> a=a(:) >> a(3)= 8 A = a = ans = 1 2. >> a a = >> A(2,1) >> A(:,1) ans = ans = >> a(3) ans =")
připomenutí Indexové výrazy vektory jsou indexovány použitím jednoho indexového výrazu, matice použitím dvou nebo jednoho indexového výrazu, dvojtečka jako jediný index vytvoří sloupcový vektor spojením
- transpozice (odlišuje se od překlopení pro komplexní čísla) - překlopení matice pole podle hlavní diagonály, např.: A.' ans =
'.' - transpozice (odlišuje se od překlopení pro komplexní čísla) - překlopení matice pole podle hlavní diagonály, např.: A.' 1 4 2 5 3-6 {} - uzavírají (obklopují) struktury (složené proměnné) - v případě
Základy zpracování obrazu
Základy zpracování obrazu Tomáš Mikolov, FIT VUT Brno V tomto cvičení si ukážeme základní techniky používané pro digitální zpracování obrazu. Pro jednoduchost budeme pracovat s obrázky ve stupních šedi
Systém je citlivý na velikost písmen CASE SENSITIVE rozeznává malá velká písmena, např. PROM=1; PROm=1; PRom=1; Prom=1; prom=1; - 5 různých proměnných
Systém je citlivý na velikost písmen CASE SENSITIVE rozeznává malá velká písmena, např. PROM=1; PROm=1; PRom=1; Prom=1; prom=1; - 5 různých proměnných jakési nádoby na hodnoty jsou různých typů při běžné
Interpolace a aproximace dat.
Numerické metody Interpolace a aproximace dat. Interpolace dat křivkou (funkcí) - křivka (graf funkce) prochází daty (body) přesně. Aproximace dat křivkou (funkcí) - křivka (graf funkce) prochází daty
Předzpracování dat. Cvičení 2: Import a příprava dat v Matlabu MI-PDD, 09/2011. Pavel Kordík MI-POA
Pavel Kordík(ČVUT FIT) Předzpracování dat MI-PDD, 2012, Cvičení 2 1/29 Předzpracování dat Pavel Kordík Department of Computer Systems Faculty of Information Technology Czech Technical University in Prague
Úvod do práce s Matlabem
Úvod do práce s Matlabem 1 Reálná čísla 1.1 Zadávání čísel Reálná čísla zadáváme s desetinnou tečkou (.), čísla lze také zadávat v exponenciálním tvaru například číslo 0.000014 zadáme takto 1.4e-5, číslo
cyklus s daným počtem opakování cyklus s podmínkou na začátku (cyklus bez udání počtu opakování)
Řídící příkazy: if podmíněný příkaz switch přepínač for while cyklus s daným počtem opakování cyklus s podmínkou na začátku (cyklus bez udání počtu opakování) if logický_výraz příkaz; příkaz; příkaz; Podmínka
awk programovatelný filtr
awk programovatelný filtr Spouštění: Awk vzor {akce} nebo awk f prg_soubor [ soubory ] čte řádky ze zadaných souborů, nebo ze standardního vstupu výstup směřuje na standardní výstup Struktura programu:
PPEL_3_cviceni_MATLAB.txt. % zadat 6 hodnot mezi cisly 2 a 8 % linspace (pocatek, konec, pocet bodu)
%------------------------------------- % 3. cvičení z předmětu PPEL - MATLAB %------------------------------------- % Lenka Šroubová, ZČU, FEL, KTE % e-mail: lsroubov@kte.zcu.cz %-------------------------------------
Základy programování: Algoritmizace v systému MATLAB
Základy programování: Algoritmizace v systému MATLAB Magda Francová magda.francova@ujep.cz CN 463 23. února 2010 Úvodní hodina Podmínky pro zápočet 80% účast na hodinách (můžete 3x chybět). Úvodní hodina
Předmluva 9 Obsah knihy 9 Typografické konvence 10 Informace o autorovi 10 Poděkování 10
Obsah Předmluva 9 Obsah knihy 9 Typografické konvence 10 Informace o autorovi 10 Poděkování 10 KAPITOLA 1 Úvod 11 Dostupná rozšíření Matlabu 13 Alternativa zdarma GNU Octave 13 KAPITOLA 2 Popis prostředí
- 1 - MATLAB základy I.Pultarová, únor 2002
MATLAB základy I.Pultarová, únor 2002 MATrix LABoratory. Nejnovější je verze 6 (release 12). Základní internetový odkaz - http://www.mathworks.com. 1. Prostředí, stručný popis oken Command Window příkazové
Příklad: Řešte soustavu lineárních algebraických rovnic 10x 1 + 5x 2 +70x 3 + 5x 4 + 5x 5 = 275 2x 1 + 7x 2 + 6x 3 + 9x 4 + 6x 5 = 100 8x 1 + 9x 2 +
Příklad: Řešte soustavu lineárních algebraických rovnic 1x 1 + 5x 2 +7x 3 + 5x 4 + 5x 5 = 275 2x 1 + 7x 2 + 6x 3 + 9x 4 + 6x 5 = 1 A * x = b 8x 1 + 9x 2 + x 3 +45x 4 +22x 5 = 319 3x 1 +12x 2 + 6x 3 + 8x
Primární zpracování radarového signálu dopplerovská filtrace
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE K13137 - Katedra radioelektroniky A2M37RSY Jméno Stud. rok Stud. skupina Ročník Lab. skupina Václav Dajčar 2011/2012 2. 101 - Datum zadání Datum odevzdání Klasifikace
MATLAB. Popis prostředí MATLABu (pracovní plocha) MATLAB je integrovaným prostředím, s jehož pomocí lze provádět zejména:
Stránka 1 z 25 MATLAB MATLAB je integrovaným prostředím, s jehož pomocí lze provádět zejména: matematické výpočty (snadná a rychlá práce s maticemi reálných nebo komplexních čísel), modelování, analýzu
Histogram a jeho zpracování
Histogram a jeho zpracování 3. přednáška předmětu Zpracování obrazů Martina Mudrová 24 Definice Co je to histogram? = vektor absolutních četností výskytu každé barvy v obrázku [H(1),H(2), H(c)] c m.n c
Histogram a jeho zpracování
... 3.. 5.. 7.. 9 Histogram a jeho zpracování 3. přednáška předmětu Zpracování obrazů Martina Mudrová Definice Co je to histogram? = vektor absolutních četností výskytu každé barvy v obrázku [H(),H(),
3.T Technické výpočty v Octave/Matlabu zpracování a zobrazení dat
SVAT I/3 1 3.T Technické výpočty v Octave/Matlabu zpracování a zobrazení dat Ať už se vydáš na jakýkoliv technický či přírodovědný obor, neminou tě algebraické nebo analytické výpočty. Tento tutoriál tě
5. Maticová algebra, typy matic, inverzní matice, determinant.
5. Maticová algebra, typy matic, inverzní matice, determinant. Matice Matice typu m,n je matice složená z n*m (m >= 1, n >= 1) reálných (komplexních) čísel uspořádaných do m řádků a n sloupců: R m,n (resp.
LINEÁRNÍ ALGEBRA S MATLABEM
LINEÁRNÍ ALGEBRA S MATLABEM Tomáš Kozubek Tomáš Brzobohatý Marta Jarošová Václav Hapla Alexandros Markopoulos Text byl vytvořen v rámci realizace projektu Matematika pro inženýry 21. století (reg. č. CZ.1.07/2.2.00/07.0332),
BASH. Kouzla s příkazovou řádkou. Petr Koloros
BASH Kouzla s příkazovou řádkou Petr Koloros Obsah příkazová řádka proměnné prsaté závorky {hot! hot!} manipulace se soubory vstup, výstup, přesměrování hlídače regularní výrazy filtry skriptování pitfalls
Vizualizace. TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií
TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií MATLB: přednáška 3 Vizualizace Zbyněk Koldovský Projekt ESF CZ.1.07/2.2.00/28.0050 Modernizace didaktických metod
Příklady k prvnímu testu - Matlab
Příklady k prvnímu testu - Matlab March 13, 2013 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a naprogramujte příklad podobný. Tím se ujistíte, že příkladu rozumíte.
Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného)
Vyhodnocení 2D rychlostního pole metodou PIV programem Matlab (zpracoval Jan Kolínský, dle programu ing. Jana Novotného) 1 Obecný popis metody Particle Image Velocimetry, nebo-li zkráceně PIV, je měřící
% vyhledání prvku s max. velikostí v jednotlivých sloupcích matice X
%------------------------------------- % 4. cvičení z předmětu PPEL - MATLAB %------------------------------------- % Lenka Šroubová, ZČU, FEL, KTE % e-mail: lsroubov@kte.zcu.cz %-------------------------------------
1 Cvičení 1a - Úvod od programování v Matlabu/Octave
1 Cvičení 1a - Úvod od programování v Matlabu/Octave 1.1 Matlab 1.1.1 Prostředí Pro studenty ČVUT je dostupná studentská licence ke stažení z https://download.cvut.cz/ (po přihlášení). Nevýhodou této licence
KTE / PPEL Počítačová podpora v elektrotechnice
KTE / PPEL Počítačová podpora v elektrotechnice Ing. Lenka Šroubová, Ph.D. email: lsroubov@kte.zcu.cz http://home.zcu.cz/~lsroubov 3. 10. 2012 Základy práce s výpočetními systémy opakování a pokračování
PPEL Ing. Petr Kropík email: pkropik@kte.zcu.cz ICQ: 228540585 http://home.zcu.cz/~pkropik tel.: +420 377 634 639 +420 377 634 606 (odd.
PPEL Ing. Petr Kropík email: pkropik@kte.zcu.cz ICQ: 228540585 http://home.zcu.cz/~pkropik tel.: +420 377 634 639 +420 377 634 606 (odd. informatiky) 22.9.2009 Místnost: EK602 Katedra teoretické elektrotechniky
MATLAB, v , Release 13
MATLAB, v. 6.5.0180913, Release 13 1. Úvod Jedná se o programový systém, jehož název znamená MATRIX LABORATORY. Používá se od roku 1984 v mnoha oborech k simulacím, měření, grafice. Používá se celosvětově
KTE / PPEL Počítačová podpora v elektrotechnice
KTE / PPEL Počítačová podpora v elektrotechnice 3. 12. 2014 Ing. Lenka Šroubová, Ph.D. email: lsroubov@kte.zcu.cz http://home.zcu.cz/~lsroubov Grafy, úprava, popisky, vizualizace výsledků výpočtů opakování
Jemný úvod do Matlabu a Simulinku
Jemný úvod do Matlabu a Simulinku Částečně splněné požadavky na zápočet za 29932 sekund B B. Kovář, J. Přikryl, M. Pěnička, M. Vlček, L. Hodný c 1998 2007 Ústav aplikované matematiky FD ČVUT Obsah 1 Úvod
Základy zpracování obrazu
UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ Základy zpracování obrazu Ing. Miroslav Fribert, Dr Pardubice 006 . Operace s maticemi, program Mathematica. Matice ve zpracování obrazu Matematickým
více křivek v jednom grafu hold on přidrží aktuální graf v grafickém okně, lze nakreslit více grafů do jednoho grafického okna postupně hold off
více křivek v jednom grafu hold on přidrží aktuální graf v grafickém okně, lze nakreslit více grafů do jednoho grafického okna postupně hold off vypnutí, konec možnosti kreslit více grafů do jednoho grafického
MATLAB HRAVĚ Zdeněk Jančík, FIT VUT Brno
MATLAB HRAVĚ Zdeněk Jančík, FIT VUT Brno MATLAB (MATrix LABoratory) software pro vědecké výpočty a zobrazování. 1 Několik praktických rad po startu Windows spusťte Matlab z adresáře Q:\MATLAB dvojitým
Matice se v některých publikacích uvádějí v hranatých závorkách, v jiných v kulatých závorkách. My se budeme držet zápisu s kulatými závorkami.
Maticové operace Definice Skalár Představme si nějakou množinu, jejíž prvky lze sčítat a násobit. Pěkným vzorem jsou čísla, která už známe od mala. Prvky takové množiny nazýváme skaláry. Matice Matice
Příklady k druhému testu - Matlab
Příklady k druhému testu - Matlab 20. března 2013 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a naprogramujte příklad podobný. Tím se ujistíte, že příkladu
1 Základní funkce pro zpracování obrazových dat
1 Základní funkce pro zpracování obrazových dat 1.1 Teoretický rozbor 1.1.1 Úvod do zpracování obrazu v MATLABu MATLAB je primárně určen pro zpracování a analýzu numerických dat. Pro analýzu obrazových
Hough & Radon transform - cvičení
Hough & Radon transform - cvičení ROZ UTIA - ZOI Adam Novozámský (novozamsky@utia.cas.cz) Motivace Co to je Houghova transformace a k čemu se používá?: metoda pro nalezení parametrického popisu objektů
Matice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.
Přednáška MATEMATIKA č. 2 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 13. 10. 2010 Uspořádané schéma vytvořené z m n reálných čísel, kde m, n N a 11 a 12 a
C++ Akademie SH. 2. Prom nné, podmínky, cykly, funkce, rekurze, operátory. Michal Kvasni ka. 20. b ezna Za áte níci C++
C++ Akademie SH 2. Prom nné, podmínky, cykly, funkce, rekurze, operátory Za áte níci C++ 20. b ezna 2011 Obsah 1 Prom nné - primitivní typy Celá ísla ƒísla s pohyblivou desetinnou árkou, typ bool 2 Podmínka
EVROPSKÝ SOCIÁLNÍ FOND. Úvod do PHP PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI
EVROPSKÝ SOCIÁLNÍ FOND Úvod do PHP PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI Úvod do PHP PHP Personal Home Page Hypertext Preprocessor jazyk na tvorbu dokumentů přípona: *.php skript je součást HTML stránky!
Cvi ení 2. Cvi ení 2. Modelování systém a proces. Mgr. Lucie Kárná, PhD. March 5, 2018
Modelování systém a proces Mgr. Lucie Kárná, PhD karna@fd.cvut.cz March 5, 2018 1 Gracké moºnosti Matlabu 2 Zobrazení signálu 3 4 Analýza signálu Gracké moºnosti Matlabu Základní gracké p íkazy I Graf
Skriptování aneb funkce a procedury, cykly a vstupy a výstupy
co byste měli umět po dnešní lekci: napsat skript a spustit jej napsat externí funkci a zpracovat její návratovou hodnotu/y využívat cykly a podmínky používat formátovaný výstup používat help skript posloupnost
MATLB: p edná²ka 1. Prom nné, indexování a operátory. TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií
TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií MATLB: p edná²ka 1 Prom nné, indexování a operátory Zbyn k Koldovský Projekt ESF CZ.1.07/2.2.00/28.0050 Modernizace
Paralelní LU rozklad
Paralelní LU rozklad Lukáš Michalec Katedra fyziky, Přírodovědecká fakulta Univerzity J.E. Purkyně v ročník, specializace Ústí n.l. Abstract Seminární práce se zabývá řešení soustavy lineárních rovnic
při vykreslování křivky je důležitá velikost kroku, příp. počet prvků, ve vektoru t (na ose x). t = linspace(0,2*pi,500); y = sin(t); t =
při vykreslování křivky je důležitá velikost kroku, příp. počet prvků, ve vektoru t (na ose x). t = linspace(0,2*pi,500); y = sin(t); t = linspace(0,2*pi,5); plot(t,y,'b') y = sin(t); plot(t,y,'c') při
smaže n-tý sloupec matice A vybere hodnotu 6.,1.,3.,2.prvku vektoru a a1 =
1. Způsoby zadání vektorů, ukládání proměnných >> repmat(a,2,2) ans = 1 2 3 1 2 3 1 2 3 1 2 3 >>M = [ ] uloží prázdnou matici >>A(m,:) = [ ] smaže m-tý řádek matice A >>A(:,n) = [ ] smaže n-tý sloupec
Přednáška v rámci PhD. Studia
OBVODY SE SPÍNANÝMI KAPACITORY (Switched Capacitor Networks) Přednáška v rámci PhD. Studia Doc. Ing. Lubomír Brančík, CSc. UREL FEKT VUT v Brně ÚVOD DO PROBLEMATIKY Důsledek pokroku ve vývoji (miniaturizaci)
E+034 = ; = e E+034
Formátovaný textový výstup fprintf Příklad: m = 123.3456; fprintf('%f\n', m); 123.345600 fprintf('%e\n', m); 1.233456e+002 fprintf('%e\n', m); 1.23456E+002 fprintf('%g\n', m); 123.346 fprintf('%g\n', m);
ROZ I. CVIČENÍ V. Morfologické operace v obraze teorie & praxe
ROZ I. CVIČENÍ V. Morfologické operace v obraze teorie & praxe TEORIE Morfologické operace v obraze Zdroje (7.. 0): Wikipedia EN: http://en.wikipedia.org/wiki/mathematical_morphology CMP: http://cmp.felk.cvut.cz/~hlavac/
Pole buněk (cell arrays)
Stránka 1 z 14 Pole buněk (cell arrays) Pole buněkjsou datovým typem MATLABu (cell) a umožňují uložit různé druhy dat do jedné proměnné. Mohou mít rozměry 1 n, m 1 nebo m n (nebo být vícerozměrná). Vytvoření
Algoritmus Minimax. Tomáš Kühr. Projektový seminář 1
Projektový seminář 1 Základní pojmy Tah = přemístění figury hráče na tahu odpovídající pravidlům dané hry. Při tahu může být manipulováno i s figurami soupeře, pokud to odpovídá pravidlům hry (např. odstranění
11MAMY LS 2017/2018. Úvod do Matlabu. 21. února Skupina 01. reseni2.m a tak dále + M souborem zadané funkce z příkladu 3 + souborem skupina.
11MAMY LS 2017/2018 Cvičení č. 2: 21. 2. 2018 Úvod do Matlabu. Jan Přikryl 21. února 2018 Po skupinách, na které jste se doufám rozdělili samostatně včera, vyřešte tak, jak nejlépe svedete, níže uvedená
BPC2E_C08 Parametrické 3D grafy v Matlabu
BPC2E_C08 Parametrické 3D grafy v Matlabu Cílem cvičení je procvičit si práci se soubory a parametrickými 3D grafy v Matlabu. Úloha A. Protože budete řešit transformaci z kartézských do sférických souřadnic,
Kreslení grafů v Matlabu
Kreslení grafů v Matlabu Pavel Provinský 3. října 2013 Instrukce: Projděte si všechny příklady. Každý příklad se snažte pochopit. Pak vymyslete a naprogramujte příklad podobný. Tím se ujistíte, že příkladu
Grafické výstupy v Octave/Matlabu a GnuPlotu
co byste měli umět po dnešní lekci: nakreslit xy graf s popisky os nakreslit graf s více závislostmi, pro každou z nich vybrat symbol/barvu linie nakreslit více grafů do jednoho vykreslit 3D graf v různých
Z OBRAZOVÉHO ZÁZNAMU. Jan HAVLÍK. Katedra teorie obvodů, Fakulta elektrotechnická
POROVNÁNÍ HRANOVÝCH DETEKTORŮ POUŽITÝCH PŘI PARAMETRIZACI POHYBU Z OBRAZOVÉHO ZÁZNAMU Jan HAVLÍK Katedra teorie obvodů, Fakulta elektrotechnická České vysoké učení technické v Praze Abstrakt Tento článek
Paralelní grafové algoritmy
Paralelní grafové algoritmy Značení Minimální kostra grafu Nejkratší cesta z jednoho uzlu Nejkratší cesta mezi všemi dvojicemi uzlů Použité značení Definition Bud G = (V, E) graf. Pro libovolný uzel u
Analýza a zpracování digitálního obrazu
Analýza a zpracování digitálního obrazu Úlohy strojového vidění lze přibližně rozdělit do sekvence čtyř funkčních bloků: Předzpracování veškerých obrazových dat pomocí filtrací (tj. transformací obrazové
A0B17MTB Matlab. Úvod. Miloslav Čapek miloslav.capek@fel.cvut.cz Filip Kozák, Viktor Adler. Katedra elektromagnetického pole B2-626, Dejvice
A0B17MTB Matlab Miloslav Čapek miloslav.capek@fel.cvut.cz Filip Kozák, Viktor Adler Katedra elektromagnetického pole B2-626, Dejvice Naučíte se Co je MATLAB? Proč se učit MATLAB? Podrobnosti kurzu A0B17MTB
P íklady k prvnímu testu - Scilab
P íklady k prvnímu testu - Scilab 24. b ezna 2014 Instrukce: Projd te si v²echny p íklady. Kaºdý p íklad se snaºte pochopit. Pak vymyslete a naprogramujte p íklad podobný. Tím se ujistíte, ºe p íkladu
2.2. SČÍTÁNÍ A NÁSOBENÍ MATIC
22 SČÍTÁNÍ A NÁSOBENÍ MATIC V této kapitole se dozvíte: jak je definováno sčítání matic a jaké má základní vlastnosti jak je definováno násobení matic číslem a jaké má základní vlastnosti zda a proč se
Příklad: Součet náhodných čísel ve vektoru s počtem prvků, které zadá uživatel, pomocí sum() a pomocí cyklu for. Ověříme, že příliš výpisů na
Příklad: Součet náhodných čísel ve vektoru s počtem prvků, které zadá uživatel, pomocí sum() a pomocí cyklu for. Ověříme, že příliš výpisů na obrazovku zpomaluje tím, že zobrazíme okno (proužek) o stavu
Jazyk C# (seminář 5)
Jazyk C# (seminář 5) Pavel Procházka KMI 23. října 2014 Přetěžování metod motivace Představme si, že máme metodu, která uvnitř dělá prakticky to samé, ale liší se pouze parametry V C# můžeme více metod
Programovani v Maplu Procedura
Programovani v Maplu Procedura Priklad: procedura, ktera scita 2 cisla: a + 2*b soucet := proc (a, b) local c; # lokalni promenna - existuje a meni se jenom uvnitr procedury c:=a+b; # globalni promenna
P íklady k druhému testu - Matlab
P íklady k druhému testu - Matlab 1. dubna 2014 Instrukce: Projd te si v²echny p íklady. Kaºdý p íklad se snaºte pochopit. Pak vymyslete a naprogramujte p íklad podobný. Tím se ujistíte, ºe p íkladu rozumíte.
Algoritmus pro hledání nejkratší cesty orientovaným grafem
1.1 Úvod Algoritmus pro hledání nejkratší cesty orientovaným grafem Naprogramoval jsem v Matlabu funkci, která dokáže určit nejkratší cestu v orientovaném grafu mezi libovolnými dvěma vrcholy. Nastudoval
3. Restrukturalizace nebo manipulace s údaji - práce s rastrovými daty
3. Restrukturalizace nebo manipulace s údaji - práce s rastrovými daty Většina systémových konverzí je shodná nebo analogická jako u vektorových dat. změna formátu uložení dat změny rozlišení převzorkování
T E O R I E C H Y B A V Y R O V N Á V A C Í P O
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA VYŠŠÍ GEODÉZIE název předmětu T E O R I E C H Y B A V Y R O V N Á V A C Í P O Č E T 2 č. úlohy 6 název úlohy T
Pracovní text a úkoly ke cvičením MF002
Pracovní text a úkoly ke cvičením MF002 Ondřej Pokora, PřF MU, Brno 11. března 2013 1 Brownův pohyb (Wienerův proces) Základním stavebním kamenem simulací náhodných procesů popsaných pomocí stochastických
2. Číslicová filtrace
Żpracování signálů a obrazů 2. Číslicová filtrace.......... Petr Česák Zimní semestr 2002/2003 . 2. Číslicová filtrace FIR+IIR ZADÁNÍ Účelem cvičení je seznámit se s průběhem frekvenčních charakteristik
Algoritmus pro generování normálních magických čtverců
1.1 Úvod Algoritmus pro generování normálních magických čtverců Naprogramoval jsem v Matlabu funkci, která dokáže vypočítat magický čtverec libovolného přípustného rozměru. Za pomocí tří algoritmů, které
3. Matice a determinanty
. Matice a determinanty Teorie matic a determinantů představuje úvod do lineární algebry. Nejrozsáhlejší aplikace mají matice a determinanty při řešení systémů lineárních rovnic. Pojem determinantu zavedl
Od Pythagorovy věty k super-počítání
Od Pythagorovy věty k super-počítání MODAM,. dubna 5 Dalibor Lukáš Kat. aplikované matematiky, FEI& IT4Innovations VŠB TU Ostrava web: am.vsb.cz email: dalibor.lukas@vsb.cz Od Pythagorovy věty k super-počítání
KTE / ZPE Informační technologie
7 KTE / ZPE Informační technologie Ing. Petr Kropík, Ph.D. email: pkropik@kte.zcu.cz tel.: +420 377 63 4639, +420 377 63 4606 (odd. informatiky) Katedra teoretické elektrotechniky FEL ZČU Plzeň - ternární
SLT-A33/SLT-A55/SLT-A55V
SLT-A33/SLT-A55/SLT-A55V Tento dokument popisuje nové funkce zahrnuté v této aktualizaci firmwaru a pøíslušné operace. Další informace obsahuje Návod k obsluze. 2011 Sony Corporation A-E1L-100-61(1) Zahrnuté
Břetislav Fajmon, UMAT FEKT, VUT Brno. Poznámka 1.1. A) první část hodiny (cca 50 minut): představení všech tří metod při řešení jednoho příkladu.
Břetislav Fajmon, UMAT FEKT, VUT Brno Poznámka 1.1. A) první část hodiny (cca 50 minut): představení všech tří metod při řešení jednoho příkladu. Na jiných příkladech je téma podrobně zpracováno ve skriptech
Mikroskopická obrazová analýza
Návod pro laboratorní úlohu z měřicí techniky Práce O1 Mikroskopická obrazová analýza 0 1 Úvod: Tato laboratorní úloha je koncipována jako seznámení se s principy snímání mikroskopických obrazů a jejich