3D REKONSTRUKCE VÝSTUPŮ Z OPTICKÝCH MIKROSKOPŮ 3-D RECONSTRUCTION OF OPTICAL MICROSCOPE OUTPUTS. PhD. Thesis

Rozměr: px
Začít zobrazení ze stránky:

Download "3D REKONSTRUKCE VÝSTUPŮ Z OPTICKÝCH MIKROSKOPŮ 3-D RECONSTRUCTION OF OPTICAL MICROSCOPE OUTPUTS. PhD. Thesis"

Transkript

1 VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MATEMATIKY aeddr. Dalibor Martišek 3D REKONSTRUKCE VÝSTUŮ Z OTICKÝCH MIKROSKOŮ 3-D RECONSTRUCTION OF OTICAL MICROSCOE OUTUTS hd. Thesis Vědí obor: Školitel: Opoeti: ateatické ižeýrství Doc. RNDr. Miloslav Drucküller, CSc. rof. ig. Josef Kohoutek, CSc. Doc. RNDr. Bedřich ůža, CSc. Doc. RNDr. Josef Reischig, CSc. Datu obhaoby:

2 000 Dalibor Martišek ISBN

3 Obsah Úvod Teoretická východiska Grafický prostor Grafická rovia Grafický prostor Obraz Vizualizace 3D obektu Barevá apa plochy Vrstevice roítací etody Kovečí ikroskop Rekostrukce síku z kovečího ikroskopu áso ostrost ultifokálí obraz Složeí ostrého obrazu D rekostrukce Kofokálí ikroskop Složeí optických řezů D rekostrukce Softwarové zpracováí... 4 Abstract... 7 oužitá literatura... 3 oužité publikace autora Curiculu vitae

4 4

5 ÚVOD Moe disertačí práce se zabývá ožosti rekostrukce síků pořízeých optickýi ikroskopy, a to ak kofokálí tak kovečíi. Zpracováí těchto síků softwarovýi ástroi ůže výstupy z těchto zařízeí (a tí i zařízeí saotá) začě zhodotit. Jak e patré z výsledků, které sou v práci prezetováy, e ožé provést poěrě uspokoivý způsobe ak dvo-, tak trorozěré rekostrukce pozorovaých obektů. rví část práce obsahue ěkteré ateatické poy, které sou v práci používáy. Opírá se o citovaou literaturu a pro edostatek ísta eí v tezích uvedea. Druhá část se zabývá základíi kostrukcei v roviě a v prostoru. Základí defiovaé poy - pixel a voxel - sou sice v literatuře používáy, esou však uspokoivě ateaticky defiováy. Tato část práce staví základí kostrukce počítačové grafiky a ateatický základ, který ebyl dosud publiková a který uožňue zcela origiálí kostrukce. Třetí část se zabývá obecě probleatikou zobrazeí trorozěrého obektu a výstupí zařízeí počítače. Některé kostrukce sou opět zcela origiálí, ié sou sice záy, ale ty sou buď ipleetováy v profesioálích grafických systéech a ako takové sou součástí fireích taeství, ebo sou ziňováy v dostupé literatuře, ale aprosto edostatečý a epoužitelý způsobe. Čtvrtá část se zabývá zobrazeí obektů optický ikroskope. Základí pricipy sou saozřeě záy a v úvodu této části se autor opírá o citovaou literaturu. Nicéě i tyto pricipy sou postavey a ateatický základ, který dosud ebyl publiková. Těžiště této části práce e pak studiu evů, kterýi se literatura běžě ezabývá. Jsou to evy, které sou obvykle chápáy ako vady či eze optického zobrazeí, eboť překračuí ráec geoetrické optiky. rávě tyto evy závisí však a geoetrii pozorovaého obektu a uožňuí tak eho prostorovou rekostrukci. átá a šestá část se zabývá rekostrukcei obektů pozorovaých kovečíi resp. kofokálíi ikroskopy. Sedá část popisue softwarové zpracováí celé probleatiky. 5

6 . TEORETICKÁ VÝCHODISKA Tato část práce obsahue defiice a vlastosti ateatických poů, které sou v práci používáy. Opírá se o citovaou literaturu a pro edostatek ísta zde eí uvedea.. GRAFICKÝ ROSTOR.. Grafická rovia V počítačové grafice ukládáe data ako souřadice bodů. Body sou v souladu s tradičí Euklidovskou geoetrií odelováy ako bezrozěré obekty. Zobrazovací plocha výstupího zařízeí (ať iž oitoru či tiskáry, koeckoců i sítice lidského oka) e však fyzické zařízeí a body bez rozěrů zobrazovat resp. víat euí. Místo pou bod e proto používá poe pixel (ovotvar z aglického "picture eleet") ako eeší zobrazitelý útvar. Jak však bude zřeé z ásleduícího, při ateatické odelováí e třeba rozlišovat pixely ve syslu logické (t. výstupí zařízeí chápat ako ožiu izolovaých Euklidovských bodů) a ve syslu fyzické (t. výstupí zařízeí ako ožia eleetárích plošek ).. Defiice: Nechť sou dáy itervaly I = i ;i ); J = ; ). Dále echť Dx = { xi} ; i= 0 > e ekvidistatí děleí itervalu I, Dy = { yi} ; > e i= 0 ekvidistatí děleí itervalu J. Obdélík F = xi ; xi+ y ; y + ; i = 0,,..,, = 0,,.., azýváe fyzický pixele. Čísla px = xi + xi ; resp p y = y + y azýváe horizotálí resp. vertikálí rozěr fyzického pixelu F i,. Obdélík I J spolu s děleíi D x, D y azýváe grafický prostore G (grafickou roviou), podrobě začíe G = ( I J, D x, D y ). Uspořádaou dvoici ( ; ) azýváe rozlišeí grafické roviy.. Věta: Horizotálí resp. vertikálí rozěry všech fyzických pixelů F i, grafické roviy G sou si rovy. { } 3. Věta: Možia F F = x x ) y ; y ) i { 0,.., }; { 0,.., } = i ; i+ + všech fyzických pixelů grafické roviy G e rozklade grafické roviy G. 4. Věta: Nechť G e grafická rovia, F ožia z věty 3. Relace ρ defiovaá a G vztahe ρ( A, B) ( Fi F )[ A Fi B Fi ] e ekvivalece a G. 6

7 5. Defiice: Nechť G e grafická rovia. Faktorovou ožiu F = G / ρ, kde ρ e ekvivalece z předcházeící věty, azýváe fyzickou roviou roviy G. Rozlišeí fyzické roviy F rozuíe rozlišeí příslušé grafické roviy G. 6. Defiice: Nechť G e grafická rovia, F eí fyzická rovia, rozěry eích fyzických pixelů F,. Dále echť pro resp. pro [ c d] i c < px e I = rk R k { 0,,..., } : rk xk ; xk + ) d < p e J s R k { 0,,..., } : s y ; y ) y p x resp. { rk xk c} { s y d} c = d = k k k k + k k = c I d =,. ak ožiu L = J azýváe logickou roviou, eí prvky L pak logické pixely. 7. Věta: Nechť F e fyzická rovia grafické roviy G, L libovolá logická rovia téže grafické roviy, a ϕ : F L zobrazeí takové, že pro každé i = 0,,..,, = 0,,..., e ϕ ( F ) = L L Fi,. ak zobrazeí ϕ e biekce. 8. Defiice: Zobrazeí ϕ : F L z předchozí věty azýváe apováí fyzické roviy. Mapováí ϕ : F L zobrazue roviu fyzickou a roviu logickou. Vzhlede k tou, že se edá o biekc existue vždy apováí iverzí ϕ : L F, které zobrazue roviu fyzickou a roviu logickou. Je zřeé, že k daé fyzické roviě existue ekoečě oho rovi logických, eboť logickou roviu L lze sestroit pro libovolé = [ c, d] x0 ; x ) y0; y. Každá fyzická rovia ůže být tedy apováa ekoečě oha způsoby. Dále budu používat e dva edůležitěší: 9. Defiice: Mapováí V : V L apováí. Mapováí S : S L středový apováí. ϕ F, kde [ ] p y, a V = x 0 ; y 0 azýváe vrcholový S = x + x ); ( y + y ) azýváe ( 0 0 ϕ F, kde [ ] ozáka: Nebude-li uté přesě specifikovat použité apováí, budee logickou roviu začit stručě L a apováí ϕ. 0. Defiice: Nechť F e fyzická rovia, F i, eí fyzický pixel. Uspořádaou dvoici [ ] azýváe souřadicei fyzického pixelu F i,. 7

8 . Defiice: Nechť L e libovolá logická rovia fyzické roviy F. Ozače e = ( px ;0 ); e = ( 0; p y ) ; S = L00. ak uspořádaou čtveřici L ; S; e; e azýváe světovou souřadou soustavou logické roviy L.. Defiice: Nechť L e logická rovia, L ; S; e; e eí světová souřadá soustava. Dále echť F e fyzická rovia, pro kterou existue iverzí apováí takové, že ϕ : F L. Soustavu L ; S; e; e azýváe světovou souřadou soustavou fyzické roviy F idukovaou apováí ϕ. Začíe F ; S; e; e. 3. Defiice: Nechť L e logická rovia grafické roviy G, F e fyzická roviy téže grafické roviy, ϕ : L F apováí, L ; S; e; e světová souřadá soustava logické roviy L. Uspořádaou čtveřici O; S; e; e azýváe světovou souřadou soustavou roviy G idukovaou apováí ϕ. odrobě začíe O; S; e; e. ϕ 4. Defiice: Měe světovou souřadou soustavu L ;S ; e; e libovolé logické roviy idukovaou eí libovolý apováí. V této soustavě ěe bod O = [ o ;o ] a vektory i = ( i ;0) ; = ( 0; ). Uspořádaou troici O ;i; azýváe uživatelskou souřadou soustavou. říku určeou bode O = [ o ;o ] a sěrový vektore i () azýváe osou x (y), vektor i () e edotkový vektor a ose x (y). 5. Defiice: Nechť F e fyzická rovia s rozlišeí ( wh ; ), ϕ e libovolé x ; x y y F zobrazeí takové, že pro každé apováí, ν : ) ; ) [ x ; y] x ; x ) y; y ) e ([ x ; y] ) = Fi w i = ϕ ( x x ) x x ; = ϕ ( y ) y y y uživatelskou trasforací. Souči ; x ) y y ) plochou. ν právě tehdy, když h ;. ak toto zobrazeí azýváe x azýváe uživatelskou 6. Věta: Nechť G e grafická rovia, F eí fyzická rovia, pixely. Zobrazeí () () i ϕ F, eí fyzické () E : F F R takové, že E ( F ; F ) = ( k i) + ( l ) ; F F : F F R takové, že F ( Fi, ; Fk, l ) = k i + l ; () () C F : F F R takové, že C F ( Fi, ; Fk, l ) = ax{ k i ; l } sou etriky a F. () F k, l 8

9 .. Grafický prostor. Defiice: Nechť sou dáy itervaly I = i ;i ); J = ; ); K = k ;k ) Dále echť Dx = { xi} ; i= 0 > e ekvidistatí děleí itervalu I, Dy = { yi} ; > i= 0 s ekvidistatí děleí itervalu J, D = { zk } k= 0 ; s > K. Kvádr F x x ) y ; y ) z z ); = 0,,..,,,.., z e ekvidistatí děleí itervalu, k = i ; i+ + k ; k + i, = 0, k = 0,,.., s azýváe fyzický voxele. Čísla vx = xi + xi ; resp v y = y + y resp. vz = zk+ zk azýváe rozěry fyzického voxelu F i,, k. Kvádr I J K spolu s děleíi D x, D y, D z azýváe grafický prostore, G = I J K, D, D, D. podrobě začíe ( ) 3 x y. Věta: Odpovídaící si rozěry všech fyzických voxelů F i,, k téhož grafického prostoru G 3 sou si rovy. 3. Věta: Možia F3 = Fi,, k = xi; x i+ y ; y + zk ; zk+ i { 0,.., } { 0,.., }; k { 0,.., s }} z ; e { ; všech fyzických voxelů grafického prostoru G 3 e rozklade grafického prostoru G Věta: Nechť G 3 e grafický prostor, F 3 ožia z věty 3. Relace ρ defiovaá a G 3 vztahe ρ( A, B) ( Fik F 3 )[ A Fik B Fik ] e ekvivalece a G Defiice: Nechť G 3 e grafický prostor. Faktorovou ožiu F 3 = G 3 / ρ, kde ρ e ekvivalece z předcházeící věty, azýváe fyzický prostore prostoru G 3. Rozlišeí fyzického prostoru F 3 rozuíe rozlišeí příslušého grafického prostoru G Defiice: Nechť G 3 e grafická rovia, F 3 eí fyzická rovia, v x resp. v y resp. v z rozěry eích fyzických voxelů F i,, k. Dále echť pro c < vx e c I = { rk R k { 0,,..., } : rk xk ; xk + ) rk xk = c} resp. pro d < v y e d J = { sk R k { 0,,..., } : sk yk ; yk + ) sk yk = d} resp. pro e < vz e e J = { tk R k { 0,,..., s } : tk yk ; yk+ ) tk zk = e} a = [ c, d, e]. ak ožiu L 3= c I d J e J azýváe logický prostore, eí prvky L, k pak logické voxely. 7. Věta: Nechť F 3 e fyzický prostor grafického prostoru G 3, L 3 libovolý logický prostor téhož grafického prostoru a ϕ : F 3 L 3 zobrazeí takové, že pro 9

10 každé i = 0,,..,, = 0,,...,, k = 0,,..., s e ϕ = L L F. ak zobrazeí ϕ e biekce. ( F, k ), k, k, k 8. Defiice: Zobrazeí ϕ : F 3 L 3 z předchozí věty azýváe apováí fyzického prostoru. 9. Defiice: Mapováí V : 3 V L 3 V = x0 ; y0; z0 azýváe vrcholový apováí. Mapováí S ϕ : F 3 S L 3, kde S = x + x ); ( y + y ); ( z + z ) azýváe středový apováí. [ ] ( ϕ F, kde [ ] 0. Defiice: Nechť F 3 e fyzický prostor, F i,, k eho fyzický voxel. Uspořádaou troici [ i,, k] azýváe souřadicei fyzického voxelu F i,, k.. Defiice: Nechť L 3 e libovolý logický prostor fyzického prostoru F 3. Ozače e = ( vx ;0;0 ); e = ( 0; v y ;0); e 3 = ( 0;0; v z ); S = L000. ak uspořádaou pětici L 3 ; S; e; e; e3 azýváe světovou souřadou soustavou logického prostoru L 3.. Defiice: Nechť L 3 e logický prostor, L 3 ; S; e; e; e3 eho světová souřadá soustava. Dále echť F 3 e fyzický prostor, pro který existue iverzí apováí takové, že ϕ : F 3 L3. Soustavu L 3 ; S; e; e; e 3 azýváe světovou souřadou soustavou fyzického prostoru F 3 idukovaou apováí ϕ. Začíe F ; S; e ; e e. 3 ; 3 ϕ 3. Věta: Nechť G 3 e grafický prostor, F 3 eho fyzický prostor, voxely. Zobrazeí (3) F i, k, eho fyzické (3) E : F F R takové, že E ( F ; F ) = ( l i) + ( ) + ( k) ; (3) F 3 3 (3) F, k l,, F : F 3 F 3 R takové, že F ( Fi,, k ; Fl,, ) = l i + + k ; (3) (3) C F : F 3 F 3 R takové, že C F ( Fi,, k ; Fl,, ) = ax{ l i ; ; k } sou etriky a F Obraz. Defiice: Nechť C r = c N; 0 c < r; r >. Zobrazeí O : F C r azýváe obrazovou aticí ebo stručě obraze. Je-li a F defiováa světová souřadá soustava, hovoříe o apovaé obrazu. Možiu C azýváe r-barevou ožiou. Je-li O : F c, pak číslo c azýváe r F e fyzická rovia, { } i 0

11 hodotou ebo též barvou pixelu F i. Rozlišeí obrazu rozuíe rozlišeí příslušé fyzické roviy.. Defiice: Barevou ožiu C r, pro kterou e r = z ; z >, azýváe - chroatickou ožiou. Speciálě pro = 3 azýváe barevou ožiu trichroatickou. Číslo z azýváe rozlišeí barevé ožiy. 3. Věta: Nechť C r e barevá ožia trichroatického systéu s rozlišeí z, 3 c0; c; c; ci = 0,,..., z. ak existue biekce β : Cr C z, taková, že pro každé 0 c e ( c ) = ( c ; c c ) c = c z + c z + c. Na ožiě C existue C r β 0 ; c 0 ; c; c < d0; d; d uspořádáí ( ) ( ) 4. Defiice: Možiu 3 0 z z 0 0 c 0 z + cz + cz < d0z + dz + d z 3 C z z předchozí věty azýváe trichroatický systée. 5. Defiice: Nechť C r e r-barevá ožia, Cr eí eéě dvouprvková podožia, < uspořádáí ožiy. ak ožiu azvee paletou vybraou z r-barevé ožiy C. 6. Defiice: Nechť F 3 e fyzický barevý prostor, voxely, F, k, F l, právě tehdy, když r F, F i,, k, F l,, eho fyzické F,, eich uzávěry. Voxel l, azvee sousede voxelu i, k F F l,,, k. 7. Defiice: Nechť C r e barevá ožia trichtoatického systéu, F 3 eho fyzický barevý prostor Cr e paleta trichroatického systéu. Nechť v paletě existuí evýše dva fyzické voxely F i,, k, F l,,, které aí právě edoho souseda růzého od sebe saa (počátečí resp. kocový voxel palety), ostatí voxely echť aí eéě dva sousedy růzé od sebe saa. ak paletu azvee plyulou. Ke kostrukci plyulých palet ůžee použít paraetricky zadaých spoitých křivek α G3, a to ásleduící způsobe: Nechť F 3 e fyzický barevý prostor, ( S ; e ; e; e3 ) eho světová souřadá soustava idukovaá libovolý apováí. V této souřadé soustavě echť e určea spoitá křivka paraetrickýi rovicei x = ϕ(t) ; y = ψ(t) ; z = τ(t) ; t t ;t. Ozače A = [ ϕ( t; ψ( t; τ( t ] G3, [ ] A = ϕ( t); ψ( t); τ( t) G3. Nechť () F pak fyzický voxel, pro který e A F spočívá v rekurziví půleí itervalu t ;t ( F e fyzický voxel, pro který e () ( A F ;. Kostrukce plyulé palety pak. Volba vhodé palety ůže veli přispět k vizualizaci prostorového obektu proítutého do roviy.

12 3. VIZUALIZACE 3D OBJEKTU 3.. Barevá apa plochy Barevá apa plochy eí popsáa v literatuře, přestože se edá o relativě edoduchý prostředek vizualizace trorozěrých obektů.. Defiice: Měe uživatelskou plochu ; x ) y y ) x ; a fukci z = f ( x; y), která e a í spoitá a eíž obor hodot e H = z0; z. Dále echť F e fyzická rovia, F i, eí fyzické pixely a v : x ; x ) y; y ) F e uživatelská trasforace. Dále echť Cr e prvková paleta, D z = { z 0 ; z ;...; z } e ekvidistatí děleí H a τ : H zobrazeí takové, že τ ( z ) = k právě tehdy, když z k ; k). ak obraz O : F azýváe barevou apou plochy. Kostrukci barevé apy pro fukce zadaé fukčí předpise z = f ( x; y) se iž popsal v []. Teto algoritus se testoval a ploše sestroeé etodou přesouváí středího bodu ve D (publikováo opět v []). 3.. Vrstevice Vrstevicei plochy z = f ( x; y) rozuíe rovié křivky f ( x; y) = kost. Je-li fukce f ( x; y) spoitá, sou spoité i eí vrstevice. Na výstupí zařízeí počítače ůžee tyto křivky sestroit ásleduící způsobe - všiee si edříve křivky f ( x; y) = 0: Výstupí zařízeí e fyzická rovia F, eí rozlišeí echť e ( w ; h). Tuto fyzickou roviu opatříe uživatelskou souřadou soustavou O;i; s uživatelskou plochou ; x ) y y ) x. Rozěry fyzických pixelů fyzické roviy v uživatelských souřadicích sou = ; =. Dále sestroíe logickou ; p x w x x p y h y y roviu L a vrcholové apováí. V grafické roviě G e pak uzavřeý fyzický pixel F obecě obdélík L Li+, Li+, + L +. Fukce f ( x; y) e podle f i+, <, pak existue bod X L i, Li+, takový, že f ( X ) = 0. Fyzickou roviu F usíe tedy proít po edotlivých pixelech. Fyzický pixel bude sestroe tehdy a e tehdy, existue-li alespoň eda dvoici eho vrcholů, ve kterých á fukce z = f ( x; y) růzá zaéka. Chcee-li sestroit vrstevic více, usíe pracovat s rovicí f ( x; y) = kost, t sestroovat křivky f ( x; y) C = 0. K cyklů přes fyzickou roviu tedy přibývá cyklus pro předpokladu spoitá. Jestliže tedy ( L ) f ( L ) 0 C c ;c kroke hc.

13 3.3. roítací etody. Defiice: Nechť E 3 e rozšířeý Euklidovský prostor, π E 3 eho vlastí rovia, S π eho bod. Zobrazeí ρ : E 3 π azvee středový proítáí právě tehdy, když pro každé X E 3 platí: ρ( X ) = X ' X ' SX p X ' π. Bod S azýváe střede proítáí, příku p proítací příkou. Je-li střed proítáí vlastí, azýváe proítáí lieárí perspektivou. Je-li evlastí, azýváe proítáí axooetrií. řito e-li p π luvíe o axooetrii kolé, v opačé případě o axooetrii kosoúhlé.. Věta: Nechť E 3 Euklidovský prostor, E rovia v toto prostoru, x', y', z' E avzáe růzé příky v této roviě takové, že x ' y' z' = { O' }. ak existue souřadá soustava O, i,, k prostoru E 3 s osai x, y, z a axooetrie Z taková, že Z : O O', x x', y y', z z'. V toto zobrazeí se osy x, y, z souřadé soustavy O, i,, k zobrazí a troici příek x ', y', z' v roviě π, edotkové vektory i,, k E3 a vektory i ', ', k' π, bod O a bod O '. růětu π tedy ztotožíe s ákresou (obrazovkou počítače), a opatříe i souřadou soustavou O' =' O' ', i'', ' ', kde O '' = O'. Vektory i', ', k' = i '; i ' = echť aí v této souřadé soustavě souřadice i ' ( ) ; ( ) O' ' k ' = ( k '; k' ) O' '. Nechť Z : X X ', X = [ x ; x; x3] E3, X ' = [ x ''; ''] x O' ' π '' platí: x = i x + x + kx3 '' ' ' ' x = i x + x + k ( ' x3 ' ' ' '; ' '' O ;. ak rostorové vztahy lépe odráží axooetrie kolá, která lépe odpovídá reáléu zrakovéu veu. Je to axooetrie, eíž proítací příky sou kolé a průětu. Je určea soustavou ( pro speciálí hodoty i ' ; ' i ; ' ; ' ; k ' ' ;k. Lieárí perspektiva: e středové proítáí a roviu. Kolici spuštěou ze středu S π proítáí a průětu π azýváe hlaví paprsek. Opět určíe sěr pohledu do souřadé soustavy O, i,, k. Zvoleý horizotálí a vertikálí úhel bude yí určovat sěr hlavího paprsku. Toto proítáí e vhodé a realistické zázorňováí prostorových obektů pozorovaých ve větších zorých úhlech. Odvozeí zobrazovacích rovic kolé axooetrie a lieárí perspektivy, akož i řešeí viditelost stíováí a odelováí průhledých a průsvitých obektů se vyyká rozsahu těchto tezí, tuto probleatiku autor publikoval v [0], []. 3

14 4. KONVENČNÍ MIKROSKO Kovečí ikroskop e cetrovaá soustava dvou spoých čoček. Čočka přivráceá k předětu - obektiv - á veli alou ohiskovou vzdáleost f (ěkolik ), čočka přivráceá k oku či síacíu zařízeí - okulár - á ohiskovou vzdáleost f řádově desetkrát větší (ěkolik c). V reálých optických zařízeích ohou být ovše obektiv i okulár složité optické soustavy. Vzdáleost ezi obrazovou ohiskovou roviou obektivu ϕ ' a předětovou ohiskovou roviou okuláru ϕ azýváe optický iterval a začíe. Zobrazovaý předět ůžee pozorovat buď prostý oke, ebo zazaeávat a síací zařízeí. Neí-li ikroskop urče k pozorováí prostý oke, lze celé zařízeí pricipiálě zedodušit. Síací zařízeí ůže ahradit celý okulár a síat obekt přío z předětové ohiskové roviy. Geoetrická optika používá teríy předětový resp. obrazový prostor (oz. 3 ' ' resp. 3). V prostoru 3 se zavádí pravoúhlá souřadá soustava O, x, y, z, v 3 pak pravoúhlá soustava O ', x', y', z'. Osy x,x' se azývaí hlaví osy, leží-li v téže příce, azývá se zobrazeí cetrovaé. V další se budee zabývat e cetrovaý zobrazeí. Zobrazeí se uskutečňue příýi paprsky procházeící v předětové prostoru zobrazovaý bode, které optická soustava zěí v kougovaé paprsky procházeící obrazový prostore a protíaících se v obrazu ' bodu..defiice: roektiví zobrazeí G : 3 3 předětového prostoru 3 do obrazového prostoru azvee geoetrickou proekcí právě tehdy, když: ' 3 a) Existuí body H x ; H ' x' (předětový resp. obrazový hlaví bod). takové, že G( H ) = H ' a pro každou příku p ; H p e p G (p). Roviy χ ;χ' proložeé předětový resp. obrazový hlaví bode kolo k hlaví ose sou předětová resp. obrazová hlaví rovia. b) Existue rovia ϕ : ϕ 3 ϕ x (předětová ohisková rovia) taková, že ' G( ϕ) 3 e evlastí rovia obrazového prostoru. Bod F ϕ x azýváe předětové ohisko. Délka FH = f e předětová ohisková vzdáleost. c) Existue rovia ϕ ': ϕ' 3 ' ϕ' x' (obrazová ohisková rovia) taková, že - G (ϕ' ) 3 e evlastí rovia předětového prostoru. Bod F' ϕ' x' azýváe předětové ohisko. Délka F ' H ' = f ' e obrazová ohisková vzdáleost. ' 4

15 '. Defiice: Nechť G : 3 3 e geoetrická proekce, ϕ předětová ohisková rovia síacího zařízeí. Roviu ω, pro kterou e G - : ϕ ω azýváe roviou ostrosti. Zobrazeí reálý kovečí ikroskope esplňue postuláty geoetrické optiky ikdy zcela přesě, a to z ěkolika důvodů: a) Oezeá šířka svazku paprsků. Je-li O, x, y, z souřadá soustava předětového prostoru a u = [ u ; u; u3] sěrový vektor optického paprsku, pak geoetrické zobrazováí bodu se uskutečňue svazke paprsků S = { p 3 ; p; u, u < 0}. Ozačíe-li A ožiu velikostí všech úhlů, které avzáe svíraí paprsky tohoto svazku, pak sup A = π. Reálý ikroskop á vždy sup A < π. Nadále budee tedy písee S začit svazek paprsků, který prochází reálý optický ikroskope. b) Vlová podstata světla á za ásledek eho ohyb. Obraze bodu eí bod, ale ožia bodů vlová stopa c) Nekoplaárost preparátu způsobí, že svazek S prote předětovou ohiskovou roviu ϕ síacího zařízeí opět v ožiě bodů Euklidovské stopě. d) Rozlišovací schopost síacího zařízeí á za ásledek, že se bod zobrazí a fyzický pixel F, o rozěrech p x = w ; = h i. Defiice: Nechť M V ω ϕ e relace taková, že λ0 [ ; Q] M V Q SV = X ϕ X' ' = G( ) 4Α Relaci M V azýváe vlový ikroskopováí. Možiu S V azýváe vlovou λ0 stopou bodu, číslo d( S V ) = sup { a R a = X ; Y } = azýváe eí X, Y S Α V průěre (zde e λ 0 vlová délka světla, A uerická apertura ikroskopu).. Defiice: Nechť 3 e předětový prostor ikroskopu, G : 3 3 geoetrická proekce. Dále echť 3 ; G : ' ; S e hoocetrický svazek procházeící bode a : S S' M ϕ = ; ' p ': ' p ϕ p y G. Relaci E 3 {[ ] S } S = { ' ϕ ; ' M } azýváe Euklidovský ikroskopováí. Možiu [ ] azýváe Euklidovskou stopou bodu, číslo d( S ) = sup{ X ; Y ; X, Y S } azýváe eí průěre. E E ' E E 5

16 5. REKONSTRUKCE SNÍMKU Z KONVENČNÍHO MIKROSKOU 5.. áso ostrost ultifokálí obraz Zaveďe tyto zedodušuící předpoklady: V a) ro každou vlovou stopu S existue fyzický pixel F i, síacího zařízeí, pro který e SV F i, b) Nechť ( ; () ω sou dva růzé body roviy ostrost G : ' geoetrická proekce, G (( ) = ( ' ; G (( ) ) = () ' ; F i, ; F k, l dva fyzické pixely síacího zařízeí takové, že ( ' F i, ; ( ) ' F k, l. Je-li ( () ; pak F Fk, l. c) Eukidovská stopa S bodu ω e Euklidovský kruh. E okud by bylo ožo v roviě zobrazovat Euklidovské body, zaeal by každý eulový průěr Euklidovské stopy rozostřeý obraz. Je-li však fyzickou roviou s fyzickýi pixely, pak se eostrost proeví pouze tehdy, e-li d( S E ) > p, kde p = i{ p x ; p y }. Jestliže d( S E ) p, ůžee považovat obraz za ostrý.. Defiice: Nechť 3 e bod předětového prostoru, M E 3 ϕ Euklidovské ikroskopováí, F e fyzická rovia ohiskové roviy ϕ, p x ; p y d S průěr Euklidovské stopy bodu. rozěry eích fyzických pixelů, ( E ) Možiu d( ) < p; p i{ p ; p } { } ( O) 3 = 3 S E = x y azýváe otevřeý páse ostrosti ikroskopu.. Defiice: Nechť = [ p ; p p ]; [ q ; q q ] ostrosti ( O ) 3.Číslo ( ) = ( ) 3 ; 3 Q = sou body otevřeého pása ; { Q } v O sup p q ; = [ p ; p ; p ]; Q = [ q ; q ; q ]; azýváe výškou pása ostrosti 3 3 3, ( O ). Části preparátu, které se acházeí v pásu ostrost budou zobrazey ostře, části io pás ostrosti budou rozostřey. Možiu všech bodů preparátu, které se acházeí v pásu ostrosti ikroskopu, budee azývat optický řeze: 3. Defiice: Nechť e pozorovaý preparát, ( O ) 3 páso ostrosti ikroskopu. Možiu R = ( O) 3 azvee optický řeze preparátu. 3 ( O ) 3 6

17 4. Defiice: Nechť R e optický řez preparátu. Možiu S = { ϕ R} R azýváe Euklidovskou stopou optického řezu R E S E 5. Defiice: Nechť F e fyzická rovia ohiskové roviy ϕ, F eí fyzické pixely, M E Euklidovské ikroskopováí. Zobrazeí M D : 3 F : M D ( ) = Fi, ([, ' ] M E ' Fi, ) azýváe digitalizovaý ikroskopováí. 6. Defiice: Nechť { }; k =,.., (k) M e posloupost digitalizovaých ikroskopováí téhož preparátu,{ ( O } k = ;..; posloupost eich uzavřeých páse ostrosti takových, že D 3 ) ; U O 3 ( ) k= ( ϕ). ak posloupost { O} ; k =,.., eich výsledků azýváe - fokálí obraze. osloupost { }; k =,.., - fokálí digitalizovaý ikroskopováí. 5.. Složeí ostrého obrazu (k) D M azýváe D zpracováí - fokálího obrazu bude zřeě spočívat ve složeí ového obrazu tak, aby se teto ový obraz skládal pouze z obrazů optických řezů edotlivých digitalizovaých ikroskopováí (k) M. Naší úkole e yí staovit vhodá kriteria pro edotlivé fyzické pixely obrazů { O} ; k,.., elépe příslušost k řezu. Věta: Nechť K ( F r) (k ) R co elépe idikovala. D =, která by co i. = ; e kruh ve fyzické roviě F výstupího zařízeí ( k) v libovolé etrice dle odst..., v6, : K C podobraz obrazu O z =, - fokálího obrazu { O} ; k,.., K.. Dále echť i C = K r, s C r, s C r, s i i, S, = K i. i. e hodota fyzického pixelu součet těchto hodot přes kruh e ožia všech podoži kruhu K. v obrazu i F, obrazu r s O, O. Defiue zobrazeí : S R takto: Cr, s a) ( { Fr, s} ) = C b) A, B S A B = ( { A B} ) = ( { A} ) + ( { B} ) ak ( K ;S ; ) ; k =,.., sou pravděpodobostí prostory, zobrazeí ( k) Cr, s X : K R : X ({ Fr, s} ) = sou diskrétí itegrovatelé áhodé veličiy. C 7

18 X. Defiice: Zobrazeí : K R z předchozí věty azýváe zaostřeí fyzického pixelu F, a obrazu O i. Středí hodoty defiovaých zaostřeí pixelů E ( X ) = kde C r, s K i, Cr, s C a variačíi rozpětíi sou čísla F, obrazů ( X ) = ax { C } i { C } v r, s C Fr, s Ki, Fr, s K e hodota fyzického pixelu F, v obrazu r s ( k) Také ( X E( X ) K R : ( k) Y ( F ) = : diskrétí itegrovatelé áhodé veličiy a D i ( ) Cr s C, r, s X = C K C K i, C r, s O sou zřeě ( k) O, t. = O( F ) C r, s r, s ( C r, s Cr, s Y r, s = ( ) sou k C K i, C () sou rozptyly áhodých veliči roviě F výstupího zařízeí. (k ) X defiovaých a kruhu K, ve fyzické i 3. Defiice: Výraz ( azýváe variačí kriteriu, výraz () rozptylové kriteriu. Ke kostrukci posledího kriteria použiee dvorozěré diskrétí Fourierovy D : X diskrétí Fourierova trasforace, trasforace. Je-li { } { } C r, s, k k, X, = U, + i V, ;, = 0,,..., ε, pak výrazy ( ) X ( ) ( ) = U, + V, představuí hodoty aplitud prostorových frekvecí přítoých v okolí fyzického pixelu F, a edotlivých obrazech i k K O. Vzhlede k vlastoste těchto frekvecí stačí uvažovat pouze hodoty ( ) U ( ), ; V, ;, = 0,,..., ε. Vyšší hodoty idexů, zaeaí vyšší prostorové frekvece, které idikuí vyšší kotrast drobých detailů a zkouaé okolí a tí i lepší zaostřeí. Jako kriteriu zaostřeí obrazu tedy ůže sloužit výraz obsahuící frekvece X,, který vyšší idexů, přisuzue vyšší váhu. K idetifikaci pása ostrosti se použil výraz ( ) T X H H k, ( + ) U, + V, ; H ε (3) = = 0= 0 k 8

19 4. Defiice: Výraz (3) azýváe frekvečí kriteriu. Dosavadí výsledky ukazuí, že axia výrazů (, (), (3) veli dobře detekuí axiálí zaostřeí pixelu a ohou být použity ke složeí ostrého obrazu D rekostrukce Metoda řezů kostatí výšky: Z fyzikálí podstaty vziku ultifokálího (0) obrazu e zřeé, že e-li O( F i, ) = k, pak fyzický pixel F i, ese iforaci o bodu preparátu, pro který e (k ). Jsou-li otevřeá pása po dvou (k ) disuktí, lze bodů v pásu přiřadit steou výšku a obržet tak fukci dvou proěých, eíž graf přibližě odpovídá pozorovaého preparátu. Ozačíe-li v celkovou výšku preparátu, pak výška pása ostrosti fokálího obrazu e v a fukci f ( ), která přibližě popisue pozorovaý preparát e ( ) f ) (0) O F i, ( =. Tato operace e podstatou etody řezů kostatí výšky Metoda filtrovaých řezů: Měe ultifokálí obraz { O} ; k ;..; f ( ) sestroeou z tohoto obrazu etodou řezů kostatí výšky. = a fukci. Defiice: Nechť A e reálá atice typu (, ),, > ε; ε Ν, a i, R eí libovolý prvek, O ε ( a ) ε -ové okolí prvku a i,, ε i ε;ε ε, a i, středí hodota prvků a k, l Oε ( a ). Matici (ε) A azvee ε -ový průěre (ε) atice A právě tehdy, když pro každý eí prvek a i, platí: a, < ε > ε > ε ( ε) i i a = a iak Fukci f ůžee vyádřit ako atici typu ( w; h) s reálýi koeficiety. Můžee (ε) tedy sestroit fukci f, která e ε - ový průěre fukce f. Tato fukce podstatě lépe aproxiue pozorovaý preparát. Tato operace e podstatou etody filtrovaých řezů. Metoda příého určeí výšky: Uvažuee-li geoetrickou proekci ' G : 3 3, pak e ω G ( ) = ' ϕ ; Q ω G ( Q) = Q' ϕ. ro Q Euklidovské stopy S E ; S E bodů ω; Q ω pak e S E = { ' }, tedy d( S E ) = 0 ; Q d S >. Je-li X : F R zaostřeí obrazu O ultifokálího obrazu O, ( E ) 0 i ( ( X ) resp. D ( X ) resp. T X ) v k ) ( hodoty variačího resp. rozptylového popř. 9

20 frekvečího kriteria a totéž obrazu O, polože: v ( ax X )= ax ( k) ax { v( X ); ; D( X ) = { D( X ); O O} ax { T ( X ); O O} k Q hodoty kriterií zaostřeí závisí a průěru Euklidovské stopy d( ) S ) ax ; T( ax X )=. Metoda příého určeí výšky vychází z předpokladu, že ( E bodu Q při digitalizovaé ikroskopováí M D resp. a úsečce délky (k ) l, která e ahrazue při totéž ikroskopováí, t, že existuí fukce v ( X ) = f v ( l) resp. D ( X ) = f D ( l) resp. T ( X ) = ft ( l). Ukázal se, že k těto fukcí existuí fukce iverzí k = f v ; k = f D ; k = f T, které dovoluí určit průěr stopy a základě hodot kriterií zaostřeí: ax v( X ) = f ax D( X ) l v = c ; = f D c X ) ax ( k) T ( X ) l = ; l = ft c X ) = ( T ( X ) Q Zároveň se odvodil závislost průěru d Euklidovské stopy S E bodu Q ω a df ( + f ) eho vzdáleosti h od roviy ostrosti ω : h =. Teto výraz spolu ( s' + d ) s rovicei ( uožňue přío určit vzdáleost daého pixelu od roviy ostrost a tí i prostorovou rekostrukci preparátu. 6. KONFOKÁLNÍ MIKROSKO Kofokálí ikroskop á páso ostrosti ve srováí s ikroskope kovečí veli úzké a body preparátu, ležící v ožiě eostrosti prakticky ezobrazue. Odpadá zde detekce řezů a ke složeí ostrého obrazu lze použít ěkolik oprací, záých z obrazové aalýzy. Multiohiskový obraz se ůže skládat až z ěkolika desítek obrazů, přičež Euklidovské stopy optických řezů ohou ít eprázdý průik. Zaeá to, že síaý preparát e průhledý, t. a eho edotlivých vrstvách e světelý paprsek částečě odraže a částečě prochází preparáte, aby byl odraže iou eho vrstvou. Je-li tou tak, dochází k ícháí barev v odražeé a prošlé světle. Operace s obrazy se tedy zobecil pro libovolý počet složek a přidal eich vážeí. Aby toto vážeí ělo fyzikálí opodstatěí, usí váha zřeě záviset a pořadí vrstev dle průchodu světla, zobecěí tedy tyto operace ztratí koutativitu. Jako evýhoděší se eví operace defiovat idukcí, přičež váhy, které ohou ít výza poěru prošlého a odražeého světla by ěly ít v každé kroku součet eda, eboť epředpokládáe pohlcováí světla preparáte. 0

21 6.. Složeí optických řezů V další textu e O = { O}; k = ;...; ultifokálí obraz v systéu RGB, t. ( k) ( k) posloupost obrazů O : C 3 F = c + 56 c + 56 c i, barvu fyzického pixelu c i, c, F. Ozače O ( ) 56 0 F i, a obrazu ( O (koeficiety k ) c i, 0 resp. resp. i začí tedy hodotu barevé složky R resp. G resp. B pixelu i a obrazu O ). Dále echť e dá obraz O : F C 3 v systéu RGB, kde ( Fi, ) 0 c + 56c + 56 ci O, =.. Defiice: Obraz O azvee kopresí vážeý součte ultifokálího obrazu O právě tehdy, když pro hodoty c i, ; = 0,, barevých složek F i, obrazu k = ( = c ; = 0,, pro = každého pixelu a) c b) sou-li c i, pro hodoty ( ) c ( + c O = O platí: hodoty barevých složek obrazu O F ) = O( F ), pak + = Truc p + 56 ( k= + ( Fi, ) O( Fi, k = barevých složek obrazu ( ) O = ) platí c ( + + ( p) c k = ; p (0;. Defiice: Obraz O = O azvee vážeý kopresí součie ultifokálího obrazu O právě tehdy, když pro hodoty c i, ; = 0,, barevých složek každého eho pixelu F, platí: i ( = c ; = 0,, pro = a) c k = + ( Fi, ) O( Fi, k = b) sou-li c hodoty barevých složek obrazu O( Fi, ) = O( Fi, ), pak pro hodoty ( + c ( + c c pro Truc 56 barevých složek obrazu O = ) platí ( + c = 0 ( + = ( + ( + p p c c pro c > ; 0 p (0; Z defiičího vztahu kopresího součiu e zřeé, že každý ásobeí klesá hodota zpracovávaého pixelu. Má-li v daé fyzické pixelu F, větší počet i F,

22 obrazů O eulovou hodotu (t. v případě, že se zde achází silá vrstva preparátu), klese hodota součiu v toto pixelu pod přede určeou ez. Jestliže v to případě obarvíe pixel barvou pozadí, dostaee ako výsledek obraz, který obsahue e teké vrstvy preparátu a eobsahue vrstvy silé. Síla zobrazeých vrstev závisí a volbě paraetru p. k = 3. Defiice: Obraz O = O azvee kopresí vážeý iverzí součie ultifokálího obrazu O právě tehdy, když pro hodoty ; 0,, barevých složek každého eho pixelu ( = a) c = c ; = 0,, pro F, platí: i c i, = k = + ( Fi, ) O( Fi, k = b) sou-li c i, hodoty barevých složek obrazu O( Fi, ) = O( Fi, ), pak pro hodoty ( + c ( + c barevých složek obrazu O = ) platí ( + = 0 = 56 ( + Truc pro ( + p p c c c pro c ( + c > ; 0 p (0; Z defiičího vztahu kopresího iverzího součiu e opět zřeé, že každý děleí hodota zpracovávaého pixelu roste. Má-li v daé fyzické pixelu eulovou hodotu alý počet obrazů O (t. v případě, že se zde achází teká vrstva preparátu), estoupe hodota iverzího součiu v toto pixelu ad přede určeou ez. Jestliže v to případě obarvíe pixel barvou pozadí, dostaee ako výsledek obraz, který obsahue e silé vrstvy preparátu a eobsahue vrstvy teké. Síla zobrazeých vrstev opět závisí a volbě paraetru p. k = c i, ; = 4. Defiice: Obraz O = O azvee disukcí ultifokálího obrazu O právě tehdy, když pro hodoty 0,, barevých složek každého eho pixelu F, platí: i ( = a) c = c ; = 0,, pro b) sou-li c pro hodoty F i, hodoty barevých složek obrazu O F ) = O( F ), pak ( + c ( k= + ( + ( Fi, ) O( Fi, k = barevých složek obrazu O = ) platí ( + ( + { c ; c i } ( + c = Max,

23 Vzhlede k tou, že pro disukci ako ediou uvedeou operaci postrádá fyzikálí sysl vážeí a koprese, edá se vpodstatě o disukci ve syslu vícehodotové Lukaszewiczově logiky. V této logice ůže pravdivostí ohodoceí výroků všech hodot z itervalu 0 ;. Je-li c i, ; = 0,, hodota červeé ( = 0), zeleé ( =, resp. odré ( = ) složky barvy pixelu F i,, pak za pravdi-vostí ohodoceí daého pixelu v edotlivých barevých složkách c i, ůžee považovat čísla ; = 0,,. Disukci těchto ohodoceí 56 c c c v Lukaszewiczově syslu lze pak psát ako = = Max. ro = 56 k hodoty barevých složek disukce ultifokálího obrazu pak zřeě dostaee ( ), c k i O( Fi, ) = O( Fi, ) = 56. Max = Max{ c }; Fi, F. Tato operace k = 56 sestavue obrazy axiálě kotrastí za ceu ztráty ožosti odelovat průhledost D rekostrukce. Defiice obálka 3D obektu: Nechť F3 e 3D obekt, F 3 e fyzický grafický prostor prostoru G 3 s rozlišeí (,, p). Dále echť F e fyzická grafická rovia roviy G s rozlišeí (, ) a koečě fukce f : F R, pro kterou platí: Jestliže pro fyzický pixel F F o souřadicích [ ] existue fyzický voxel F i,, k o souřadicích [ i,, k], pak f ( Fi, ) = ax{ k N Fi,, k }, iak f ( ) 0. Fukci f azýváe obálkou obektu ad roviou G. F i, =. Defiice voxelová rekostrukce: Měe grafický prostor G 3, eho fyzický prostor F 3 s fyzickýi voxely F i,, k o rozěrech p x, py, pz a F3 3D obekt. Jestliže každý fyzický voxel F i,, k sestroíe ako kvádr K G3 s edí vrchole A = [, k] s hraai o velikostech p x, py, pz rovoběžýi se souřadýi osa řekee, že se provedli voxelovou rekostrukci 3D obektu. Voxelová rekostrukce dává při dostatečé rozlišeí optických řezů (zhruba od 00 00) a eich dostatečé počtu (cca 0 a výše) poěrě dobrou představu o 3D obektu. Nicéě při stíováí působí poěkud epřirozeě. Obekt e totiž podobě ako v kpt sestroe poocí stě rovoběžých se souřadýi rovia a proto existuí pouze tři růzé orály, které aí vliv a vlastí stí. Situaci lze zlepšit prostorový průěrováí. 3

24 3. Defiice reálé zobecěí fyzického prostoru: Nechť F 3 e fyzický prostor, F i,, k eho fyzické voxely, L 3 logický prostor téhož grafického prostoru, L i,, k eho logické pixely = ax{ i N L i,, k }, = { L i,, k } { k } F fyzická rovia s rozlišeí (, ) o = L i,, k R ax N, F 3 = F R azvee reálý zobecěí fyzického prostoru F 3. ax N,. Možiu 4. Defiice reálé zobecěí 3D obektu: Nechť F 3 e fyzický prostor, F3 eho R reálé zobecěí, F3 3D obekt, ρ : F 3 F3 e zobrazeí takové, že pro každý R fyzický voxel F i,, k = [, k] F3 a každý prvek F3 platí ( F ) = ( k ) R ρ. ak ožiu = ρ( ) i,, k =, R azvee reálý zobecěí 3D obektu. rvek F3 azvee bode reálého zobecěí, uspořádaou i k, = k,. troici (, ) azvee eho souřadicei. Zapisuee ( ) 5. Defiice ε ový průěr 3D obektu: Nechť e 3D obekt, R R eho reálé zobecěí. Dále echť O ( F i,, k ) F i, ε i ε;ε ε;ε k o ε. Ozače { w [ u v w] O ( F )} t i, k,, T, k,, ε, k T i,,. ak ožiu ε e ε -ové okolí pixelu k = N a, středí hodotu všech prvků ožiy k R {(,, p) p = } = F i 3 t i,, k azvee ε -ový průěre 3D obektu. oužiee-li ísto voxelové rekostrukce ε -ového průěru, dostáváe obekt s poěrě hladký povrche a přirozeě působícíi stíy. Vhodá volba průěru ε uožňue zázorit větší či eší detaily a avíc lze sado odelovat průhledost. 7. Softwarové zpracováí opis softwarového zpracováí by byl poěkud rozsáhleší, eí proto součástí těchto tezí. Jak e však patré z výstupů, sou výsledky přío použitelé v praxi. 4

25 Obr..: Vstupí data pro kovečí ikroskop Obr..: Výstup prograu Kovečí ikroskop.exe (seeo kaktusu Astrophytu Oratu) 5

26 Obr. 3.: Vstupí data pro kofokálí ikroskop (ukázka) Obr. 4.: Výstup prograu Kofokálí ikroskop.exe (orgaely prvoka z rodu araethyu) 6

27 ABSTRACT My dissertatio discusses the possibilities of iages recostructio, these iages are provided by optical icroscopes, which are cofocal ad covetioal too. rocessig these pictures by software tools ca greatly evaluate the outputs of these equipets (ad thereby the equipets theselves). How it is evidet fro the results, which are i this work preseted, it is possible to carry out relatively cofortable way such as two- as three-diesioal recostructio of observe obects. The first part suarises the fudaetal atheatical costructios, which are used i dissertatio (etric ad liear space, proective space, easure, itegral, Fourier trasforatio etc..) The secod part discuses the fudaetal costructios i a plae ad i a space. Fudaetal defied coceptios - pixel ad voxel - are ot satisfactorily atheatically defied. This part of the work builds these fudaetal costructios of coputer graphic o a atheatical basis, that has ot till bee this tie published ad which eables quite origial costructios. There is preseted a coceptio of a graphic plae as atheatical structure G = ( I J, D x, D y ), where I = i ;i ) R, J = ; ) R are itervals, ad Dx = { x } i i= 0, Dy = { y } i i= 0 their equidistat divisios. hysical pixel is defied as a box F = xi ; xi+ y ; y +, ad the logical pixel as its represetative. The set of all physical (logical) pixels is called the physical (logical) plae. The aalogous costructios are ipleetated for the graphic space G3 = ( I J K, Dx, Dy, Dz ) ad its eleets - physical ad logical voxels too. The iage is defied as the appig of a physical plae ito so-called colour set: O : F Cr ; = c N; 0 c < r; r >. The pallet is defied as a subset of the colour set. C r { } The third part geerally discusses the probles of a displayig of threediesioal obects o coputer output device. Soe costructios are agai quite origial, though the others are kow, but they are either ipleeted i professioal graphic systes, or they are described i available literature, but absolutely isufficiet ad uusable. I the dissertatio there is described the costructio of so-called colour ap of a surface ad cotour lies, further oblique ad vertical axooetry ad edia proectio. There is bee solvig the visibility, shadig, spreadig of texture ad costructio of trasparet obects. The fourth part describes the displayig of the obects by optical icroscope. Fudaetal priciples are aturally kow. These priciples are stadig o atheatical basis, which till this tie were ot published. The cetre of this part of 7

28 the work is a study of pheoeos, which are routiely ot discussed i literature. These are pheoea, which are usually uderstood as defects or bouds of a optical displayig, because they pass a frae of geoetrical optics. Just these pheoea deped o geoetry of a observed obect ad eable its threediesioal recostructio. The display by real covetioal icroscope does ot exactly cofor to postulates of the geoetrical optics, aely for several reasos: a) liited width of ray bea. Lets O, x, y, z is a co-ordiate syste of a obective space, u = [ u ; u; u3] is a directive vector of a optical ray. Geoetrical displayig of a poit is realised by bea of rays S = { p 3 ; p; u, u < 0}. If we ark A the set of all size agles, which utually clutch rays of this bea, the sup A = π. Real icroscope has always sup A < π. We shall also ea by letter S a bea of rays, which goes through a real optical icroscope. b) the wave substace of light results i its bed. Iage of the poit is ot a poit, but the set of poits the wave trace of a poit. There is defied a relatio called a wave icroscopig M V ω ϕ betwee the plae, o that the icroscope is focused, ad a obective plae scaer: λ0 [ ; Q] M V Q S V = X ϕ X' ' = G( ). The set S V is called a 4Α λ0 wave trace of the poit, uber d( S V ) = sup { a R a = X ; Y } = we call its X, Y S Α V average (here λ 0 is wave legth of usig lights, A uerical aperture of a icroscope). The ocoplaarity of the preparatio causes, that the bea S crosses the obective focal plae ϕ of the scaer agai i the set of poits - i Euclidea trace. I the dissertatio there is defied a relatio which is called Euclidea icroscopig M E 3 ϕ = {[ ; ' ] p S': ' p ϕ} betwee a obective space of a icroscope ad a obective plae of a scaer. The set E { ' ϕ [ ; ] M } S = ' we call Euclidea trace of a poit, the uber d ( S ) = { X ; Y ; X, Y S } E E sup we call its average. E The scaer resolutio results, that the poit is displayed o a physical pixel F i, with ozero diesios p x ; p y. The fifth part discuses the recostructio of the outputs fro a covetioal icroscope. There are presued these siplifyig postulates: 8

29 d) For ay wave trace V F i, () V S exists a physical pixel F i, of a scaer, for that is S e) Lets ( ; ω are two differet poits of plae sharpess, G : ' is a geoetrical proectio, G (( ) = ( ', G (( ) ) = () ' ; F i, ; F k, l are two physical pixels of a scaer, that ( ' F i, ; ( ) ' F k, l. If ( () the F Fk, l. f) Euclidea trace S of a poit ω is a Euclidea circle. E Should was a possibility i a plae to display Euclidea poits, the every ozero average of Euclidea trace would be the defocusig iage. If there is a physical plae with physical pixels, the usharpess shows oly that tie, whe d( S E ) > p, where p = i{ p x ; p y }. If d( S E ) p, the we ca cosider the iage as sharp. The sharpess zoe is defied as ad its height ( ) = ( ) 3 { d( ) < p; p i{ p p } ( O) 3 = 3 SE = ; { Q } v O sup p q ; = [ p ; p ; p ]; Q = [ q ; q ; q ];. 3 3, arts of the preparatio, which are situated i a zoe of sharpess, will be displayed sharply, parts out of zoe of sharpess will be defocused. The set of all poits of the preparatio, which are situated i the sharpess zoe of icroscope, is called a optical cut. The the digitize icroscopig is defied as: M D ([, ' ] M F ) : 3 F : M D ( ) = Fi, E ' ad - focal iage is defied as a sequece { O} ; k =,.., of the digitize icroscopig results of the sae preparatio. For a observed preparatio is U O 3 ( ) k=.-d processig - focal iage will evidetly cosist i the copositio of a ew picture, so that this ew picture cosists of iages of optical cuts of the sigle digitized icroscopigs (k) M oly. I the dissertatio there are fixed ter criteria for sigle physical pixels of the iages { O} ; k,.., D x y ( O ) 3 =, which idicate the pertiece to cut (k ) R. Forally there is defied the focusig of a physical pixel. As the criteria of this focusig is take variatio spa resp. diffusio, resp. substitutio high spatial frequecy i the sese of Fourier trasforatio, aely o the certai surroudig of tested pixel. Results show, that axis of itroduced expressios, which I call variatio, resp. dispersal resp. frequecy criteria, detect very well the axiu focalized pixel ad they ay be used i a copositio of a sharp iage. Fro the physical priciple of a ultifocal (0) picture rise it is evidet, that if O( F i, ) = k, the physical pixel F i, bears the iforatio about a poit of the preparatio, for that is. If the 9

30 (k ) opeig zoes are by twos disoited, it is possible to assig to poits i the (k ) zoe the idetical hights ad obtai fuctio of two variables, whose graph atches with a observed preparatio approxiately. If we ark v a total height of the preparatio, the the zoe sharpess height of -focal picture is v. The fuctio f ( ), which approxiately describes a observe preparatio, is ( ) f ) (0) O F i, ( =. This ethod I call a ethod of costat high cuts.further I geeralise liear filters kow fro iage processig, so that there was a possibility to apply the to the above-cited fuctio. I that way filtered fuctio approaches a observed preparatio essetially better. This applicatio is a priciple of a ethod, which I call ethod of filtered cuts. The ethod of direct height diagosis : If we thik the geoetrical proectio ' G : 3 3, the it is ω G ( ) = ' ϕ ; Q ω G ( Q) = Q' ϕ. For Q Euclidea traces S E ; S E of the poits ω ; Q ω it is S E = { ' }, the Q d S = ; d( S ) > 0. If X : F R is a focusig of the iage O fro ( E ) 0 E i ultifocal iage O, v( X ) resp. D ( X ) resp. T X ) ( value of the variatio, resp. dispersal resp. frequecy criteria o the sae iage O, lets ax ( k) ax ( k) v X = v X ; O O D X = ax D X ; O O ; ( ) ax { ( ) }; ( ) { ( ) } ax T( X ) = ax { T ( X ); O O} k Q that values of focusig criteria deped o a average Euclidea trace d( ) S ). The ethod of direct height diagosis presues, ( E of the poit Q i the digitize icroscopig M D resp. o abscissae legth (k ) l, which substitutes this average at the sae icroscope. Fro that follows, that there are the fuctios v ( X ) = f ( l) resp. D ( X ) = f ( l) resp. ( X ) f ( l) v T = T. I show, that there exist fuctios k = f v, k = f D, k = f T, which are iverse to these fuctios. These iverse fuctios allow to deterie a trace average o fuds of focusig criteria values: ax v( X ) = f ax D( X ) l v = c = f D c X ) ax ( k) T ( X ) l = l = ft c X ) = ( T ( X ) Q At the sae tie I derive the depedece average d of Euclidea trace S E of the df ( + f ) poit Q ω o his distace h fro plae sharpess ω : h =. This ( s' + d ) expressio together with equatios ( akes it possible to directly deterie the give pixel distace fro sharpess plae, ad thereby 3D recostructio of the preparatio. D 30

31 The sixth part discusses the recostructios of outputs fro cofocal icroscope. This icroscope has the zoe sharpess very arrow ad practically does ot display the preparatio poits, which are situated i set of usharpess. The cut detectio is ot ecessary ad soe operatios, kow fro iage processig, ca be used for copositio of a sharp picture. Multifocal iage ca be cosist as far as of several tes iages, whereas preparatio ca be trasparet. The operatio with pictures I geeralize for arbitrary uber copoets ad add their weighig. Hereafter text is O = { O}; k = ;...; the ultifocal iage i syste RGB. I defied: copressio weighted su of iages as a iage, for whose coloured copoets is ( c = c ; = 0,, for =, ( ( + +, =, + ( ) ci Truc p ci p c ; p (0; (this operatio ake possible to odel trasparecy preparatio), weighted directio copressio of iages as a iage, for which coloured copoets are ( c = c ; = 0,, for = ( +,, 0 ( ci pro ci = + c = ( + ( ; (0; + p p p Truc c c, > 0 56 for ci (this operatio displays thi layers of preparatio), weighted iverse directio copressio of iages as a iage, for which coloured copoets are ( c = c ; = 0,, for = ( + c c for ( + = 0 = 56 ( + Truc for ( + p p c c c c > ; 0 p (0; (this operatio displays robust layers of preparatio), disuctio of iages as a iage, for which coloured copoets are ( ( + ( + ( + c = c ; = 0,, for =, c = Max{ c ; c i, } (this operatio builds up ost cotrasty iage) This part cotais ethod of 3D recostructio for cofocal icroscope, ost cosiderable is a voxel recostructio, which odels voxels preparatio as trasparet boxes ad cubic averagig, which apply geeralised low-pass filters o previous costructio ad preparatio is gettig soother. The seveth part describes a software processig of all probles. 3

32 oužitá literatura:. Kologorov, A.N., Fo S V.: Základy teorie fukcí a fukcioálí aalýzy, SNTL, raha 975. Mc Lae, S., Birkhoff, G.: Algebra, Mac Milla, New York Mc Lae, S., Birkhoff, G.: Survey of Moder Algebra, Mac Milla, New York Katriňák,T.: Algebra a teoretická aritetika, Alfa, Bratislava Nečas, J. a kol: Aplikovaá ateatika, SNTL, raha Žeíšek, A.: Lebesgueův itegrál a základy fukcioálí aalýzy, VUT Bro, Čižek, V.: Diskrétí Fourierova trasforace a eí použití, SNTL, raha, Laoš, F., otocký, R. : ravdepodobosť a ateatická štatistika, Alfa, Bratislava Hátle, J., Likeš,J.: Základy počtu pravděpodobosti a ateatické statistiky, SNTL Alfa, raha, Vitásek,L.: Nuerická ateatika, SNTL raha 987. Žára a kol.: očítačová grafika - pricipy a algority, Grada, raha 99. Žára a kol.: Moderí počítačová grafika, Coputer ress, raha, Sobota, B.: očítačová grafika a azyk C, Kopp, České buděovice Wirth, N.:Algority a štruktúry údaov, Alfa, Bratislava, Horák, Z., Krupka, F.: Fyzika, SNTL, raha Drucküller, M., Heriba,.:Digital Iage rocessig Syste for Widows, ver. 5.0., SOFO, Bro Duford, N.: Schwartz, J., T.: Liear Operators, art I: Geeral Theory, New York, Itersciece ublishers, Ic Murray, D.J., varyper,w.: Ecyclopedia of graphics file forats, Ic of Sebastopol,Califoria Murray, D.J., varyper,w.: Ecyklopedie grafických forátů, Coputer ress raha, 994 3

33 oužité publikace autora : 0. Martišek, D.: očítačová grafika pro ateatické ižeýry, ÚM FSI VUT Bro 999. Martišek, D.: očítačová geoetrie a grafika, VUTIUM Bro 000. Martišek, D.:Autoatic Detectio ad Correctio of Defective ixel Clusters by Meas of Noliear Regressio, Digital Iage rocessig, A Iteratioal Workshop, České Buděovice, Martišek, D.,Cápal, J.: Složeí víceohiskového obrazu užití statistických etod, i: Sborík 37. sezdu České aatoické společosti s eziárodí účastí, Bro Martišek, D.: Aiace ve výuce počítačové grafiky specializovaých oborů, i: Sborík koferece FS VUT, Bro Martišek, D., Martišek, I.: Softwarové zaostřováí síků z optických ikroskopů, i: edagogický software - sborík předášek a prograů, České Buděovice, Martišek, D.: 3D rekostrukce síků z optického ikroskopu, 38. zazd Sloveske aatoicke spoločosti s edziárodou účasťou, zborík abstaktov, Bratislava Martišek, D.: Fraktálí geoetrie a odelováí přírodích útvarů, i Sborík XVII eziárodího vědeckého kolokvia o řízeí osvoovacího procesu zaěřeého a probléy odelováí a siulace, Vyškov, Martišek, D., Martišek, I.: Vrstevice a systéy elieárích rovic, i: edagogický software - sborík předášek a prograů, České Buděovice, Martišek, D.: Měřeí fraktálů, i Sborík XVIII eziárodího vědeckého kolokvia o řízeí osvoovacího procesu zaěřeého a probléy odelováí a siulace, Vyškov, Ficker, T., Drucküller, M., Martišek, D.: Ucovecial Multifractal Foralis ad Iage Aalysis of Natural Fractals, Czechoslovac Joural of hysics, Vol 49 (999), No. 0 33

7. Analytická geometrie

7. Analytická geometrie 7. Aaltická geoetrie Studijí tet 7. Aaltická geoetrie A. Příka v roviě ϕ s A s ϕ s 2 s 1 B p s ϕ = (s1, s 2 ) sěrový vektor přík p orálový vektor přík p sěrový úhel přík p k = tgϕ = s 2 s 1 sěrice příkp

Více

Fourierova transformace ve zpracování obrazů

Fourierova transformace ve zpracování obrazů Jea Baptiste Joseph Fourier 768-83 Fourierova trasforace ve zpracováí obrazů 6. předáška předětu Zpracováí obrazů Martia Mudrová 24 Motivace Proč používat Fourierovu trasforaci? základí ateatický ástroj

Více

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení

Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení Sipleová etoda: - patří ezi uiverzálí etody řešeí úloh lieárího prograováí. - de o etodu iteračí, t. k optiálíu řešeí dospíváe postupě, krok za kroke. - výpočetí algoritus se v každé iteraci rozpadá do

Více

3. DIFERENCIÁLNÍ ROVNICE

3. DIFERENCIÁLNÍ ROVNICE 3 DIFERENCIÁLNÍ ROVNICE Difereciálí rovice (dále je DR) jsou veli důležitou částí ateatické aalýz, protože uožňují řešit celou řadu úloh z fzik a techické prae Občejé difereciálí rovice: rovice, v íž se

Více

Aplikace teorie neuronových sítí

Aplikace teorie neuronových sítí Aplikace teorie euroových sítí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické iforatiky Mateaticko-fyzikálí fakulta Uiverzity Karlovy v Praze Zpracováí časových vzorů (teporal processig) Stadardí algoritus

Více

Pravděpodobnostní model doby setrvání ministra školství ve funkci

Pravděpodobnostní model doby setrvání ministra školství ve funkci Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí

Více

6. Posloupnosti a jejich limity, řady

6. Posloupnosti a jejich limity, řady Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme

Více

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti Úvod Opakováí Poslouposti Příklady Matematika 1 Ivaa Pultarová Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti

Více

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter. Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

11. přednáška 16. prosince Úvod do komplexní analýzy.

11. přednáška 16. prosince Úvod do komplexní analýzy. 11. předáška 16. prosice 009 Úvod do komplexí aalýzy. Tři závěrečé předášky předmětu Matematická aalýza III (NMAI056) jsou věováy úvodu do komplexí aalýzy. Což je adeseá formulace eboť časový rozsah ám

Více

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

Více

1. Přirozená topologie v R n

1. Přirozená topologie v R n MATEMATICKÁ ANALÝZA III předášy M Krupy Zií seestr 999/ Přirozeá topologie v R V prví části tohoto tetu zavádíe přirozeou topologii a ožiě R ejprve jao topologii orovaého prostoru a pa jao topologii součiu

Více

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components

GRADIENTNÍ OPTICKÉ PRVKY Gradient Index Optical Components Nové metody a postupy v oblasti přístrojové techiky, automatického řízeí a iformatiky Ústav přístrojové a řídicí techiky ČVUT v Praze, odbor přesé mechaiky a optiky Techická 4, 66 7 Praha 6 GRADIENTNÍ

Více

ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU

ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU ANALÝZA VLIVU NUMERICKÉ APERTURY A ZVĚTŠENÍ NA HODNOTU ROZPTYLOVÉ FUNKCE BODU A.Mikš, J.Novák, P. Novák katedra fyziky, Fakulta stavebí ČVUT v Praze Abstrakt Práce se zabývá aalýzou vlivu velikosti umerické

Více

Analytická geometrie

Analytická geometrie MATEMATICKÝ ÚSTAV Slezská uverzta Na Rybíčku, 746 0 Opava DENNÍ STUDIUM Aalytcká geometre Téma 3.: Aí zobrazeí Dece 3.. Zobrazeí aího prostoru A do aího prostoru A se azývá aí zobrazeí, estlže má ásleduící

Více

Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu.

Seznámíte se s pojmem Riemannova integrálu funkce jedné proměnné a geometrickým významem tohoto integrálu. 2. URČITÝ INTEGRÁL 2. Určitý itegrál Průvodce studiem V předcházející kapitole jsme se sezámili s pojmem eurčitý itegrál, který daé fukci přiřazoval opět fukci (přesěji možiu fukcí). V této kapitole se

Více

1. Měření ve fyzice, soustava jednotek SI

1. Měření ve fyzice, soustava jednotek SI . Měřeí ve fyzice, soustava jedotek SI Fyzika: - je věda o hotě (ta eistuje ve dvou forách jako látka, ebo jako pole), o jejích ejobecějších vlastostech, stavech, zěách, iterakcích Rozděleí fyziky: a)

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

Jestliže nějaký objekt A můžeme vybrat m způsoby a jiný objekt B lze vybrat n způsoby, potom výběr buď A nebo B je možné provést m+n způsoby.

Jestliže nějaký objekt A můžeme vybrat m způsoby a jiný objekt B lze vybrat n způsoby, potom výběr buď A nebo B je možné provést m+n způsoby. V kapitole Ituitiví kobiatorika jse řešili příklady více éě stejý způsobe a stejých pricipech. Nyí si je zobecíe a adefiujee obvyklou teriologii. pravidlo součtu: Jestliže ějaký objekt A ůžee vybrat způsoby

Více

VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE V ROVINĚ

VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE V ROVINĚ VEKTOROVÁ LGEBR NLYTICKÁ GEOMETRIE V ROVINĚ Délk úsečk, střed úsečk,, B Délk úsečk B : B C, BC Střed úsečk : B S s, s souřdice středu: s, s Vektor Vektor = oži všech souhlsě orietových rovoěžých úseček

Více

n-rozměrné normální rozdělení pravděpodobnosti

n-rozměrné normální rozdělení pravděpodobnosti -rozměré ormálí rozděleí pravděpodobosti. Ortogoálí a pozitivě defiití symetrické matice. Reálá čtvercová matice =Ha i j L řádu se azývá ortogoálí, je-li regulárí a iverzí matice - je rova traspoovaé matici

Více

ij m, velikosti n je tvořen (n m) rozměr-ným polem dat x 11 ... x 12 ... x 22 x n1 ... x n2 7.1 Druhy korelačních koeficientů

ij m, velikosti n je tvořen (n m) rozměr-ným polem dat x 11 ... x 12 ... x 22 x n1 ... x n2 7.1 Druhy korelačních koeficientů 1 7 KORELACE Pro vyádřeí itezity vztahů ezi složkai ξ ξ -rozěrého áhodého vektoru 1 ξ se používá korelačích koeficietů Data tvoří áhodý výběr z -rozěrého rozděleí áhodého vektoru ξ Neuvažue se obyčeě a

Více

stručná osnova jarní semestr podzimní semestr

stručná osnova jarní semestr podzimní semestr Brýlová optika stručá osova jarí semestr základy geometrické optiky pro brýlovou optiku Gullstradovo schématické oko, další modely, otoreceptory oka, vizus, optotypy myopie, hypermetropie, aakie a jejich

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

Ústav fyzikálního inženýrství Fakulta strojního inženýrství VUT v Brně GEOMETRICKÁ OPTIKA. Přednáška 10

Ústav fyzikálního inženýrství Fakulta strojního inženýrství VUT v Brně GEOMETRICKÁ OPTIKA. Přednáška 10 Ústav yzikálího ižeýrství Fakulta strojího ižeýrství VUT v Brě GEOMETRICKÁ OPTIKA Předáška 10 1 Obsah Základy geometrické (paprskové) optiky - Zobrazeí cetrovaou soustavou dvou kulových ploch. Rovice čočky.

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

Více

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby. ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

Více

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) =

NMAF061, ZS Zápočtová písemná práce VZOR 5. ledna e bx2 x 2 e x2. F (b) = NAF61, ZS 17 18 Zápočtová písemá práce VZOR 5. leda 18 Jedotlivé kroky při výpočtech stručě, ale co ejpřesěji odůvoděte. Pokud používáte ějaké tvrzeí, ezapomeňte ověřit splěí předpokladů. Jméo a příjmeí:

Více

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x), a) Vyslovte a dokažte Liouvillovu větu o šaté aroximovatelosti algebraického čísla řádu d b) Defiujte Liouvillovo číslo c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je trascedetí 2 a) Defiujte

Více

23. Mechanické vlnění

23. Mechanické vlnění 3. Mechaické vlěí Mechaické vlěí je děj, při kterém částice pružého prostředí kmitají kolem svých rovovážých poloh a teto kmitavý pohyb se přeáší (postupuje) od jedé částice k druhé vlěí může vzikout pouze

Více

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace:

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace: . cvičeí Příklady a matematickou idukci Dokažte:.! . Návody:. + +. + i i i i + + 4. + + + + + + + + Operace s možiami.

Více

stručná osnova jarní semestr podzimní semestr

stručná osnova jarní semestr podzimní semestr Brýlová optika stručá osova jarí semestr základy geometrické optiky pro brýlovou optiku Gullstradovo schématické oko, další modely, otoreceptory oka, vizus, optotypy myopie, hypermetropie, aakie a jejich

Více

ODRAZ A LOM SVTLA. Odraz svtla lom svtla index lomu úplný odraz svtla píklady

ODRAZ A LOM SVTLA. Odraz svtla lom svtla index lomu úplný odraz svtla píklady ODRAZ A LOM SVTLA Odraz svtla lo svtla idex lou úplý odraz svtla píklady Každý z Vás se urit kdy díval do vody. Na klidé vodí hladi vidl kro svého obrazu také kaey ebo písek a d. Na základí škole jste

Více

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika

Přijímací řízení akademický rok 2013/2014 Bc. studium Kompletní znění testových otázek matematika Přijímací řízeí akademický rok 0/0 c. studium Kompletí zěí testových otázek matematika Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá. Které číslo doplíte místo 8? 6 6 8 C. Které číslo

Více

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze limití Náhodé limití Katedra pravděpodobosti a matematické statistiky Uiverzita Karlova v Praze email: praskova@karli.mff.cui.cz 9.4.-22.4. 200 limití Outlie limití limití efiice: Řekeme, že stacioárí

Více

U. Jestliže lineární zobrazení Df x n n

U. Jestliže lineární zobrazení Df x n n MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o

Více

Matematická analýza I

Matematická analýza I 1 Matematická aalýza ity posloupostí, součty ekoečých řad, ity fukce, derivace Matematická aalýza I látka z I. semestru iformatiky MFF UK Zpracovali: Odřej Keddie Profat, Ja Zaatar Štětia a další 2 Matematická

Více

PE 301 Podniková ekonomika 2. Garant: Eva KISLINGEROVÁ. Téma Metody mezipodnikového srovnávání. Téma 12. Eva Kislingerová

PE 301 Podniková ekonomika 2. Garant: Eva KISLINGEROVÁ. Téma Metody mezipodnikového srovnávání. Téma 12. Eva Kislingerová PE 30 Podiková ekoomika Garat: Eva KISLINGEROVÁ Téma Metody mezipodikového srováváí Eva Kisligerová Téma Eva Kisligerová Vysoká škola ekoomická v Praze 003 - Mezipodikové srováváí Poprvé 956- koferece

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení

Přijímací řízení akademický rok 2012/2013 Kompletní znění testových otázek matematické myšlení Přijímací řízeí akademický rok 0/0 Kompletí zěí testových otázek matematické myšleí Koš Zěí otázky Odpověď a) Odpověď b) Odpověď c) Odpověď d) Správá odpověď. Které číslo doplíte místo otazíku? 6 8 8 6?.

Více

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých 9 Limití věty. V aplikacích teorie pravděpodobosti (matematická statistika, metody Mote Carlo se užívají tvrzeí vět o kovergeci posloupostí áhodých veliči. Podle povahy kovergece se limití věty teorie

Více

. viz věty 1.7 a 1.2 (čísla m a M lze vybrat tak, aby nerovnost platila v R n i R m ). Máme m f x h f x l h f x h f x l h M f x h f x l h

. viz věty 1.7 a 1.2 (čísla m a M lze vybrat tak, aby nerovnost platila v R n i R m ). Máme m f x h f x l h f x h f x l h M f x h f x l h MATEMATICKÁ ANALÝZA III předášky M. Krupky Zií seestr 999/. Derivace prvío řádu V této základí kapitole pojedáváe o dierecovatelosti zobrazeí : U R R (podožia U je vždy otevřeá). Zavádíe ěkolik základíc

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

VYHODNOCENÍ LABORATORNÍHO MĚŘENÍ DEFORMACÍ VLNOPLOCHY S UŽITÍM MATLABU

VYHODNOCENÍ LABORATORNÍHO MĚŘENÍ DEFORMACÍ VLNOPLOCHY S UŽITÍM MATLABU VYHODNOCENÍ LABORATORNÍHO MĚŘENÍ DEFORMACÍ VLNOPLOCHY S UŽITÍM MATLABU J.Novák P.Novák A.Mikš katedra zik Fakulta stavebí ČVUT v Praze Abstrakt Čláek se zabývá použití sstéu MATLAB pro počítačové vhodocováí

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů: Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy

Více

6. FUNKCE A POSLOUPNOSTI

6. FUNKCE A POSLOUPNOSTI 6. FUNKCE A POSLOUPNOSTI Fukce Dovedosti:. Základí pozatky o fukcích -Chápat defiici fukce,obvyklý způsob jejího zadáváí a pojmy defiičí obor hodot fukce. U fukcí zadaých předpisem umět správě operovat

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

Komplexní čísla. Definice komplexních čísel

Komplexní čísla. Definice komplexních čísel Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují

Více

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat Komplexí čísla Hoza Krejčí Abstrakt. Co jsou to komplexí čísla? K čemu se používají? Dá se s imi dělat ěco cool? Na tyto a další otázky se a předášce/v příspěvku pokusíme odpovědět. Proč vzikla komplexí

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,

Více

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V Předáška 1: Vektorové prostory Vektorový prostor Pro abstraktí defiici vektorového prostoru jsou podstaté vlastosti dvou operací, sčítáí vektorů a ásobeí vektoru (reálým číslem) Tyto dvě operace musí být

Více

( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.

( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N. .. Derivace elemetárích fukcí II Předpoklady: Př. : Urči derivaci fukce y ; N. Budeme postupovat stejě jako předtím dosazeím do vzorce: f ( + ) f ( ) f f ( + ) + + + +... + (biomická věta) + + +... + f

Více

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0 Nekoečé řady, geometrická řada, součet ekoečé řady Defiice Výraz a 0 a a a, kde {a i } i0 je libovolá posloupost reálých čísel, azveme ekoečou řadou Číslo se azývá -tý částečý součet Defiice Nekoečá řada

Více

Definice obecné mocniny

Definice obecné mocniny Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma

Více

Přednáška 7, 14. listopadu 2014

Přednáška 7, 14. listopadu 2014 Předáška 7, 4. listopadu 204 Uvedeme bez důkazu klasické zobecěí Leibizova kritéria (v ěmž b = ( ) + ). Tvrzeí (Dirichletovo a Abelovo kritérium). Nechť (a ), (b ) R, přičemž a a 2 a 3 0. Pak platí, že.

Více

1. K o m b i n a t o r i k a

1. K o m b i n a t o r i k a . K o m b i a t o r i k a V teorii pravděpodobosti a statistice budeme studovat míru výskytu -pravděpodobostvýsledků procesů, které mají áhodý charakter, t.j. při opakováí za stejých podmíek se objevují

Více

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model

EKONOMETRIE 9. přednáška Zobecněný lineární regresní model EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ

Více

Analýza a zpracování signálů. 4. Diskrétní systémy,výpočet impulsní odezvy, konvoluce, korelace

Analýza a zpracování signálů. 4. Diskrétní systémy,výpočet impulsní odezvy, konvoluce, korelace Aalýza a zpracováí sigálů 4. Diskrétí systémy,výpočet impulsí odezvy, kovoluce, korelace Diskrétí systémy Diskrétí sytém - zpracovává časově diskrétí vstupí sigál ] a produkuje časově diskrétí výstupí

Více

1 Základy Z-transformace. pro aplikace v oblasti

1 Základy Z-transformace. pro aplikace v oblasti Základy Z-trasformace pro aplikace v oblasti číslicového zpracováí sigálů Petr Pollák 9. říja 29 Základy Z-trasformace Teto stručý text slouží k připomeutí základích vlastostí Z-trasformace s jejími aplikacemi

Více

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,

Více

2.7.5 Racionální a polynomické funkce

2.7.5 Racionální a polynomické funkce 75 Racioálí a poloické fukce Předpoklad: 704 Pedagogická pozáka: Při opisováí defiic racioálí a poloické fukce si ěkteří studeti stěžovali, že je to příliš těžké Ve skutečosti je ssté, který jsou fukce

Více

ZS 2018/19 Po 10:40 T5

ZS 2018/19 Po 10:40 T5 Cvičeí - Matematická aalýza ZS 08/9 Po 0:40 T5 Cvičeí 008 Řešte erovice v R: 8, log 3 ( 3+3 0 Částečý součet geometrické řady: pro každé q C, q, a N platí 3 Důsledek: +q +q + +q = q+ q si+si+ +si = si

Více

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.). STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti. 10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé

Více

I. TAYLORŮV POLYNOM. Taylorovy řady některých funkcí: Pro x R platí: sin(x) =

I. TAYLORŮV POLYNOM. Taylorovy řady některých funkcí: Pro x R platí: sin(x) = Taylorovy řady ěkterých fukcí: I. TAYLORŮV POLYNOM Pro R platí: si) = 2+ = ), cos) = 2 2+)! = ), 2)! e = =.! Pro, : log + ) = = ) Pro, ) a a R: + ) a = a ) =, kde ) a = a a ) a 2) a +).!. Nalezěte Taylorův

Více

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM

DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROM Difereciálí počet fukcí jedé reálé proměé - - DERIVACE FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ ÚVODNÍ POZNÁMKY I derivace podobě jako limity můžeme počítat ěkolikerým způsobem a to kokrétě pomocí: defiice vět o algebře

Více

Spojitost a limita funkcí jedné reálné proměnné

Spojitost a limita funkcí jedné reálné proměnné Spojitost a limita fukcí jedé reálé proměé Pozámka Vyšetřeí spojitosti fukce je možo podle defiice převést a výpočet limity V dalším se proto soustředíme je problém výpočtu limit Pozámka Limitu fukce v

Více

1 Základní pojmy a vlastnosti

1 Základní pojmy a vlastnosti Základí pojmy a vlastosti DEFINICE (Trigoometrický polyom a řada). Fukce k = (a cos(x) + b si(x)) se azývá trigoometrický polyom. Řada = (a cos(x) + b si(x)) se azývá trigoometrická řada. TVRZENÍ (Ortogoalita).

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

I. TAYLORŮV POLYNOM ( 1

I. TAYLORŮV POLYNOM ( 1 I. TAYLORŮV POLYNOM Připomeňme si defiice elemetárích fukcí: a si( = 2+ = ( (2+! b cos( = 2 = ( (2! c e = =!. Dokažte, že Taylorův polyom k-tého řádu v bodě pro fukce f je rove polyomu P : (tyto výsledky

Více

1.2. NORMA A SKALÁRNÍ SOUČIN

1.2. NORMA A SKALÁRNÍ SOUČIN 2 NORMA A SKALÁRNÍ SOUČIN V této kapitole se dozvíte: axiomatickou defiici ormy vektoru; co je to ormováí vektoru a jak vypadá Euklidovská orma; axiomatickou defiici skalárího (také vitřího) součiu vektorů;

Více

Matematika I. Název studijního programu. RNDr. Jaroslav Krieg. 2014 České Budějovice

Matematika I. Název studijního programu. RNDr. Jaroslav Krieg. 2014 České Budějovice Matematika I Název studijího programu RNDr. Jaroslav Krieg 2014 České Budějovice 1 Teto učebí materiál vzikl v rámci projektu "Itegrace a podpora studetů se specifickými vzdělávacími potřebami a Vysoké

Více

1.1. Primitivní funkce a neurčitý integrál

1.1. Primitivní funkce a neurčitý integrál Mateatia II. NEURČITÝ INTEGRÁL.. Priitiví fuce a eurčitý itegrál Defiice... Říáe, že fuce F( ) je v itervalu ( ab, ) priitiví fucí fuci f ( ), platí-li pro všecha ( ab, ) vztah F = f. Defiice... Možia

Více

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost

je číselná posloupnost. Pro všechna n položme s n = ak. Posloupnost Číselé řady Defiice (Posloupost částečých součtů číselé řady). Nechť (a ) =1 je číselá posloupost. Pro všecha položme s = ak. Posloupost ( s ) azýváme posloupost částečých součtů řady. Defiice (Součet

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

Základní pojmy kombinatoriky

Základní pojmy kombinatoriky Základí pojy kobiatoriky Začee příklade Příklad Máe rozesadit lidí kole kulatého stolu tak, aby dva z ich, osoby A a B, eseděly vedle sebe Kolika způsoby to lze učiit? Pro získáí odpovědi budee potřebovat

Více

Lineární a adaptivní zpracování dat. 8. Modely časových řad I.

Lineární a adaptivní zpracování dat. 8. Modely časových řad I. Lieárí a adaptiví zpracováí dat 8. Modely časových řad I. Daiel Schwarz Ivestice do rozvoje vzděláváí Cíl, motivace Popis a idetifikace systémů BLACK BOX Cíl, motivace Popis a idetifikace systémů BLACK

Více

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A ); 1 PSE 1 Náhodý pokus, áhodý jev. Operace s jevy. Defiice pravděpodobosti jevu, vlastosti ppsti. Klasická defiice pravděpodobosti a její použití, základí kombiatorické vzorce. 1.1 Teoretická část 1.1.1

Více

5. Posloupnosti a řady

5. Posloupnosti a řady Matematická aalýza I předášky M. Málka cvičeí A. Hakové a R. Otáhalové Zimí semestr 2004/05 5. Poslouposti a řady 5.1 Limita a hromadé hodoty. Mějme posloupost x ) prvků Hausdorffova topologického prostoru

Více

VaR analýza citlivosti, korekce

VaR analýza citlivosti, korekce VŠB-TU Ostrava, Ekoomická fakulta, katedra fiací.-. září 008 VaR aalýza citlivosti, korekce Fratišek Vávra, Pavel Nový Abstrakt Práce se zabývá rozbory citlivosti ěkterých postupů, zahrutých pod zkratkou

Více

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY URČENO PRO VZDĚLÁVÁNÍ V AKREDITOVANÝCH STUDIJNÍCH PROGRAMECH IVAN KŘIVÝ ČÍSLO OPERAČNÍHO PROGRAMU: CZ..07 NÁZEV OPERAČNÍHO PROGRAMU: VZDĚLÁVÁNÍ PRO KONKURENCESCHOPNOST

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení S1P áhodá roměá vybraá rozděleí PRAVDĚPODOBOST A STATISTIKA áhodá roměá vybraá rozděleí S1P áhodá roměá vybraá rozděleí Vybraá rozděleí diskrétí P Degeerovaé rozděleí D( ) áhodá veličia X s degeerovaým

Více

Statistika pro metrologii

Statistika pro metrologii Statistika pro metrologii T. Rössler Teto projekt je spolufiacová Evropským sociálím fodem a státím rozpočtem České republiky v rámci projektu Vzděláváí výzkumých pracovíků v Regioálím cetru pokročilých

Více

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta

Matematika přehled vzorců pro maturanty (zpracoval T. Jánský) Úpravy výrazů. Binomická věta Matematika přehled vzorců pro maturaty (zpracoval T. Jáský) Úpravy výrazů a r. a s = a r+s a r = ar s as a r s = a r.s a. b r = a r b r a b r = ar b r a. b a b = a b = a. b ( a) m = a m m a m. = a a k.

Více

IAJCE Přednáška č. 12

IAJCE Přednáška č. 12 Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích

Více

12 VZORKOVACÍ TEORÉM 1

12 VZORKOVACÍ TEORÉM 1 2 VZORKOVACÍ TEORÉM 2 Vzorkovací teorém Půvab vzorkovacího teorému spočívá v tom že umožňu vyjádřit spojité fukce jistého typu hodotami těchto fukcí vzorky v určitých izolovaých bodech. Přitom ejde o ějakou

Více

Laboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb:

Laboratorní práce č. 10 Úloha č. 9. Polarizace světla a Brownův pohyb: ruhlář Michal 8.. 5 Laboratorí práce č. Úloha č. 9 Polarizace světla a Browův pohyb: ϕ p, C 4% 97,kPa Úkol: - Staovte polarizačí schopost daého polaroidu - Určete polarimetrem úhel stočeí kmitavé roviy

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor Lbor Žák SP Náhodý vektor Lbor Žák Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

Geometrická optika. Zákon odrazu a lomu světla

Geometrická optika. Zákon odrazu a lomu světla Geometrická optika Je auka o optickém zobrazováí. Je vybudováa a 4 zákoech, které vyplyuly z pozorováí a ke kterým epotřebujeme zalosti o podstatě světla: ) přímočaré šířeí světla (paprsky) ) ezávislost

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více