Praktická cvičení. Anotace
|
|
- Vilém Kašpar
- před 8 lety
- Počet zobrazení:
Transkript
1 Pondělí Praktická cvičení Anotace Úloha 1. Úvod do práce se softwarem Surmon Cílem úlohy je ukázat účastníkům možnosti softwaru Surmon jako nástroje pro práci s daty. Jedná se o práci s pracovní plochou, ovládacími prvky prostředí a hlavně ukázku jednotlivých modulů. Dále se jedná o možnostech využití jednotlivých modulů, např. tabulku dat, vizualizaci pomocí grafů, nastavovací prvky, skriptování vlastních funkcí a hlavně modul zpracování obrazových dat. Způsob provedení: V rámci práce se softwarem Surmon si účastník vyzkouší tvorbu pracovních postupů (algoritmů) formou grafického programování. Cílem praktika bude prozkoumat možnosti prostředí pro zpracování různých druhů dat od tabulky, přes vizualizaci a skriptování až po obrazová data. Cvičící: Ing. Jakub Novák, ing. Jiří Hanousek, Bc. Jiří Palas
2 Pondělí Úloha 2: Jak využít základní matematické operace k zlepšení obrazu Pořízení obrazu s sebou nese řadu faktorů, které ovlivňují výsledný obraz. Je zapotřebí dodržovat například standardní podmínky osvětlení vzorku nebo kontrast. V opačném případě je kvalita pořízených dat nižší, a tím pádem je jejich další analýza nemožná nebo mnohem komplikovanější. Cílem práce je ukázat účastníkům základní metody práce s obrazem za účelem zlepšení kvality pořízených obrazových dat pro další analýzu. Způsob provedení: Účastníkům budou poskytnuta nejdříve testovací obrazová data obecná a dále testovací obrazová data z mikroskopu. Účastníci si vyzkouší použití jednotlivých metod z přednášek tak, jak by se tyto metody měly efektivně a chronologicky používat za účelem zisku optimálních výsledků. Naučí se, co to znamená fáze předzpracování obrazu. Mezi zmíněné metody patří převod obrazu do různých barevných prostorů, práce s jasovou částí obrazu a základní metody převodu obrazu na objekty a pozadí. Účastníci si vytvoří funkční grafické algoritmy zpracovávající zadání od načtení dat přes jejich zpracování jednotlivými metodami až po zobrazení výsledků. Cvičící: Ing. Jakub Novák, ing. Jiří Hanousek, Bc. Jiří Palas
3 Pondělí Úloha 3: Odstranění chyb vzniklých pořízením obrazu Mezi hlavní faktory ovlivňující pořízená obrazová data patří jas a kontrast. Cílem praktika je ukázat účastníkům jednoduché metody práce s tzv. převodní tabulkou (LUT) za účelem odstranění chyb vzniklých pořízením dat při nedodržení základních podmínek. Způsob provedení: V rámci praktika budou ukázány základní chyby vznikající při pořízení obrazu a možnosti jejich korekce či úplného odstranění. Účastníkům budou poskytnuta nejdříve testovací obrazová data obecná a dále testovací obrazová data z mikroskopu. Účastníci si vyzkouší použití jednotlivých metod z přednášek tak, jak by se tyto metody měly efektivně začlenit do postupu práce ve fázi předzpracování obrazu. Mezi zmíněné metody patří práce s jasovou oblastí obrazu s využitím převodní tabulky (LUT) pro zlepšení jasu či kontrastu obrazu, nebo použití tzv. gama korekce. Účastníci si vytvoří funkční grafické algoritmy zpracovávající zadání od načtení dat přes jejich zpracování jednotlivými metodami až po zobrazení výsledků. Cvičící: Ing. Jakub Novák, ing. Jiří Hanousek, Bc. Jiří Palas
4 Úterý Úloha 1: Subjektivní zlepšení obrazu a odstranění šumu Kromě základních metod existují další metody subjektivně zlepšující kvalitu obrazu. Použití těchto metod ve chvíli předzpracování obrazu výrazně zvyšuje úspěšnost následné analýzy obrazových dat z pohledu uživatele. Cílem práce je ukázat účastníkům další metody práce s obrazem za účelem subjektivního zlepšení kvality obrazových dat pro další analýzu. Způsob provedení: Účastníkům budou poskytnuta nejdříve testovací obrazová data obecná a dále testovací obrazová data z mikroskopu. Účastníci si vyzkouší použití jednotlivých metod z přednášek tak, jak by se tyto metody měly efektivně začlenit do postupu práce ve fázi předzpracování obrazu. Mezi zmíněné metody patří využití celé jasové škály pro zobrazení obrazu, zobrazení histogramu obrazu a práci s ním. Dále se jedná o metodu ekvalizace histogramu a jeho využití pro správné a efektivní nastavení parametrů dříve zmíněných metod za účelem dosažení lepších výsledků. Dále budou ukázány postupy pro odstranění drobných parazitních vlivů v obraze šumu. Účastníci si vytvoří funkční grafické algoritmy zpracovávající zadání od načtení dat přes jejich zpracování jednotlivými metodami až po zobrazení výsledků. Cvičící: ing. Jakub Novák, ing. Jiří Hanousek
5 Úterý Úloha 2: Využití metod segmentace k detekci částic Hlavními výhodami metod zpracování obrazu je tzv. segmentace obrazu, neboli jeho rozčlenění na dílčí části (segmenty). Nejjednodušší rozdělení je na části zajímavé (objekty) a části nezajímavé (pozadí). Cílem práce je ukázat účastníkům použití různých metod segmentace obrazu na odlišných obrazových datech, jejich výsledků a úspěšnosti při zvolení dané metody na konkrétních datech. Způsob provedení: V rámci praktika bude věnován čas na představení práce se softwarem Fiji. Dále si účastníci vyzkouší použití jednotlivých metod segmentace, které dané softwary nabízí. Dále si účastníci vyzkouší porovnání výsledků těchto metod. Jedná se o metody detekce hran a detekce oblastí, transformace watershed, Houghova transformace, srovnávání se vzorem, sledování hranice oblastí, aktivní kontury, level sets a další. Cvičící: Dr. Martin Čapek
6 Úterý Úloha 3: Řešení komplexní úlohy Práci s obrazovými daty lze rozdělit na části pořízení dat, předzpracování dat, segmentaci dat, následnou analýzu, vizualizaci a interpretaci výsledků a nakonec vytvoření reportu práce. Cílem praktika je provést účastníky celým procesem od začátku do konce s využitím znalostí a poznatků z předchozích cvičení. Způsob provedení: Účastníkům bude představena úloha, budou jim předána testovací obrazová data z mikroskopu a budou vedeni k vytvoření grafického funkčního algoritmu řešícího danou úlohu od začátku do konce dle struktury práce s obrazovými daty. U účastníků bude kladen důraz na samostatnou práci při tvorbě algoritmu z dříve vyzkoušených metod. Účastníci si nejen vytvoří funkční grafický algoritmus zpracovávající danou úlohu, ale vytvoří i report, ve kterém shrnou důvody použití jednotlivých metod a interpretují výsledky. Cvičící: Ing. Jakub Novák, ing. Jiří Hanousek
7 Středa Úloha 1: Objemová rekonstrukce, kolokalizace obrazů Cíle a způsob provedení: Vyrovnání jasu konfokálních obrazů s hloubkou, sešití obrazů dílčích zorných polí, vyrovnání jasu obrazů v ploše, lícování obrazů následných fyzických řezů, 3D vizualizace výsledku. Kolokalizace obrazů pomocí Fiji/JACoP a analýza výsledků. Cvičící: Dr. Martin Čapek
8 Středa Úloha 2: Stanovení pohyblivosti proteinů pomocí FRAP. Cíl úlohy: Stanovit pohyblivost (dynamiku) dvou membránových přenašečů fytohormonu auxinu v plazmatické membráně a kortikální cytoplazmě suspenzních buněk tabáku. Způsob provedení: Účastníci kurzu obdrží časovou sérii fluorescenčních snímků kortikální cytoplazmy suspenzních buněk tabáku, které indukovatelně exprimují fluorescenčně označené membránové přenašeče fytohormonu auxinu. Vedle kontrolních buněk budou poskytnuty série z buněk ovlivněných cytoskeletálními inhibitory. Mikroskopická scéna získaná na konfokálním laserovém skanovacím mikroskopu bude obsahovat buď příčný řez plazmatickou membránou oddělující dvě buňky anebo povrchový řez. V sérii bude vždy situace před vybělením, těsně po vybělení a v několika bodech během obnovy signálu. Cílem bude vyhodnotit průběh experimentu z hlediska přítomnosti signálu ve vybělené oblasti před, během a po vybělení. Referenční hodnoty budou představovat fluorescence v oblastech, ve kterých k vybělení nedošlo (k omezení vlivu vysvěcování během snímání FRAP), v oblasti pozadí (k nastavení poměru signál/šum) a celková fluorescence scény. Z průběhu křivky určíme zastoupení dynamické a statické frakce proteinu, určíme parametry křivky obnovy fluorescence a dále povahu buněčného kompartmentu, ze kterého přednostně k doplňování dochází. Vyhodnotíme, jak je rychlost FRAP závislá na strukturách cytoskeletu. Cvičící: Dr. Jan Petrášek
9 Středa Úloha 3: EM imunoznačení: detekce klastrování a kolokalizace Cíl úlohy: Seznámení účastníků se způsobem statistického hodnocení distribuce ultrastrukturálního imunoznačení na ultratenkých řezech pro jeden nebo vice antigenů (Philimonenko et al., 2000, Způsob provedení: Hodnocení probíhá pomocí speciálních pluginů k software Ellipse. Kovové nanočástice na digitálních snímcích, pořízených pomocí TEM, jsou automaticky detekovány, rozděleny do kategorií podle velikostí, dále probíhá statistické hodnocení parametrů rozložení nanočástic. Výstupem jsou data ve formě grafů a statistických tabulek, která ukazují pro každý detekovaný antigen, zda se jedná o náhodné rozložení nebo dochází ke klastrování, a intervaly vzdáleností, na které se to vztahuje. Pro vzájemné rozložení dvou antigenů data ukazují, zda dochází ke statistické významné kolokalizaci, a v jakých intervalech vzdáleností. Cvičící: Dr. Vlada Phillimonenko
10 Čtvrtek Stereologie Úloha 1a: Odhad objemu mozku z 2D řezů metodou bodové mřížky a Cavalieriho principu Cíle úlohy: Pochopit principy stereologie a s pomocí bodové metody a Cavalieriho principu odhadnou objem mozku potkana Způsob provedení: Účastníkům bude vysvětlen princip bodové metody a Cavalieriho principu a náhodné přiložení bodové mřížky s pomocí tabulky náhodných čísel. Na obrazu sériových řezů mozku potkana si v Image J s využitím plug inu Lin Sys Cycloides odhadnou objem. Cvičící: Barbora Radochová Úloha 1b Odhad objemu mrkve z vlastnoručně vyrobených fyzických řezů a porování s měřením objemu v odměrném válci Cíle úlohy: Účastníci kurzu změří objem mrkve v odměrném válci, poté provedou odhad objemu bodovou metodou a Cavalieriho principem a oba výsledky porovnají Způsob provedení: Každý bude pracovat se svou vlastní mrkví. Po změření objemu mrkve v odměrném válci bude účastníkům vysvětlen princip systematicky rovnoměrně náhodného výběru řezů. Každý si mrkev nakrájí a na řezech pomocí fólie s bodovou mřížkou odhadne její objem. Cvičící: Barbora Radochová
11 Čtvrtek Stereologie Úloha 2a: Odhad povrchu mrkve ve 2D metodou vertikálních řezů Cíle úlohy: Pochopit princip metody vertikálních řezů a s jejím využitím odhadnou povrch mrkve Způsob provedení: Účastníkům bude vysvětlena metoda vertikálních řezů. Na obrazu s vertikálními řezy mrkve pak odhadnou pomocí programu Fiji a s využitím plug inu Lin Sys Cycloides (mřížka s cykloidami) a pravidel pro náhodné přikládání mřížky její povrch. Cvičící: Barbora Radochová Úloha 2b: Odhad počtu částic metodou disektoru Cíle úlohy: Pochopit princip metody počítání částic metodou disektoru a odhadnou hustotu částic (počet na objem) Způsob provedení: Účastníkům budou vysvětlena pravidla pro počítání částic ve 2D (Gundersenovo okénko) a 3D (disektor). Na obrazu optických řezů z konfokálního mikroskopu v Fiji poté účastníci odhadnou hustotu částic (počet na objem). Cvičící: Barbora Radochová
12 Pátek 3D analýza Úloha 1a: Počítání částic metodou disektor Cíle úlohy: Spočítat částice v 3D datovém objemu Způsob provedení: Pomocí pluginu Disector ve Fiji Cvičící: Jiří Janáček Úloha 1b: Měření objemu a plochy povrchu metodou Fakir Cíle úlohy: Změřit objem a plochu povrchu objektu v 3D datovém objemu Způsob provedení: Pomocí aplikace Fakir Cvičící: Jiří Janáček Úloha 1c: Měření délky metodou Slicer Cíle úlohy: Změřit délku vlákna v 3D datovém objemu Způsob provedení: Pomocí aplikace Slicer Cvičící: Jiří Janáček
13 Pátek 3D analýza Úloha 2a: Měření objemu 3D analýzou obrazu Cíle úlohy: Změřit objem objektu v 3D datovém objemu Způsob provedení: Filtrace, prahování a výpočet objemu ve Fiji Cvičící: Jiří Janáček Úloha 2b: Měření délky 3D analýzou obrazu Cíle úlohy: Změřit délku vlákna v 3D datovém objemu Způsob provedení: Filtrace, prahování, skeletonizace a výpočet délky ve Fiji Cvičící: Jiří Janáček
Jasové transformace. Karel Horák. Rozvrh přednášky:
1 / 23 Jasové transformace Karel Horák Rozvrh přednášky: 1. Úvod. 2. Histogram obrazu. 3. Globální jasová transformace. 4. Lokální jasová transformace. 5. Bodová jasová transformace. 2 / 23 Jasové transformace
VíceAnalýza obrazu II. Jan Macháček Ústav skla a keramiky VŠCHT Praha
Analýza obrazu II Jan Macháček Ústav skla a keramiky VŠCHT Praha +4- - 44-45 Reference další doporučená literatura Microscopical Examination and Interpretation of Portland Cement and Clinker, Donald H.
VíceAnalýza 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
VíceOmezení barevného prostoru
Úpravy obrazu Omezení barevného prostoru Omezení počtu barev v obraze při zachování obrazového vjemu z obrazu Vytváření barevné palety v některých souborových formátech Různé filtry v grafických programech
VíceVyhodnocení 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
VíceOBRAZOVÁ ANALÝZA. Speciální technika a měření v oděvní výrobě
OBRAZOVÁ ANALÝZA Speciální technika a měření v oděvní výrobě Prostředky pro snímání obrazu Speciální technika a měření v oděvní výrobě 2 Princip zpracování obrazu matice polovodičových součástek, buňky
VíceŠ E D O T Ó N O V Á A B A R E V N Á K A L I B R A C E
Š E D O T Ó N O V Á A B A R E V N Á K A L I B R A C E Z O B R A Z O V A C Í C H Z A Ř Í Z E NÍ CÍLE LABORATORNÍ ÚLOHY 1. Seznámení se s metodami šedotónové a barevné kalibrace fotoaparátů, kamer, snímků
VíceAutorizovaný software
Popis a informace o podmínkách získání a používání autorizovaného softwaru, který je součástí výsledku řešení projekt MŠMT ČR čís. 1M06047. Autorizovaný software Autorizovaný software pro PC byl vyvinut
VíceMATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ
MATLAB PRO PODPORU VÝUKY KOMUNIKAČNÍCH SYSTÉMŮ Aneta Coufalíková, Markéta Smejkalová Mazálková Univerzita obrany Katedra Komunikačních a informačních systémů Matlab ve výuce V rámci modernizace výuky byl
Více2010 Josef Pelikán, CGG MFF UK Praha
Filtrace obrazu 21 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ 1 / 32 Histogram obrázku tabulka četností jednotlivých jasových (barevných) hodnot spojitý případ hustota pravděpodobnosti
Více25 A Vypracoval : Zdeněk Žák Pyrometrie υ = -40 C.. +10000 C. Výhody termovize Senzory infračerveného záření Rozdělení tepelné senzory
25 A Vypracoval : Zdeněk Žák Pyrometrie Bezdotykové měření Pyrometrie (obrázky viz. sešit) Bezdotykové měření teplot je měření povrchové teploty těles na základě elektromagnetického záření mezi tělesem
Více1 Jasové transformace
1 Jasové transformace 1.1 Teoretický rozbor 1.1.1 Princip jasové transformace Jasové transformace představují transformační funkce, které mění vždy určitou hodnotu vstupní jasové funkce na výstupní. Transformace
VíceMATEMATIKA V MEDICÍNĚ
MATEMATIKA V MEDICÍNĚ Tomáš Oberhuber Fakulta jaderná a fyzikálně inženýrská České vysoké učení technické v Praze Matematika pro život TOMÁŠ OBERHUBER (FAKULTA JADERNÁ A FYZIKÁLNĚ INŽENÝRSKÁ MATEMATIKA
Vícezdroj světla). Z metod transformace obrázku uvedeme warping a morfing, které se
Kapitola 3 Úpravy obrazu V následující kapitole se seznámíme se základními typy úpravy obrazu. První z nich je transformace barev pro výstupní zařízení, dále práce s barvami a expozicí pomocí histogramu
VíceDefektoskopie. 1 Teoretický úvod. Cíl cvičení: Detekce měřicího stavu a lokalizace objektu
Defektoskopie Cíl cvičení: Detekce měřicího stavu a lokalizace objektu 1 Teoretický úvod Defektoskopie tvoří v počítačovém vidění oblast zpracování snímků, jejímž úkolem je lokalizovat výrobky a detekovat
VíceDETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH
DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH Viktor Haškovec, Martina Mudrová Vysoká škola chemicko-technologická v Praze, Ústav počítačové a řídicí techniky Abstrakt Příspěvek je věnován zpracování biomedicínských
VíceÚvod do zpracování obrazů. Petr Petyovský Miloslav Richter
Úvod do zpracování obrazů Petr Petyovský Miloslav Richter 1 OBSAH Motivace, prvky a základní problémy počítačového vidění, pojem scéna Terminologie, obraz, zpracování a analýza obrazu, počítačové vidění,
VíceProtokol č. 5. Vytyčovací údaje zkusných ploch
Protokol č. 5 Vytyčovací údaje zkusných ploch Zadání: Ve vybraném porostu bylo prováděno zjišťování zásob za použití reprezentativní metody kruhových zkusných ploch. Na těchto zkusných plochách byl zjišťován
VícePočítače a grafika. Ing. Radek Poliščuk, Ph.D. Přednáška č.7. z předmětu
Ústav automatizace a informatiky Fakulta strojního inženýrství Vysoké učení technické v Brně Přednáška č.7. z předmětu Počítače a grafika Ing. Radek Poliščuk, Ph.D. 1/14 Obsahy přednášek Přednáška 7 Zpracování
VíceZpracování digitalizovaného obrazu (ZDO) - Segmentace
Zpracování digitalizovaného obrazu (ZDO) - Segmentace úvod, prahování Ing. Zdeněk Krňoul, Ph.D. Katedra Kybernetiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Zpracování digitalizovaného obrazu
VícePopis programu 3D_VIZ
Popis programu 3D_VIZ Programový modul 3D_VIZ doplňuje interaktivní programový systém pro aplikaci moderních metod hodnocení uhelných ložisek (IPSHUL), který byl vyvinut na Institutu geologického inženýrství
VíceALGORITMY A DATOVÉ STRUKTURY
Název tématického celku: Cíl: ALGORITMY A DATOVÉ STRUKTURY Metodický list č. 1 Časová složitost algoritmů Základním cílem tohoto tematického celku je vysvětlení potřebných pojmů a definic nutných k popisu
VíceMěření optických vlastností materiálů
E Měření optických vlastností materiálů Úkoly : 1. Určete spektrální propustnost vybraných materiálů různých typů stavebních skel a optických filtrů pomocí spektrofotometru 2. Určete spektrální odrazivost
Více13 Barvy a úpravy rastrového
13 Barvy a úpravy rastrového Studijní cíl Tento blok je věnován základním metodám pro úpravu rastrového obrazu, jako je např. otočení, horizontální a vertikální překlopení. Dále budo vysvětleny různé metody
VíceMichal Dobeš ZPRACOVÁNÍ OBRAZU A ALGORITMY V C# Praha 2008 Michal Dobeš Zpracování obrazu a algoritmy v C# Bez pøedchozího písemného svolení nakladatelství nesmí být kterákoli èást kopírována nebo rozmnožována
VícePotlačování šumu v mikroskopických snímcích pomocí adaptivního non-local means filtru
Potlačování šumu v mikroskopických snímcích pomocí adaptivního non-local means filtru Jarní škola 2013 Krušné hory, Mariánská 28. května 2013 Motivace Časosběrná fluorescenční mikroskopie detekce částic
VíceOptická konfokální mikroskopie a mikrospektroskopie. Pavel Matějka
Optická konfokální mikroskopie a Pavel Matějka 1. Konfokální mikroskopie 1. Princip metody - konfokalita 2. Instrumentace metody zobrazování 3. Analýza obrazu 2. Konfokální 1. Luminiscenční 2. Ramanova
VíceNávrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
VíceGIS Geografické informační systémy
GIS Geografické informační systémy Obsah přednášky Prostorové vektorové modely Špagetový model Topologický model Převody geometrií Vektorový model Reprezentuje reálný svět po jednotlivých složkách popisu
Více12 Metody snižování barevného prostoru
12 Metody snižování barevného prostoru Studijní cíl Tento blok je věnován základním metodám pro snižování barevného rozsahu pro rastrové obrázky. Postupně zde jsou vysvětleny důvody k použití těchto algoritmů
VíceVYUŽITÍ MATLABU PRO PODPORU VÝUKY A PŘI ŘEŠENÍ VÝZKUMNÝCH ÚKOLŮ NA KATEDŘE KOMUNIKAČNÍCH A INFORMAČNÍCH SYSTÉMŮ
VYUŽITÍ MATLABU PRO PODPORU VÝUKY A PŘI ŘEŠENÍ VÝZKUMNÝCH ÚKOLŮ NA KATEDŘE KOMUNIKAČNÍCH A INFORMAČNÍCH SYSTÉMŮ Markéta Mazálková Katedra komunikačních a informačních systémů Fakulta vojenských technologií,
VíceAproximace a vyhlazování křivek
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Přednášející: Prof. Ing. Jiří Militký, Csc 1. SLEDOVÁNÍ ZÁVISLOSTI HODNOTY SFM2 NA BARVIVOSTI
VíceZáklady digitální fotografie
Číslo projektu CZ.1.07/1.5.00/34.0036 Tématický celek Inovace výuky ICT na BPA Název projektu Inovace a individualizace výuky Název materiálu Číslo materiálu VY_32_INOVACE_FIL15 Ročník První Název školy
VícePrincipy a instrumentace
Průtoková cytometrie Principy a instrumentace Ing. Antonín Hlaváček Úvod Průtoková cytometrie je moderní laboratorní metoda měření a analýza fyzikálních -chemických vlastností buňky během průchodu laserovým
VícePředmluva 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
VíceNávod pro obnovu katastrálního operátu a převod
Český úřad zeměměřický a katastrální Návod pro obnovu katastrálního operátu a převod Dodatek č. 3 Praha 2013 Zpracoval: Český úřad zeměměřický a katastrální Schválil: Ing. Karel Štencel, místopředseda
VíceZpracování obrazu v FPGA. Leoš Maršálek ATEsystem s.r.o.
Zpracování obrazu v FPGA Leoš Maršálek ATEsystem s.r.o. Základní pojmy PROCESOROVÉ ČIPY Křemíkový čip zpracovávající obecné instrukce Různé architektury, pracují s různými paměti Výkon instrukcí je závislý
VíceInterní norma č. 22-102-01/01 Průměr a chlupatost příze
Předmluva Text vnitřní normy byl vypracován v rámci Výzkumného centra Textil LN00B090 a schválen oponentním řízením dne 7.12.2004. Předmět normy Tato norma stanoví postup měření průměru příze a celkové
VíceVyužití tabulkového procesoru MS Excel
Semestrální práce Licenční studium Galileo srpen, 2015 Využití tabulkového procesoru MS Excel Ing Marek Bilko Třinecké železárny, a.s. Stránka 1 z 10 OBSAH 1. ÚVOD... 2 2. DATOVÝ SOUBOR... 2 3. APLIKACE...
VícePřehled vhodných metod georeferencování starých map
Přehled vhodných metod georeferencování starých map ČVUT v Praze, katedra geomatiky 12. 3. 2015 Praha Georeferencování historická mapa vs. stará mapa georeferencování umístění obrazu mapy do referenčního
VíceZelená bariéra. Software Zelená bariéra je výstupem projektu TA ČR č. TD Optimalizace výsadeb dřevin pohlcujících prachové částice
Zelená bariéra Aplikace pro výpočet účinnosti vegetačních bariér podél silničních a dálničních komunikací z hlediska záchytu celkového prachu, suspendovaných částic PM 10 a PM 2.5 a benzo[a]pyrenu Software
VíceAplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář
Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru
VíceKOMPRESE OBRAZŮ. Václav Hlaváč. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání. hlavac@fel.cvut.
1/24 KOMPRESE OBRAZŮ Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/ hlavac KOMPRESE OBRAZŮ, ÚVOD 2/24 Cíl:
VíceSpráva barev pro digitální fotografii
Správa barev pro digitální fotografii Seminární cvičení Lukáš Cerman Czech Technical University, Faculty of Electrical Engineering Department of Cybernetics, Center for Machine Perception 121 35 Praha
VíceAlgoritmy a struktury neuropočítačů ASN - P10. Aplikace UNS v biomedicíně
Aplikace UNS v biomedicíně aplikace v medicíně postup při zpracování úloh Aplikace UNS v medicíně Důvod: nalezení exaktnějších, levnějších a snadnějších metod určování diagnóz pro lékaře nalezení šetrnějších
VíceSpolečnost ATLAS, spol. s r.o. byla založena roku 1990 za účelem vývoje vlastního grafického software pro oblast inženýrských prací.
Společnost ATLAS, spol. s r.o. byla založena roku 1990 za účelem vývoje vlastního grafického software pro oblast inženýrských prací. Během dosavadní činnosti společnost navázala dlouhodobou spolupráci
VícePopisná statistika kvantitativní veličiny
StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali
VíceDetektor anomálií DNS provozu
Detektor anomálií DNS provozu Statistická metoda Karel Slaný karel.slany@nic.cz 30.11.2013 Obsah Stručný popis funkce Ukázky nalezených anomálií Metoda založena na G. Dewaele, K. Fukuda, P. Borgnat, P.
VíceZvyšování kvality výuky technických oborů
Zvyšování kvality výuky technických oborů Klíčová aktivita lll.2 Inovace a zkvalitnění výuky směřující k rozvoji odborných kompetencí žáků středních škol Pracovní list pro téma lll.2.5 Rastrová grafika
Více0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí
Program Sorpce1.m psaný v prostředí Matlabu slouží k vyhlazování naměřených sorpčních křivek a výpočtu difuzních koeficientů. Kromě standardního Matlabu vyžaduje ještě Matlab Signal Processing Toolbox
VícePRINCIPY POČÍTAČOVÉ GRAFIKY
Název tématického celku: PRINCIPY POČÍTAČOVÉ GRAFIKY metodický list č. 1 Cíl: Barvy v počítačové grafice Základním cílem tohoto tematického celku je seznámení se základními reprezentacemi barev a barevnými
VíceI Mechanika a molekulová fyzika
Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK PRAKTIKUM I Mechanika a molekulová fyzika Úloha č.: XVI Název: Studium Brownova pohybu Pracoval: Pavel Brožek stud. skup. 1 dne 4.4.008
VíceÚvod do zpracování signálů
1 / 25 Úvod do zpracování signálů Karel Horák Rozvrh přednášky: 1. Spojitý a diskrétní signál. 2. Spektrum signálu. 3. Vzorkovací věta. 4. Konvoluce signálů. 5. Korelace signálů. 2 / 25 Úvod do zpracování
VíceVzdálené laboratoře pro IET1
Vzdálené laboratoře pro IET1 1. Bezpečnost práce v elektrotechnice Odpovědná osoba - doc. Ing. Miloslav Steinbauer, Ph.D. (steinbau@feec.vutbr.cz) Náplní tématu je uvést posluchače do problematiky: - rizika
VíceAnalýza pohybu. Karel Horák. Rozvrh přednášky: 1. Úvod. 2. Úlohy analýzy pohybu. 3. Rozdílové metody. 4. Estimace modelu prostředí. 5. Optický tok.
1 / 40 Analýza pohybu Karel Horák Rozvrh přednášky: 1. Úvod. 2. Úlohy analýzy pohybu. 3. Rozdílové metody. 4. Estimace modelu prostředí. 5. Optický tok. 2 / 40 Analýza pohybu Karel Horák Rozvrh přednášky:
VíceINFORMATIKA EXCEL 2007
INFORMATIKA EXCEL 2007 Název školy Číslo projektu Autor Název šablony Název DUMu Stupeň a typ vzdělávání Vzdělávací oblast Vzdělávací obor Vzdělávací okruh Druh učebního materiálu Cílová skupina Střední
VíceVYBRANÉ STATĚ Z PROCESNÍHO INŢENÝRSTVÍ cvičení 8
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY VYBRANÉ STATĚ Z PROCESNÍHO INŢENÝRSTVÍ cvičení 8 Hana Charvátová, Dagmar Janáčová Zlín 2013 Tento studijní materiál vznikl za finanční podpory
VíceKOMPRESE OBRAZŮ. Václav Hlaváč, Jan Kybic. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání.
1/25 KOMPRESE OBRAZŮ Václav Hlaváč, Jan Kybic Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/ hlavac KOMPRESE OBRAZŮ, ÚVOD
VíceZPRACOVÁNÍ OBRAZU přednáška 4
ZPRACOVÁNÍ OBRAZU přednáška 4 Vít Lédl vit.ledl@tul.cz TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií Tento materiál vznikl v rámci projektu ESF CZ.1.07/2.2.00/07.0247,
VíceIII/ 2 Inovace a zkvalitnění výuky prostřednictvím ICT
Metodický list k didaktickému materiálu Číslo a název šablony Číslo didaktického materiálu Druh didaktického materiálu Autor Jazyk Téma sady didaktických materiálů Téma didaktického materiálu Vyučovací
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VíceAutomatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011
Automatická detekce anomálií při geofyzikálním průzkumu Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Cíle doktorandské práce Seminář 10. 11. 2010 Najít, implementovat, ověřit a do praxe
VíceROZ 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/
VíceGrafika na počítači. Bc. Veronika Tomsová
Grafika na počítači Bc. Veronika Tomsová Proces zpracování obrazu Proces zpracování obrazu 1. Snímání obrazu 2. Digitalizace obrazu převod spojitého signálu na matici čísel reprezentující obraz 3. Předzpracování
VíceVY_52_INOVACE_2NOV43. Autor: Mgr. Jakub Novák. Datum: 4. 10. 2012 Ročník: 7., 8.
VY_52_INOVACE_2NOV43 Autor: Mgr. Jakub Novák Datum: 4. 10. 2012 Ročník: 7., 8. Vzdělávací oblast: Člověk a příroda Vzdělávací obor: Fyzika Tematický okruh: Látky a tělesa, Mechanické vlastnosti tekutin
VíceZpracování obrazů. Honza Černocký, ÚPGM
Zpracování obrazů Honza Černocký, ÚPGM 1D signál 2 Obrázky 2D šedotónový obrázek (grayscale) Několikrát 2D barevné foto 3D lékařské zobrazování, vektorová grafika, point-clouds (hloubková mapa, Kinect)
VíceTERMINOLOGIE ... NAMĚŘENÁ DATA. Radek Mareček PŘEDZPRACOVÁNÍ DAT. funkční skeny
PŘEDZPRACOVÁNÍ DAT Radek Mareček TERMINOLOGIE Session soubor skenů nasnímaných během jednoho běhu stimulačního paradigmatu (řádově desítky až stovky skenů) Sken jeden nasnímaný objem... Voxel elementární
VíceMeo S-H: software pro kompletní diagnostiku intenzity a vlnoplochy
Centrum Digitální Optiky Meo S-H: software pro kompletní diagnostiku intenzity a vlnoplochy Výzkumná zpráva projektu Identifikační čí slo výstupu: TE01020229DV003 Pracovní balíček: Zpracování dat S-H senzoru
Více1 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
VíceNávrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
VícePříprava dat v softwaru Statistica
Příprava dat v softwaru Statistica Software Statistica obsahuje pokročilé nástroje pro přípravu dat a tvorbu nových proměnných. Tyto funkcionality přinášejí značnou úsporu času při přípravě datového souboru,
VíceZáklady práce v programovém balíku Corel
Základy práce v programovém balíku Corel Mgr. Tomáš Pešina Výukový text vytvořený v rámci projektu DOPLNIT První jazyková základní škola v Praze 4, Horáčkova 1100, 140 00 Praha 4 - Krč Základy počítačové
VíceInterní norma č /01 Definice. Geometrické vlastnosti vláken
Předmluva Text vnitřních norem byl vypracován v rámci Výzkumného centra Textil LN00B090 a schválen oponentním řízením dne 6.2. 2002. Předmět normy Norma stanoví definice geometrických vlastností vláken
VíceAnalýza dat v GIS. Dotazy na databáze. Překrytí Overlay Mapová algebra Vzdálenostní funkce. Funkce souvislosti Interpolační funkce Topografické funkce
Analýza dat v GIS Dotazy na databáze Prostorové Atributové Překrytí Overlay Mapová algebra Vzdálenostní funkce Euklidovské vzdálenosti Oceněné vzdálenosti Funkce souvislosti Interpolační funkce Topografické
VíceZkouška inhibice růstu řas
Zkouška inhibice růstu řas VYPRACOVALI: TEREZA DVOŘÁKOVÁ JINDŘICH ŠMÍD Porovnáváme : Zkouška inhibice růstu sladkovodních řas Scenedesmus subspicatus a Senastrum capricornutum : sekce C.3. Zkouška inhibice
VíceSEZNAM ANOTACÍ. III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení sady DUM VY_32_INOVACE_IT2 Tematická oblast MS Excel 2007
SEZNAM ANOTACÍ Číslo projektu CZ.1.07/1.5.00/34.0527 Číslo a název šablony klíčové aktivity III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení sady DUM VY_32_INOVACE_IT2 Tematická oblast MS
VíceSpeciální metody dendrometrie
Speciální metody dendrometrie Úvod - Přechod od klasické dendrometrie ke speciálním metodám Zdeněk Adamec Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018
VíceZpracování digitalizovaného obrazu (ZDO) - Segmentace II
Zpracování digitalizovaného obrazu (ZDO) - Segmentace II Další metody segmentace Ing. Zdeněk Krňoul, Ph.D. Katedra Kybernetiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Zpracování digitalizovaného
VíceMikroskopická 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
VíceCvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
VíceMODEL TVÁŘECÍHO PROCESU
MODEL TVÁŘECÍHO PROCESU Zkouška tlakem na válcových vzorcích 2 Vyhodnocení tlakové zkoušky Síla F způsobí změnu výšky H a průměru D válce. V každém okamžiku při stlačování je přetvárný odpor definován
VíceSNÍMAČE PRO MĚŘENÍ TEPLOTY
SNÍMAČE PRO MĚŘENÍ TEPLOTY 10.1. Kontaktní snímače teploty 10.2. Bezkontaktní snímače teploty 10.1. KONTAKTNÍ SNÍMAČE TEPLOTY Experimentální metody přednáška 10 snímač je připevněn na měřený objekt 10.1.1.
VíceIZOLACE, SEPARACE A DETEKCE PROTEINŮ I. Vlasta Němcová, Michael Jelínek, Jan Šrámek
IZOLACE, SEPARACE A DETEKCE PROTEINŮ I Vlasta Němcová, Michael Jelínek, Jan Šrámek Studium aktinu, mikrofilamentární složky cytoskeletu pomocí dvou metod: detekce přímo v buňkách - fluorescenční barvení
VíceDetekce interakčních sil v proudu vozidel
Detekce interakčních sil v proudu vozidel (ANEB OBECNĚJŠÍ POHLED NA POJEM VZDÁLENOSTI V MATEMATICE) Doc. Mgr. Milan Krbálek, Ph.D. Katedra matematiky Fakulta jaderná a fyzikálně inženýrská České vysoké
VíceStudium vybraných buněčných linií pomocí mikroskopie atomárních sil s možným využitím v praxi
Studium vybraných buněčných linií pomocí mikroskopie atomárních sil s možným využitím v praxi Petr Kolář, Kateřina Tománková, Jakub Malohlava, Hana Kolářová, ÚLB Olomouc 2013 atomic force microscopy mikroskopie
VíceProjekt do předmětu ZPO
Projekt do předmětu ZPO Sledování ruky pomocí aktivních kontur 13. května 2014 Autoři: Pavlík Vít, xpavli62@stud.fit.vutbr.cz Žerdík Jan, xzerdi00@stud.fit.vutbr.cz Doležal Pavel, xdolez08@stud.fit.vutbr.cz
VíceBiologický fotonový holografický komplet AUREOLA S Vám pomůže změřit a analyzovat energii aktuálně měřených objektů.
Biologický fotonový holografický komplet AUREOLA S Vám pomůže změřit a analyzovat energii aktuálně měřených objektů. 1 Princip technologie Zkoumaný objekt (například prsty klienta) se umístí do speciální
VíceK metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR
K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR Vlastimil Kratochvíl * Příspěvek obsahuje popis vlastností některých postupů, využitelných pro transformaci souřadnic mezi geodetickými systémy
VíceAlgoritmy a struktury neuropočítačů ASN - P11
Aplikace UNS při rozpoznání obrazů Základní úloha segmentace obrazu rozdělení obrazu do několika významných oblastí klasifikační úloha, clusterová analýza target Metody Kohonenova metoda KSOM Kohonenova
VíceLBP, HoG Ing. Marek Hrúz Ph.D. Plzeň Katedra kybernetiky 29. října 2015
LBP, HoG Ing. Marek Hrúz Ph.D. Plzeň Katedra kybernetiky 29. října 2015 1 LBP 1 LBP Tato metoda, publikovaná roku 1996, byla vyvinuta za účelem sestrojení jednoduchého a výpočetně rychlého nástroje pro
VíceVyšší odborná škola a Střední škola,varnsdorf, příspěvková organizace. Šablona 15 VY 32 INOVACE 0101 0215
Vyšší odborná škola a Střední škola,varnsdorf, příspěvková organizace Šablona 15 VY 32 INOVACE 0101 0215 VÝUKOVÝ MATERIÁL Identifikační údaje školy Číslo projektu Název projektu Číslo a název šablony Autor
VícePředpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2
Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik
VíceODŮVODNĚNÍ VEŘEJNÉ ZAKÁZKY
ODŮVODNĚNÍ VEŘEJNÉ ZAKÁZKY s názvem KONFOKÁLNÍ MIKROSKOPIE - CEITEC MU II. ČÁST 2 vyhotovené podle 156 zákona č. 137/2006 Sb., o veřejných zakázkách, v platném znění (dále jen Zákon o VZ) 1. ODŮVODNĚNÍ
VíceBiofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.2487/2011
Využití v biomedicíně III Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 Zpracování přirozeného obrazu Za přirozený obraz považujeme snímek
VíceDiagnostika a rehabilitace strabismu (šilhavosti) Petr Novák - ČVUT FEL, katedra kybernetiky (za pomoci FN Motol a Polikliniky Barrandov)
Diagnostika a rehabilitace strabismu (šilhavosti) Petr Novák - ČVUT FEL, katedra kybernetiky (za pomoci FN Motol a Polikliniky Barrandov) Úvod Okolo16% populace nějaké formy strabismu (šilhavosti) Ve většině
VíceOTDR Optical time domain reflection
OTDR Optical time domain reflection Úvod Co je OTDR Jak měří trasu OTDR Události na trase Nastavení parametrů OTDR Jak vybrat OTDR Co je OTDR? Netopýr vysílá krátké akustické signály a na základě jejich
VíceTechnická diagnostika, chyby měření
Technická diagnostika, chyby měření Obsah přednášky Technická diagnostika Měřicí řetězec Typy chyb měření Příklad diagnostiky: termovize ložisko 95 C měření 2/21 Co to je? Technická diagnostika Obdoba
VíceZobrazování barev. 1995-2015 Josef Pelikán CGG MFF UK Praha. pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/
Zobrazování barev 1995-2015 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ ColorRep 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 18 Barevné schopnosti HW True-color
VíceZvyšování kvality výuky technických oborů
Zvyšování kvality výuky technických oborů Klíčová aktivita lll.2 Inovace a zkvalitnění výuky směřující k rozvoji odborných kompetencí žáků středních škol Pracovní list pro téma lll.2.5 Rastrová grafika
VíceTematická oblast: Programování 2 (VY_32_INOVACE_08_2_PR) Anotace: Využití ve výuce: Použité zdroje:
Tematická oblast: Programování 2 (VY_32_INOVACE_08_2_PR) Autor: Ing. Petr Stránský Vytvořeno: duben 2013 až květen 2013 Anotace: Digitální učební materiály slouží k seznámení s číselnými soustavami a se
Více