D E T E K C E P O H Y B U V E V I D E U A J E J I C H I D E N T I F I K A C E

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "D E T E K C E P O H Y B U V E V I D E U A J E J I C H I D E N T I F I K A C E"

Transkript

1 D E T E K C E P O H Y B U V E V I D E U A J E J I C H I D E N T I F I K A C E CÍLE LABORATORNÍ ÚLOHY 1. Seznámení se s metodami detekce pohybu z videa. 2. Vyzkoušení si detekce pohybu v obraze kamery ÚKOL 1. Seznamte se metodami detekce pohybu ve videu a jejich identifikace 2. Prostudujte použití programovacího jazyku C# a matlab pro detekci pohybu. Ukázky zdrojových kódů jsou v balíčku zdrojovekody.zip 3. Vytvořte software pro detekci postavy v obrazu kamery TEORETICKÝ ZÁKLAD POHYB Pojmem pohyb rozumíme stav, při němž hmotné objekty svoji vzájemnou polohu, tvar, velikost, teplené, elektrické nebo magnetické vlastnosti, skupenství, chemické složení, biologické vlastnosti apod. Jedná se o základní projev existence pohyb. Pokud není jinak uvedeno, je zpravidla pod pojmem pohyb chápán určitý druh mechanického pohybu, který se budeme snažit detekovat. ANALÝZA POHYBU Obecně chceme-li určit ze snímání pohyb, nemůžeme ho posoudit pouze z jednoho obrazu. Je zapotřebí více záběru stejného prostředí se stejným pohybujícím se objektem. Proto pracujeme výhradně s takzvaným dynamickým obrazem. Dynamický obraz je v podstatě posloupnost statických obrazů. Statický obraz nám poskytne informace o poloze objektů v obraze, ale nedozvíme se nic o směru, rychlosti či zrychlení pohybu. Pohyb nejsme schopni ani identifikovat. Tento problém se řeší posloupností statických obrazů, u nichž je znám čas pořízení, což nám později umožnit výše popsané pohybové veličiny. Statický obraz je definován jasovou funkcí g(x,y), kde každému bodu v rovinném obraze je přiřazena určitá hodnota světelnosti, u dynamických obrazů je tato funkce navíc závislá na čase Stránka 1 z 10

2 f(x,y,t). Obraz může být binární (pouze 0 a 1), šedotónový (256 úrovní šedi) nebo barevný (tři složky - červená, zelená, modrá). Při pořízení obrazu musíme vycházet ze vztahů mezi kamerou a objektem. Podle toho pak volíme vhodné metody pro detekci a vhodné úpravy vstupního obrazu z kamery. Pro demonstraci uvedu několik takových vztahů: Kamera v klidu, objekty v klidu Kamera v pohybu, objekty v klidu Kamera v klidu, objekty v klidu Kamera v pohybu, objekty v klidu METODY PRO ZPRACOVÁNÍ DYNAMICKÝCH OBRAZŮ Detekce pohybující se objektů ve videozáznamu hraje důležitou a často stěžejní roli v mnoha aplikacích počítačového vidění (lékařství nevyjímaje). V mnoha různých odvětví lidské činnosti nalezly tyto aplikace praktického využití a proto je také kladen důraz na jejich rozšiřování a vylepšení. Dobrým příkladem může být sledování vozidel v autodopravě, sledování a rozpoznávání lidí, vojenské aplikace, průmyslové kamery, rozhraní člověk stroj (rozpoznání přítomnosti uživatele u počítače) atd. Standartním postupem k rozpoznání pohybu je oddělení pozadí od popředí, kde jako pozadí bereme tu část obrazu, na které chceme zjišťovat změny a popředí v sobě nese právě ty změny. Pozadí mezi snímky záznamu většinou nebývá statické (úplně beze změny), ale nejčastěji je plné menších i větších změn, které při vyhodnocování detektory chceme stále považovat za pozadí. Může jít o změny vlivem šumu, který produkuje snímací zařízení, změny v osvětlení vlivem denní doby, běžný pohyb venkovního prostředí jako stromy ve větru, apod. Existují mnohé metody, které řeší ten či onen problém, avšak s různými nároky a výpočetní složitostí. Na cvičení se budeme zabývat těmito metodami: 1. Porovnání histogramu mezi snímky 2. Sledování rozdílných bodů mezi snímky 3. Porovnání snímků zpracovaných detektorem hran 4. Metoda optického toku Stránka 2 z 10

3 POROVNÁNÍ HISTOGRAMU MEZI SNÍMKY Jedná se o nejjednodušší metodu detekce pohybu ve scéně. Algoritmus porovnává světelnou charakteristiku (histogram hodnot jasu pixelů) aktuálního snímku se stejnou informací u jíného, který reprezentuje statickou scénu bez pohybujících se objektů (referenční obraz pozadí). Jakákoliv změna ve sledované scéně pak způsobí, že aktuální snímek bude vykazovat v histogramu odlišnou jasovou charakteristiku. Výhody Metoda je výpočetně málo náročná, jelikož nejméně jeden histogram pro referenční snímek máme vždy již dopředu vytvořený, čímž se ušetříme výpočtu při porovnávání. Snímek poté můžeme ještě před získáním jasového popisu zbavit šumu i přes náročnější filtry, protože jde o operace prováděnou jednou za čas. Nevýhody Metoda je velice náchylná ke změnám v prostředí, které ne vždy můžeme přesně předvídat a tedy i správná aktualizace referenčního snímku je poměrně problematická. Problémy Aktualizace referenčního snímku podle denní doby a tomu podobným problémům se lze vypořádat ještě před nasazením detektorů, avšak jiné problémy je třeba řešit přímo za běhu. Největším takovým problémem je šumová informace, která se k původní informaci dodatečně přidala a teď je její neoddělitelnou součástí. Potlačení této negativní složky je do určité míry možné použitím filtrů ovšem za cenu zvýšených výpočetních nároků. Jelikož s jistou dávkou šumu vždy počítáme, je součástí této metody i uživatelem stanovená mez, nad kterou zjištěné změny mezi obrazy má smysl považovat za pohyb a jakékoli změny pod tuto mez je bráno jako chyba vlivem šumu. VYUŽITÍ Tato metoda nalézá využití zejména v programech typu alarm, tedy v upozorňovacích zařízeních, že se na sledovaném místě něco děje, ale ve své základní podobě nedokáže vyznačit místo pohybu. Jedná se například o sledování prostor s neproměnlivými světlenými podmínkami (např. skladiště) a jediným proměnlivým faktorem zůstává šum. Pokud bychom brali v úvahu do takovýchto programů proměnlivé světelné podmínky, například v závislosti na denní době, nebo plánovanými změnami, na které nemá být brán zřetel, nevystačíme pouze s jedním referenčním snímkem statické scény, ale je nutné jej aktualizovat. Výpočetně nejméně náročným je vytvořit průměrný referenční histogram průměrováním ze sekvence snímků, ve kterých detektor neoznačil pohyb. Tím se podaří vyřešit problém s proměnnými světelnými podmínkami a rovněž i s informačním šumem. Nevýhodou této metody je buď zvýšená reakce na každou změnu v obraze použitím pouze jednoho statického referenčního snímku nebo naopak slabá reakce na pomalu se pohybující malé objekty, které se kvůli průměrování výchozího snímku velice rychle stanou součástí pozadí a detektory na ně nebudou reagovat. Metoda reaguje pouze na změnu poměru odstínů mezi aktuálním a referenčním snímkem a proto je pro ni velký problém vyvolat alarm, pokud se objekt v obraze pohybuje, ale celková barevná charakteristika obrazu zůstane stejná. Dobrým příkladem je záběr na točící se kolo na pouti, kde vlivem otáčení nepochybně dochází k pohybu, ale rozložení barev v obraze se prakticky nemění a obecná verze algoritmu by v tomto případě nezaznamenala žádný pohyb. Stránka 3 z 10

4 SPECIALIZACE A OPTIMALIZACE Úlohy pro praktickou výuku zpracování obrazových dat Kdybychom použili nejzákladnější podobu algoritmu, tedy jeden histogram na celý snímek, tak bychom se připravili o možnost vysledovat, na kterém místě se pohyb udál. Řešením tohoto problému je rozložit snímek na více podprostorů a pro každý pak vytvořit a porovnávat samostatný histogram. Pokud se jedná o konkrétní scénu a sledujeme konkrétní místo, kde pohyb očekáváme, můžeme vytvořit hustší síť menších oblastí, čímž získáme je hranice pohybujícího se objektu a naopak na místech, kde je pohyb méně pravděpodobný vytvoří se síť řidší, čímž šetříme výkon. I započítáním jiných negativních faktorů je tato metoda velice rychlá a přesná a v praksi nejvíce používaná. IDEA IMPLEMENTACE DETEKTORU Jak již bylo zmíněno, v tomto případě tato metoda spočívá v porovnávání histogramů jejich jasové složky. Histogram je implementován jako jednorozměrné pole, kde každý prvek reprezentuje určitou hodnotu jasu a jeho hodnota udává počet takových pixelů ve snímku. Pro vygenerování takového histogramu musíme spočítat, kolik takových pixelů s touto hodnotou je v něm obsaženo. Jasová hodnota se vezme buď jako jedna ze složek barevného modelu (RGB) nebo převodem na odstíny šedi. Výhodné je snížit rozsah histogramu s tím, že jeden jeho oddíl bude reprezentovat určitý interval jasových hodnot pixelu. Zrychlí se tím porovnávání a zredukuje se chyba zařazení vlivem malých odstínů jasu. Podobné snímky by měly vykazovat rovněž malé změny mezi histogramy. Korespondující histogramy se proto odečtou výsledný histogram reprezentuje právě odlišné pixely, jenž by ideálně měly být body popředí. V tomto histogramu se poté sečtou počty odlišných pixelů a výsledek se porovná s hranicí stanovenou uživatelem, kdy překročení této hranice vyvolá alarm detektoru. SLEDOVÁNÍ ROZDÍLNÝCH BODŮ MEZI SNÍMKY Metoda je sama o sobě jednoduchá a funguje tak, že pouze porovnáváme korespondující pixely mezi dvěma snímky videa, které v případě výrazně odlišné hodnoty označují pohybující se objekt. V případě ideálních snímků bez chyb (lze si představit na tisknutém obrázku bez chyb tisku atd.) by metoda byla velice pohodlná a jednoduchá, která by přesně označila pohybující se objekt. Ideální snímky ovšem v praxi těžko získáváme. Pro tuto metodu lze použít histogramů. V tomto případě je zpravidla jeden z histogramů předpočítán a každém kroku se vytváří jen histogram aktuálního. V nejhorším případě tato metoda bude pracovat s každým pixelem obou snímků (aktuálního a referenčního), což je výpočetně velice náročné, proto zpravidla je nutné brát ohled na redukci zpracovaných pixelů, které nás mohou zajímat. Mějme dva barevné snímky,na kterých budeme zjišťovat rozdíly. Pokud nebude rozdílem změna barvy můžeme na stejných snímcích, ale v černobílé podobě a redukce barevné informace na odstín šedi neodstraní tak informaci o celkovém uspořádání scény. U barevných pixelů se naproti odstínů šedi porovnávají tři barevné složky(rgb),proto je v hodné použít jiný barevný model s menším počtem barevných složek, čímž algoritmu uspoříme přístupy k informaci a výrazně ho tím urychlíme. Barevný obrázek můžeme převést do odstínu šedi dvě přístupy: 1. Místo modelu RGB budu mít obrazovou informaci uloženou v jednom z modelů HSV nebo YUV 2. RGB převedu přímo z 24-bitové prezentace na 8-bitovou pomocí speciální vzorce U modelů HSV,YUV je výhodou, že si stále uchovávám barevnou informaci k obrázku, ovšem pokud mi na ní nezáleží, tak je možné uspořit paměť a použít metody převodu na 8-bitovou prezentaci odstínů šedi. Na rozdíl od histogramových metod jsme se snažili ještě před startem odstranit šum, zde se tím tato metoda zabývá až při zpracování průběhu snímků. Nyní si ukážeme postup zpracování obrázků na následujícím příkladě. Máme aktuální vstupní snímek a referenční (obr 1). Stránka 4 z 10

5 Obr.1: Aktuální snímek (vlevo) a referenční snímek (napravo) vstupující do rozdílového detektoru Na vstupu detektoru máme aktuální snímek, na kterém vyhledáváme objekty a detekujeme pohyb a referenční snímek, který v sobě nese pouze pozadí (snímek bez objektu). U obou snímků použijeme nebarevnou informaci získanou jedním ze dvou výše uvedených postupů. Obrázky od sebe v této podobě odečteme a získáme nový snímek, který nyní bude prezentovat rozdíl složek. Čím méně se od sebe korespondující pixely liší, tím se jejich hodnot v rozdílu bude více blížit hodnotě 0 (černá barva). Místa, která se mezi snímky lišila mnohem výrazněji a patrně budou i součástí obrysu postavy, budou hodnotově dále od nuly (světlejší). Šumová informace se nám promítne do světlejších míst, ne však uvnitř obrysu postavy, kde rozdíly složek šedi jsou největší a šum výsledek ovlivňuje jen nepatrně. Obr.2: Převod obrázků do odstínů šedi. Vpravo převeden aktuální snímek. Vlevo rozdíl v odstínech šedi. Stejně jako u jiných metod potřebujeme stanovit hranici šumu a spočítat, kolik pixelů se pohybuje nad touto hranicí. Jednou možností je projít postupně všechny pixely a spočítat, kolik se jich nachází nad touto definovanou hranici. Jinou možností je, pokud se chceme dostat k přesnějším výsledkům a případně i vyznačit pohybující se objekt v obraze, před spočtením pixelů aplikujeme v sérii jiné filtrovací algoritmy. V následujících krocích bude cílem z 8 bitového obrazu ve stupních šedi extrahovat 2 bitovou černobílou masku, kde budou mít pixely popředí bílou a pozadí černou bravu. Aplikujeme prahovací filtr, jenž bude porovnávat hodnotu jednotlivých pixelů se stanovenou hranici, a pokud je tato hodnota větší, bude pixel ve výsledku bílý, v opačném případě černý. Vznikne tak dvoubitová maska. Obrys postavy v popředí je krásně zřetelný, ale i tak se uvnitř i vně obrysu nachází spousta nesprávně interpretovaných pixelů roztroušených po obrázku vlivem šumu. Vzhledem k tomu, že pixely jsou roztroušené a nevytvářejí celky, použijeme filtr pro erozi, Který odstraní jednotlivé pixely a vyplní vnitřky spojitých ploch tvořených chybnými pixely. Výsledná maska v sobě ponese dominantní oblasti Stránka 5 z 10

6 popředí s minimem šumové informace. Ta je pak vhodně vizuální zvýraznění odlišných míst nebo pro spočtení konečného počtu odlišných pixelů. Jakmile bude k dispozici informace o konečném počtu odlišných pixelů, detektor porovná tuto hodnotu se stanovenou hranicí a vyvolá tak alarm. Obr.3: Vlevo obrázek po aplikaci prahovacího filtru, vpravo obrázek po aplikace eroze. MOŽNOSTI VYUŽITÍ Největší výhodou této metody je, že bez dalších mechanismů nám může přesně ukázat, kde k pohybu dochází, naopak nevýhodou je poměrně dlouhá práce s propočítáváním, čímž se snižuje její rychlost. Praktické využití poskytuje v detektorech typu alarm, který bude výpočetně méně náročný, kdy rozpozná pohyb, pak teprve použije rozdílovou metodu a vytáhne pak z obrazu oblasti popředí. Vhodným způsobem se tato metoda může uplatnit i v rozpoznávacích algoritmech (např. rozpoznávání obličeje, značek na automobilech apod.) S pomocí dodatečných filtrů si tato metoda dokáže poradit i se šumem, čímž však roste počet nutných zásahů uživatele, který mimo nastavení hranice alarmu musí provést i nastavení těchto dalších filtrů. Každé nastavení bude fungovat jen v neměnných podmínkách a při vnější změně klesá jeho rozlišovací schopnost. Stejně jako u histogramových metod se tento nedostatek dá eliminovat rozumnou aktualizací referenčního snímku. Pokud se však snímky pozadí příliš nemění a hladina šumu není příliš velká, dokáže tato metoda rozlišit i malé pomalu se pohybující objekty, na které jsou histogramové metody ve své základní podobě slabé. I v případě objektů, které zachovávají celkovou barevnou charakteristiku obrazu stejnou jako v referenčním snímku, nemusíme problémy jako u histogramových metod vůbec uvažovat. Celkovou nevýhodou je systémová náročnost. Stránka 6 z 10

7 POROVNÁNÍ SNÍMKŮ ZPRACOVANÝCH PŘÍMO DETEKTOREM HRAN Metoda je založena na aplikaci filtru pro zvýraznění hran na obraz před prahováním. Hrany obecně definují okraje objektů, což je informace, která nám pro porovnání snímků bohatě postačí. Výhodné je, že drobný šum, který nepřeroste v souvislé oblasti, se jako hrana nezvýrazní a tak se jej elegantně zbavíme. Na obr 4 je zobrazen rozdíl mezi výsledkem prahování u obrázku získaného metodou odečtení snímků a po aplikaci hranového filtru Obr.4: Postupně úplně nalevo je původní rozdílový snímek, další ukazuje výsledek po prahování, na třetím je podoba prvního po aplikaci zvýraznění hran a poslední prezentuje výsledek prahování třetího obrázku. Ke konečnému vyhodnocení si lze vybrat jeden z dříve zmíněných postupů. Prvním může být porovnání na základě histogramů, u kterého by se dál postupovalo stejně jako v rozdílové metodě, tedy sestavení histogramů a jejich vzájemné porovnání s možností vyvolat alarm i vyznačení místa pohybujícího se objektu. Druhým principem je popsaný v kapitole rozdílových bodů, kdy jsou od sebe vedlejší snímky odečítány. Zde lze dále pokračovat na základě jednoho ze dvou obecných přístupů. Buď dříve popsaným způsobem odečíst snímky, aplikovat prahovací filtr, sečíst bílé pixely (místa, která se od sebe výrazně liší), vyhodnotit množství s danou hranicí anebo provést prahování (zůstane pouze černý obraz s bílými oblastmi, kde byly hrany),ten odečíst od stejně upraveného předchozího snímku a dále stejně sečíst a vyhodnotit počet bílých pixelů. Druhý způsob má výhodu, že zvýrazněné hrany více odliší objekty od šumu a po prahování se ztratí všechen šum, kterému se nepovedlo vytvořit souvislou oblast rozpoznatelnou jako samostatný objekt. Stránka 7 z 10

8 METODA OPTICKÉHO TOKU Metoda optického toku dokáže sledovat pohyb pixelu mezi snímky ve video sekvenci a zjistit tak a rychlost pohybu. To se dá využít v předpovědi, kam se objekt přesune nebo podle historie určit, jaký pohyb vykonával. Metoda je výpočetně velice náročná a nelze ji sledovat pro každý pixel v obraze. S určitou optimalizací pro její efektivní chod je možné použít i jako detektor, i když se jedná pro tento účel příliš náročnou metodu. Síť bodů v obraze, pro které by se optický bod počítal, by byla v případě detektoru příliš řídká, čímž by se jen na pár pixelech porovnávalo, jestli se nějak významně posunuli z místa a až by se pohnuly, měli bychom jistotu, že se v obraze něco děje. Teprve potom by algoritmus mohl přejít do výpočetně náročnějšího stavu, kde by se už přímo sledoval další pohyb objektu. Metoda zachycuje všechny změny v obraze v čase dt. Každému bodu v obraze odpovídá dvourozměrný vektor rychlosti, vypovídající o směru a velikosti rychlosti pohybu v daném místě obrazu. VÝPOČET OPTICKÉHO TOKU Jak už víme dynamický obraz lze popsat jasovou funkcí polohy a času f(x,y,t). Po rozvoji do Taylorovy řady a zanedbání členů vyšších řádů platí: Když budeme předpokládat neměnné osvětlení při translačním pohybu daném hodnotami dx, dy, tak platí: Cílem výpočtů je také určení rychlosti charakterizované jako: Stránka 8 z 10

9 PŘÍKLAD METODY OPTICKÉHO TOKU Úlohy pro praktickou výuku zpracování obrazových dat Snímání krajiny z letadla Obr 5.: Ukázka optického toku z letadla letícího přes skalnatou poušť Obr 5. ukazuje, jak by mohl vypadat optický tok při pohledu z letadla letící přes skalnatou poušť. Modré šipky ukazují optický tok, který by byl viděn kamerou nebo pasažéry na palubě letadla. Pohled dolů ukazuje silné optické proudové pole. Optický tok je nejrychlejší přímo pod letadlem a je zvlášť rychlý tam, kde je skála největší. Využití této vlastnosti by mohlo být třeba u senzoru letadla, které by detekovalo vysoké skály. Pohled vpřed ukazuje další proudové pole. Vpravo je silné optické proudové pole, které vzniká kvůli blížící se skále, a dole je menší optické proudové pole kvůli zemi. Naopak v pravém horním rohu není vidět žádný optický tok, protože v této části pohledu je obloha a nic se zde nepohybuje. Modrý kruh přímo v centru ukazuje ohnisko expanze, které určuje specifický směr, kterým letadlo letí. Rotace objektu Obr. 6: Rubikova kostka na rotačním stolku Stránka 9 z 10

10 Na obr. 6. je Rubikova kostka na rotačním stole, jde tedy pouze o rotační pohyb. Z fyzikálních znalostí víme, že body v obrazu dále od osy otáčení vykonávají rychlejší pohyb po delší trajektorii. Další věc, která ovlivní velikost vektoru, je vzdálenost bodu od pozorovatele (kamery). Výsledný optický tok je znázorňen na obr 7. Obr. 7: Tok vektorů vypočítaných z porovnání dvou obrazů Rubikovy kostky Stránka 10 z 10

DUM 14 téma: Barevné korekce fotografie

DUM 14 téma: Barevné korekce fotografie DUM 14 téma: Barevné korekce fotografie ze sady: 2 tematický okruh sady: Bitmapová grafika ze šablony: 09 Počítačová grafika určeno pro: 2. ročník vzdělávací obor: vzdělávací oblast: číslo projektu: anotace:

Více

Mikroskopická obrazová analýza

Mikroskopická obrazová analýza Návod pro laboratorní úlohu z měřicí techniky Práce O1 Mikroskopická obrazová analýza 0 1 Úvod: Tato laboratorní úloha je koncipována jako seznámení se s principy snímání mikroskopických obrazů a jejich

Více

1. Snímací část. Náčrtek CCD čipu.

1. Snímací část. Náčrtek CCD čipu. CCD 1. Snímací část Na začátku snímacího řetězce je vždy kamera. Před kamerou je vložen objektiv, který bývá možno měnit. Objektiv opticky zobrazí obraz snímaného obrazu (děje) na snímací součástku. Dříve

Více

POPIS PROSTŘEDÍ PROGRAMU GIMP 2. Barvy 2. Okno obrázku 4 ZÁKLADNÍ ÚPRAVA FOTOGRAFIÍ V GRAFICKÉM EDITORU 6. Změna velikosti fotografie 6

POPIS PROSTŘEDÍ PROGRAMU GIMP 2. Barvy 2. Okno obrázku 4 ZÁKLADNÍ ÚPRAVA FOTOGRAFIÍ V GRAFICKÉM EDITORU 6. Změna velikosti fotografie 6 Obsah POPIS PROSTŘEDÍ PROGRAMU GIMP 2 Barvy 2 Okno obrázku 4 ZÁKLADNÍ ÚPRAVA FOTOGRAFIÍ V GRAFICKÉM EDITORU 6 Změna velikosti fotografie 6 Ořezání obrázku 7 TRANSFORMACE 9 Rotace 9 Překlopení 11 Perspektiva

Více

Makroskopická obrazová analýza pomocí digitální kamery

Makroskopická obrazová analýza pomocí digitální kamery Návod pro laboratorní úlohu z měřicí techniky Práce O3 Makroskopická obrazová analýza pomocí digitální kamery 0 1 Úvod: Cílem této laboratorní úlohy je vyzkoušení základních postupů snímání makroskopických

Více

Počítačové zpracování obrazu Projekt Učíme se navzájem

Počítačové zpracování obrazu Projekt Učíme se navzájem Počítačové zpracování obrazu Projekt Učíme se navzájem Tomáš Pokorný, Vojtěch Přikryl Jaroška 15. ledna 2010 Tomáš Pokorný email: xtompok@gmail.com Jaroška 1 Obsah Abstrakt! 4 Začátky! 5 M&M 5 Původní

Více

Algoritmus sledování objektů pro funkční vzor sledovacího systému

Algoritmus sledování objektů pro funkční vzor sledovacího systému Algoritmus sledování objektů pro funkční vzor sledovacího systému Technická zpráva - FIT - VG20102015006 2014-04 Ing. Filip Orság, Ph.D. Fakulta informačních technologií, Vysoké učení technické v Brně

Více

Intervalové stromy. Představme si, že máme posloupnost celých čísel p 0, p 1,... p N 1, se kterou budeme. 1. Změna jednoho čísla v posloupnosti.

Intervalové stromy. Představme si, že máme posloupnost celých čísel p 0, p 1,... p N 1, se kterou budeme. 1. Změna jednoho čísla v posloupnosti. Intervalové stromy Představme si, že máme posloupnost celých čísel p 0, p 1,... p N 1, se kterou budeme průběžně provádět tyto dvě operace: 1. Změna jednoho čísla v posloupnosti. 2. Zjištění součtu čísel

Více

OBSAH Tvůrčí fotografické techniky

OBSAH Tvůrčí fotografické techniky 1 OBSAH Tvůrčí fotografické techniky KONTRAST Str. 1 Role kontrastu ve fotografickém 6 2 Kontrast prvků v obraze 13 2.1 Kontrast prvků figurativních a nefigurativních 13 2.2 Kontrast hlavního motivu 15

Více

Digitální fotoaparáty, základy digitální fotografie

Digitální fotoaparáty, základy digitální fotografie Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 Digitální fotoaparáty, základy digitální fotografie Obsah Obsah...1 Digitální fotoaparáty...3 Základní rozdělení...3

Více

ÚVOD DO PROBLEMATIKY PIV

ÚVOD DO PROBLEMATIKY PIV ÚVOD DO PROBLEMATIKY PIV Jiří Nožička, Jan Novotný ČVUT v Praze, Fakulta strojní, Ú 207.1, Technická 4, 166 07, Praha 6, ČR 1. Základní princip PIV Particle image velocity PIV je měřící technologie, která

Více

Počítačová grafika 1. Úvod do grafiky, základní pojmy. Rastrová grafika.

Počítačová grafika 1. Úvod do grafiky, základní pojmy. Rastrová grafika. Počítačová grafika 1 Úvod do grafiky, základní pojmy. Rastrová grafika. Proč vůbec grafika? Zmrzlinový pohár s převažující červenou barvou. Základem je jahodová zmrzlina, která se nachází ve spodní části

Více

7-8/2011 - ČERVENEC-SRPEN VÍTEJTE Obsah Úvodník TOP Téma: Sledujeme kontejnery 3 Novinky z Webdispečinku 9 1. Nadmořská výška 2. Dallas čip Novinka v legislativě 9 Dovolená je tu! 10 Redakce Adresa redakce:

Více

2. Mechanika - kinematika

2. Mechanika - kinematika . Mechanika - kinematika. Co je pohyb a klid Klid nebo pohyb těles zjišťujeme pouze vzhledem k jiným tělesům, proto mluvíme o relativním klidu nebo relativním pohybu. Jak poznáme, že je těleso v pohybu

Více

Úvod do zpracování obrazů. Petr Petyovský Miloslav Richter

Úvod 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,

Více

ROZPOZNÁVÁNÍ AKUSTICKÉHO SIGNÁLU ŘEČI S PODPOROU VIZUÁLNÍ INFORMACE

ROZPOZNÁVÁNÍ AKUSTICKÉHO SIGNÁLU ŘEČI S PODPOROU VIZUÁLNÍ INFORMACE TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky a mezioborových inženýrských studií ROZPOZNÁVÁNÍ AKUSTICKÉHO SIGNÁLU ŘEČI S PODPOROU VIZUÁLNÍ INFORMACE AUTOREFERÁT DISERTAČNÍ PRÁCE 2005 JOSEF CHALOUPKA

Více

Okno Editoru nabízí v panelu nástrojů

Okno Editoru nabízí v panelu nástrojů 110 Editor pracovní nástroje Naučte se používat základní nástroje Editoru pro efektivní úpravy obrázků. VYBRANÉ OVLÁDACÍ PRVKY 112 POLYGONOVÉ LASO A LASO 124 VLOŽIT OBRÁZEK DO OBRÁZKU 132 VÝBĚRY 114 REDUKCE

Více

Stav: červen 2008. TRACK-Guide

Stav: červen 2008. TRACK-Guide Stav: červen 2008 TRACK-Guide Obsah TRACK-Guide... 1 1 Úvod... 3 1.1 Rozsah funkcí...3 1.2 Zadávání číslic a písmen...3 1.3 Úvodní maska...4 2 Navigace... 5 2.1 Spuštění navigace...5 2.2 Maska navigace...6

Více

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada

(Auto)korelační funkce. 2. 11. 2015 Statistické vyhodnocování exp. dat M. Čada www.fzu.cz/ ~ cada (Auto)korelační funkce 1 Náhodné procesy Korelace mezi náhodnými proměnnými má široké uplatnění v elektrotechnické praxi, kde se snažíme o porovnávání dvou signálů, které by měly být stejné. Příkladem

Více

LBP, 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 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

Více

Počítačová gramotnost II Mgr. Jiří Rozsypal aktualizace 1. 9. 2011

Počítačová gramotnost II Mgr. Jiří Rozsypal aktualizace 1. 9. 2011 Počítačová gramotnost II Mgr. Jiří Rozsypal aktualizace 1. 9. 2011 Počítačová gramotnost II Tato inovace předmětu Počítačová gramotnost II je spolufinancována Evropským sociálním fondem a Státním rozpočtem

Více

Pravidla a zákonitosti při natáčení

Pravidla a zákonitosti při natáčení Pravidla a zákonitosti při natáčení Základní pravidla Hlavním, nepsaným a základním pravidlem je to, že se při natáčení snažíme vést záběr klidně a pomalu. Kameru držíme oběma rukama a mírně rozkročeni

Více

Digitalizace signálu (obraz, zvuk)

Digitalizace signálu (obraz, zvuk) Digitalizace signálu (obraz, zvuk) Základem pro digitalizaci obrazu je převod světla na elektrické veličiny. K převodu světla na elektrické veličiny slouží např. čip CCD. Zkratka CCD znamená Charged Coupled

Více

2. RBF neuronové sítě

2. RBF neuronové sítě 2. RBF neuronové sítě Kapitola pojednává o neuronových sítích typu RBF. V kapitole je popsána základní struktura tohoto typu neuronové sítě. Poté následuje definice a charakteristika jednotlivých radiálně

Více

2.4.8 Další příklady s grafy funkcí s absolutní hodnotou

2.4.8 Další příklady s grafy funkcí s absolutní hodnotou ..8 Další příklady s grafy funkcí s absolutní hodnotou Předpoklady: 0-07 Pedagogická poznámka: Následující dva příklady je většinou nutné studentům dovysvětlit. Prohlížení vlastních poznámek jim většinou

Více

Obsah. 1.1 Úvod do práce s autorským nástrojem ProAuthor 4

Obsah. 1.1 Úvod do práce s autorským nástrojem ProAuthor 4 Obsah 1 Úvod do práce s autorským nástrojem ProAuthor 4 1.1 Úvod do práce s autorským nástrojem ProAuthor 4 2 Založení kurzu 7 2.1 Jak začít 8 2.2 Vyplnění vstupních informací o kurzu 10 2.3 Založení vlastního

Více

Téma: Arkanoid. X36SOJ Strojově orientované jazyky Semestrální práce. Vypracoval: Marek Handl Datum: červen 2006

Téma: Arkanoid. X36SOJ Strojově orientované jazyky Semestrální práce. Vypracoval: Marek Handl Datum: červen 2006 Vypracoval: Marek Handl Datum: červen 2006 X36SOJ Strojově orientované jazyky Semestrální práce Téma: Arkanoid Úvod Program je verzí klasické hry Arkanoid. Na herní ploše jsou rozloženy kostičky, které

Více

zejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry.

zejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry. Kapitola Ohodnocené grafy V praktických aplikacích teorie grafů zpravidla graf slouží jako nástroj k popisu nějaké struktury. Jednotlivé prvky této struktury mají často přiřazeny nějaké hodnoty (může jít

Více

IP kamerové systémy a jejich skladba

IP kamerové systémy a jejich skladba 1 Portál pre odborné publikovanie ISSN 1338-0087 IP kamerové systémy a jejich skladba Rejdík Martin Informačné technológie 30.08.2013 Článek si klade za cíl nahlédnout do problematiky IP kamerových systémů

Více

Histogram a jeho zpracování

Histogram a jeho zpracování Histogram a jeho zpracování 3. přednáška předmětu Zpracování obrazů Martina Mudrová 24 Definice Co je to histogram? = vektor absolutních četností výskytu každé barvy v obrázku [H(1),H(2), H(c)] c m.n c

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA INFORMAČNÍCH TECHNOLOGIÍ. Uživatelská příručka k programu FloodFilling Art

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA INFORMAČNÍCH TECHNOLOGIÍ. Uživatelská příručka k programu FloodFilling Art VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA INFORMAČNÍCH TECHNOLOGIÍ Uživatelská příručka k programu FloodFilling Art Autor: Jan Bílek e-mail: xbilek14@stud.fit.vutbr.cz 8. 4. 2009 Obsah 1 Princip vytváření

Více

Histogram a jeho zpracování

Histogram a jeho zpracování ... 3.. 5.. 7.. 9 Histogram a jeho zpracování 3. přednáška předmětu Zpracování obrazů Martina Mudrová Definice Co je to histogram? = vektor absolutních četností výskytu každé barvy v obrázku [H(),H(),

Více

Druhy masek 1 tvary ohraničené vyhlazené bez stínování

Druhy masek 1 tvary ohraničené vyhlazené bez stínování Maska slouží 1 - k vytvoření atmosféry, třeba mlha 2 k ozdobení fotografie přímou aplikací masky v barevné škále 3 k tvorbě rámečků pro následnou aplikaci obrázku. Druhy masek 1 tvary ohraničené vyhlazené

Více

Termografické snímkování - Vsetín

Termografické snímkování - Vsetín Termografické snímkování - Vsetín Výsledky termografického měření jsou žádaným podkladem pro sledování tepelných ztrát s důrazem na odhalení problematických míst sledovaných objektů. Ať už jde o samotné

Více

Světlo v multimódových optických vláknech

Světlo v multimódových optických vláknech Světlo v multimódových optických vláknech Tomáš Tyc Ústav teoretické fyziky a astrofyziky, Masarykova univerzita, Kotlářská 2, 61137 Brno Úvod Optické vlákno je pozoruhodný fyzikální systém: téměř dokonalý

Více

Experimentální analýza hluku

Experimentální analýza hluku Experimentální analýza hluku Mezi nejčastěji měřené akustické veličiny patří akustický tlak, akustický výkon a intenzita zvuku (resp. jejich hladiny). Vedle členění dle měřené veličiny lze měření v akustice

Více

Matematická statistika

Matematická statistika Matematická statistika Daniel Husek Gymnázium Rožnov pod Radhoštěm, 8. A8 Dne 12. 12. 2010 v Rožnově pod Radhoštěm Osnova Strana 1) Úvod 3 2) Historie matematické statistiky 4 3) Základní pojmy matematické

Více

MĚŘENÍ PORUCH PŘEDIZOLOVANÝCH POTRUBNÍCH SYSTÉMŮ POMOCÍ PŘENOSNÉHO REFLEKTOMETRU BDP

MĚŘENÍ PORUCH PŘEDIZOLOVANÝCH POTRUBNÍCH SYSTÉMŮ POMOCÍ PŘENOSNÉHO REFLEKTOMETRU BDP MĚŘENÍ PORUCH PŘEDIZOLOVANÝCH POTRUBNÍCH SYSTÉMŮ POMOCÍ PŘENOSNÉHO REFLEKTOMETRU BDP 103 Doplněk návodu k obsluze BDP 103 14.09.2000 (upraveno 15.02.2005) Tento doplněk předpokládá znalost Návodu k obsluze

Více

DETEKCE POHYBU V OBRAZE

DETEKCE POHYBU V OBRAZE VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV AUTOMATIZAČNÍ A MEŘÍCÍ TECHNIKY FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION

Více

Úprava barev. Otočení snímku o 90. Další snímek. Uložit snímek. Úprava světlosti snímku. Otevřít složku

Úprava barev. Otočení snímku o 90. Další snímek. Uložit snímek. Úprava světlosti snímku. Otevřít složku Úprava barev Další snímek Otevřít složku Uložit snímek Otočení snímku o 90 Úprava světlosti snímku Lupa Oříznutí snímku Srovnání snímku (horizontálně a vertikálně) Redukce červených očí Klonovací razítko

Více

Fakulta aplikovaných věd. Katedra kybernetiky. Ping Pong. Martin Skála

Fakulta aplikovaných věd. Katedra kybernetiky. Ping Pong. Martin Skála Fakulta aplikovaných věd Katedra kybernetiky Ping Pong Semestrální práce z KKY/ZDO Martin Skála 22.6. 2011 1 Řešitelský tým: Martin Skála ma.ska@post.cz Zadání úlohy: Vytvořit hru ve stylu ping pongu.

Více

Standardně máme zapnutý panel nástrojů Formátování a Standardní.

Standardně máme zapnutý panel nástrojů Formátování a Standardní. Zapnutí a vypnutí panelů nástrojů Standardně máme zapnutý panel nástrojů Formátování a Standardní. Úkol: Vyzkoušejte si zapnout a vypnout všechny panely nástrojů. Nechte zapnutý panely nástrojů Formátování

Více

1@Terciární vzdělávání

1@Terciární vzdělávání 1@Terciární vzdělávání OBSAH 1@Terciární vzdělávání... 1 A) 2@Společné otázky... II 3@Utváření terciárního sektoru vzdělávání... II 3@Potřeby hospodářství a společnosti se velmi rychle vyvíjejí.... IV

Více

Text úlohy. Kolik je automaticky generovaných barev ve standardní paletě 3-3-2?

Text úlohy. Kolik je automaticky generovaných barev ve standardní paletě 3-3-2? Úloha 1 Kolik je automaticky generovaných barev ve standardní paletě 3-3-2? a. 256 b. 128 c. 216 d. cca 16,7 milionu Úloha 2 Jaká je výhoda adaptivní palety oproti standardní? a. Menší velikost adaptivní

Více

Cvičení 6 z předmětu CAD I PARAMETRICKÉ 3D MODELOVÁNÍ VÝKRES

Cvičení 6 z předmětu CAD I PARAMETRICKÉ 3D MODELOVÁNÍ VÝKRES Cvičení 6 z předmětu CAD I PARAMETRICKÉ 3D MODELOVÁNÍ VÝKRES Cílem cvičení je osvojit si na jednoduchém modelu odlitého obrobku základní postupy při tvorbě výkresu.obrobek je vytvořen z předem vytvořeného

Více

Neuropočítače. podnět. vnímání (senzory)

Neuropočítače. podnět. vnímání (senzory) Neuropočítače Princip inteligentního systému vnímání (senzory) podnět akce (efektory) poznání plánování usuzování komunikace Typické vlastnosti inteligentního systému: schopnost vnímat podněty z okolního

Více

Solární detektor oblačnosti

Solární detektor oblačnosti Solární detektor oblačnosti Miroslav Klvaňa, Astronomický ústav Akademie věd České republiky, v.v.i. observatoř Ondřejov, Česká republika, mklvana @asu.cas.cz Michal Švanda, Astronomický ústav Akademie

Více

Obsah. Kapitola 1 Stažení a instalace... 13. Kapitola 2 Orientace v programu a základní nastavení... 23. Úvod... 9

Obsah. Kapitola 1 Stažení a instalace... 13. Kapitola 2 Orientace v programu a základní nastavení... 23. Úvod... 9 Obsah Úvod......................................................... 9 Co vás čeká a co GIMP umí............................................... 9 Co s GIMPem dokážete?............................................................10

Více

Laboratorní zdroj - 6. část

Laboratorní zdroj - 6. část Laboratorní zdroj - 6. část Publikované: 20.05.2016, Kategória: Silové časti www.svetelektro.com V tomto článku popíšu způsob, jak dojít k rovnicím (regresní funkce), které budou přepočítávat milivolty

Více

Digitální paměťový osciloskop (DSO)

Digitální paměťový osciloskop (DSO) http://www.coptkm.cz/ Digitální paměťový osciloskop (DSO) Obr. 1 Blokové schéma DSO Konstrukce U digitálního paměťového osciloskopu je obrazovka čistě indikační zařízení. Vlastní měřicí přístroj je rychlý

Více

DIGITÁLNÍ KOMUNIKACE S OPTICKÝMI VLÁKNY. Digitální signál bude rekonstruován přijímačem a přiváděn do audio zesilovače.

DIGITÁLNÍ KOMUNIKACE S OPTICKÝMI VLÁKNY. Digitální signál bude rekonstruován přijímačem a přiváděn do audio zesilovače. DIGITÁLNÍ KOMUNIKACE S OPTICKÝMI VLÁKNY 104-4R Pomocí stavebnice Optel sestavte optický systém, který umožní přenos zvuku. Systém bude vysílat audio informaci prostřednictvím optického kabelu jako sekvenci

Více

Zápočtový projekt předmětu Robotizace a řízení procesů

Zápočtový projekt předmětu Robotizace a řízení procesů Zápočtový projekt předmětu Robotizace a řízení procesů Zpracovali: Vladimír Doležal, Jiří Blažek Projekt: Robot stopař Cíl projektu: Robot sleduje černou čáru na povrchu, po kterém jede Datum: duben 2015

Více

Externí filtrová kola pro kamery G2, G3 a G4

Externí filtrová kola pro kamery G2, G3 a G4 Externí filtrová kola pro kamery G2, G3 a G4 Uživatelská příručka Verze 1.0 Modifikováno 6. listopadu 2013 Tato publikace byla vytvořena ve snaze poskytnout přesné a úplné informace. Společnost Moravské

Více

Práce s velkými sestavami

Práce s velkými sestavami Práce s velkými sestavami Číslo publikace spse01650 Práce s velkými sestavami Číslo publikace spse01650 Poznámky a omezení vlastnických práv Tento software a související dokumentace je majetkem společnosti

Více

Kapitola 1: Úvodní strana PARTICLER

Kapitola 1: Úvodní strana PARTICLER Kapitola 1: Úvodní strana PARTICLER OBSAH Úvod 1.O Particleru 2.Popis programu 2.1 Hlavní okno programu 2.1.1 - Horní lišta 2.1.1.1 Soubor 2.1.1.2 Vzhled 2.1.1.3 - Nastavení 2.1.1.4 - Pomoc 2.1.2 - Pracovní

Více

o barvách PHOTOSHOP strana 1

o barvách PHOTOSHOP strana 1 o barvách Míchání barev Barevné módy Barevné profily Práce s profily strana 1 rozměry a interpolace Jednotky a rozlišení Vel. obrazu a plátna Metody převzorkování strana 2 automatické ÚROVNĚ stíny a světla

Více

Seznámení Corel Draw. PDF vytvořeno zkušební verzí pdffactory Pro www.fineprint.cz. Panel Vlastnosti. panel základních kreslicích nástrojů

Seznámení Corel Draw. PDF vytvořeno zkušební verzí pdffactory Pro www.fineprint.cz. Panel Vlastnosti. panel základních kreslicích nástrojů Seznámení Corel Draw Okno programu Objeví se po spuštění, většinou je připraven nový, prázdný dokument, obvyklá velikost A4. Pamatujme, že na běžném monitoru se stránka zobrazí menší, takže při tisku budou

Více

INFORMACE NRL č. 12/2002 Magnetická pole v okolí vodičů protékaných elektrickým proudem s frekvencí 50 Hz. I. Úvod

INFORMACE NRL č. 12/2002 Magnetická pole v okolí vodičů protékaných elektrickým proudem s frekvencí 50 Hz. I. Úvod INFORMACE NRL č. 12/2 Magnetická pole v okolí vodičů protékaných elektrickým proudem s frekvencí Hz I. Úvod V poslední době se stále častěji setkáváme s dotazy na vliv elektromagnetického pole v okolí

Více

DUM 15 téma: Filtry v prostředí Gimp

DUM 15 téma: Filtry v prostředí Gimp DUM 15 téma: Filtry v prostředí Gimp ze sady: 2 tematický okruh sady: Bitmapová grafika ze šablony: 09 Počítačová grafika určeno pro: 2. ročník vzdělávací obor: vzdělávací oblast: číslo projektu: anotace:

Více

Hloubka ostrosti trochu jinak

Hloubka ostrosti trochu jinak Hloubka ostrosti trochu jinak Jan Dostál rev. 1.1 U ideálního objektivu platí: 1. paprsek procházející středem objektivu se neláme, 2. paprsek rovnoběžný s optickou osou se láme do ohniska, 3. všechny

Více

Jiří Brus. (Verze 1.0.1-2005) (neupravená a neúplná)

Jiří Brus. (Verze 1.0.1-2005) (neupravená a neúplná) Jiří Brus (Verze 1.0.1-2005) (neupravená a neúplná) Ústav makromolekulární chemie AV ČR, Heyrovského nám. 2, Praha 6 - Petřiny 162 06 e-mail: brus@imc.cas.cz Transverzální magnetizace, která vykonává precesi

Více

Teorie barev. 1. Barvený model. 2. Gamut. 3. Barevný prostor. Barevný prostor různých zařízení

Teorie barev. 1. Barvený model. 2. Gamut. 3. Barevný prostor. Barevný prostor různých zařízení Teorie barev 1. Barvený model Barevný model představuje metodu (obvykle číselnou) popisu barev. Různé barevné modely popisují barvy, které vidíme a se kterými pracujeme v digitálních obrazech a při jejich

Více

- příkaz pohybující želvou zpět a o kolik. vlevo 45 vl 45 libovolně zadáme) směrem doleva. Na obrázku jsme pro

- příkaz pohybující želvou zpět a o kolik. vlevo 45 vl 45 libovolně zadáme) směrem doleva. Na obrázku jsme pro Logo Imagine Základní příkazy První informací by mělo být, že nejdůležitějším objektem a tím, od kterého se vše odvíjí dál je želva. Při prvním spuštění programu je to to první, co můžete uprostřed bianco

Více

Vodoznačení video obsahu

Vodoznačení video obsahu Vodoznačení video obsahu Bc. Jiří Hošek Email: hosek.j@seznam.cz Ústav Telekomunikací, FEKT, VUT v Brně Tento článek je zaměřen na problematiku vodoznačení a zejména pak na techniky vkládání vodoznaku

Více

Programovací stanice itnc 530

Programovací stanice itnc 530 Programovací stanice itnc 530 Základy programování výroby jednoduchých součástí na CNC frézce s řídícím systémem HEIDENHAIN VOŠ a SPŠE Plzeň 2011 / 2012 Ing. Lubomír Nový Stanice itnc 530 a možnosti jejího

Více

Vytváření vzorů KAPITOLA 5

Vytváření vzorů KAPITOLA 5 KAPITOLA 5 Vytváření vzorů Ne všechno oblečení má, nebo by mělo mít, na sobě nějaké vzory. Pokud však chcete, aby vaše módní návrhy vypadaly opravdu moderně a byly zajímavé, zcela jistě jich hezkých pár

Více

Jednoduchá fotográfická retuš

Jednoduchá fotográfická retuš Jednoduchá fotográfická retuš Úvod Během let, kdy vyučuji počítačovou grafiku, jsem zjistila, že žáky velmi láká a zajímá fotografická retuš a různá úprava fotografií. Z tutoriálů nalezených na internetu

Více

FTC08 instalační manuál k dotykovému panelu systému Foxys

FTC08 instalační manuál k dotykovému panelu systému Foxys FTC08 instalační manuál k dotykovému panelu systému Foxys Foxtron spol. s r.o. Jeseniova 1522/53 130 00 Praha 3 tel/fax: +420 274 772 527 E-mail: info@foxtron.cz www: http://www.foxtron.cz Verze dokumentu

Více

MANUÁL MOBILNÍ APLIKACE GOLEM PRO OPERAČNÍ SYSTÉM ANDROID 4.X A VYŠŠÍ

MANUÁL MOBILNÍ APLIKACE GOLEM PRO OPERAČNÍ SYSTÉM ANDROID 4.X A VYŠŠÍ MANUÁL MOBILNÍ APLIKACE GOLEM PRO OPERAČNÍ SYSTÉM ANDROID 4.X A VYŠŠÍ 1 OBSAH 1.Popis... 3 2.Ovládání aplikace...3 3.Základní pojmy... 3 3.1.Karta...3 3.2.Čtečka...3 3.3.Skupina...3 3.4.Kalendář...3 3.5.Volný

Více

Ten objekt (veličina), který se může svobodně měnit se nazývá nezávislý.

Ten objekt (veličina), který se může svobodně měnit se nazývá nezávislý. @001 1. Základní pojmy Funkce funkční? Oč jde? Třeba: jak moc se oblečeme, závisí na venkovní teplotě, jak moc se oblečeme, závisí na našem mládí (stáří) jak jsme staří, závisí na čase jak moc zaplatíme

Více

Zvyšování kvality výuky technických oborů

Zvyšování kvality výuky technických oborů Zvyšování kvality výuky technických oborů Klíčová aktivita V.2 Inovace a zkvalitnění výuky směřující k rozvoji odborných kompetencí žáků středních škol Téma V.2.12 Měření parametrů Kapitola 31 Paralelní

Více

7. Analýza pohybu a stupňů volnosti robotické paže

7. Analýza pohybu a stupňů volnosti robotické paže 7. Analýza pohybu a stupňů volnosti robotické paže Úkoly měření a výpočtu ) Změřte EMG signál, vytvořte obálku EMG signálu. ) Určete výpočtem nutný počet stupňů volnosti kinematického řetězce myoelektrické

Více

Drsná matematika IV 7. přednáška Jak na statistiku?

Drsná matematika IV 7. přednáška Jak na statistiku? Drsná matematika IV 7. přednáška Jak na statistiku? Jan Slovák Masarykova univerzita Fakulta informatiky 2. 4. 2012 Obsah přednášky 1 Literatura 2 Co je statistika? 3 Popisná statistika Míry polohy statistických

Více

SPIRIT 2012. Nové funkce. SOFTconsult spol. s r. o., Praha

SPIRIT 2012. Nové funkce. SOFTconsult spol. s r. o., Praha SPIRIT 2012 Nové funkce SOFTconsult spol. s r. o., Praha Informace v tomto dokumentu mohou podléhat změnám bez předchozího upozornění. 01/2012 (SPIRIT 2012 CZ) Revize 1 copyright SOFTconsult spol. s r.

Více

8. Posloupnosti, vektory a matice

8. Posloupnosti, vektory a matice . jsou užitečné matematické nástroje. V Mathcadu je často používáme například k rychlému zápisu velkého počtu vztahů s proměnnými parametry, ke zpracování naměřených hodnot, k výpočtům lineárních soustav

Více

PRAKTICKÉ KALKULACE 1: PŘÍKLAD (NEJEN O) SUPERMARKETU

PRAKTICKÉ KALKULACE 1: PŘÍKLAD (NEJEN O) SUPERMARKETU PRAKTICKÉ KALKULACE 1: PŘÍKLAD (NEJEN O) SUPERMARKETU Série článků, kterou otevíráme tímto titulem, volně navazuje na předcházející dvojdílný příspěvek Tip na zimní večery: sestavte si nákladovou matici.

Více

Proud ní tekutiny v rotující soustav, aneb prozradí nám vír ve výlevce, na které polokouli se nacházíme?

Proud ní tekutiny v rotující soustav, aneb prozradí nám vír ve výlevce, na které polokouli se nacházíme? Veletrh nápad uitel fyziky 10 Proudní tekutiny v rotující soustav, aneb prozradí nám vír ve výlevce, na které polokouli se nacházíme? PAVEL KONENÝ Katedra obecné fyziky pírodovdecké fakulty Masarykovy

Více

Dálkový průzkum Země. Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU

Dálkový průzkum Země. Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU Dálkový průzkum Země Ústav geoinformačních technologií Lesnická a dřevařská fakulta MENDELU Analogová a digitální data Fotografický snímek vs. digitální obrazový záznam Elektromagnetické záření lze zaznamenat

Více

Umělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak

Umělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Umělá inteligence I Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Na úvod Agent s reflexy pouze převádí současný vjem na jednu akci. Agent s cílem umí plánovat několik akcí

Více

Barva produkovaná vibracemi a rotacemi

Barva produkovaná vibracemi a rotacemi Barva produkovaná vibracemi a rotacemi Hana Čechlovská Fakulta chemická Obor fyzikální a spotřební chemie Purkyňova 118 612 00 Brno Barva, která je produkována samotnými vibracemi je relativně mimořádná.

Více

FORMÁTOVÁNÍ ODSTAVCE

FORMÁTOVÁNÍ ODSTAVCE FORMÁTOVÁNÍ ODSTAVCE Autor: Mgr. Dana Kaprálová Datum (období) tvorby: srpen 2013 Ročník: šestý Vzdělávací oblast: Informatika a výpočetní technika 1 Anotace: Žák se orientuje v prostředí aplikace WORD.

Více

Bezdrátová meteorologická stanice Focus Plus

Bezdrátová meteorologická stanice Focus Plus Bezdrátová meteorologická stanice Focus Plus Nastavení: 1. Nejprve do zařízení vložíme baterie. Všechny části LCD se na krátkou dobu rozsvítí. Následuje automatické nastavení vnitřních údajů na displeji

Více

Program pro zobrazení černobílých snímků v nepravých barvách

Program pro zobrazení černobílých snímků v nepravých barvách Rok / Year: Svazek / Volume: Číslo / Number: 2010 12 6 Program pro zobrazení černobílých snímků v nepravých barvách Pseudo-colour Paging of the Monochromatic Picture Libor Boleček xbolec01@stud.feec.vutbr.cz

Více

AUTORSKÉ PROHLÁŠENÍ. Souhlasím s umístěním závěrečné práce na webu ČUDK a s jejím využitím pro studijní účely. Kroměříž, duben 2007.

AUTORSKÉ PROHLÁŠENÍ. Souhlasím s umístěním závěrečné práce na webu ČUDK a s jejím využitím pro studijní účely. Kroměříž, duben 2007. ČESKÁ UNIE DENTO KARATE-DO KONEXE A NAČASOVÁNÍ TECHNIK ÚDERŮ Závěrečná práce školení trenérů III. třídy Vypracoval: Halaška Miroslav Kroměříž 2007 AUTORSKÉ PROHLÁŠENÍ Prohlašuji, že jsem závěrečnou práci

Více

SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ

SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ FIGALA V. a), KAFKA V. b) a) VŠB-TU Ostrava, FMMI, katedra slévárenství, 17. listopadu 15, 708 33 b) RACIO&RACIO, Vnitřní

Více

MAPOVÉ OKNO GSWEB. Nápověda. Pohyb v mapovém okně Výběr v mapovém okně. Panel Ovládání Panel Vrstvy. Tisk Přehledová mapa Redlining Přihlásit jako

MAPOVÉ OKNO GSWEB. Nápověda. Pohyb v mapovém okně Výběr v mapovém okně. Panel Ovládání Panel Vrstvy. Tisk Přehledová mapa Redlining Přihlásit jako GSWEB Nápověda 1. Mapové okno Pohyb v mapovém okně Výběr v mapovém okně 2. Ovládací panel a panel vrstev Panel Ovládání Panel Vrstvy 3. GSWeb - roletové menu Tisk Přehledová mapa Redlining Přihlásit jako

Více

Implementace A* algoritmu na konkrétní problém orientace v prostoru budov

Implementace A* algoritmu na konkrétní problém orientace v prostoru budov Implementace A* algoritmu na konkrétní problém orientace v prostoru budov Popis problému Orientaci ve známém prostředí lze převést na problém nalezení cesty z místa A do místa B. Obecně platí, že robot

Více

Proudìní fotosférického plazmatu po sluneèním povrchu

Proudìní fotosférického plazmatu po sluneèním povrchu Proudìní fotosférického plazmatu po sluneèním povrchu M. Klvaòa, Astronomický ústav Akademie vìd Èeské republiky, observatoø Ondøejov, Èeská republika, mklvana@asu.cas.cz M. Švanda, Matematicko-fyzikální

Více

Systémy digitálního vodotisku. Digital Watermarking Systems

Systémy digitálního vodotisku. Digital Watermarking Systems Systémy digitálního vodotisku Digital Watermarking Systems Simona PEJSAROVÁ Česká zemědělská univerzita v Praze, Provozně ekonomická fakulta Katedra informačních technologií Kamýcká 129, Praha 6, Česká

Více

Obecný úvod do autoelektroniky

Obecný úvod do autoelektroniky Obecný úvod do autoelektroniky Analogové a digitální signály Průběhy fyzikálních veličin jsou od přírody analogové. Jako analogový průběh (analogový signál) označujeme přitom takový, který mezi dvěma krajními

Více

1.1.7 Rovnoměrný pohyb I

1.1.7 Rovnoměrný pohyb I 1.1.7 Rovnoměrný pohyb I Předpoklady: 116 Kolem nás se nepohybují jenom šneci. Existuje mnoho různých druhů pohybu. Začneme od nejjednoduššího druhu pohybu rovnoměrného pohybu. Př. 1: Uveď příklady rovnoměrných

Více

9. Číslicové osciloskopy. 10. Metodika práce s osciloskopem

9. Číslicové osciloskopy. 10. Metodika práce s osciloskopem 9. Číslicové osciloskopy Hybridní osciloskop (kombiskop) blokové schéma, princip funkce Číslicový osciloskop (DSO) blokové schéma, princip funkce Vzorkování a rekonstrukce signálu Aliasing, možnost nesprávné

Více

Tvorba povrchů pomocí interpolací

Tvorba povrchů pomocí interpolací Tvorba povrchů pomocí interpolací Rastrová data, která souvisle zobrazují průběh hodnot nějakého měřitelného fenoménu, jsou zpravidla vypočítávána pomocí interpolací naměřených hodnot vztažených k bodům

Více

Sbírka zákonů ČR Předpis č. 294/2015 Sb.

Sbírka zákonů ČR Předpis č. 294/2015 Sb. Sbírka zákonů ČR Předpis č. 294/2015 Sb. Vyhláška, kterou se provádějí pravidla provozu na pozemních komunikacích Účinnost od 01.01.2016 Aktuální verze 294 VYHLÁŠKA ze dne 27. října 2015, kterou se provádějí

Více

DOPRAVA V KLIDU ÚVODEM SOUČASNÁ SITUACE

DOPRAVA V KLIDU ÚVODEM SOUČASNÁ SITUACE DOPRAVA V KLIDU ÚVODEM Z dlouhodobého výzkumu vyplývá, že vozidlo se průměrně pohybuje 10% času a zbylých 90% je dočasně nebo trvale odstaveno. Z toho plynou velké plošné nároky pro dopravu v klidu. Velký

Více

Text úlohy. Vyberte jednu z nabízených možností:

Text úlohy. Vyberte jednu z nabízených možností: 2. pokus 76% Úloha 1 V rovině je dán NEKONVEXNÍ n-úhelník a bod A. Pokud paprsek (polopřímka) vedený z tohoto bodu A má (po vynechání vodorovných hran a rozpojení zbývajících hran) celkově 4 průsečíky

Více

Prohlašuji, že jsem zadanou diplomovou práci zpracoval sám s přispěním

Prohlašuji, že jsem zadanou diplomovou práci zpracoval sám s přispěním Prohlašuji, že jsem zadanou diplomovou práci zpracoval sám s přispěním vedoucího práce a používal jsem pouze literaturu v práci uvedenou. Dále prohlašuji, že nemám námitek proti půjčování nebo zveřejňování

Více

Řešení problému batohu dynamickým programováním, metodou větví a hranic a aproximativním algoritmem

Řešení problému batohu dynamickým programováním, metodou větví a hranic a aproximativním algoritmem 2. 1. 213 MI-PAA úkol č. 2 Antonín Daněk Řešení problému batohu dynamickým programováním, metodou větví a hranic a aproximativním algoritmem 1 SPECIFIKACE ÚLOHY Cílem tohoto úkolu bylo naprogramovat řešení

Více

Mikroskopická obrazová analýza

Mikroskopická obrazová analýza Návod pro laboratorní úlohu z měřicí techniky Práce O1 Mikroskopická obrazová analýza 0 1 Úvod: Tato laboratorní úloha je koncipována jako seznámení se s principy snímání mikroskopických obrazů a jejich

Více

Kategorie mladší. Řešení 1. kola VI. ročník

Kategorie mladší. Řešení 1. kola VI. ročník Kategorie mladší Úloha 1A Korálky Řešení 1. kola Způsobů, jak korálky při splnění všech Heleniných podmínek navléci, je celá řada a dá se říci, že správné jsou všechny postupy, které nakonec vedou ke správnému

Více