Digitální obraz, základní pojmy
|
|
- Jaroslava Lišková
- před 7 lety
- Počet zobrazení:
Transkript
1 Digitální obraz, základní pojmy Václav Hlaváč České vysoké učení technické v Praze Centrum strojového vnímání (přemosťuje skupiny z) Český institut informatiky, robotiky a kybernetiky Fakulta elektrotechnická, katedra kybernetiky hlavac@ciirc.cvut.cz Osnova přednášky: Obraz, obrazová funkce f(x, y). Digitalizace obrazu: vzorkování + kvantování. Vzdálenost v obraze, okolí pixelu. Relace souvislosti, oblast, konvexní oblast. Vzdálenostní transformace. Histogram jasu.
2 Obraz a obrazová funkce Obraz je chápán intuitivně jako obraz na sítnici oka nebo snímacím čipu fotoaparátu, TV kamery,... /34 Obrazová funkce f(x, y), f(x, y, t) je výsledkem perspektivního zobrazení. Y X= [ x,y,z] T X u=[ u,v] T -v -u f f v u y x Z obrazová rovina zrcadlový obraz obrazové roviny Při uvažování podobných trojúhelníků: u = x f z, v = y f z. Místo odvozené D obrazové funkce f(u, v) se obvykle používá značení f(x, y).
3 Spojitý obraz a jeho matematické vyjádření 3/34 Spojitý obraz = vstup (chápáno intuitivně), např. na sítnici oka nebo sejmutý TV kamerou. Pro jednoduchost předpokládejme šedotónový obraz. Spojitá obrazová funkce f(x, y). Později po digitalizaci matice obrazových elementů, pixelů. (x, y) jsou prostorové souřadnice pixelu; rozuměj souřadnice v rovině. f(x, y, t) v případě obrazové sekvence je t čas. f(x, y) je hodnota obrazové funkce, obvykle úměrná jasu, optické hustotě u průhledných předloh, vzdálenosti od pozorovatele, teplotě v termovizi, atd. (Přirozeně) D obrazy: Tenký vzorek v optickém mikroskopu, obrázek písmene na listu papíru, otisk prstu, jeden řez z počítačového tomografu, atd.
4 Pixely odpovídají vzorkům, nikoliv malým čtverečkům 4/34
5 Motivace - pixel může být různých tvarů 5/34 Mozaika Panny Marie z 5. velikonočních vajec, ukrajinská umělkyně Oksana Mas z 9. V. Hlaváč mozaiku vyfotil v katedrále Boží moudrosti z. století v Kyjevě, a to v létě.
6 Motivace - voxel z kostiček Lego 6/34 Drak z kostiček Lego, výstava Lego, Praha červen 5.
7 Digitalizace 7/34 Digitalizace = vzorkování & kvantizace hodnoty obrazové funkce (též intenzity). Vzorkování vybere ze spojité obrazové funkce vzorky. Výsledkem jsou vzorky v diskrétním rastru (je jich konečný počet). Hodnota vzorku zůstává spojitá, tj. reálné číslo. Kvantování rozdělí reálnou hodnotu vzorku na konečný počet hodnot (též přihrádek). U šedotónového obrazu např. na 56 hodnot. Příklad: šedý klín 6 šedotónových přihrádek Digitální obraz se obvykle reprezentuje maticí. Pixel = akronym, angl. picture element.
8 Vzorkování obrazu Vzorkování obrazu zahrnuje dvě úlohy:. Uspořádání vzorkovacích bodů do pravidelného rastru. 8/34 (a) (b). Neformálně: Vzdálenost mezi vzorky (Nyquist-Shannonova věta o vzorkování). Vzorkovací frekvence > krát maximální frekvence v signálu; což je nejvyšší frekvence zcela rekonstruovatelná z vzorkovaného signálu. Větu odvodíme, až budeme umět Fourierovu transformaci. V obrazech se musí velikost vzorku (pixelu) být dvakrát menší než nejmenší detail, který chceme zaznamenat.
9 Vzorkování obrazu, ilustrace 9/34 y x y x f(4,5)
10 Příklad digitálního obrazu jeden řez z rentgenového tomografu /34
11 První scanner obrazu, 956 /34 R. Kirsch, SEAC and the start of image processing at the National Bureau of Standards. In: Annals of the history of computing, IEEE, vol. (998), p 7-3.
12 Vzorkování, příklad /34 Original
13 Vzorkování, příklad 3/34 Originál
14 Vzorkování, příklad 3 4/34 Originál
15 Kvantování, příklad 5/34 Originál 56 jasových úrovní 64 jasových úrovní
16 Kvantování, příklad 6/34 Originál 56 jasových úrovní 6 jasových úrovní
17 Kvantování, příklad 3 7/34 Originál 56 jasových úrovní 4 jasové úrovně
18 Kvantování, příklad 4 (binární obraz) 8/34 Originál 56 jasových úrovní jasové úrovně
19 Vzdálenost, matematicky 9/34 Funkce D se nazývá vzdáleností, právě když D(p, q), D(p, q) = D(q, p), D(p, r) D(p, q) + D(q, r), speciálně D(p, p) = (identita). (symetrie). (trojúhelníková nerovnost).
20 Několik definic vzdálenosti ve čtvercové mřížce Euklidovská vzdálenost /34 D E ((x, y), (h, k)) = (x h) + (y k). Vzdálenost městských bloků (též vzdálenost na Manhattanu) D 4 ((x, y), (h, k)) = x h + y k. Vzdálenost na šachovnici (z pohledu šachového krále) D 8 ((x, y), (h, k)) = max{ x h, y k }. 3 4 D E D 4 D 8
21 Čtyř, osmi a šesti okolí /34 Množina složená ze samotného pixelu (uprostřed, nazývaný reprezentativní pixel nebo reprezentativní bod) a jeho sousedé ve vzdálenosti. 4-okolí 8-okolí 6-okolí
22 Paradox protínajících se úseček /34
23 Binární obraz & relace být souvislým 3/34 černá objekty bílá pozadí Poznámka pro zvědavé. Japonský kanji znak znamená blízko odtud. Zavedení pojmu objekt umožňuje vybrat ty pixely v mřížce, které mají nějaký význam. Vzpomeňme, na diskusi o interpretaci. V našem příkladě černé pixely patří objektu (objektům) zde písmenu. Sousední pixely jsou souvislé. Dva pixely jsou souvislé, když mezi nimi existuje cesta složená ze souvislých pixelů.
24 Oblast = souvislá množina Relace x je souvislé s y je reflexivní, x x, symetrická x y = y x and transitivní (x y) & (y z) = x z. Tudíž je ekvivalencí. Relace ekvivalence rozkládá množinu na podmnožiny, kterým se říká třídy ekvivalence. V našem zvláštním případě relace být souvislým jsou třídami ekvivalence do oblastí. Na obrázku jsou jednotlivé oblasti označeny různými barvami. 4/34
25 Hranice oblasti 5/34 Hranice oblasti je množina pixelů oblasti majících alespoň jednoho souseda nepatřícího do oblasti. Spojitá obrazové funkce nekonečně tenká hranice. V digitálním obraze má hranice konečnou tloušťku. Je nutné rozlišovat vnitřní a vnější hranici. Hranice oblasti (border) hrana (edge) hranový bod (edgel).
26 Konvexní množina, konvexní obal 6/34 Konvexní množina = její každé dva body lze spojit úsečkou ležící uvnitř množiny. konvexní nekonvexní Konvexní obal, jezero, záliv. Region Convex hull Lakes Bays
27 7/34 Vzdálenostní transformace, DT DT se někdy nazývá vzdálenostní funkcí (analogie s řezbářstvím, odřezává se vrstva po vrstvě). Uvažujme binární vstupní obrázek, v němž jedničky odpovídají popředí (objektům) a nuly pozadí. DT má na výstupu šedotónový obraz, jehož hodnoty jsou vzdáleností ve vstupním obraze od popředí k nejbližšímu nenulovému pixelu (jednomu z objektů). Pixelům popředí odpovídá vzálenost nula. výchozí obraz výsledek DT
28 Algoritmus vzdálenostní transformace neformálně Slavný dvojprůchodový algoritmus výpočtu DT navrhli Rosenfeld, Pfaltz (966), původně pro vzdálenosti D 4, D 8. 8/34 První průchod je shora dolů, zleva doprava. Druhý průchod je zdola nahoru, zprava doleva. Obraz je procházen systematicky malou maskou. p je okamžitý pixel. Shora dolů Zdola nahoru AL AL AL BR AL p AL p p BR p BR AL BR BR BR 4-okolí 8-okolí 4-okolí 8-okolí Efektivita algoritmu DT je umožněna šířením hodnot viděných maskou z již dříve prozkoumaných pozic. Šíření informace připomíná šíření vlny.
29 Algoritmus vzdálenostní transformace DT 9/34 Cíl: výpočet DT pro podmnožinu S obrazu rozměru M N vzhledem k vzdálenosti D, která ovlivňuje prvky masky.. Inicializace: Vytvoř pole F rozměru M N. Pro prvky p obrazu odpovídající S nastav F (p) = a pro ostatní nastav F (p) =.. První průchod: Projdi obraz F po řádcích shora dolů, zleva doprava. Pro prvky vlevo nad vzhledem k okamžitému prvky p (dané prvky AL v obrázku masky na předchozím slajdu) nastav F (p) = min qɛal ( F (p), D(p, q) + F (q) ). 3. Druhý průchod: Projdi F po řádcích zdola nahoru, zprava doleva. Pro prvky vpravo dole vzhledem k p (dané prvky BR v obrázku masky na předchozí průsvitce) nastav F (p) = min qɛbr ( F (p), D(p, q) + F (q) ). Nyní pole F obsahuje výsledek DT pro zadaný obraz a podmnožinu S.
30 Ilustrace DT pro tři definice vzdáleností 3/34 Euklidovská D 4 D 8
31 Kvazieukleidovská vzdálenost 3/34 Eukleidovskou DT nelze snadno spočítat jen na dva průchody. Často se používá kvazieuklidovdká aproximace vzdálenosti, která se na dva průchody spočítat dá. D QE ( (i, j), (h, k) ) = { i h + ( ) j k for i h > j k, ( ) i h + j k otherwise. Euklidovská kvazieuklidovská
32 DT příklad hvězdice, vstupní obrázek 3/34 Input color image of a starfish Starfish converted to gray scale image Segmented to logical image; object; background barevný šedotónový binární
33 DT příklad hvězdice, výsledky 33/34 Distance transform, distance D 4 (cityblock) Distance transform, distance D 8 (chessboard) D D8 Distance transform, distance D QE (quasi Euclidean) Distance transform, distance D E (Euclidean) kvazieuklidovská euklidovská
34 Histogram hodnot jasu 34/34 Histogram hodnot jasu je odhadem hustoty pravděpodobnosti jevu, že pixel bude mít určitou jasovou hodnotu výchozí obraz histogram hodnot jasu
Počítačové vidění vs. digitální zpracování obrazu Digitální obraz a jeho vlastnosti
Počítačové vidění vs. digitální zpracování obrazu Digitální obraz a jeho vlastnosti 1/32 Václav Hlaváč Fakulta elektrotechnická ČVUT, katedra kybernetiky Centrum strojového vnímání, Praha hlavac@fel.cvut.cz
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,
VíceObraz matematický objekt. Spojitý obraz f c : (Ω c R 2 ) R
Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Diskrétní obraz f d : (Ω {0... n 1 } {0... n 2 }) {0... f max } Obraz matematický objekt
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
VíceRestaurace (obnovení) obrazu při známé degradaci
Restaurace (obnovení) obrazu při známé degradaci Václav Hlaváč České vysoké učení technické v Praze Centrum strojového vnímání (přemosťuje skupiny z) Český institut informatiky, robotiky a kybernetiky
VíceDIGITÁLNÍ OBRAZ. Obrázky (popř. slajdy) převzaty od
DIGITÁLNÍ OBRAZ JANA ŠTANCLOVÁ jana.stanclova@ruk.cuni.cz Obrázky (popř. slajdy) převzaty od RNDr. Josef Pelikán, CSc., KSVI MFF UK Obsah fáze zpracování obrazu reprezentace obrazu digitalizace obrazu
VíceGeometrické transformace
1/15 Předzpracování v prostoru obrazů Geometrické transformace Václav Hlaváč, Jan Kybic Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/
VíceDigitalizace dat metodika
Digitalizace dat metodika Digitalizace Jak počítač získá jedničky a nuly, se kterými potom počítá a které je schopen si pamatovat? Pomocí různých přístrojů a zařízení (mikrofon, fotoaparát, skener, kamera,
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:
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
VíceMatematická morfologie
/ 35 Matematická morfologie Karel Horák Rozvrh přednášky:. Úvod. 2. Dilatace. 3. Eroze. 4. Uzavření. 5. Otevření. 6. Skelet. 7. Tref či miň. 8. Ztenčování. 9. Zesilování..Golayova abeceda. 2 / 35 Matematická
VíceDZDDPZ2 Pořizování dat. Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, PhD. Institut geoinformatiky VŠB-TU Ostrava
DZDDPZ2 Pořizování dat Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, PhD. Institut geoinformatiky VŠB-TU Ostrava Pořizujeme data, která popisují množství zářivé energie odražené nebo emitované od zemského
VíceDIGITÁLNÍ FOTOGRAFIE
DIGITÁLNÍ FOTOGRAFIE Petr Vaněček, katedra informatiky a výpočetní techniky Fakulta aplikovaných věd, Západočeská univerzita v Plzni 19. listopadu 2009 1888, Geroge Eastman You press the button, we do
VíceÚloha - rozpoznávání číslic
Úloha - rozpoznávání číslic Vojtěch Franc, Tomáš Pajdla a Tomáš Svoboda http://cmp.felk.cvut.cz 27. listopadu 26 Abstrakt Podpůrný text pro cvičení předmětu X33KUI. Vysvětluje tři způsoby rozpoznávání
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
VíceMatematická morfologie
Matematická morfologie Václav Hlaváč České vysoké učení technické v Praze Centrum strojového vnímání (přemosťuje skupiny z) Český institut informatiky, robotiky a kybernetiky Fakulta elektrotechnická,
VíceÚvod do informatiky. Miroslav Kolařík
Úvod do informatiky přednáška pátá Miroslav Kolařík Zpracováno dle učebního textu R. Bělohlávka: Úvod do informatiky, KMI UPOL, Olomouc 2008 a dle učebního textu R. Bělohlávka a V. Vychodila: Diskrétní
Více1. Polotóny, tisk šedých úrovní
1. Polotóny, tisk šedých úrovní Studijní cíl Tento blok kurzu je věnován problematice principu tisku polotónů a šedých úrovní v oblasti počítačové grafiky. Doba nutná k nastudování 2 hodiny 1.1 Základní
VíceGrafy. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 13.
Grafy doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava Prezentace ke dni 13. března 2017 Jiří Dvorský (VŠB TUO) Grafy 104 / 309 Osnova přednášky Grafy
VíceText úlohy. Která barva nepatří do základních barev prostoru RGB? Vyberte jednu z nabízených možností: a. Černá b. Červená c. Modrá d.
Úloha 1 Která barva nepatří do základních barev prostoru RGB? a. Černá b. Červená c. Modrá d. Zelená Úloha 2 V rovině je dán NEKONVEXNÍ n-úhelník a bod A. Pokud paprsek (polopřímka) vedený z tohoto bodu
VíceDigitalizace a zpracování obrazu
Digitalizace a zpracování obrazu Jaroslav Fiřt a), Radek Holota b) a) Nové technologie výzkumné centrum Sedláčkova 15 306 14 Plzeň tel. (+420) 377236881, kl. 237 e-mail: firt@kae.zcu.cz b) Nové technologie
VíceJasové a geometrické transformace
Jasové a geometrické transformace Václav Hlaváč České vysoké učení technické v Praze Český institut informatiky, robotiky a kybernetiky 166 36 Praha 6, Jugoslávských partyzánů 1580/3 http://people.ciirc.cvut.cz/hlavac,
VíceTransformace obrazu Josef Pelikán KSVI MFF UK Praha
Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých
VíceVlastní čísla a vlastní vektory
Vlastní čísla a vlastní vektory 1 Motivace Uvažujme lineární prostor všech vázaných vektorů v rovině, které procházejí počátkem, a lineární zobrazení tohoto prostoru do sebe(lineární transformaci, endomorfismus)
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 6
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 6 Lubomír Vašek Zlín 2013 Obsah... 3 1. Základní pojmy... 3 2. Princip rastrové reprezentace... 3 2.1 Užívané
VíceUČENÍ BEZ UČITELE. Václav Hlaváč
UČENÍ BEZ UČITELE Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz, http://cmp.felk.cvut.cz/~hlavac 1/22 OBSAH PŘEDNÁŠKY ÚVOD Učení
Více1 Báze a dimenze vektorového prostoru 1
1 Báze a dimenze vektorového prostoru 1 Báze a dimenze vektorového prostoru 1 2 Aritmetické vektorové prostory 7 3 Eukleidovské vektorové prostory 9 Levá vnější operace Definice 5.1 Necht A B. Levou vnější
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
VíceZpracování signálu a obrazu. Pracovní verze skripta v tisku pro studenty
Zpracování signálu a obrazu Pracovní verze skripta v tisku pro studenty FEL ČVUT Václav Hlaváč, Miloš Sedláček Elektrotechnická fakulta ČVUT v Praze {hlavac,sedlacem}@fel.cvut.cz 7. prosince 1999 Předmluva
VíceNeparametrické odhady hustoty pravděpodobnosti
Neparametrické odhady hustoty pravděpodobnosti Václav Hlaváč Elektrotechnická fakulta ČVUT Katedra kybernetiky Centrum strojového vnímání 121 35 Praha 2, Karlovo nám. 13 hlavac@fel.cvut.cz Statistické
VíceM E T O D Y R O Z P O Z NÁNÍ OB J E K T Ů V O B R A Z U
M E T O D Y R O Z P O Z NÁNÍ OB J E K T Ů V O B R A Z U CÍLE LABORTATORNÍ ÚLOHY 1. Seznámení se s metodami rozpoznání objektů v obraze 2. Vyzkoušení detekce objektů na snímcích z kamery a MRI snímku ÚKOL
VíceFiltrace obrazu ve frekvenční oblasti
Filtrace obrazu ve frekvenční oblasti Václav Hlaváč České vysoké učení technické v Praze Český institut informatiky, robotiky a kybernetiky 166 36 Praha 6, Jugoslávských partyzánů 1580/3 http://people.ciirc.cvut.cz/hlavac,
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,
VíceRelace a kongruence modulo
Relace a kongruence modulo Jiří Velebil: X01DML 5. listopadu 2010: Relace a kongruence modulo 1/17 Definice Binární relace R na množině A je podmnožina R A A. Píšeme x R y (čteme: x je v relaci R s y)
VíceOdečítání pozadí a sledování lidí z nehybné kamery. Ondřej Šerý
Odečítání pozadí a sledování lidí z nehybné kamery Ondřej Šerý Plán Motivace a popis úlohy Rozdělení úlohy na tři části Detekce pohybu Detekce objektů Sledování objektů Rozbor každé z částí a nástin několika
VíceHLEDÁNÍ HRAN. Václav Hlaváč. Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání.
1/35 HLEDÁNÍ HRAN Václav Hlaváč Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/ hlavac FYZIOLOGICKÁ MOTIVACE 2/35 Výsledky
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
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceModelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015
Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 8. přednáška 11MSP pondělí 20. dubna 2015 verze: 2015-04-14 12:31
VícePraktická geometrická optika
Praktická geometrická optika Václav Hlaváč České vysoké učení technické v Praze Centrum strojového vnímání (přemosťuje skupiny z) Český institut informatiky, robotiky a kybernetiky Fakulta elektrotechnická,
VíceEuklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.
Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a
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
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:
VíceHledání hran. Václav Hlaváč. České vysoké učení technické v Praze
Hledání hran Václav Hlaváč České vysoké učení technické v Praze Centrum strojového vnímání (přemosťuje skupiny z) Český institut informatiky, robotiky a kybernetiky Fakulta elektrotechnická, katedra kybernetiky
VíceKTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
Vícex 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.
1. Afinní podprostory 1.1. Motivace. Uvažujme R 3. Jeho všechny vektorové podprostory jsou počátek, přímky a roviny procházející počátkem a celé R 3. Chceme-li v R 3 dělat geometrii potřebujeme i jiné
VíceKartografické modelování. VIII Modelování vzdálenosti
VIII Modelování vzdálenosti jaro 2015 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic Vzdálenostní funkce
VíceDůkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť.
Přednáška 3, 19. října 2015 Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť X i = M i I je jeho pokrytí otevřenými
VíceStátní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách
Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Ústní zkouška z oboru Náročnost zkoušky je podtržena její ústní formou a komisionálním charakterem. Předmětem bakalářské zkoušky
Více2. 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
VíceRelace a kongruence modulo
Relace a kongruence modulo Jiří Velebil: A7B01MCS 10. října 2011: Relace a kongruence modulo 1/19 Definice Binární relace R na množině A je podmnožina R A A. Píšeme x R y (čteme: x je v relaci R s y) místo
VíceŠedotónová matematická morfologie
Šedotónová matematická morfologie Václav Hlaváč České vysoké učení technické v Praze Centrum strojového vnímání (přemosťuje skupiny z) Český institut informatiky, robotiky a kybernetiky 166 36 Praha 6,
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
VíceNáhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která
Náhodná veličina a její charakteristiky Náhodná veličina a její charakteristiky Představte si, že provádíte náhodný pokus, jehož výsledek jste schopni ohodnotit nějakým číslem. Před provedením pokusu jeho
Více4EK201 Matematické modelování. 2. Lineární programování
4EK201 Matematické modelování 2. Lineární programování 2.1 Podstata operačního výzkumu Operační výzkum (výzkum operací) Operational research, operations research, management science Soubor disciplín zaměřených
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 206 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceIng. Jan Buriánek. Katedra softwarového inženýrství Fakulta informačních technologií České vysoké učení technické v Praze Jan Buriánek, 2010
Ing. Jan Buriánek (ČVUT FIT) Reprezentace bodu a zobrazení BI-MGA, 2010, Přednáška 2 1/33 Ing. Jan Buriánek Katedra softwarového inženýrství Fakulta informačních technologií České vysoké učení technické
VíceGrafická data jsou u 2D vektorové grafiky uložena ve voxelech NEPRAVDA Grafická data jsou u rastrové grafiky uložena v pixelech PRAVDA Grafická data
Grafická data jsou u 2D vektorové grafiky uložena ve voxelech Grafická data jsou u rastrové grafiky uložena v pixelech Grafická data jsou u vektorové grafiky uložena v pixelech Na rozdíl od rastrové grafiky
VíceČíslicové zpracování signálů a Fourierova analýza.
Číslicové zpracování signálů a Fourierova analýza www.kme.zcu.cz/kmet/exm 1 Obsah prezentace 1. Úvod a motivace 2. Data v časové a frekvenční oblasti 3. Fourierova analýza teoreticky 4. Fourierova analýza
VíceDerivace funkcí více proměnných
Derivace funkcí více proměnných Pro studenty FP TUL Martina Šimůnková 16. května 019 1. Derivace podle vektoru jako funkce vektoru. Pro pevně zvolenou funkci f : R d R n a bod a R d budeme zkoumat zobrazení,
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 207 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Více9. přednáška z předmětu GIS1 Digitální model reliéfu a odvozené povrchy. Vyučující: Ing. Jan Pacina, Ph.D.
9. přednáška z předmětu GIS1 Digitální model reliéfu a odvozené povrchy Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Lehký úvod Digitální modely terénu jsou dnes v geoinformačních systémech
Více1/15. Kapitola 2: Reálné funkce více proměnných
1/15 Kapitola 2: Reálné funkce více proměnných Vlastnosti bodových množin 2/15 Definice: ε-ové okolí... O ε (X) = {Y R n ρ(x, Y ) < ε} prstencové ε-ové okolí... P ε (X) = {Y R n 0 < ρ(x, Y ) < ε} Definice:
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
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
VíceObrazovkový monitor. Antonín Daněk. semestrální práce předmětu Elektrotechnika pro informatiky. Téma č. 7: princip, blokově základní obvody
Obrazovkový monitor semestrální práce předmětu Elektrotechnika pro informatiky Antonín Daněk Téma č. 7: princip, blokově základní obvody Základní princip proud elektronů Jedná se o vakuovou elektronku.
Více44. Obraz jako signál.
44. Obraz jako signál. Obraz je vícerozměrný signál. Je chápán intuitivně jako obraz na sítnici lidského oka nebo obraz sejmutý TV kamerou. Může být modelován matematicky pomocí spojité skalaární funkce
VíceAplikovaná numerická matematika - ANM
Aplikovaná numerická matematika - ANM 3 Řešení soustav lineárních rovnic iterační metody doc Ing Róbert Lórencz, CSc České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových
VíceMatematická analýza pro informatiky I.
Matematická analýza pro informatiky I. 1. přednáška Jan Tomeček tomecek@inf.upol.cz http://aix-slx.upol.cz/ tomecek/index Univerzita Palackého v Olomouci 14. února 2011 Jan Tomeček, tomecek@inf.upol.cz
Více[1] Determinant. det A = 0 pro singulární matici, det A 0 pro regulární matici
[1] Determinant je číslo jistým způsobem charakterizující čtvercovou matici det A = 0 pro singulární matici, det A 0 pro regulární matici používá se při řešení lineárních soustav... a v mnoha dalších aplikacích
VíceVzdálenost uzlů v neorientovaném grafu
Vzdálenosti a grafy Vzdálenost uzlů v neorientovaném grafu Je dán neorientovaný neohodnocený graf G = (V,E,I) vzdálenost uzlů u a v v neorientovaném souvislém grafu G je délka nejkratší cesty spojující
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 05 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceHledání hran. Václav Hlaváč. České vysoké učení technické v Praze
Hledání hran Václav Hlaváč České vysoké učení technické v Praze Český institut informatiky, robotiky a kybernetiky 166 36 Praha 6, Jugoslávských partyzánů 1580/3 http://people.ciirc.cvut.cz/hlavac, vaclav.hlavac@cvut.cz
Více10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo
0. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo (PEF PaA) Petr Gurka aktualizováno 9. prosince 202 Obsah Základní pojmy. Motivace.................................2 Aritmetický vektorový
VíceOperace s obrazem. Biofyzikální ústav LF MU. Projekt FRVŠ 911/2013
Operace s obrazem Biofyzikální ústav LF MU Obraz definujeme jako zrakový vjem, který vzniká po dopadu světla na sítnici oka. Matematicky lze obraz chápat jako vícerozměrný signál (tzv. obrazová funkce)
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
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 3. přednáška SIMPLEXOVÁ METODA I. OSNOVA PŘEDNÁŠKY Standardní tvar MM Základní věta LP Princip simplexové metody Výchozí řešení SM Zlepšení řešení
Více1 Topologie roviny a prostoru
1 Topologie roviny a prostoru 1.1 Základní pojmy množin Intervaly a okolí Intervaly v rovině nebo prostoru jsou obdélníky nebo hranoly se stranami rovnoběžnými s osami souřadnic. Podmnožiny intervalů se
VíceZimní semestr akademického roku 2014/ prosince 2014
Cvičení k předmětu BI-ZMA Tomáš Kalvoda Katedra aplikované matematiky FIT ČVUT Matěj Tušek Katedra matematiky FJFI ČVUT Obsah Cvičení Zimní semestr akademického roku 24/25 2. prosince 24 Předmluva iii
VíceDeformace rastrových obrázků
Deformace rastrových obrázků 1997-2011 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Warping 2011 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 22 Deformace obrázků
VícePROHLEDÁVÁNÍ GRAFŮ. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
PROHLEDÁVÁNÍ GRAFŮ Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 4 Evropský sociální fond Praha & EU: Investujeme do
VícePumping lemma - podstata problému. Automaty a gramatiky(bi-aag) Pumping lemma - problem resolution. Pumping lemma - podstata problému
BI-AAG (2011/2012) J. Holub: 10. Vlastnosti regulárních jazyků p. 2/22 Pumping lemma - podstata problému BI-AAG (2011/2012) J. Holub: 10. Vlastnosti regulárních jazyků p. 4/22 Automaty a gramatiky(bi-aag)
VíceJasové 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
VíceALGEBRA. Téma 5: Vektorové prostory
SLEZSKÁ UNIVERZITA V OPAVĚ Matematický ústav v Opavě Na Rybníčku 1, 746 01 Opava, tel. (553) 684 611 DENNÍ STUDIUM Téma 5: Vektorové prostory Základní pojmy Vektorový prostor nad polem P, reálný (komplexní)
VíceVybrané kapitoly z matematiky
Vybrané kapitoly z matematiky VŠB-TU Ostrava 2017-2018 Vybrané kapitoly z matematiky 2017-2018 1 / 19 Základní informace předmět: 714-0513, 5 kreditů přednáší: Radek Kučera kontakt: radek.kucera@vsb.cz,
VíceZpracování digitalizovaného obrazu (ZDO) - Analýza pohybu
Zpracování digitalizovaného obrazu (ZDO) - Analýza pohybu Úvod Ing. Zdeněk Krňoul, Ph.D. Katedra Kybernetiky Fakulta aplikovaných věd Západočeská univerzita v Plzni Zpracování digitalizovaného obrazu (ZDO)
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
VíceZŠ ÚnO, Bratří Čapků 1332
Úvodní obrazovka Menu (vlevo nahoře) Návrat na hlavní stránku Obsah Výsledky Poznámky Záložky edunet Konec Matematika 1 (pro 12-16 let) LangMaster Obsah (střední část) výběr tématu - dvojklikem v seznamu
VíceMatematická analýza III.
1. - limita, spojitost Miroslav Hušek, Lucie Loukotová UJEP 2010 Úvod Co bychom měli znát limity posloupností v R základní vlastnosti funkcí jedné proměnné (definiční obor, monotónnost, omezenost,... )
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 204 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceLOKALIZACE ZDROJŮ AE NEURONOVÝMI SÍTĚMI NEZÁVISLE NA ZMĚNÁCH MATERIÁLU A MĚŘÍTKA
LOKALIZACE ZDROJŮ AE EUROOVÝMI SÍTĚMI EZÁVISLE A ZMĚÁCH MATERIÁLU A MĚŘÍTKA AE SOURCE LOCATIO BY EURAL ETWORKS IDEPEDET O MATERIAL AD SCALE CHAGES Milan CHLADA, Zdeněk PŘEVOROVSKÝ Ústav termomechaniky
VícePřijímací zkouška - matematika
Přijímací zkouška - matematika Jméno a příjmení pište do okénka Číslo přihlášky Číslo zadání 1 Grafy 1 Pro který z následujících problémů není znám žádný algoritmus s polynomiální časovou složitostí? Problém,
VíceRELACE, OPERACE. Relace
RELACE, OPERACE Relace Užití: 1. K popisu (evidenci) nějaké množiny objektů či jevů, které lze charakterizovat pomocí jejich vlastnostmi. Entita je popsána pomocí atributů. Ty se vybírají z domén. Různé
VíceFourierovské metody v teorii difrakce a ve strukturní analýze
Osnova přednášky na 31 kolokviu Krystalografické společnosti Výpočetní metody v rtg a neutronové strukturní analýze Nové Hrady, 16 20 6 2003 Fourierovské metody v teorii difrakce a ve strukturní analýze
VíceVektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice
Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice Vektorové podprostory K množina reálných nebo komplexních čísel, U vektorový prostor nad K. Lineární kombinace vektorů u 1, u 2,...,u
VíceJordanova křivka a její využití
Jordanova křivka a její využití Lukáš Dvořák Ústav matematiky, Fakulta strojního inženýrství, Vysoké učení technické v Brně Technická 2, Brno 616 69 e-mail: hoopoo@centrum.cz Abstrakt Tato práce pojednává
VíceNecht L je lineární prostor nad R. Operaci : L L R nazýváme
Skalární součin axiomatická definice odvození velikosti vektorů a úhlu mezi vektory geometrická interpretace ortogonalita vlastnosti ortonormálních bázi [1] Definice skalárního součinu Necht L je lineární
VíceAritmetika s didaktikou I.
Katedra matematiky PF UJEP Aritmetika s didaktikou I. KM1 / 0001 Přednáška 02 Opakování základních pojmů - 2. část O čem budeme hovořit: Binární relace a jejich vlastnosti Speciální typy binárních relací
Více1. přednáška 1. října Kapitola 1. Metrické prostory.
1. přednáška 1. října 2007 Kapitola 1. Metrické prostory. Definice MP, izometrie. Metrický prostor je struktura formalizující jev vzdálenosti. Je to dvojice (M, d) složená z množiny M a funkce dvou proměnných
VíceÚlohy klauzurní části školního kola kategorie B
65. ročník matematické olympiády Úlohy klauzurní části školního kola kategorie B 1. Kolika způsoby je možno vyplnit čtvercovou tabulku 3 3 čísly,, 3, 3, 3, 4, 4, 4, 4 tak, aby součet čísel v každém čtverci
Více