Potlačování šumu v mikroskopických snímcích pomocí adaptivního non-local means filtru
|
|
- Petr Ševčík
- před 7 lety
- Počet zobrazení:
Transkript
1 Potlačování šumu v mikroskopických snímcích pomocí adaptivního non-local means filtru Jarní škola 2013 Krušné hory, Mariánská 28. května 2013
2 Motivace Časosběrná fluorescenční mikroskopie detekce částic Spolupráce s ÚŽFG Liběchov časosběrná konfokální mikroskopie ozáření preparátu světelným zdrojem (laserem) aktivuje fluorescenci pozorování živých preparátů: fototoxicita uvolňování volných radikálů photobleaching blednutí barviva proto se snažíme osvětlení preparátu minimalizovat snižuje se SNR potřeba potlačení šumu
3 Fluorescenční spoty signály
4 Snižující se SNR
5 Snímky kvasinkových kolonií
6 Použité články Yang et al.: An adaptive non-local means filter for denoising live-cell images and improving particle detection, Journal of Structural Biology 172 (2010), doi: /j.jsb Yang et al.: A New Framework for Particle Detection in Low-SNR Fluorescence Live-Cell Images and Its Application for Improved Particle Tracking, IEEE Trans. on Biomedical Engineering, Vol. 59, No. 7, July 2012 doi: /TBME
7 Stručný přehled možných odšumovacích metod průměrování, mediánový filtr jednoduché, ale snižuje rozlišení; nevhodné pro velmi nízké hodnoty SNR feature-preserving approach: non-local means (NLM) využívá redundancí (opakující se vzory) pro průměrování odbobných pixelů tzv. feature-preserving filtr řada variant edge-preserving metody: variační metody snímky z fluoresescenčního mikroskopu: drobné částice, špatně definované hrany tyto metody mohou selhávat
8 Adaptive non-local means filter Standardní NLM filtr Euklidovská vzdálenost pixelů podobné šedi to selhává pro nízké SNR, drobné částice Navrhovaná metoda mapa pravděpodobnosti částic non-local Haar-like features prahování pravděpodobnost částic: počet propojených pixelů/celkový počet pixelů v regionu mapa pravděpodobnosti je přídavný vstup pro NLM filter
9 Haar-like features V 1U1 V 2 U 2 V 2 V 3 i i U 3 i V 3 H k (i) = max {M Uk(i, s) M Vk (i, s)} s M Uk, M Vk i (x, y) s mean intensity U k, resp. V k střed oblasti měřítko
10 Haar-like features Lineární kombinace charakteristik 3 H(i) = c k H k (i) k=1 nepreferujeme žádný tvar ani orientaci Prahování pixel náleží k částici, jestliže H(i) λ používá se slabý práh málo FN pixelů
11 Mapa pravděpodobnosti částic (Particle probability image) Prahování viz minulý snímek H(i) λ Pravděpodobnost částice P(i) = ( N/N tot ) Ai A i N N tot (malá) oblast, centrovaná v i počet pixelů, které projdou prahováním a jsou propojené (4-nearest neighborhood) počet pixelů oblasti A i
12 Mapa pravděpodobnosti částic ukázkový snímek Haar: okna 7 7, 11 11, 17 17, 25 25, λ = 7.0
13 Feature-preserving NLM filter FPNLM(F)(i) = W i prohledávací okno, centrované v i ω(i, j) = 1 A(i) ( exp j W i ω(i, j)f (j) V(N i) V(N j ) 2 2,a h 2 P(N i) P(N j ) 2 2,a g 2 ) V(N i ) intenzity z okolí N i P(N i ) pravděpodobnosti z okolí N i pro g konvenční NLM filter
14 Schema FP-NLM odšumění A - orig. snímek B - NLM váhy C - NLM výsledek D - pravděpodob. G - váhy E - předzpr. snímek (vyhlazení pozadí) H - váhy I - norm. váhy F - FP-NLM výsl.
15 Výsledky - reálný snímek
16 Návazná práce - PP Refinement filter Yang et al.: A New Framework for Particle Detection in Low-SNR Fluorescence Live-Cell Images and Its Application for Improved Particle Tracking Namísto filtrace na šedotónovém snímku FPNLM(F)(i) = j W i ω(i, j)f (j) používá filtraci na pravděpodobnostní mapě R(P)(i) = j W i ω(i, j)p(j) rozšířeno i o segmentaci částic, oddělení dotýkajících se částic a sledování pohybujících se částic
Operace s obrazem II
Operace s obrazem II Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 Osnova Matematická morfologie Segmentace obrazu Klasifikace objektů
VíceBioimaging rostlinných buněk, CV.2
Bioimaging rostlinných buněk, CV.2 Konstrukce mikroskopu (optika, fyzikální principy...) Rozlišení - kontrast Live cell microscopy Modulace kontrastu (Phase contrast, DIC) Videomikroskopia Nízký kontrast
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
VíceNPGR032 CVIČENÍ III. Šum a jeho odstranění teorie&praxe. Adam Novozámský (novozamsky@utia.cas.cz)
NPGR032 CVIČENÍ III. Šum a jeho odstranění teorie&praxe Adam Novozámský (novozamsky@utia.cas.cz) TEORIE Šum a jeho odstranění ŠUM Co je to šum v obrázku a jak vzniká? Jaké známe typy šumu? ŠUM V obrázku
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
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
VíceZPRACOVÁNÍ OBRAZU přednáška 3
ZPRACOVÁNÍ OBRAZU přednáška 3 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,
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
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
VíceROZ1 - Cv. 3 - Šum a jeho odstranění ÚTIA - ZOI
Šum Co je to šum v obrázku? Šum Co je to šum v obrázku? V obrázku je přidaná falešná informace nahodilého původu Jak vzniká v digitální fotografii? Šum Co je to šum v obrázku? V obrázku je přidaná falešná
VíceOptické metody a jejich aplikace v kompozitech s polymerní matricí
Optické metody a jejich aplikace v kompozitech s polymerní matricí Doc. Ing. Eva Nezbedová, CSc. Polymer Institute Brno Ing. Zdeňka Jeníková, Ph.D. Ústav materiálového inženýrství, Fakulta strojní, ČVUT
VíceFluorescenční mikroskopie
Fluorescenční mikroskopie Pokročilé biofyzikální metody v experimentální biologii Ctirad Hofr 1 VYUŽITÍ FLUORESCENCE, PŘÍMÁ FLUORESCENCE, PŘÍMÁ A NEPŘÍMA IMUNOFLUORESCENCE, BIOTIN-AVIDINOVÁ METODA IMUNOFLUORESCENCE
VíceTechnická specifikace předmětu veřejné zakázky
předmětu veřejné zakázky Příloha č. 1c Zadavatel požaduje, aby předmět veřejné zakázky, resp. přístroje odpovídající jednotlivým částem veřejné zakázky splňovaly minimálně níže uvedené parametry. Část
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.
VíceKompresní metody první generace
Kompresní metody první generace 998-20 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Stillg 20 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca / 32 Základní pojmy komprese
VíceRoman Juránek. Fakulta informačních technologíı. Extrakce obrazových příznaků 1 / 30
Extrakce obrazových příznaků Roman Juránek Ústav počítačové grafiky a multimédíı Fakulta informačních technologíı Vysoké Učení technické v Brně Extrakce obrazových příznaků 1 / 30 Motivace Účelem extrakce
VíceZpracování obrazu a fotonika 2006
Základy zpracování obrazu Zpracování obrazu a fotonika 2006 Reprezentace obrazu Barevný obrázek Na laně rozměry: 1329 x 2000 obrazových bodů 3 barevné RGB kanály 8 bitů na barevný kanál FUJI Superia 400
VíceZoologická mikrotechnika - FLUORESCENČNÍ MIKROSKOPIE
Fluorescence Fluorescence je jev, kdy látka absorbuje ultrafialové záření nebo viditelné světlo s krátkou vlnovou délkou a emituje viditelné světlo s delší vlnovou délkou než má světlo absorbované Emitace
VíceAPLIKACE DWT PRO POTLAČENÍ ŠUMU V OBRAZE
APLIKACE DWT PRO POTLAČENÍ ŠUMU V OBRAZE J.Švihlík ČVUT v Praze Fakulta elektrotechnická Katedra radioelektroniky Abstrakt Šum je v obraze prakticky vždy přítomen což způsobuje degradaci obrazu. Existuje
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
Více7. Měření fluorescence při excitaci kontinuálním světlem ( steady-state )
7. Měření fluorescence při excitaci kontinuálním světlem ( steady-state ) Steady-state měření Excitujeme kontinuálním světlem, měříme intenzitu emise (počet emitovaných fotonů) Obvykle nedetekujeme všechny
VíceDetekce obličeje v obraze s využitím prostředí MATLAB
Detekce obličeje v obraze s využitím prostředí MATLAB T. Malach, P. Bambuch, J. Malach EBIS, spol. s r.o. Příspěvek se zabývá detekcí obličeje ve statických obrazových datech. Algoritmus detekce a trénování
VíceFluorescenční mikroskopie. -fluorescenční mikroskopie -konfokální mikroskopie
Fluorescenční mikroskopie -fluorescenční mikroskopie -konfokální mikroskopie Fluorescence a fluorofory Schéma konvenčního fluorescenčního mikroskopu -Na fluorescenčně značený vzorek dopadá pouze světlo
VíceANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ
ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz 5. LETNÍ ŠKOLA MATEMATICKÉ BIOLOGIE ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM
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
VíceSEBELOKALIZACE MOBILNÍCH ROBOTŮ. Tomáš Jílek
SEBELOKALIZACE MOBILNÍCH ROBOTŮ Tomáš Jílek Sebelokalizace Autonomní určení pozice a orientace robotu ve zvoleném souřadnicovém systému Souřadnicové systémy Globální / lokální WGS-84, ETRS-89 globální
VíceHough & Radon transform - cvičení
Hough & Radon transform - cvičení ROZ UTIA - ZOI Adam Novozámský (novozamsky@utia.cas.cz) Motivace Co to je Houghova transformace a k čemu se používá?: metoda pro nalezení parametrického popisu objektů
VíceZajímavé vlastnosti sluneční atmosféry: magnetická a rychlostní pole
Zajímavé vlastnosti sluneční atmosféry: magnetická a rychlostní pole Spektroskopie (nejen) ve sluneční fyzice LS 2011/2012 Michal Švanda Astronomický ústav MFF UK Astronomický ústav AV ČR Vliv na tvar
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
VícePraktická cvičení. Anotace
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,
VíceKonvoluční model dynamických studií ledvin. seminář AS UTIA
Konvoluční model dynamických studií ledvin Ondřej Tichý seminář AS UTIA.. Obsah prezentace Scintigrafická obrazová sekvence a její analýza Konstrukce standardního modelu a jeho řešení Experiment Ovlivnění
VíceWhyCon: Přesný, rychlý a levný lokalizační systém
WhyCon: Přesný, rychlý a levný lokalizační systém Tomáš Krajník, Matías Nitsche, Peter Lightbody ČVUT Praha Univ. of Buenos Aires, Argentina Univ. of Lincoln, UK Apr 2018 Krajník, Nitsche http://github.com/gestom/whycon-orig
VícePopis jednotlivých ikon programu NI Vision Builder
Popis jednotlivých ikon programu NI Vision Builder Inspekční krok : získání obrazu získání obrazu: získat obraz z vybrané kamery získání obrazu (IEE1394): získat obraz z vybrané IEEE 1394 kamery získání
VíceMěření dat Filtrace dat, Kalmanův filtr
Měření dat Filtrace dat, Matematické metody pro ITS (11MAMY) Jan Přikryl Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 3. přednáška 11MAMY čtvrtek 28. února 2018 verze: 2018-03-21 16:45 Obsah
VíceZPRACOVÁNÍ SNÍMKŮ SRDEČNÍCH BUNĚK
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT
VícePříloha C. zadávací dokumentace pro podlimitní veřejnou zakázku Mikroskopy pro LF MU 2013. TECHNICKÉ PODMÍNKY (technická specifikace)
Příloha C zadávací dokumentace pro podlimitní veřejnou zakázku Mikroskopy pro LF MU 2013 TECHNICKÉ PODMÍNKY (technická specifikace) 1. část VZ: Laboratorní mikroskop s digitální kamerou a PC Položka č.1
VíceDodatky k FT: 1. (2D digitalizace) 2. Více o FT 3. Více k užití filtrů. 7. přednáška předmětu Zpracování obrazů
Dodatky k FT:. (D digitalizace. Více o FT 3. Více k užití filtrů 7. přednáška předmětu Zpracování obrazů Martina Mudrová 4 Pořízení digitálního obrazu Obvykle: Proces transformace spojité předlohy (reality
VíceFakulta informačních technologíı. Extrakce obrazových příznaků 1 / 39
Extrakce obrazových příznaků Ing. Aleš Láník, Ing. Jiří Zuzaňák Ústav počítačové grafiky a multimédíı Fakulta informačních technologíı Vysoké Učení technické v Brně Extrakce obrazových příznaků 1 / 39
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
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
VíceVojtěch Franc Centrum strojového vnímání, Katedra kybernetiky, FEL ČVUT v Praze Eyedea Recognition s.r.o MLMU 29.4.2015
Příklady použití metod strojového učení v rozpoznávání tváří Vojtěch Franc Centrum strojového vnímání, Katedra kybernetiky, FEL ČVUT v Praze Eyedea Recognition s.r.o MLMU 29.4.2015 Stavební bloky systému
VíceZobrazovací systémy v transmisní radiografii a kvalita obrazu. Kateřina Boušková Nemocnice Na Františku
Zobrazovací systémy v transmisní radiografii a kvalita obrazu Kateřina Boušková Nemocnice Na Františku Rentgenové záření Elektromagnetické záření o λ= 10-8 10-13 m V lékařství obvykle zdrojem rentgenová
VíceIng. Martin Vítek, doc. Ing. Jiří Kozumplík, CSc. Ústav biomedicínského inženýrství, FEKT, VUT v Brně TRANSFORMACI. Kolejní 4, Brno
29/2 4. 5. 29 DETEKCE QRS KOMPLEXŮ V SIGNÁLECH ZALOŽENÁ NA VLNKOVÉ TRANSFORMACI DETEKCE KOMPLEXŮ QRS V SIGNÁLECH ZALOŽENÁ NA SPOJITÉ VLNKOVÉ TRANSFORMACI Ing. Martin Vítek, doc. Ing. Jiří Kozumplík, CSc.
VíceOperace s obrazem I. Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.
Operace s obrazem I Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 Osnova 1 Filtrování obrazu 2 Lineární a nelineární filtry 3 Fourierova
VíceStudentská tvůrčí a odborná činnost STOČ 2017
Studentská tvůrčí a odborná činnost STOČ 2017 Detekce a analýza pohybu osob založená na analýze obrazu Bc. Robin Antonič Mendelova univerzita v Brně, Zemědělská 1 20. dubna 2017 FAI UTB ve Zlíně Klíčová
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
VíceROZ1 - Cv. 2 - Fourierova transformace ÚTIA - ZOI
Vzorečky Co to je FT? Vzorečky Co to je FT? Transformace signálu z časové (resp. obrazové) reprezentace f(t) do frekvenční reprezentace F(ψ) a zpět. Díky ní můžeme signál analyzovat ve frekvenční oblasti
VíceViková, M. : MIKROSKOPIE V Mikroskopie V M. Viková
Mikroskopie V M. Viková LCAM DTM FT TU Liberec, martina.vikova@tul.cz Hloubka ostrosti problém m velkých zvětšen ení tloušťka T vrstvy vzorku kolmé k optické ose, kterou vidíme ostře zobrazenou Objektiv
VíceSpecifikace předmětu plnění
Specifikace předmětu plnění Obecné požadavky: Není-li uvedeno jinak a je-li pro daný přístroj relevantní, je požadováno/platí: napájení jednofázovou soustavou 230 V/50 Hz, zástrčka typu E, příp. třífázová
Vícelaboratorní technologie
22 Srovnání analýzy močového sedimentu pomocí dvou různých technologií: průtoková cytometrie vs. digitální snímání částic M. Pechová ÚVOD: Analýza močového sedimentu má rozhodující význam v diagnostice
VíceKonfokální mikroskop vybavený FLIM modulem pro detekci interakce molekul u živých buněk
Písemná zpráva zadavatele zpracovaná podle ust. 85 zákona č. 137/2006 Sb., o veřejných zakázkách, ve znění pozdějších předpisů Veřejná zakázka na dodávky, ev. č. 527942 zadávaná podle 21 odst. 1 písm.
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
VíceModerní metody rozpoznávání a zpracování obrazových informací 15
Moderní metody rozpoznávání a zpracování obrazových informací 15 Hodnocení transparentních materiálů pomocí vizualizační techniky Vlastimil Hotař, Ondřej Matúšek Katedra sklářských strojů a robotiky Fakulta
VícePSI (Photon Systems Instruments), spol. s r.o. Ústav přístrojové techniky AV ČR, v.v.i.
PSI (Photon Systems Instruments), spol. s r.o. Ústav přístrojové techniky AV ČR, v.v.i. Konstrukce a výroba speciálních optických dielektrických multivrstev pro systémy FluorCam Firma příjemce voucheru
VíceObsah. Princip funkce zařízení Hardware. Fotografie. High-boost filtr Ekvalizace histogramu Adaptabilní prahový filtr
Lokalizace žil pomocí bĺızkého infračerveného záření Martin Šach Fakulta jaderná a fyzikálně inženýrská, České vysoké učení technické v Praze Fyzikální seminář, letní semestr 2016 Obsah Úvod Cíle Zařízení
VíceWhale detection Brainstorming session. Jiří Dutkevič Lenka Kovářová Milan Le
Whale detection Brainstorming session Jiří Dutkevič Lenka Kovářová Milan Le Signal processing, Sampling theorem Spojitý signál může být nahrazen diskrétní posloupností vzorků, aniž by došlo ke ztrátě informace,
VíceOptimalizace zobrazovacího procesu digitální mamografie a změny zkoušek provozní stálosti. Antonín Koutský
Optimalizace zobrazovacího procesu digitální mamografie a změny zkoušek provozní stálosti Antonín Koutský Mamografická rtg zařízení záznam obrazu na film digitální záznam obrazu nepřímá digitalizace (CR)
VíceMikroskopické metody Přednáška č. 3. Základy mikroskopie. Kontrast ve světelném mikroskopu
Mikroskopické metody Přednáška č. 3 Základy mikroskopie Kontrast ve světelném mikroskopu Nízký kontrast biologických objektů Nízký kontrast biologických objektů Metodika přípravy objektů pro světelnou
VíceZvýrazňování řeči pomocí vícekanálového zpracování
Zvýrazňování řeči pomocí vícekanálového zpracování Václav Bolom, Pavel Sovka Katedra teorie obvodů Fakulta elektrotechnická České vysoké učení technické v Praze Technická 2, 66 27 Praha 6 Abstrakt Problém
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
VíceSIFT: Scale Invariant Feature Transform Automatické nalezení korespondencí mezi dvojicí obrázků
SIFT: Scale Invariant Feature Transform Automatické nalezení korespondencí mezi dvojicí obrázků lukas.mach@gmail.com Přílohy (videa, zdrojáky, ) ke stažení na: http://mach.matfyz.cz/sift Korespondence
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
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
VícePraktické cvičení č. 1.
Praktické cvičení č. 1. Cvičení 1. 1. Všeobecné pokyny ke cvičení, zápočtu a zkoušce Bezpečnost práce 2. Mikroskopie - mikroskop a mikroskopická technika - převzetí pracovních pomůcek - pozorování trvalého
VíceMěření dat Filtrace dat, Kalmanův filtr
Měření dat Filtrace dat, Matematické metody pro ITS (11MAMY) Jan Přikryl Ústav aplikované matematiky ČVUT v Praze, Fakulta dopravní 3. přednáška 11MAMY čtvrtek 28. února 2018 verze: 2018-02-28 12:20 Obsah
Více3D KAMERY A TECHNOLOGIE
3D KAMERY A TECHNOLOGIE strojové vidění nás baví Zdeněk Šebestík, ATEsystem s.r.o., 2016 KDO JSME Vznik v roce 2013, spol. s r.o. 5 majitelů, pouze vlastní kapitál Dnes 18 zaměstnanců, 3 ext. spolupracovníci
VíceDetekce neznámých typů mutantů na základě odlišnosti kinetiky fluorescence
Detekce neznámých typů mutantů na základě odlišnosti kinetiky fluorescence Jan Vaněk 1, Radek Tesař 1, Jan Urban 1, Karel Matouš 2 1 Katedra kybernetiky, Fakulta aplikovaných věd, Západočeská univerzita
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,
Víceúč úč ž ů ž Č Č č č ů ž úč č úč ť Ň č ú Ý č č Ú Ú ť ú č ď ů ž š úč ž úč úč ž ť ď ť ď ž ú č č úč š ž Ů č č ú úč ž ů ť úč ž ž ž Ů č ž ú č Š úč č Úč Č Č š ď š Š š Ó Ó ž ůč ú Ď ť ž ů ů č ů Č ů ž úč Ý č ž úč
Víceč ů š ň č č Ú č č č Ú ů Ú č ž ú š š ý č ú ó ó ž č ý ý ý č ž č ý ž ý č ý ž ž č ý ý ý ž ý ý ý ý š ý š ů ů č č ý ž č ý ů š ž ý Ú Ú úč š ů ž ů ů Úč ž č ý č š ý ů č š ý ý ý ů č č ž ů š ů ů š ý ý ů ů č č ž ú
VíceÁ Ě Í Ě Á Á ó č ž č ž č Í š úč é úč š ž č é ů č é č é é ů č ů č č ů é Ž š ů ů š č é Ž č é Ž č Í ž Ž Ž é é Ů é Ř ů ť š é é č é é é š č č é č č č č š č š é č é č ů č č š ú é č é š é Ž Ž é é ú č č é ů č š
VíceCharakterizace koloidních disperzí. Pavel Matějka
Charakterizace koloidních disperzí Pavel Matějka Charakterizace koloidních disperzí 1. Úvod koloidní disperze 2. Spektroskopie kvazielastického rozptylu 1. Princip metody 2. Instrumentace 3. Příklady použití
VíceFluorescenční vyšetření rostlinných surovin. 10. cvičení
Fluorescenční vyšetření rostlinných surovin 10. cvičení Cíl cvičení práce s fluorescenčním mikroskopem detekce vybraných rostlinných surovin Princip nepřímé dvojstupňové IHC s použitím fluorochromu Fluorescenční
VíceTéma: Testy životaschopnosti a Počítání buněk
LRR/BUBV vičení z buněčné biologie Úloha č. 3 Téma: Testy životaschopnosti a Počítání Úvod: Při práci s buňkami je jedním ze základních sledovaných parametrů stanovení jejich životaschopnosti (viability).
VíceNové NIKON centrum excelence pro super-rezoluční mikroskopii v Ústavu molekulární genetiky Akademie věd ČR
Nové NIKON centrum excelence pro super-rezoluční mikroskopii v Ústavu molekulární genetiky Akademie věd ČR Společnost NIKON ve spolupráci s Ústavem molekulární genetiky AV ČR zahájila v úterý 21. ledna
VíceMETODY VYŠETŘOVÁNÍ BUNĚČNÉ IMUNITY. Veřejné zdravotnictví
METODY VYŠETŘOVÁNÍ BUNĚČNÉ IMUNITY Veřejné zdravotnictví METODY VYŠETŘOVÁNÍ BUNĚČNÉ IMUNITY průtoková cytometrie metody stanovení funkční aktivity lymfocytů testy fagocytárních funkcí Průtoková cytometrie
VíceMožnosti podpory plošné inventarizace kontaminovaných míst interpretací multi- a hyperspektrálního snímkování Jana Petruchová Lenka Jirásková
Možnosti podpory plošné inventarizace kontaminovaných míst interpretací multi- a hyperspektrálního snímkování Jana Petruchová Lenka Jirásková Praha 13.6.2012 Multispektrální data cíl ověření vhodnosti
VíceNěkteré poznatky z charakterizace nano železa. Marek Šváb Tereza Nováková Martina Müllerová Jan Šubrt Karel Závěta Eva Gregorová
Některé poznatky z charakterizace nano železa Marek Šváb Tereza Nováková Martina Müllerová Jan Šubrt Karel Závěta Eva Gregorová Nanotechnologie 60. a 70. léta 20. st.: období miniaturizace 90. léta 20.
VíceON-LINE KVANTIFIKACE SINIC V SUROVÉ VODĚ
ON-LINE KVANTIFIKACE SINIC V SUROVÉ VODĚ Mgr. ZLATICA NOVOTNÁ Doc. Ing. BLAHOSLAV MARŠÁLEK, CSc. Ing. MARTIN TRTÍLEK Ing. TOMÁŠ RATAJ CENTRUM PRO CYANOBAKTERIE A JEJICH TOXINY, BÚ AVČR Photon System Instrument,
VíceOptická mikroskopie a spektroskopie nanoobjektů. Nanoindentace. Pavel Matějka
Optická mikroskopie a spektroskopie nanoobjektů Nanoindentace Pavel Matějka Optická mikroskopie a spektroskopie nanoobjektů 1. Optická mikroskopie blízkého pole 1. Princip metody 2. Instrumentace 2. Optická
Vícelní mikroskop LEXT OLS 3100
Moderní technologie ve studiu aplikované fyziky reg. č.: CZ.1.07/2.2.00/07.0018. Laserový rastrovací konfokáln lní mikroskop LEXT OLS 3100 Hana Šebestová Společná laboratoř optiky Univerzity Palackého
VíceKlasická a digitální mikrofotografie Příklad zpracování (= úprav) digitální (mikro)fotografie Příklady analýzy obrazu
Fyziologie rostlin pro pokročilé Zpracování a analýza obrazu Klasická a digitální mikrofotografie Příklad zpracování (= úprav) digitální (mikro)fotografie Příklady analýzy obrazu Mikrofotografie mikroskop
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)
VíceMetoda Live/Dead aneb využití fluorescenční mikroskopie v bioaugmentační praxi. Juraj Grígel Inovativní sanační technologie ve výzkumu a praxi
Metoda Live/Dead aneb využití fluorescenční mikroskopie v bioaugmentační praxi Juraj Grígel Inovativní sanační technologie ve výzkumu a praxi Co je to vlastně ta fluorescence? Některé látky (fluorofory)
VíceFLUORESCENČNÍ MIKROSKOP
FLUORESCENČNÍ MIKROSKOP na gymnáziu Pierra de Coubertina v Táboře Pavla Trčková, kabinet Biologie, GPdC Tábor Co je fluorescence Fluorescence je jev spočívající v tom, že některé látky (fluorofory) po
VíceMIKROSKOPIE JAKO NÁSTROJ STUDIA MIKROORGANISMŮ
Mikroskopické techniky MIKROSKOPIE JAKO NÁSTROJ STUDIA MIKROORGANISMŮ Slouží k vizualizaci mikroorganismů Antoni van Leeuwenhoek (1632-1723) Čočka zvětšující 300x Různé druhy mikroskopů, které se liší
VíceJan Škoda. 29. listopadu 2013
Matematicko-fyzikální fakulta Univerzity Karlovy v Praze 29. listopadu 2013 Náplň přednášky state estimation Naivní přístup KF Matematický model Problém podmínky linearity EKF. & ukázka Co se nedozvíte:
VíceANALÝZA POTLAČOVÁNÍ AKUSTICKÉHO ECHA A DTD DETEKCE V CHYTRÝCH TELEFONECH
ANALÝZA POTLAČOVÁNÍ AKUSTICKÉHO ECHA A DTD DETEKCE V CHYTRÝCH TELEFONECH Jan Klapuch, Petr Pollák České vysoké učení technické v Praze, Fakulta elektrotechnická, K13131 klapujan@fel.cvut.cz, pollak@fel.cvut.cz
Vícepro obory Fyzioterapie a Optometrie jarní semestr 2011
Biosignál pro obory Fyzioterapie a Optometrie MUDr. Jaromír Šrámek Biofyzikální ústav Lékařská fakulta Masarykovy univerzity Brno jarní semestr 2011 MUDr. Jaromír Šrámek (BFÚ LF MU) Biosignál jarní semestr
VíceZpracování signálu z obrazového senzoru s využitím OS Linux pro embedded zařízení
1 / 11 Zpracování signálu z obrazového senzoru s využitím OS Linux pro embedded zařízení Bc. Jan Breuer Vedoucí práce: Ing. Jan Fischer, CSc. České vysoké učení technické v Praze Fakulta elektrotechnická
VíceNEREALISTICKÉ ZOBRAZENÍ
NEREALISTICKÉ ZOBRAZENÍ PGD: Počítačová Grafika Jozef Mlích 1 Úvod Nejčastějším cílem počítačové grafiky je co nejpřesnější zobrazení reálného světa. Metody pro nerealistické zobrazení
VíceMĚŘENÍ MEMBRÁNOVÉHO NAPĚTÍ POMOCÍ NAPĚŤOVĚ CITLIVÝCH BARVIV VE FLUORESCENČNÍ MIKROSKOPII
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT
VíceVYHODNOCOVÁNÍ NANOFILTRŮ VIZUALIZAČNÍMI METODAMI. Darina JAŠÍKOVÁ a, Michal KOTEK b, Petr ŠIDLOF, Jakub HRŮZA, Václav KOPECKÝ
VYHODNOCOVÁNÍ NANOFILTRŮ VIZUALIZAČNÍMI METODAMI Darina JAŠÍKOVÁ a, Michal KOTEK b, Petr ŠIDLOF, Jakub HRŮZA, Václav KOPECKÝ a Technická univerzita v Liberci, Fakulta mechatroniky, Studentská 2, 461 17
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,
VíceMěření a analýza mechanických vlastností materiálů a konstrukcí. 1. Určete moduly pružnosti E z ohybu tyče pro 4 různé materiály
FP 1 Měření a analýza mechanických vlastností materiálů a konstrukcí Úkoly : 1. Určete moduly pružnosti E z ohybu tyče pro 4 různé materiály 2. Určete moduly pružnosti vzorků nepřímo pomocí měření rychlosti
VíceStrojové učení a dolování dat. Vybrané partie dolování dat 2016/17 Jan Šimbera
Strojové učení a dolování dat vgeografii Vybrané partie dolování dat 2016/17 Jan Šimbera simberaj@natur.cuni.cz Kde v geografii? Získávání prostorově podrobných dat Prostorová dezagregace Analýza dat dálkového
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:
VícePozorování Slunce s vysokým rozlišením. Michal Sobotka Astronomický ústav AV ČR, Ondřejov
Pozorování Slunce s vysokým rozlišením Michal Sobotka Astronomický ústav AV ČR, Ondřejov Úvod Na Slunci se důležité děje odehrávají na malých prostorových škálách (desítky až stovky km). Granule mají typickou
VíceLuminiscence. Luminiscence. Fluorescence. emise světla látkou, která je způsobená: světlem (fotoluminiscence) chemicky (chemiluminiscence)
Luminiscence Luminiscence emise světla látkou, která je způsobená: světlem (fotoluminiscence) fluorescence, fosforescence chemicky (chemiluminiscence) teplem (termoluminiscence) zvukem (sonoluminiscence)
VíceElektrické vlastnosti pevných látek
Elektrické vlastnosti pevných látek elektrická vodivost gradient vnějšího elektrického pole vyvolá přenos náboje volnými nositeli (elektrony, díry, ionty) měrná vodivost = e n n e p p [ -1 m -1 ] Kovy
Více