Výsledky = = width height 3 width height R + G + B ( )
|
|
- Adam Toman
- před 7 lety
- Počet zobrazení:
Transkript
1 Půltónování a chybová difůze Třetí fáze při redukci počtu barev mají na starosti algoritmy, které obdrží Truecolor bitmapu a paletu, přičemž na výstupu je bitmapa v indexovaném barevném formátu. Úkolem je přiřadit každému pixelu index palety tak, aby výsledný optický dojem byl co nejlepší. Nejbližší soused Nejjednodušší způsob, jak natáhnout paletu na vstupní bitmapu, je prostě každému pixelu přiřadit tu nejpodobnější barvu, jaká je v paletě obsažena. Konečný výstupní obrázek má potom skutečně minimální odchylku od původního. Metoda nejbližšího souseda má u konverze do monochromatických bitmap obdobu metody pevného prahu (fixed treshold), která se velmi snadno implementuje. Vstupní pixely mají různou intenzitu (stupeň šedi), která je obvykle v rozsahu hodnot Pro převod zvolíme určitou hodnotu v tomto intervalu (práh), podle které se bude řídit přiřazení buď černé, nebo bílé barvy. Práh lze sice počítat podle různých kritérií (varianční práh, entropický práh), ale pro jednoduchost stačí zvolit střední hodnotu, tedy aritmetický průměr minimální a maximální intenzity pixelu: T = = 127,5 2 Všechny pixely, které mají intenzitu menší než T budou nastaveny jako černé, ostatní jako bílé. U plnobarevných bitmap je problém trochu složitější. Existují různé implementace. Například se pro každý pixel projde celá paleta a spočítá se barevná odchylka pixelu a položky palety podle vztahu: = R R + G G + B B Tato implementace je však časově velmi náročná, protože pro každý pixel musí spočítat odchylku tolikrát, kolik položek má paleta. Ačkoliv by bylo možné tento problém zredukovat například setříděním palety, je výhodné použít oktalové stromy (viz kap. Datové struktury v počítačové grafice). Ve stromu je pro determinování přesné barvy potřeba pouze osm kroků, takže pokud jsou všechny barvy palety umístěny ve stromu, nemusejí se při průchodu obrázkem počítat odchylky, stačí vždy pouze několik operací porovnání. Výsledky algoritmus Nearest neighbor, zleva: černá a bílá, 256 barev Metoda náhodného rozptylu Ačkoliv rozptylovací (rozmývací) metody přidávají do obrázku určitou chybu, pro náš zrakový systém odhalují v obrázku detaily, které u prostého přiřazování nejbližší barvy zanikají. Důvodem použití těchto metod je schopnost představit si neexistující barvu smíšením barev sousedních pixelů, dokonce i u černobílé bitmapy (řidší rozptyl bílých pixelů znamená tmavší barvu, než když jsou hustěji u sebe). Tato primitivní, ale dobře fungující metoda, přičte ke každému pixelu náhodnou chybu (resp. k hodnotě každé barevné složky přičte stejnou chybu). Chyba je zde náhodné číslo, které může nabývat kladných i záporných hodnot. V příkladu je použita chyba v intervalu 63,63. Posunuté hodnoty původních pixelů je třeba zarovnat do intervalu 0, 255. K posunutým hodnotám se přiřazují barvy palety metodou nejbližšího souseda (což platí u všech rozptylovacích algoritmů).
2 Metoda náhodného rozptylu při konverzi do monochromatických bitmap může fungovat stejně, jako metoda prahování, přičemž hodnota prahu náhodně osciluje kolem střední hodnoty. Čím větší vzdálenost prahu od střední hodnoty, tím více šumu je do obrázku vneseno. Nevýhodou této metody jsou artefakty, které vznikají podle použitého generátoru náhodných čísel. Tato metoda je vhodná u rozostřených obrázků, případně obrázků, kde není kladen důraz na drobné detaily. Výhoda náhodného rozptylu je v dobré reprezentaci ploch a přechodů, kde u jiných metod vznikají opakující se vzory. Výsledky Random dithering algoritmus, zleva: černá a bílá, 256 barev Prahování pomocí matic Pro prahování (tresholding) existuje třída algoritmů, u nichž je práh předem určen podle matice, která má obvykle čtvercové rozměry. Tyto algoritmy slouží obvykle k převodu do černobílých bitmap. Při procházení obrázku je vždy potřeba zjistit aktuální pozici v matici. Pokud je šířka a výška matice dána hodnotami width a height, pozice pixelu souřadnicemi x, y; pak pozice v matici se spočítá jako: x = x mod width y = y mod height Jsou-li rozměry matice např. 3x3, pak matice obsahuje hodnoty 1-9. Intenzitu pixelu je třeba přesunout do tohoto intervalu, aby bylo možné určit, zda se nachází nad nebo pod prahovou hodnotou. Podle toho se pak pixel nastaví na černý nebo bílý. Intenzita pixelu se potom z barvy určí podle vztahu: I R + G + B width height 3 width height R + G + B = = ( ) Tato hodnota se potom porovnává s hodnotou v matici na pozici, která je určena vztahem výše. Podle výsledku porovnání (je menší / je větší) se nastaví výsledný pixel na černý / bílý. Čím větší matici použijeme, tím jemnější bude výstupní bitmapa. Nejlepšího výstupu bychom dosáhli s maticí o velikost 16x16, protože ta by obsahovala 256 prahů. Vyšší jemnost už není potřeba, avšak v praxi se používají menši matice. Nejmenší použitelná matice má velikost 2x2:
3 Výstupní obrázek při použití matice 2x2 Existuje rekurzivní postup, kterým lze odvodit i větší matice: výsledný obrázek při použití matice 4x výsledný obrázek při použití matice 8x8
4 Existují další typy matic, kde jsou body buď rozptýlené, nebo shluknuté (novinový tisk): shluková matice (3x3) shluková matice (5x5) disperzní matice (3x3)
5 disperzní matice (4x4) Distribuce chyby Ačkoliv je tato metoda nejpomalejší z výše uvedených, patří k nejpoužívanějším metodám. U prahování pomocí matic je v obrázku příliš výrazná textura, u náhodného rozptylu zase nemáme žádnou záruku dobrého výsledku v detailech. Algoritmus distribuce chyby (chybové difúze, dithering) je poměrně jednoduchý na implementaci. Pro každý pixel vstupního obrázku se najde v paletě nejbližší barva a určí se chyby, tj. rozdíly mezi hodnotami na jednotlivých barevných složkách (event. jedné složce, pokud pracujeme např. ve stupních šedi). Záměrně nepoužívám pro termín odchylka, protože hodnota chyby může být i záporná. Platí [ _ ] chyba = barva paleta nejlepší barva. Pozor ovšem na záměnu menšence a menšitele. U odchylky mohou být zaměněny, ale v tomto případě nikdy. Pixel nejbližší barvy můžeme poslat na výstup. Předtím, než načteme ze vstupu další bod, provedeme ve vstupním obrázku změny. K pixelům v nejbližším okolí, které se budou číst později (tj. vlevo a níže od aktuální pozice), se přičtě zlomek vypočítané chyby. Jakou frakci chyby se přičíst na kterou pozici určuje diagram podobný matici (viz níže). V tomto diagramu je hvězdičkou označen aktuální bod a kolem něj počty částí chyby, která se rozprostře na odpovídající pozice. Jak velká je tato část, udává zlomek vpravo dole. Filtr Floyd-Steinberg (1975) * Dejme tomu, že hodnota vstupního pixelu je 173 a k němu nejbližší hodnota je 182. Pixel s hodnotou 182 se pošle na výstup a vypočítá se chyba, která bude =-9. Ve vstupním obrázku přičteme k hodnotě pixelu o jedna vpravo 7/16 chyby, tedy (-7).(7/16)=-49/16-3. Pixel vpravo má hodnotu 25, po přičtení chyby bude mít 25-3=22. Musíme dát pozor, aby byla hodnota pixelu po přičtení ve povoleném intervalu hodnot. Tedy pokud je záporná, stanovíme ji rovnu 0, pokud bude větší než 255, stanovíme ji rovnu 255. Stejné přičtení chyby se provede v pixelu vlevo dole, dole a vpravo dole. Filtr je tedy předpis, který říká, jak bude chyba rozložena do okolních pixelů. Obecně platí, že čím dál filtr zasahuje, tím kvalitnější bude výsledek. Často ale záleží na subjektivním dojmu, protože každý filtr vykazuje v homogenních oblastech charakteristický vzorek. Filtr Floyda a Steinberga byl výsledkem jejich výzkumu v roce 1975 a je to jakýsi standardní filtr, obecně nejpoužívanější.
6 filtr Floyd-Steinberg Filtr false Floyd-Steinberg Někdy se v literatuře a na webu tento filtr mylně zmiňuje jako Floyd-Steinbergův, proto přídomek false. Vzhledem k nedostatečné distribuci chyby produkuje filtr až příliš viditelné artefakty; nouzově se však dá eventuálně použít v časově kritických aplikacích. * Filtr Jarvis-Judice-Ninke (1976) filtr false Floyd-Steinberg Tento filtr vyniká dobrým rozložením chyby. Musí se určovat pouhá 1/48 chyby, protože ta se nakumuluje v pixelech, ke kterým bude chyba přičítána vícekrát, právě díky rozsáhlosti filtru. * Filtr Stucki (1977) filtr Jarvis-Judice-Ninke
7 O rok později vydal P. Stucki tento filtr jako přepracování filtru Jarvise, Judice a Ninkeho. Výstup by měl být poněkud čistší a ostřejší. * Filtr Burkes (1988) filtr Stucki D. Burkes později přepracoval filtr Stucki, což mělo vést ke snížení výpočetní náročnosti jeho implementace. Snaha byla místo dělení používat více bitových posunů a tím filtrování výrazně urychlit. Důležitá byla tedy změna dělitele, jinak co se týče distribuce chyby, byl pouze odstraněn poslední řádek filtru Stucki. * Filtry Sierra (1989) filtr Burkes Nejpozději vyvinutá rodina filtrů F. Sierry přináší lepší výsledky, než původní filtr Floyd-Steinberg. Tři verze těchto filtrů se liší velikostí a tím i náročností. Je možné z nich vybrat podle požadovaného výkonu a tím zvýšit škálovatelnost aplikace používající rozptylování. *
8 filtr Sierra 2-4A ( Lite ) * filtr Sierra 2 * filtr Sierra 3
Monochromatické zobrazování
Monochromatické zobrazování 1995-2015 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Mono 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 27 Vnímání šedých odstínů
Více12 Metody snižování barevného prostoru
12 Metody snižování barevného prostoru Studijní cíl Tento blok je věnován základním metodám pro snižování barevného rozsahu pro rastrové obrázky. Postupně zde jsou vysvětleny důvody k použití těchto algoritmů
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
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
Vícescale n_width width center scale left center range right center range value weight_sum left right weight value weight value weight_sum weight pixel
Změna velikosti obrázku Převzorkování pomocí filtrů Ačkoliv jsou výše uvedené metody mnohdy dostačující pro běžné aplikace, občas je zapotřebí dosáhnout lepších výsledků. Pokud chceme obrázky zvětšovat
VícePRINCIPY POČÍTAČOVÉ GRAFIKY metodický list č. 1
metodický list č. 1 Barvy v počítačové grafice Základním cílem tohoto tematického celku je seznámení se základními reprezentacemi barev a barevnými modely. 1. Reprezentace barev v počítačové grafice 2.
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
VíceAlgoritmizace prostorových úloh
INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Algoritmizace prostorových úloh Úlohy nad rastrovými daty Daniela
VíceData v počítači. Informační data. Logické hodnoty. Znakové hodnoty
Data v počítači Informační data (elementární datové typy) Logické hodnoty Znaky Čísla v pevné řádové čárce (celá čísla) v pohyblivé (plovoucí) řád. čárce (reálná čísla) Povelová data (instrukce programu)
VíceProgramátorská dokumentace
Programátorská dokumentace Požadavky Cílem tohoto programu bylo představit barevné systémy, zejména převody mezi nejpoužívanějšími z nich. Zároveň bylo úkolem naprogramovat jejich demonstraci. Pro realizaci
VíceWebové stránky. 16. Obrázky na webových stránkách, optimalizace GIF. Datum vytvoření: 12. 1. 2013. str ánk y. Vytvořil: Petr Lerch. www.isspolygr.
Webové stránky 16. Vytvořil: Petr Lerch www.isspolygr.cz Datum vytvoření: 12. 1. 2013 Webové Strana: 1/6 Škola Ročník Název projektu Číslo projektu Číslo a název šablony Autor Tématická oblast Název DUM
VíceStátnice odborné č. 20
Státnice odborné č. 20 Shlukování dat Shlukování dat. Metoda k-středů, hierarchické (aglomerativní) shlukování, Kohonenova mapa SOM Shlukování dat Shluková analýza je snaha o seskupení objektů do skupin
VíceBarevné formáty. Neindexované barevné formáty. zleva: 15 bpp, 12 bpp. zleva: 9 bpp (3-3-3), 8 bpp (3-3-2)
Barevné formáty Neindexované arevné formáty zleva: 15 pp, 12 pp zleva: 9 pp (3-3-3), 8 pp (3-3-2) zleva: 7 pp (2-3-2), 6 pp (2-2-2) zleva: 5 pp (2-2-1), 4 pp (1-2-1) 3 pp (1-1-1) srovnání použití koeficientu
VíceČíselné soustavy v mikroprocesorové technice Mikroprocesorová technika a embedded systémy
Ústav radioelektroniky Vysoké učení technické v Brně Číselné soustavy v mikroprocesorové technice Mikroprocesorová technika a embedded systémy Přednáška 8 doc. Ing. Tomáš Frýza, Ph.D. listopad 2012 Obsah
VíceRasterizace je proces při kterém se vektorově definovaná grafika konvertuje na. x 2 x 1
Kapitola 4 Rasterizace objektů Rasterizace je proces při kterém se vektorově definovaná grafika konvertuje na rastrově definované obrazy. Při zobrazení reálného modelu ve světových souřadnicích na výstupní
VíceAlgoritmy výpočetní geometrie
Algoritmy výpočetní geometrie prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy (BI-EFA)
VíceÚpravy rastrového obrazu
Přednáška 11 Úpravy rastrového obrazu Geometrické trasformace Pro geometrické transformace rastrového obrazu se používá mapování dopředné prochází se pixely původního rastru a určuje se barva a poloha
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV TELEKOMUNIKACÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT OF TELECOMMUNICATIONS
VíceIVT. Rastrová grafika. 8. ročník
IVT Rastrová grafika 8. ročník listopad, prosinec 2013 Autor: Mgr. Dana Kaprálová Zpracováno v rámci projektu Krok za krokem na ZŠ Želatovská ve 21. století registrační číslo projektu: CZ.1.07/1.4.00/21.3443
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
VíceBarvy a barevné modely. Počítačová grafika
Barvy a barevné modely Počítačová grafika Barvy Barva základní atribut pro definici obrazu u každého bodu, křivky či výplně se definuje barva v rastrové i vektorové grafice všechny barvy, se kterými počítač
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
VíceStyly odstavců. Word 2010. Přiřazení stylu odstavce odstavci. Změna stylu odstavce
Styly odstavců V textu, který přesahuje několik stránek a je nějakým způsobem strukturovaný (což znamená, že se dá rozdělit na části (v knize jim říkáme kapitoly) a jejich podřízené části (podkapitoly),
VíceZáklady algoritmizace. Pattern matching
Základy algoritmizace Pattern matching 1 Pattern matching Úloha nalézt v nějakém textu výskyty zadaných textových vzorků patří v počítačové praxi k nejfrekventovanějším. Algoritmy, které ji řeší se používají
VíceBarvy v počítačové grafice
arvy v počítačové grafice 2. přednáška předmětu Zpracování obrazů Martina Mudrová 24 arvy v počítačové grafice o je barva? světlo = elmg. vlnění v rozsahu 4,3. 4-7,5. 4 Hz viditelná č ást spektra rentgenové
VíceBarvy v počítačové grafice
arvy v počítačové grafice 2. přednáška předmětu Zpracování obrazů Martina Mudrová 2004 arvy v počítačové grafice Co je barva? světlo = elmg. vlnění v rozsahu 4,3.10 14-7,5.10 14 Hz rentgenové zář ení zář
VícePOKROČILÉ METODY DITHERINGU BAREVNÝCH OBRAZŮ, REDUKCE BAREVNÉHO PROSTORU NA N-PRVKOVOU PALETU
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÉ GRAFIKY A MULTIMÉDIÍ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER GRAPHICS AND
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
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
VíceINVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka
Příklady použití tenkých vrstev Jaromír Křepelka Příklad 01 Spočtěte odrazivost prostého rozhraní dvou izotropních homogenních materiálů s indexy lomu n 0 = 1 a n 1 = 1,52 v závislosti na úhlu dopadu pro
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
VíceKVADRATICKÁ FUNKCE URČENÍ KVADRATICKÉ FUNKCE Z PŘEDPISU FUNKCE
KVADRATICKÁ FUNKCE URČENÍ KVADRATICKÉ FUNKCE Z PŘEDPISU FUNKCE Slovo kvadrát vzniklo z latinského slova quadratus které znamená: čtyřhranný, čtvercový. Obsah čtverce se vypočítá, jako druhá mocnina délky
VíceDatové struktury 2: Rozptylovací tabulky
Datové struktury 2: Rozptylovací tabulky prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy
VícePJC Cvičení #2. Číselné soustavy a binární reprezentace proměnných
PJC Cvičení #2 Číselné soustavy a binární reprezentace proměnných Číselné soustavy Desítková (decimální) kdo nezná, tak...!!! Dvojková (binární) - nejjednodušší Šestnáctková (hexadecimální) - nejpoužívanější
VíceIntervalové 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
VíceJak v Javě primitivní datové typy a jejich reprezentace. BD6B36PJV 002 Fakulta elektrotechnická České vysoké učení technické
Jak v Javě primitivní datové typy a jejich reprezentace BD6B36PJV 002 Fakulta elektrotechnická České vysoké učení technické Obsah Celočíselný datový typ Reálný datový typ Logický datový typ, typ Boolean
VíceExcel - pokračování. Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu
Excel - pokračování Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu Př. Analýza prodeje CD základní jednoduché vzorce karta Domů Př. Skoky do dálky - funkce
VíceAlgoritmy pro shlukování prostorových dat
Algoritmy pro shlukování prostorových dat Marta Žambochová Katedra matematiky a informatiky Fakulta sociálně ekonomická Univerzita J. E. Purkyně v Ústí nad Labem ROBUST 21. 26. leden 2018 Rybník - Hostouň
VíceAlgoritmizace a programování
Algoritmizace a programování Výrazy Operátory Výrazy Verze pro akademický rok 2012/2013 1 Operace, operátory Unární jeden operand, operátor se zapisuje ve většině případů před operand, v některých případech
VícePopisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
VíceSemestrální práce Mozaika aneb Co všechno umí pan Voronoi
Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky Semestrální práce Mozaika aneb Co všechno umí pan Voronoi Plzeň, 2008 Aubrecht Vladimír Obsah 1 Zadání...
VíceNáplň. v.0.03 16.02.2014. - Jednoduché příklady na práci s poli v C - Vlastnosti třídění - Způsoby (algoritmy) třídění
Náplň v.0.03 16.02.2014 - Jednoduché příklady na práci s poli v C - Vlastnosti třídění - Způsoby (algoritmy) třídění Spojení dvou samostatně setříděných polí void Spoj(double apole1[], int adelka1, double
VíceDělení. INP 2008 FIT VUT v Brně
ělení INP 28 FIT VUT v Brně ělení čísel s pevnou řádovou čárkou Nejdříve se budeme zabývat dělením čísel s pevnou řádovou čárkou bez znaménka. Pro jednotlivé činitele operace dělení zavedeme symboly d
VíceProhledávání do šířky = algoritmus vlny
Prohledávání do šířky = algoritmus vlny - souběžně zkoušet všechny možné varianty pokračování výpočtu, dokud nenajdeme řešení úlohy průchod stromem všech možných cest výpočtu do šířky, po vrstvách (v každé
VíceVyhledávací a databázové funkce v MS Excel 2007. Martin Tůma
1 Úvod Vyhledávací a databázové funkce v MS Excel 2007 Martin Tůma Cílem této seminární práce je stručně vysvětlit princip a syntaxi vyhledávacích a databázových funkcí v aplikaci MS Excel 2007 a na praktických
VíceKategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1
Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze
VíceRastrový obraz Barevný prostor a paleta Zmenšení barevného prostoru Základní rastrové formáty
Přednáška Rastrový obraz Barevný prostor a paleta Zmenšení barevného prostoru Základní rastrové formáty etody zmenšení barevného prostoru. Cíl: snížení počtu barev etody: rozptylování, půltónování, prahování,
VíceStatSoft Jak vyzrát na datum
StatSoft Jak vyzrát na datum Tento článek se věnuje podrobně možnostem práce s proměnnými, které jsou ve formě datumu. A že jich není málo. Pokud potřebujete pracovat s datumem, pak se Vám bude tento článek
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
VíceZPRACOVÁNÍ DAT DÁLKOVÉHO PRŮZKUMU
A - zdroj záření B - záření v atmosféře C - interakce s objektem D - změření záření přístrojem E - přenos, příjem dat F - zpracování dat G - využití informace v aplikaci Typ informace získávaný DPZ - vnitřní
VíceDokumentace k semestrální práci z předmětu PT
Dokumentace k semestrální práci z předmětu PT Vypracovali: Eva Turnerová (A08B0176P) Martin Dlouhý (A08B0268P) Zadání Zadání: Firma Mistr Paleta, syn a vnuci rozváží palety po celé České republice. Počet
VíceMgr. Tomáš Kotler. I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17
Mgr. Tomáš Kotler I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 Na bájný zikkurat tvaru komolého kolmého jehlanu s větší podstavou u země vede
Vícekamerou. Dle optických parametrů objektivu mohou v získaném obraze nastat geometrická
Odstranění geometrických zkreslení obrazu Vstupní obraz pro naše úlohy získáváme pomocí optické soustavy tvořené objektivem a kamerou. Dle optických parametrů objektivu mohou v získaném obraze nastat geometrická
VíceZdroj: http://www.root.cz/clanky/pravda-a-myty-o-gifu/
Zdroj: http://www.root.cz/clanky/pravda-a-myty-o-gifu/ Bitmapový formát (rastrový obrázek) Většina z používaných grafických formátů (JPEG, PNG, TGA, BMP) obsahuje popis rastrového obrázku jako celku ukládají
VíceProfilování vzorků heroinu s využitím vícerozměrné statistické analýzy
Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Autor práce : RNDr. Ivo Beroun,CSc. Vedoucí práce: prof. RNDr. Milan Meloun, DrSc. PROFILOVÁNÍ Profilování = klasifikace a rozlišování
VícePočítačová grafika SZŠ A VOŠZ MERHAUTOVA 15, BRNO
Počítačová grafika SZŠ A VOŠZ MERHAUTOVA 15, BRNO 1 Základní dělení 3D grafika 2D grafika vektorová rastrová grafika 2/29 Vektorová grafika Jednotlivé objekty jsou tvořeny křivkami Využití: tvorba diagramů,
VíceCharakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
VíceBarvy v počítačové grafice
Barvy v počítačové grafice KAPITOLA 4 V této kapitole: Reprezentace barev v počítači Barevné prostory Barvy na periferiích počítače Barvy a design webových stránek Počítačová grafika je velmi široký pojem
VíceSvětlo jako elektromagnetické záření
Světlo jako elektromagnetické záření Základní pojmy: Homogenní prostředí prostředí, jehož dané vlastnosti jsou ve všech místech v prostředí stejné. Izotropní prostředí prostředí, jehož dané vlastnosti
VíceCZ.1.07/1.5.00/34.0378 Zefektivnění výuky prostřednictvím ICT technologií III/2 - Inovace a zkvalitnění výuky prostřednictvím ICT
Autor Jakub Dostál Tematický celek Základy práce v Adobe Photoshop Cílová skupina Žáci 3. ročníku oboru Fotograf Anotace Materiál má podobu prezentace, v níž je pomocí obrázků ukázáno, co vše lze nastavit
VíceExcel tabulkový procesor
Pozice aktivní buňky Excel tabulkový procesor Označená aktivní buňka Řádek vzorců zobrazuje úplný a skutečný obsah buňky Typ buňky řetězec, číslo, vzorec, datum Oprava obsahu buňky F2 nebo v řádku vzorců,
Více8. přednáška z předmětu GIS1 Rastrový datový model a mapová algebra
8. přednáška z předmětu GIS1 Rastrový datový model a mapová algebra Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Pro přednášku byly použity texty a obrázky z www.gis.zcu.cz Předmět KMA/UGI,
VíceZákladní jednotky používané ve výpočetní technice
Základní jednotky používané ve výpočetní technice Nejmenší jednotkou informace je bit [b], který může nabývat pouze dvou hodnot 1/0 (ano/ne, true/false). Tato jednotka není dostatečná pro praktické použití,
VíceMatematické modelování dopravního proudu
Matematické modelování dopravního proudu Ondřej Lanč, Alena Girglová, Kateřina Papežová, Lucie Obšilová Gymnázium Otokara Březiny a SOŠ Telč lancondrej@centrum.cz Abstrakt: Cílem projektu bylo seznámení
VíceSTATISTICKÉ CHARAKTERISTIKY
STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
VícePráce na počítači. Bc. Veronika Tomsová
Práce na počítači Bc. Veronika Tomsová Barvy Barvy v počítačové grafice I. nejčastější reprezentace barev: 1-bitová informace rozlišující černou a bílou barvu 0... bílá, 1... černá 8-bitové číslo určující
VíceÚvod do počítačové grafiky
Úvod do počítačové grafiky elmag. záření s určitou vlnovou délkou dopadající na sítnici našeho oka vnímáme jako barvu v rámci viditelné části spektra je člověk schopen rozlišit přibližně 10 milionů barev
Více1 Základní funkce pro zpracování obrazových dat
1 Základní funkce pro zpracování obrazových dat 1.1 Teoretický rozbor 1.1.1 Úvod do zpracování obrazu v MATLABu MATLAB je primárně určen pro zpracování a analýzu numerických dat. Pro analýzu obrazových
Vícevyhledávací stromové struktury
0.05.0 vyhledávací algoritmy Brute Force, Binary Search, Interpolation Search indexové soubory Dense index, Sparse index, Multilevel index transformační funkce Perfect Hash Close Hash Table Open Hash Table
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním
VíceNÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:
NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného
VíceVÝUKOVÝ PROGRAM PRO DEMONSTRACI PRINCIPU BAREV A BAREVNÝCH MODELŮ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÉ GRAFIKY A MULTIMÉDIÍ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER GRAPHICS AND
Víceztrátová odstraňuje zbytečné informace z obrazu. Různé druhy ztrátových kompresních metod se liší podle druhu odstraněných zbytečných informací.
Základní rozdělení Obecně každá ztrátová kompresní metoda je založena na odstraňování nadbytečných dat. Rozdělení kompresních metod obrazu: neztrátová -např. hledá delší sekvence stejných prvků nebo statisticky
VíceZáklady popisné statistiky
Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2
VíceKontingenční tabulky v MS Excel 2010
Kontingenční tabulky v MS Excel 2010 Autor: RNDr. Milan Myšák e-mail: milan.mysak@konero.cz Obsah 1 Vytvoření KT... 3 1.1 Data pro KT... 3 1.2 Tvorba KT... 3 2 Tvorba KT z dalších zdrojů dat... 5 2.1 Data
VíceVY_32_INOVACE_INF.10. Grafika v IT
VY_32_INOVACE_INF.10 Grafika v IT Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Jiří Kalous Základní a mateřská škola Bělá nad Radbuzou, 2011 GRAFIKA Grafika ve smyslu umělecké grafiky
VíceMikroprocesorová technika (BMPT)
Mikroprocesorová technika (BMPT) Přednáška č. 10 Číselné soustavy v mikroprocesorové technice Ing. Tomáš Frýza, Ph.D. Obsah přednášky Číselné soustavy v mikroprocesorové technice Dekadická, binární, hexadecimální
VíceModerní metody substitučního šifrování
PEF MZLU v Brně 11. listopadu 2010 Úvod V současné době se pro bezpečnou komunikaci používají elektronická média. Zprávy se před šifrováním převádí do tvaru zpracovatelného technickým vybavením, do binární
Více9 Prostorová grafika a modelování těles
9 Prostorová grafika a modelování těles Studijní cíl Tento blok je věnován základům 3D grafiky. Jedná se především o vysvětlení principů vytváření modelů 3D objektů, jejich reprezentace v paměti počítače.
VíceAlgoritmus pro hledání nejkratší cesty orientovaným grafem
1.1 Úvod Algoritmus pro hledání nejkratší cesty orientovaným grafem Naprogramoval jsem v Matlabu funkci, která dokáže určit nejkratší cestu v orientovaném grafu mezi libovolnými dvěma vrcholy. Nastudoval
Více. je zlomkem. Ten je smysluplný pro jakýkoli jmenovatel různý od nuly. Musí tedy platit = 0
Příklad 1 Určete definiční obor funkce: a) = b) = c) = d) = e) = 9 f) = Řešení 1a Máme určit definiční obor funkce =. Výraz je zlomkem. Ten je smysluplný pro jakýkoli jmenovatel různý od nuly. Musí tedy
VícePočítačová 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
VíceSTATISTICA Téma 7. Testy na základě více než 2 výběrů
STATISTICA Téma 7. Testy na základě více než 2 výběrů 1) Test na homoskedasticitu Nalezneme jej v několika submenu. Omezme se na submenu Základní statistiky a tabulky základního menu Statistika. V něm
VíceČíselné charakteristiky a jejich výpočet
Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VíceNáhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
Více1. Vektorové algoritmy jejich výstupem je soubor geometrických prvků, např.
Kapitola 5 Řešení viditelnosti Řešit viditelnost ve scéně umí většina grafických programů. Cílem je určit ty objekty, resp. jejich části, které jsou viditelné z určitého místa. Tyto algoritmy jsou vždy
VíceStruktura a architektura počítačů (BI-SAP) 5
Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Struktura a architektura počítačů (BI-SAP) 5 doc. Ing. Hana Kubátová, CSc. Katedra číslicového návrhu Fakulta informačních technologii
VíceAnti Aliasing. Ondřej Burkert. atrey.karlin.mff.cuni.cz/~ondra/ ~ondra/stranka
Anti Aliasing Ondřej Burkert atrey.karlin.mff.cuni.cz/~ondra/ ~ondra/stranka Úvod Co je to anti - aliasing? Aliasing = vznik artefaktů v důsledku podvzorkování při vzorkování (sampling) obrazu podvzorkování
VíceZŠ ÚnO, Bratří Čapků 1332
Úvodní obrazovka Menu Návrat na hlavní stránku Obsah Výsledky Poznámky Záložky edunet Konec Matematika 1 (pro 9-12 let) LangMaster Obsah (střední část) výběr tématu - dvojklikem v seznamu témat (horní
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
VíceZákladní principy zobrazení čísla Celá čísla s pevnou řádovou čárkou Zobrazení reálných čísel Aritmetika s binárními čísly
Počítačové systémy Zobrazení čísel v počítači Miroslav Flídr Počítačové systémy LS 2007-1/21- Západočeská univerzita v Plzni Vážený poziční kód Obecný předpis čísla vyjádřeného v pozičním systému: C =
VíceNastavení zabezpečení
Nastavení zabezpečení E S O 9 i n t e r n a t i o n a l a. s. U M l ý n a 2 2 1 4 1 0 0, P r a h a Strana 1 (celkem 8) ESO9 Správce... 3 Vlastnosti... 3 Zabezpečení... 3 Hesla... 3 Aplikace ESO9... 3 Uživatelé
VíceTERMINOLOGIE ... NAMĚŘENÁ DATA. Radek Mareček PŘEDZPRACOVÁNÍ DAT. funkční skeny
PŘEDZPRACOVÁNÍ DAT Radek Mareček TERMINOLOGIE Session soubor skenů nasnímaných během jednoho běhu stimulačního paradigmatu (řádově desítky až stovky skenů) Sken jeden nasnímaný objem... Voxel elementární
VíceProjekt Obrázek strana 135
Projekt Obrázek strana 135 14. Projekt Obrázek 14.1. Základní popis, zadání úkolu Pracujeme na projektu Obrázek, který je ke stažení na http://java.vse.cz/. Po otevření v BlueJ vytvoříme instanci třídy
VíceGEODETICKÉ VÝPOČTY I.
SPŠS Č.Budějovice Obor Geodézie a Katastr nemovitostí 2.ročník GEODETICKÉ VÝPOČTY I. Ing. Jana Marešová, Ph.D. rok 2018-2019 V případě pokud chceme upravit (narovnat přímkou) lomenou hranici při nezměněných
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
VíceJednofaktorová analýza rozptylu
I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých
VíceDefinice 7.2. Nejmenší přirozené číslo k, pro které je graf G k-obarvitelný, se nazývá chromatické číslo (barevnost) grafu G a značí se χ(g).
7 Barevnost grafu Definice 71 Graf G se nazývá k-obarvitelný, jestliže každému jeho uzlu lze přiřadit jednu z barev 1 k tak, že žádné dva sousední uzly nemají stejnou barvu Definice 72 Nejmenší přirozené
VíceSEMESTRÁLNÍ PRÁCE Z X37SAS Zadání č. 7
SEMESTRÁLNÍ PRÁCE Z X37SAS Zadání č. 7 Daniel Tureček St-lichý týden, 9:15 Zadání Určete periodu signálu s(k), určete stejnosměrnou složku, výkon, autokorelační funkci. Záznam signálu je v souboru persig2.
Více