VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství Ústav matematiky

Rozměr: px
Začít zobrazení ze stránky:

Download "VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství Ústav matematiky"

Transkript

1 VYSOKÉ UČENÍ TEHNIKÉ V BRNĚ aulta strojího žeýrství Ústav matematy PaedDr. Dalbor Martše, Ph.D. TEHNIKÉ APLIKAE DIGITÁLNÍ GEOMETRIE TEHNIAL APPLIATIONS O DIGITAL GEOMETRY ZKRÁENÁ VERZE HABILITAČNÍ PRÁE BRNO 2003

2 KLÍČOVÁ SLOVA počítačová grafa, počítačová geometre, dgtálí geometre, dgtálí prostor, dgtálí objet, fyzcá doméa, logcá doméa, mapováí, valuace, řva, graf řvy, prostor RGB, prostor IE, dgtálí fltr, metody stíováí, ovečí mrosop, ofoálí mrosop, optcý řez, rtera zaostřeí, 2 D reostruce, 3 D reostruce KEYWORDS computer graphcs, computer geometry, dgtal geometry, dgtal space, dgtal object, physcal doma, logcal doma, mappg, valuato, curve, graph of curve, RGB space, IE space, dgtal flter, shadg methods, covetoal mcroscope, cofocal mcroscope, optcal cut, focussg crtera, 2 D reostructo, 3 D reostructo Práce je uložea a Ústavu matematy aulty strojího žeýrství VUT v Brě Dalbor Martše, 2003 ISBN ISSN 23-48X

3 Obsah urrculum vtae...4 Úvod...5 Matematcé prostory Dgtálí prostor Defce dgtálího prostoru yzcá doméa, fyzcý prostor Logcá doméa, logcý prostor, mapováí Metry dgtálího prostoru Valuace a dgtálí objety Kostruce dgtálích objetů Křva defce a záladí pojmy Úseča yzcé grafy parametrcy zadaých řve Křvy zadaé rovcí f( x, y ) = Plochy určeé rovcí f( x, y, z ) = Měřeí Hausdorffovy dmeze dgtálích objetů Dgtálí teore barev Zdroj světla Pozorovaý předmět Pozorovatel Barevý prostor RGB Barevý prostor IE Metry barevých prostorů Barevé palety Dgtálí fltry Obraz ltrováí obrazů Pojem a aplace D fltru Modelováí optcých jevů Stíováí ploch metodou evdstatí dstrbuce ormál Rastrové texturováí Odraz světla Lom světla a jeho průchod absorbujícím prostředím Dgtálí teore símacích zařízeí a její aplace Čoča a mrosop Hrace možostí optcých soustav Pásmo ostrost, multfoálí obraz Krtera zaostřeí Složeí ostrého obrazu Trojrozměré reostruce Zpracováí trasparetích optcých řezů...27 Závěr...27 Abstract

4 Dalbor Martše Naroze : 29. věta 956 v Hodoíě Trvalé bydlště : Čechova 463, Šlapace Záladí šola : , doočea v Brě. Středí šola : : gymázum Lerchova 63, Bro s vyzameáím Vysoá šola : : Pedagogcá faulta, UJEP Bro (deší Masaryova uverzta Bro) s vyzameáím Přírodovědecá faulta UJEP Bro (deší Masaryova uverzta Bro) revalfačí studum s vyzameáím Dotorát : 98 Pedagogcá faulta UJEP Bro, ttul PaedDr. Ph.D. : SI VUT Bro Zaměstáí : SOU Vojesých staveb - středošolsý profesor dosud: Ústav matematy SI VUT v Brě : exterí dotoradsé studum tamtéž, obor Matematcé žeýrství, téma dsertačí práce: 3D reostruce mrosímů pořízeých optcým a ofoálím mrosopy 4

5 Úvod V 60. letech mulého století se zrodla počítačová grafa, terá pomáhá ostrutérům v ejrůzějších oborech. Soubor teoretcých pozatů aplovatelých př vývoj grafcých systémů byl azvá počítačová geometre. Tato dscpla vša des podle mého ázoru přestala plt svoj původí úlohu a počítačová grafa des matematu vlastě epoužívá. Tato práce se saží se postavt grafcé ostruce a soldí matematcé zálady. Buduje systematcou teor, terá se dotýá počítačové geometre, počítačové grafy, umercých metod aalýzy obrazu, dgtálí topologe, opty a ěterých dalších dscpl, se žádou z ch vša esplývá. Její výsledy jsou aplovatelé eje a motorech počítačů, č tsárách, ale a dsplejích dgtálích fotoaparátů, měřících přístrojů, moblích telefoů, GPS, símacích a osvtových zařízeích, polygrafcých a tsařsých strojích atd. V této prác j proto eazývám geometrí počítačovou ale geometrí dgtálí. Práce je rozdělea do sedm aptol. Prví aptola Matematcé prostory má omplačí charater. Shruje ěteré matematcé pojmy a vlastost, teré techům emusí být dostatečě zámy a teré jsou v dalším textu využíváy. Druhá aptola Dgtálí prostor uvádí záladí defce a vlastost dgtálího prostoru. Tato aptola je zcela orgálí, samy pojmy dgtálí prostor a dgtálí geometre jsou použty vůbec poprvé. Pojmy a vlastost jsou lustrováy přílady ostruce pxelu a šedotóového obrazu a operace s těmto objety. Zde uvedeá ostruce úsečy je podstatě rychlejší ež ostruce frmy Borlad mplemetovaá v systému DELPHI. Třetí aptola Kostruce dgtálích objetů uvádí exatí matematcou defc řvy a jejího grafu a tyto defce uvádí do souvslost s výše uvedeým aparátem. Je uvedea obecá parametrcá rovce řvy, z íž lze jao specálí případy odvodt řvy běžě používaé v AD systémech (ergusoovy, Bézerovy a oosovy), uvedea orgálí ostruce řve typu f( x, y ) = 0, vrstevc ploch z = f( x, y) a ostruce mplctě zadaých ploch, tj. ploch o rovc f( x, y, z ) = 0. Výsledem jsou ostruce podstatě valtější, ež grafa balíu ImplctPlot3D dodávaého se systémem Maple. Kaptolu uzavírá měřeí Hausdorffovy dmeze fratálů s přesostí až a dvě desetá místa. Čtvrtá aptola Dgtálí teore barev orgálí matematcá teore barevých prostorů RGB a IE. V závěru jsou rtzováy barevé palety MS Offce a avržey palety vhodější. Pátá aptola Dgtálí fltry zobecňuje pojmy obraz a fltr, aparát je aplovatelý př modelováí růzých trojrozměrých objetů. Šestá aptola Modelováí optcých jevů uvádí orgálí metodu stíováí objetů a matematcý model odrazu a lomu světla Sedmá aptola Dgtálí teore símacích zařízeí a její aplace aalyzuje optcé jevy, teré jsou běžě chápáy jao č vady optcého zobrazováí a uazuje, že tyto edostaty lze aparátem dgtálí geometre eje orgovat, ale že právě tyto jevy umožňují prostorové počítačové reostruce pozorovaých objetů. Vše je doladováo přílady prostorových reostrucí símů pořízeých ovečím ofoálím mrosopy. 5

6 MATEMATIKÉ PROSTORY V prác jsou stručě defováy pojmy metrcý prostor, grupa, vetorový prostor, ormovaý prostor, utárí prostor, euldovsý prostor, projetví prostor. Defce těchto pojmů lze ajít v běžě dostupé lteratuře a zde je pro edostate místa euvádím. Dále je defová 2 D a 3 D objet jao lbovolá eprázdá podmoža euldovsého prostoru E 2 ( E 3 ). 2 DIGITÁLNÍ PROSTOR 2. DEINIE DIGITÁLNÍHO PROSTORU Rastrová data uládáme jao souřadce bodů, teré jsou v souladu s tradčí euldovsou geometrí modelováy jao bezrozměré objety. Zobrazovací plocha výstupího zařízeí je vša fyzcý objet a body bez rozměrů zobrazovat resp. vímat eumí. V prác je proto zavede pojem - rozměrá doméa jao aaloge pojmu bod a - rozměrý dgálí prostor jao aaloge rovy (pro = 2 ) resp. trojrozměrého prostoru (pro = 3 ).. DEINIE multdex: Nechť I { 0,,...,,.., m } možu I = I azýváme multdexem. = = jsou dexové možy. Pa 2. DEINIE osč prostoru: Nechť J = a ; b ) jsou tervaly. Možu azýváme -rozměrým osčem dgtálího prostoru. 3. DEINIE multděleí: Nechť D { x0, x,..., x,..., xm } = jsou evdstatí děleí tervalů J = a; b) ; =, 2,..,. Možu D = D azýváme evdstatím multděleím osče J. 4. DEINIE dgtálí prostor, rozlšeí: Nechť J J je osč dgtálího prostoru, = = D D jeho evdstatí multděleí. Uspořádaou dvojc D = ( J ; D ) azýváme - = = = rozměrým dgtálím prostorem. Uspořádaou -tc = ( m, m,..., m,..., m ) rozlšeí prostoru D. 2 J = = r azýváme Dgtálí geometr pa lze defovat jao matematcou dscplu, terá studuje vlastost dgtálího prostoru. J 2.2 YZIKÁ DOMÉNA, YZIKÝ PROSTOR V celém dalším textu jsou věty pro edostate místa uváděy bez důazů, všechy uváděé věty jsou doázáy v habltačí prác. 6

7 . DEINIE fyzcá doméa: Podmožu J osče J dgtálího prostoru D = ( J ; D ) azýváme fyzcou D doméou právě tehdy, dyž = x ; ) ) ) ) ) x+ 2x ; 2 2x2+... x ;... ; ; x + x x+ = x x +. 2 = D doméy. Zapsujeme = x ; x + ) = [,,...,,..., ] =. Číslo ; v = x + x azýváme - tým rozměrem fyzcé 2. VĚTA: - té rozměry v všech fyzcých D domé = ( ) D jsou s rovy. 3. VĚTA: Moža = = x ; ) ; x + I všech fyzcých domé osče = D = J ; D je rozladem osče J. J dgtálího prostoru ( 4. VĚTA: Nechť ) = ( J ; D ) D je dgtálí prostor, Relace ρ J J defovaá vztahem a J. AB, J lbovolé body jeho osče. ρ( AB, ) : A B je evvalece 5. DEINIE fyzcý prostor: atorovou možu = J ρ z předchozí věty azýváme fyzcým prostorem osče J resp. prostoru D = ( J ; D ). Rozlšeím fyzcého prostoru rozumíme rozlšeí prostoru D. POZNÁMKA: Používaé pojmy pxel a voxel jsou z hledsa budovaé teore specálím případy domé pxel je fyzcou 2 D doméou, voxel fyzcou 3 D doméou. 2.3 LOGIKÁ DOMÉNA, LOGIKÝ PROSTOR, MAPOVÁNÍ. DEINIE logcý prostor, logcá doméa: Nechť prostoru D, v rozměry jeho fyzcých domé. Dále echť [ c c c c ] c v) = { r R {, 2,.., } : r ; ) x x+ r x = c } J. Možu : =, 2,...,,..., ; 0; L = ( azýváme logcým prostorem prostoru ) = ( J ; D ) logcé doméy. Rozlšeím logcého prostoru D 2. VĚTA: Nechť ( ; ) = J D je fyzcý prostor,. Zobrazeí ϕ : je fyzcý prostor dgtálího D, její prvy L ; = [,,...,,..., ] 2, L rozumíme rozlšeí prostoru D. ( ) L logcý prostor téhož dgtálího prostoru L taové, že ϕ ( ) = L L, je bjece. 3. DEINIE mapováí fyzcého prostoru, řídcí bod: Zobrazeí z předchozí věty azýváme mapováí fyzcého prostoru. ϕ : L 7

8 Bod : = [ c, c,..., c,..., c ]; c 0; v) J azýváme jeho řídcím bodem DEINIE vrcholové a středové mapováí: Mapováí Vϕ : VL, jehož řídcím bodem je bod V = [ 0,0,...,0], azýváme vrcholovým mapováím. Mapováí Sϕ : SL, v 2v v v jehož řídcím bodem je bod S =,,..,,.., , azýváme středovým mapováím. ( 6. DEINIE světová souřadá soustava: Nechť ) = ( J ; D ) rozměry jeho domé, ϕ : L lbovolé mapováí. Dále echť = = D je dgtálí prostor, v reálý vetorový prostor s bází { e } ; e ( 0,0,.., v,..,0). Uspořádaou ( + 2) R je -dmezoálí L, S, e, e2,..., e,..., e azýváme světovou souřadou soustavou logcého prostoru Uspořádaou ( + 2) -tc -tc L = L. =, S, e, e2,..., e,..., e azýváme světovou souřadou soustavou fyzcého prostoru duovaou mapováím ϕ. Uspořádaou ( + 2) D = D, S, e, e2,..., e,..., e azýváme světovou souřadou soustavou dgtálího prostoru D duovaou mapováím ϕ. Uspořádaou + 2 -tc ; = [, 2,...,,..., ] a) jao multdex ; = [, 2,...,,..., ] b) jao souřadce ; = [,,...,,..., ] L. můžeme yí chápat dvojím způsobem: doméy doméy 2 resp. L = L, ( ) = resp. L = L v soustavě ( ) = -tc resp. Multdex posytuje romě loalzace doméy jž je formac o rozlšeí (tj. počtu domé), dežto souřadce srývají avíc formac o absolutích velostech. Jedotové vetory souřadých soustav jsou totž defováy pomocí rozměrů fyzcých domé. Ty jsou dáy (2) rozlšeím prostoru a velostí jeho osče, tj. v případě realzace D apř. velostí motoru, č papíru použtého v tsárě. Podceěí těchto formací může vést závažým omylům. 2.4 METRIKY DIGITÁLNÍHO PROSTORU. VĚTA: Nechť taová, že je fyzcý prostor, 0 ( ; ) 2 j = c j E ; ( ) ( ) ( ) ( ; j ) ( ) ( ) ( ) = P = c j ; = ( ; j ) = max{ c j } ( ) ( ) ( ) Pa E ; P ; jsou metry a =. c >, E ; P ; zobrazeí () () R 8

9 2. DEINIE (vážeá) euldovsá, pošťácá a čtvercová metra fyzcého prostoru: Metry E ; P ; z předchozí věty azýváme po řadě vážeou euldovsou, vážeou pošťácou a vážeou čtvercovou metrou fyzcého prostoru. 3. VĚTA: Nechť L je logcý prostor, c > 0, E L ; P L ; L zobrazeí () () R taová, že ( L ; ) 2 Lj = c j E ; ( ) ( ) ( ) L L = ( L; Lj) = ( L ; Lj ) = max{ c j } P = c j ; ( ) ( ) ( ) L Pa E ; P ; jsou metry a L L L = L. 3. DEINIE (vážeá) euldovsá, pošťácá a čtvercová metra logcého prostoru: Metry E L ; P L ; L z předchozí věty azýváme po řadě vážeou euldovsou, vážeou pošťácou a vážeou čtvercovou metrou fyzcého prostoru L. 4. POZNÁMKA: Je zřejmé, že metry E ; ; P v prostoru jsou po řadě evvaletí s metram E ; ; L P L L v prostoru L. Poud bude zřejmé, ve terém prostoru pracujeme, budeme psát stručě E ; P ;. 5. DEINIE soused fyzcé doméy: Nechť ; ( ) jsou dvě růzé fyzcé doméy téhož fyzcého prostoru, ; j jejch uzávěry. Doméu j azveme sousedem doméy právě tehdy, dyž. 6. DEINIE soused logcé doméy: Nechť prostor téhož dgtálího prostoru D, Logcou doméu sousedem. 7. VĚTA: yzcá doméa j L ; ( ) j je fyzcý prostor, L j L, ϕ : L, ( ) L je logcý ϕ : Lj j. L j azveme sousedem logcé doméy L právě tehdy, dyž je je sousedem doméy ( ) j ( ) právě tehdy, dyž ( j) ; =. j 2.5 VALUAE A DIGITÁLNÍ OBJEKTY Klascá euldovsá sytetcá geometre modeluje své objety ta, že studuje prvy a podmožy prostoru E. Je-l v E defová objet P, zameá to, že je zámo pravdlo, podle terého lze jedozačě rozhodout, zda bod X E do P patří č ol. Toto pravdlo lze formálě zapsat jao zobrazeí ρ : E { 0,}, přčemž ρ ( X) = X P. Euldovsá aalytcá geometre modeluje pa své objety pomocí zobrazeí ϕ : E R, jehož prostředctvím přřazuje bodům souřadce. Provedeme-l aalogcou ostruc v dgtálím prostoru, lze tímto způsobem jedozačě fyzcé objety. Je-l totž P a defujeme-l 9

10 zobrazeí ρ : { 0;} ta, že ρ : = P, je zřejmé, že moža P jedozačě určuje zobrazeí ρ a aopa. Zcela aalogcy pro logcý prostor. DEINIE bárí valuace fyzcého prostoru: Nechť je fyzcý prostor. β : 0, azýváme bárí valuací fyzcého prostoru. Zobrazeí { } 2. DEINIE bárí valuace logcého prostoru: Nechť je fyzcý prostor, β : { 0,} jeho bárí valuace. Dále echť L je logcý prostor téhož dgtálího prostoru D, ϕ : L mapováí. Zobrazeí βl : L { 0,} taové, že ( ) ( ( ) ) L β L = ϕ L = β L L = : azýváme bárí valuací logcého prostoru L. Bárí valuace posytuje pouze čerobílé formace. K podchyceí dalších formací je µ : 0,,..., m µ : L 0,,..., m třeba pracovat mmálě se zobrazeím { }, resp. L { } ( m -árí valuace), popř. se zobrazeím dgtálího prostoru do obecějších mož. 3. DEINIE euldovsý D objet: euldovsým D objetem rozumíme lbovolou podmožu P osče E J dgtálího prostoru D. 4. DEINIE fyzcý D objet: Nechť je fyzcý prostor. yzcým D objetem rozumíme lbovolou podmožu P prostoru. Výše uvedeá zobrazeí : { 0,} ρ resp. E ϕ : E R, se terým mplctě pracuje euldovsá geometre, většou ejsou explctě uváděa. Přímé euldovsé ostruce objetů pomocí těchto zobrazeí ejsou totž většou pratcy možé pro eoečost euldovsého prostoru. Pro geometr dgtálí je vša taový aparát velm výhodý. Jeda proto, že defčí obor těchto zobrazeí fyzcý resp. logcý prostor je a rozdíl od E oečý a aždý dgtálí objet lze defovat výčtem jeho prvů. Za druhé proto, že dgtálí geometr ezajímá je to, zda prve do objetu patří č ol, č to, jaé má souřadce. Dgtálí prostor může sloužt modelováí ejrůzějších jevů, hodotám jeho domé tedy můžeme přsuzovat ejrůzější výzam. Ohodotíme-l prostor artézsým součem (s oečou artou), můžeme modelovat ěol vlastostí současě, eboť aždé doméě přřazujeme uspořádaou -tc čísel. Tyto vlastost můžeme avíc vhodě struturovat volbou odpovídající strutury oboru hodot příslušé valuace. 7. DEINIE fyzcý a logcý graf euldovsého D objetu: Nechť dgtálího prostoru D, P J je euldovsý D objet. Možu { E } E J je osč ( ) P : P = P budeme azývat fyzcým grafem euldovsého D objetu P ve fyzcém prostoru E. Logcý obraz P fyzcého grafu P objetu L P budeme azývat logcým grafem tohoto objetu v E. Tato defovaým grafem je apř. jaéolv zobrazeí reálého objetu ebo apř. techcého výresu a výstupím zařízeí počítače. V prác uvedey aplace - ostruce bodů 0

11 a ěteré operace s obrazy, teré jsou podstatě rychlejší ež operace mplemetovaé v omerčě dostupých obrazových edtorech, včetě operací, teré v těchto softwarech vůbec ejsou dspozc (vz v prác pt. 2.6 a 2.7). 3 KONSTRUKE DIGITÁLNÍH OBJEKTŮ 3. KŘIVKA DEINIE A ZÁKLADNÍ POJMY. DEINIE parametrzovatelá moža, parametrzace možy: Nechť G R a dále echť exstuje spojté a prosté zobrazeí γ : ab ; G. Pa možu G azýváme parametrzovatelou a zobrazeí γ azýváme její parametrzací. γ 2.VĚTA: Ozačme p γ uspořádáí možy G defovaé tato: ( X) < γ ( Y). Dále ozačme Γ možu všech parametrzací XY, G : X Y γ : a; b ab ; je lbovolý terval. Nechť γ; γ Γ jsou dvě parametrzace γ : ab ; G. Na možě Γ defujme relac ρ tato: 2 2 G R p γ, de γ : ab ; G ; 2 ([ ] ) G G G ( X Y G X pγ Y X pγ Y) γ ; γ Γ: γ ; γ ρ = =, : Pa relace ρ je evvalece a Γ. 3. DEINIE jedoduchá řva: Nechť ρ je evvalece z předchozí věty. Každý prve γ rozladu Γ ρ možy Γ duovaého relací ρ azýváme jedoduchou řvou. Možu G R azýváme grafem jedoduché řvy γ. Podrobě začíme G γ. 4. DEINIE součet jedoduchých řve: Nechť γ : ab ; G R je lbovolý reprezetat jedoduché řvy γ, γ : ab ; G resp. γ 2 : ab ; G2 lbovolí reprezetat jedoduchých řve γ ; γ 2. Možu γ azýváme součtem řve γ ; γ 2. právě tehdy, dyž a) a; b a2; b2 = a; b b) b = a2 c) b = a2 γ( b) = γ 2( a2) Začíme γ = γ γ 2. Křvy, jejchž reprezetat splňují podmíy a) c) azýváme sečítatelým. 5. DEINIE řva: Nechť : a ; b G ; {,2,.. } γ je oečá moža po dvou sečítatelých jedoduchých řve. Křvou = UG = Gγ γ azýváme grafem řvy. γ γ rozumíme součet γ = γ. Možu 6. DEINIE fyzcý a logcý graf řvy: Nechť J je osč dgtálího prostoru D, 2,3, γ J je rová resp. prostorová řva. Možu { } ( γ : { ) γ = G } γ budeme azývat fyzcým grafem řvy γ. Logcý obraz =

12 Lγ fyzcého grafu γ řvy γ budeme azývat logcým grafem této řvy. Graf budeme azývat ostelou řvy resp. L. G γ řvy 3.2 ÚSEČKA Kostruce úsečy je stadardě dodáváa se všem systémy. Např. v Borlad DELPHI je realzová dvojcí metod MoveTo a LeTo. V této aptole je popsá algortmus založeý a aparátu z pt. 3.. Ve stručém podáí by byl poěud epřehledý, proto ho zde vyecháme. Algortmus je rychlejší ež algortmus MoveTo-LeTo. V závslost a délce úsečy je teto algortmus as třrát až třcetrát rychlejší ež algortmus mplemetovaý v Borlad DELPHI. 3.3 YZIKÉ GRAY PARAMETRIKY ZADANÝH KŘIVEK Kostruce řve v dgtálím prostoru spočívá v ostruc fyzcých grafů řve, jsou-l zadáy jejch ostely. V případě, že tyto ostely jsou zadáy aalytcy, lze těmto ostrucím přstupovat dvojím způsobem: Kostruce metodou evdstatího děleí defčího tervalu: tato metoda terpoluje řvu polygoem. Je zřejmé, že evdstatí děleí defčího tervalu, terým je v případě řvy zadaé rovcí : R R : y = f ( x) D ( γ ) = x R x x ; x = x x γ moža { 2 } 2 ; v žádém případě ezameá ostatí délu terpolujících úseče AB a už vůbec e příslušých oblouů AB sestrojovaé ostely. Tato metoda může být výhodá pouze v případě γ : t x ; x ; x = ϕ( t) x = ψ( t), de řve zadaých svým parametrcým vyjádřeím, tj. [ ] defčí terval je D ( γ ) = { t R t t ; t2 } = t; t2 rychlost (tj. vlastě parametrcé vyjádřeí řvy) Tato ostruce umožňuje modelovat Metoda reurzvího půleí tervalu: Tato metoda dovoluje sestrojovat aždý bod fyzcé řvy právě jedou, avíc je podstatě přesější, eboť řvu eterpoluje, ale sestrojuje přímo fyzcý graf řvy dle def. 6. pt. 3.3, a to pro případ, dy její ostela je jedoduchá řva dle def. 3. pt Používá pojem soused fyzcého pxelu zavedeý v def. 8 pt KŘIVKY ZADANÉ ROVNIÍ f (, xy ) = 0 Pxelový algortmus: využívá vrcholového mapováí (vz pt. 2.3.). Síťová ostruce: Pxelový algortmus je podstatě urychle dgtálí terpolací, terá je A = xy, ; popsáa v prác. Kreslcí plocha je rozdělea a obdélíy ABD, de [ ] B = [ x+ hx, y] ; = [ x+ hx, y+ hy] ; D = [ xy, + hy] a zjšťuje se, zda řva (, ) 0 testovaý obdélí. f x y = protíá 2

13 3.5 PLOHY URČENÉ ROVNIÍ f(, x y,) z = 0 Algortmus ostruce těchto ploch je trojrozměrým zobecěím síťového algortmu ostruce řve f( x, y ) = 0. Je podstatě přesější a rát rychlejší ež algortmus mplemetovaý systému Maple frmy Waterloo. Testováo a lebschově ubce o rovc x + y + z 89 xy+ xz+ yx+ yz+ zx+ zy+ 54xyz+ 26 ( xy+ xz+ yz) x + y + z 9( x+ y+ z) + = 0 v mezích xyz,, 0.85;0.85. Výstup s můžeme prohlédout a obr.. Obr..: lebschova uba sestrojeá aparátem dgtálí geometre 3.6 MĚŘENÍ HAUSDOROVY DIMENZE DIGITÁLNÍH OBJEKTŮ V této aptole je studováa problemata zobrazeí fratálů a výstupích zařízeích a odhady Hausdorffovy dmeze zísávaé z tato zobrazeých objetů. Pro tyto odhady je v prác odvoze vzorec 2 l mp j j j= D, l 3

14 de je straa porývajícího čtverce, m j počet porývajících čtverců, ve terých se pxely vysytují s relatví četostí Pj ( ). Kvalta výsledů pochoptelě do začé míry závsí a valtě vstupích dat. Metoda demostrováa měřeím Hausdorffovy dmeze fyzcých grafů úsečy, ruhu a 7. terace vločy Kochové, geerovaých v obrazu s rozlšeím ( 000;000 ), a to až a dvě desetá místa. 4 DIGITÁLNÍ TEORIE BAREV Obraz a motoru č tsárě vzá růzým obarveím fyzcých pxelů. Pojem barva je vša ve své obecost velm mohozačý, taže jeho edooale specfovaý výzam může vést e začým ejasostem. Abychom pojmy souvsející s barvou mohl objetvzovat, je třeba s uvědomt, ja vzá barevý vjem. Na jeho vzu se podílejí tř záladí fatory. 4. ZDROJ SVĚTLA Zdroje světla lze rozdělt podle ěola hledse. Nejčastěj se dělí podle tvaru, resp. rozměrů a zdroje bodové a plošé a jeda podle příčy zářeí a zdroje vlastí a evlastí. K vlastím zdrojům se počítají zdroje, u chž zářeí vyá přímo v tělese. Jao evlastí jsou ozačováy zdroje, teré samy ezáří, ale odrážejí a rozptylují zářeí jých zdrojů. 4.2 POZOROVANÝ PŘEDMĚT Výsledý barevý vjem ovlvňují dále reflexí a absorbčí vlastost pozorovaého předmětu. Z ejdůležtějších fyzálích záoů jsou v prác zmíěy záo odrazu a lomu. 4.3 POZOROVATEL Rozlšovací schopost ldsého oa je omezea počtem barev, teré je schopo rozezat a velost pozorovaých předmětů. Z celového zářvého tou je velm malá část má schopost vzbudt zraový vjem. Zraový vjem vzá tím, že svaze paprsů přcházející do oa je jeho optcou soustavou promítut a sítc, de dopadá a fotoreceptory, teré ho měí a ervové podrážděí. Barevý vjem vzá pomocí tří fotosezblích láte, absorbujících zářeí v oblastech oolo m (červeá), m (zeleá) a m (modrá). Práce rozlšuje tzv. fotometrcý a fyzologcý jas. Všechy tyto sutečost ás opravňují použít aparát dgtálí geometre všude tam, de cílem těchto ostrucí je jejch vímáí ldsým oem. Ldsé oo samo je totž zřejmě velm dobrým modelem dgtálí rovy. 4.4 BAREVNÝ PROSTOR RGB. DEINIE dgtálí obor zářeí: Nechť λ I λ λ0; λm = ; D λ { λ, λ,..., λ,..., λ } = je evdstatí děleí tervalu I λ. Uspořádaou dvojc D = ( I ; D ) budeme azývat dgtálím λ λ 0 m 4

15 oborem zářeí. Je-l λ = 380m ; λ 2 = 720m, pa dgtálí obor zářeí azýváme dgtálí obor (vdtelého) světla. Lze sado uázat, že dgtálí obor zářeí je specálím případem dgtálího prostoru D pro =. Lze a ěm tedy defovat všechy pojmy zavedeé v pt. 2. Jeho prvy jedorozměré fyzcé domémy (pro fyzý prostor) resp. logcé doméy (pro logcý prostor) jsou pa azývámy fyzcým resp. logcým vlovým délam. 2. DEINIE dgtálí spetrum, fotometrcá barva, fotometrcý barevý prostor: Nechť D je dgtálí obor zářeí. Jeho reálou valuac azýváme dgtálím spetrem. Je-l tato valuace defováa a dgtálím oboru vdtelého světla, azýváme j fotometrcou barvou. Možu všech fotometrcých barev azýváme fotometrcým barevým prostorem. m 3. DEINIE moochromatcá fotometrcá barva: Ozačme B fotometrcý barevý prostor, jehož prvy jsou barvy defovaé a oboru vdtelého světla s fyzcým vlovým m délam λ ; =,2,..., m. Barvu β B azveme moochromatcou fotometrcou barvou s vlovou délou λ právě tehdy, dyž c 0 = {,2,..., m}: β ( λ ) = 0. V prác je matematcy zavede součet fotometrcých barev, ásobeí barvy reálým číslem a leárí ombace fotometrcých barev. Je uázáo, že tato zacvedeý fotometrcý barevý prostor je leárím prostorem. Dále je defováa fyzologcá barva jao lbovolá reálá valuace dgtálího oboru vdtelého světla D s rozlšeím m = 3 a fyzologcý barevý prostor jao moža všech fyzologcých barev. m 3 Pro aždý prostor B, pro terý je m 3, exstuje evvalece ρ, taová, žeb = B m ρ. Těchto evvalecí je obecě více. Jedu z ch realzuje zraové cetrum ldsého mozu př aždém zraovém vjemu a lze j lze slově popsat jao relac vyvolávat stejý zraový vjem, zápsy [ β; β2] ρ, resp. βρβ 2 je třeba číst barvy β; β 2 vyvolávají stejý zraový vjem resp. β; β2 β zameá fotometrcé barvy β ; β 2 reprezetují tutéž fyzologcou barvu β. V prác je proto azýváa fyzologcá popř. vzuálí evvalece a barvy β; β2 β, pro teré je β ρβ 2, jsou azýváy fyzologcy popř. vzuálě evvaletím. Barevý prostor RGB je pa fyzologcý barevý prostor, jehož báz tvoří moochromatcé fotometrcé barvy Red s fyzcou vlovou délou γ = R λ = 700 m ; Gree γ2 = G λ = 546. m (zeleá spetrálí čára rtut); Blue γ 3 = λ = m (modrá spetrálí čára rtut). B Tato matematcá teore pa slouží e ostruc růzých palet, modelováí jasu a průhledost v prostoru RGB, tj. a motorech a barevých dsplejích. 4.5 BAREVNÝ PROSTOR IE Barevý prostor IE je z hledsa výše uvedeého aparátu fyzologcým barevým prostorem, terý má s prostorem RGB společý podprostor řez prostoru RGB tzv. rovou 5

16 ostatího jasu. V prác je uvedea trasformace prostoru RGB a prostor IE včetě trasformace verzí. 4.6 METRIKY BAREVNÝH PROSTORŮ Obarveí objetu P barvou z prostoru RGB resp. IE považovat za valuac (2) (2) βrgb : R G B = RGB resp. βie : X Y Z = IE, tj. za souč valuací resp. β = βr βg βb, β = βx βy βz, β β R X : (2) R, : β (2) X, G β Y : (2) G, : (2) Y, β β B Z : (2) B, RGB=,, { 0,,..., 255} : (2) Z,,, { 0,,..., 255} RGB=. Valuace βr, βg, β B odpovídají rozladu símu a símy v červeém, zeleém a modrém světle. Tyto rozlady mohou mít začý pratcý výzam. Napřílad růzé část preparátu pro ofoálí mrosop mohou být pro lepší rozlšeí obarvey zeleým a červeým barvvem. Podobě př 3 D reostruc stereosopcých fotografí je jeda z fotografí ohodocea jao Red, druhá jao Gree. Stereofotograf dostaeme jao souč těchto ohodoceí. Vzhledem růzé ctlvost ldsého oa a jedotlvé spetrálí barvy eodpovídají subjetvě vímaé rozdíly barev jejch euldovsé vzdáleost v prostorech RGB a IE. Současá lteratura vša epracuje s pojmem metra, a proto sahy o apraveí tohoto edostatu vedou e začě rolomým a eefeltvím ostrucím. 4.7 BAREVNÉ PALETY. DEINIE paleta: Nechť r je r prvová podmoža barevého prostoru, P r ejméě dvouprvová podmoža možy r, < P uspořádáí možy P. Pa možu P azveme paletou vybraou z r -chromatcé možy. Moža r eí je uspořádaou r -prvovou možou ta, ja to vyžaduje předchozí defce. Pratcy vždy pracujeme s barevým prostorem a př výběru barev palety je třeba brát v úvahu metrcé vlastost příslušého barevého prostoru. Moje osobí zušeost bohužel svědčí o tom, že mozí výrobc softwaru těmto otázám věují velm malou pozorost. Jao přílad je v prác uvedea záladí barevá paleta systému Wdows a a záladě metrcých vlastostí prostoru RGB je avržea paleta vhodější. Je rověž sestrojea tzv. topografcá paleta vhodá pro aplace v geograf. r 5. DIGITÁLNÍ ILTRY 5. OBRAZ. DEINIE vzorovaá fuce: Nechť I je osč dgtálího prostoru. uc g( x) defovaou pro aždé x = [ x x ;...; ] R : g = g( Truc) ; 2 x azveme vzorovaou právě tehdy, dyž x I x x, de Truc Truc( x ) Truc( x ) Truc( x ) ; 2 ;..., x =. 6

17 2. DEINIE obraz: Nechť W = 0 ; w) R ; w R ; H = 0 ; h) R ; h R ; V = v ;v2 ) R jsou tervaly. uc I : W H V azveme obrazem. Je-l I vzorovaá, mluvíme o vzorovaém obrazu. Je-l fuce I vzorovaá a H R, mluvíme o dgtálím obrazu. Defce 2 je dostatečě obecá a to, aby jí vyhovoval aždý obraz ta, ja ho běžě chápeme Vše závsí a oboru hodot V tohoto obrazu. 5.2 ILTROVÁNÍ OBRAZŮ V aalýze obrazu jsou běžě používáy tzv. leárí obrazové fltry, teré hodotu aždého pxelu j 2 D obrazu I ahrazují hodotou 2 D ovoluce obrazu I v pxelu j s ovolučí matcí. Tyto ovoluce jsou dosud používáy výhradě a dgtalzovaý 2 D obraz dle def. 2. předchozí aptoly, jehož valuace je terpretováa téměř výhradě jao obarveí. 5.3 POJEM A APLIKAE D ILTRU Aparát dgtálí geometre umožňuje podstatě obecější a pratcy velm užtečé terpretace. Zobecěí lze provést v ěola směrech: a) Vhodým přebarveím obrazu před použtím výše uvedeých lascých fltrů lze tyto fltry použít jým účelům. b) V aalýze obrazu je hodota pxelu vždy chápáa jao barva, př zpracováí a počítač jao dgtalzovaá barva. Nc vša ebráí tomu, abychom podobě fltroval eje barvu, ale apřílad taé souřadce, průhledost, dex lomu apod. ltrovat lze více taových vlastostí současě. ltry lze zobect taé co do počtu rozměrů fltrovaého objetu. ltrovat lze eje obraz jao 2 D objet, ale taé D objety. Ta lze modfovat apř. vlastost mrosopcých preparátů, lomových ploch, výbrusů apod. ε (. DEINIE r ε ový obal dgtálího prostoru: Nechť, ϕµ, ) ε ( s mapováím ϕ a metrou µ,, ϕµ, ) ε voxelu má v prostoru (vzhledem metrce µ ). 2. DEINIE r ε umercá valuace prostoru ε ( ) * je β = β β : A D. * D je dgtálí prostor D jeho podprostor taový, že ε -ové oolí aždého ε * ε r prvů. Pa prostor = I azýváme r ε -ovým obalem ový obal valuace dgtálího prostoru: Nechť, β : A. Pa valuac β : A D je D valuace r ε ového obalu taová, že pro aždé D azýváme r ε ovým obalem valuace β : A 3. DEINIE prostorový D fltr, zaorouhleí fltru, leárí fltr: Nechť β : D A je umercá valuace dgtálího prostoru, β : D A její r ε -ový obal, 7

18 de r ε -ové oolí O ε ( ) doméy má r prvů. Dále ozačme f : R r R fuc r reálých proměých a O ε ( ) = { ; ;...; } uspořádaé r prvové oolí fyzcé 2 r Φβ doméy. Numercou valuac : A Φf D taovou, že pro aždé je Φβ ( ) = f ( β ; β( 2) ;...; β( r )), azýváme zfltrovaou valuací β : D A, fuc f Φf Φβ pa prostorovým D fltrem. uc roud ( ) = roud f ( β ; β( 2) ;...; β( r )) Φf Φβ azýváme zaorouhleím fltru ( ). Jestlže exstuje fuce g : R r R a zobrazeí Φf t : { ε;..;0;...; ε} R taové, že = Φβ Φf ( β ; β 2 ;...; β r ) β( ) f = = t t, azýváme fuc f leárím fltrem. Dále je defová tzv. objetový fltr, terý se od prostorového fltru lší tíl, že esčítáme přes, ale pouze přes prů tohoto oolí s fltrovaým objetem P. O ε celé oolí V prác je uvedeo ěol aplací tato zobecěých fltrů. Tyto fltry se mohou uplatt př vyhlazováí hrac objetů, modelováí topografcého teréu, detec povrchových ploch, detec zoploch salárího pole (v prác demostrováo vzualzací zoploch účost sacího ástavce), př extrapolac vývoje salárího pole (apř. bouřové oblačost) apod. Na obr. 2 je model část orgaely prvoa vlevo tzv. voxelový model, uprostřed aplace 3 D objetového fltru dolí propust, vpravo fltru gradetího. t Oε ( ) Obr. 2. Modelováí objetu 3 D objetovým fltry 8

19 6 MODELOVÁNÍ OPTIKÝH JEVŮ K tomu, aby objet zázorňovaý a obrazovce počítače působl realstcy, je třeba vyřešt ěol problémů. a) volba vhodého promítáí a obrazovu b) vdtelost c) optcé vlastost povrchu objetu d) ostruce vržeých stíů a odlesů. Aparát dgtálí geometre se zde výzamě uplatí především v bodě c. 6. STÍNOVÁNÍ PLOH METODOU EKVIDISTANTNÍ DISTRIBUE NORMÁL Př grafcé ostruc ploch tyto plochy většou plátujeme. Pláty jsou obecě prostorové segmety, teré př ostruc terpolujeme pomocí trojúhelíů. Předpoládáme-l jede zotropí plošý světelý zdroj dostatečě vzdáleý od dooale dfuzí plochy, je hodota stíu rového segmetu dáa osem úhlu, terý svírá jeho ormála se směrem dopadajícího světla. Poud vša př ostruc obarvíme celý segmet stejou barvou, pa jsou a původě oblé ploše většou oem patré hray segmetů, a tím ežádoucím způsobem upozorňujeme a fat, že sestrojeá plocha, o teré přepoládáme, že je hladá, je (mohdy dost hrubou) terpolací (vz obr. 3). Teto ežádoucí efet je možo odstrat buď terpolací barvy ebo ormály. Nejpoužívaější je tzv. Gouraudovo a Phogovo stíováí. Tato stíováí jsou vša oretí je v trválích případech, dy plocha může být segmetováa čtyřúhelíy, a to ještě pouze za určtých oolostí. V prác popsaá metoda je založea a odhadu čtyř tečých rov obecého prostorového segmetu, jejchž ormály jsou poté rozmístěy ta, že půdorysy jejch pat tvoří evdstatí síť (2) (tj. logcou rovu L dle def.. pt. 2.3 ). Hodota stíu se pa zísá bleárí terpolací čtyř ejblžších ormál. Výslede s můžeme prohlédout a obr RASTROVÉ TEXTUROVÁNÍ Růzobarevost plochy vyjádříme ejlépe aesím textury. Texturou rozumíme fuc, terá přřazuje bodům rovy hodotu modulovaé velčy: T : K L H, de K, L, H R pro spojtý a K, L, H N pro dsrétí případ. Aplac textury provedeme defováím tzv. mapovací fuce M : K L P, terá aždému bodu z defčího oboru textury přřadí bod A a povrchu P tělesa. Barva tohoto bodu je pa defováa hodotou textury h H. Segmetové texturováí spočívá v tom, že aždému pxelu textury přřadíme segmet ABD ám sestrojovaé plochy. Př rastrovém texturováí postupujeme obráceě: procházíme všechy pxely a výstupím zařízeí a aždým z ch vyšleme zpětý promítací paprse. Prote-l zobrazovaou plochu, obarvíme pxel barvou, terá přísluší ejblžšímu průsečíu, ja použjeme barvu pozadí. Rastrové texturováí je podstatě rychlejší ež texturováí segmetové. Lze ho využít v ejrůzějších stuacích od čstě grafcých až po závažé techcé aplace. Použjeme-l 9

20 Obr. 3.: Kostatí stíováí Obr. 4.: Metoda evdstatí dstrbuce ormál 20

21 a ulovou plochu jao texturu mapu světa, dostaeme rotující globus. Použjeme-l jao textury apř. radarové símy atuálí oblačost, přcházející z meteoradarů v dostatečě rátých časových tervalech, lze pracovat v reálém čase s amovaým vývojem oblačost ad jstým územím a ve spojeí s výsledy pt v reálém čase rověž predovat její vývoj. Podobě lze použít já salárí data o zemsém povrchu. Rastrové texturováí rovy lze využít apř. prostorovým reostrucím objetů z tzv. rových optcých řezů ta, ja je posytuje apř. ofoálí mrosop, č počítačový tomograf. 6.3 ODRAZ SVĚTLA Každému pxelu j výstupího zařízeí přřadíme bod P π použté průměty. Tímto bodem vyšleme zpětý promítací paprse směrem zobrazovaé scéě a hledáme průsečíy. Jestlže eexstují, pxel bude obarve barvou pozadí a výpočet očí. Jestlže průsečí exstuje, pa v tomto bodě vyhodotíme tzv. osvětlovací model. Sestrojíme odražeý, popř. lomeý paprse a výpočet reurzvě opaujeme podle požadovaé ásobost odrazu resp. lomu. K vyhodoceí odrazu a lomu světla lze přstupovat vpodstatě dvojím způsobem: a) Emprcé modely: Nemají přímý vztah fyzálí podstatě šířeí světla. hápou složtý fyzálí děj jao čerou sříňu a jeho výslede se saží více č méě jedoduše vatfovat. Nemohou posytout ta přesé a vzuálě přesvědčvé výsledy, jao modely fyzálí, jsou vša začě jedodušší a aplace, teré jsou a ch založey, jsou podstatě rychlejší. Jsou proto často používáy. Obr. 5.: Mohoásobý odraz světla a ulových plochách (emprcý model) 2

22 b) yzálí modely: Vycházejí z fyzálích záoů šířeí světla a odraz od erového povrchu se saží popsat pomocí popsu šířeí eerge. Tyto metody mohou posytout téměř dooalé fotorealstcé výstupy. Jsou vša začě složté, časově velm áročé a pro sutečé výpočty použtelé je s velým obtížem. 6.4 LOM SVĚTLA A JEHO PRŮHOD ABSORBUJÍÍM PROSTŘEDÍM V prác je podrobě popsá fyzálí proces průchodu světla absorbujícím prostředím. Př algortmzac elze bohužel většou celý popsaý fyzálí proces posthout. Jeda pro celovou složtost a jeda pro edostupost potřebých formací. U aždého paprsu by totž bylo třeba propočítat všechy odrazy a lomy a tato zísaé barvy terferujících paprsů míchat. Navíc by bylo třeba započítat další jevy absorbc, dfuz, dspers apod. To ovšem lze udělat pouze pro objet, terý lze popsat aalytcy a pro jehož aždý bod jsou tyto velčy zámy. Hlavím výsledem práce v této aptole je fyzálí model slé spojé čočy, terý př začě zjedodušeých předpoladech posytuje valtí výsledy (vz obr. 6). Obr. 6.: Otvorová a barevá vada slé spojé čočy 22

23 7 DIGITÁLNÍ TEORIE SNÍMAÍH ZAŘÍZENÍ A JEJÍ APLIKAE 7. ČOČKA A MIKROSKOP Tato aptola popsuje čoču a mrosop z pozc geometrcé opty a slouží jao východso ' dalšímu textu. Zobrazeí G : P P, teré vyhovuje postulátům geometrcé opty, je 3 3 azváo geometrcou projecí ( P 3 předmětový, - Rova ω, pro terou je : ϕ2 ω rova mrosopu). P ' 3 obrazový prostor optcé soustavy). G, je azváa rovou ostrost ( ϕ 2 předmětová ohsová 7.2 HRANIE MOŽNOSTÍ OPTIKÝH SOUSTAV Zobrazeí reálým optcým přístroj esplňuje postuláty geometrcé opty dy zcela přesě, a to z ěola důvodů: a) omezeá šířa svazu paprsů. b) vlová podstata světla. c) eomplaárost pozorovaého objetu. d) rozlšovací schopost símacího zařízeí. Na záladě rozboru těchto jevů je defováa:. DEINIE vlová projece, vlová stopa: Nechť MV ω ϕ2 je relace taová, že Relac λ M S = ϕ = G 4Α P 0 [ P; Q] V Q V X 2 XP' P' ( P) M V azýváme vlovou projecí. Možu azýváme jejím průměrem. P S V azýváme vlovou stopou bodu P, číslo λ P 0 ( SV ) = sup { = ; } = d a R a X Y P XY, SV 2. DEINIE euldovsá projece, euldovsá stopa: Nechť P 3 je předmětový prostor ' optcé soustavy, G : P3 P3 geometrcá projece. Dále echť P P3 ; G :P P' ; S je homocetrcý svaze procházející bodem P a G : S S '. Relac M E P3 ϕ = { P; P' p S ': P' p ϕ} azýváme euldovsou projecí. P S = P' ϕ P; P' M azýváme euldovsou stopou bodu P, Možu E { [ ] E} P P číslo d( E ) = sup { X; Y ; X, Y E } S S azýváme jejím průměrem. 2Α 7.3 PÁSMO OSTROSTI, MULTIOKÁLNÍ OBRAZ Díy jevům rozebraým v předchozí aptole se ostře zobrazí eje předmětová ohsová rova do rovy ostrost, ale tzv. pásmo ostrost do optcého řezu: 23

24 . DEINIE pásmo ostrost: Nechť P P3 je bod předmětového prostoru, ME P3 ϕ (2) euldovsá projece, je fyzcá rova ohsové rovy ϕ, p ; p rozměry jejích fyzcých P pxelů, ( E ) d S průměr euldovsé stopy bodu P. Možu P { ( S ) { }} P3 = P P3 d < p; p = m p ; p O E x y azýváme otevřeým pásmem ostrost símacího zařízeí. 2. DEINIE výša pásma ostrost: Nechť P = [ p ; p ; p ] ; Q [ q ; q ; q ] otevřeého pásma ostrost ( O) P 3. Číslo ( ( O) 3) 2 3 v P = [ ] [ ] azýváme výšou pásma ostrost. x y = jsou body 2 3 { p q P = p p2 p3 Q = q q2 q3 P Q P3} sup ; ; ; ; ; ; ;, O 3. DEINIE optcý řez: Nechť P je pozorovaý objet, ( O) P 3 pásmo ostrost mrosopu. Možu R = P ( O) P3 azveme optcým řezem objetu. Na obr. 7. s můžeme prohlédout dva optcé řezy řídla mouchy (Drosophla) 7.4 KRITERIA ZAOSTŘENÍ Je-l výša pásma ostrost meší ež výša símaého objetu, je třeba pořídt tzv. - foálí obraz, tj sér símů ( ) O, = ; 2;...;, jejchž výšy pásem ostrost porývají celou výšu preparátu. V tom případě je možé eje sestrojt ostrý 2 D obraz, ale prostorovou reostruc objetu. 2 D zpracováí - foálího obrazu bude zřejmě spočívat ve složeí ového obrazu ta, aby se teto ový obraz sládal pouze z obrazů optcých řezů jedotlvých projecí.v této aptole jsou staovea rtera, terá dují příslušost pxelů a jedotlvých obrazech optcým (0) (2) řezům. Je sestroje tzv. zaostřovací pseudoobraz O: r, jehož hodoty pxelů udávají, a teré složce - foálího obrazu je daý pxel ejlépe zaostře. Matematcy je defováo zaostřeí, popsáy ěteré jeho vlastost a odvozeo varačí, rozptylové a frevečí rterum. 7.5 SLOŽENÍ OSTRÉHO OBRAZU Optcé řezy deteovaé výše uvedeým rter odpovídají vstupím datům až a přílš čleté hrace mez řezy. Přímé použtí tato čletých mož e složeí výsledého obrazu v sobě srývá rzo, že se a výsledém obrazu objeví strutury, teré a pozorovaém objetu ejsou. Před složeím obrazu je tedy třeba hrace poěud vyhladt a šum z pozadí potlačt. To je možé provést pomocí fltrů popsaých v pt. 5. Na obr. 8. vdíme ostrý obraz řídla mouchy sestrojeý ze sedm optcých řezů, jejchž uáza je a obr

25 Obr. 7.: Uáza optcých řezů řídlo mouchy (Drosophla) 25

26 Obr. 8.: Ostrý obraz sestrojeý z optcých řezů (Drosophla) 7.6 TROJROZMĚRNÉ REKONSTRUKE Metoda řezů ostatí výšy: Jsou-l pásma ostrost po dvou dsjutí, záme fuc dvou proměých, jejíž graf přblžě odpovídá pozorovaého preparátu. Ozačíme-l v celovou výšu preparátu, pa výša pásma ostrost foálího obrazu je v. Reostruovaý objet pa (2) lze přblžě popsat valuací β : R taovou, že (2) : (0) j β j = O ( j ) Metoda fltrovaých řezů: a valuac β zísaou metodou řezů ostatí výšy 3 D fltr typu dolí propust defovaý a obalu ε β pro dostatečě velé ε a příslušou fltrovaou ohodoceí valuac ve fučí terpretac dle pt Metoda přímého určeí výšy: určuje vzdáleost aždého bodu od rovy ostrost a záladě vattatvího vyhodoceí hodot zaostřovacích rterí a jedotlvých složách. Dává ejvaltější výsledy. Na obr. 9 ahoře je 3 D reostruce úlomu lávy z osmfoálího obrazu (pořídl g. Pavel Štarha), dole pro srováí fotografe téhož úlomu pořízeá pod stejým pohledovým úhly (orgálí velost cca 5 mm). 26

27 7.7 ZPRAOVÁNÍ TRANSPARENTNÍH OPTIKÝH ŘEZŮ Tyto optcé řezy posytuje apř. ofoálí mrosop. Lší se od řezů popsaých v předchozí aptole: a) velm úzým pásmem ostrost b) body mmo pásmo ostrost ejsou pratcy zobrazey c) řezy jsou trasparetí d) je jch až ěol desíte. V prác jsou podrobě popsáy modface výše uvedeých metod, teré vyplývají z rozdílých vlastostí dat. Moderí zařízeí jsou schopa posytovat šestáctbtová data, reostruce jsou pa valtější. Na obr. 0. vdíme reostruc detalu orgaely prvoa (Paramecum) metodou detece zoplochy pomocí 3 D gradetího fltru vz pt.5.4. Na obr. je objemový model prvoa (Euplodum) pořízeý metodou vážeého součtu dest (data Prof. MUDr. Roma Jasch, L MU). ZÁVĚR Možost současé výpočetí techy jsou podstatě větší, ež s větša z ás uvědomuje. Autoř lteratury zaměřující se a pratcé problémy algortmzace a programováí grafcých výstupů jsou totž stále méě ochot věovat se (alespoň orajově) matematcé podstatě svých problémů. Záladí pojmy, se terým současá lteratura operuje, jsou v aprosté většě vágí, aprosto evyjasěé a ědy taé bohužel zcela chybé. Absece teoretcých záladů a žvelost rozvoje současé počítačové grafy tuto dscplu eje začě degradují, ale podle mého ázoru jí des jž přímo bráí v jejím rozvoj. Touto prací jsem se pousl azačt cestu ápravě. 27

28 Obr. 9.: Nahoře: 3 D reostruce přímým určeím výšy Dole: fotografe téhož objetu (úlome lávy o velost cca 5 mm) 28

29 Obr. 0.: 3 D reostruce detalu orgaely prvoa (Paramecum) Obr..: 3 D reostruce orgasmu prvoa (Euplodum) 29

30 ABSTRAT Ths wor bulds compact mathematc theory of the graphc costructo. It relates wth computer graphcs, mage processg, dgtal topology, optcs ad other braches but t does't jot wth ay of them. The theory s used for practcal applcatos. Results of the theory are graphcal algorthms, whch ofte exceeds covetoal techques ad are used a commercal software. The wor also descrbes uque algorthms, whch are publshed for the frst tme. hoose from cotet: hapter : Mathematcal spaces Short troducto of bass mathematcal terms (lear ad metrc space, eucldea space ad some others). hapter 2: Dgtal space Ths chapter dscusses raster ad vector data ad troduces a term of dgtal space as startg pot for plety of graphcal costructos. There s descrbed a fast pot access algorthm there. hapter 3: Dgtal object costructos Ths chapter bulds fudametal costructos of computer graphc o a mathematcal bass, that has ot tll bee ths tme publshed ad whch eables qute orgal costructos. Algorthm of costructo of les, curves defed by a parameter, curves defed by formula f( x, y ) = 0 ad surfaces defed by formula f( x, y, z ) = 0. These algorthm s much better tha algorthm mplemeted Borlad Delph ad Waterloo Maple. Ths part dscuses a software measuremet of the Hausdorff dmeso too. hapter 4: Dgtal colours theory Mathematcal theory of colour spaces ad metrces hapter 5: Dgtal flters Ths chapter presets a geeralsato of flters ow mage processg. lters preseted here ca be used to 3 D objects processg wth aalogous effects tha mage flters. They ca be used to surface smoothg, erosve flters delete small 3 D objects. The hgh-pass 3 D flters detect object surfaces. Topographcal, meteorogcal ad bologcal applcatos are demostrated. hapter 6: Optcal pheomea modellg Ths part dscuses vsblty, shadg, trasparecy, texture mappg, segmet ad raster texturg. Optcal pheemea modellg, reflecto ad refracto. hapter 7: Dgtal theory of scaer apparates ad ts applcato Ths part dscuses recostructo of outputs aqured by covetoal mcroscope, cofocal mcroscope, D cameras e.t.c. The dsplayg whch s realsed by these apparates does ot coform exactly to postulates of geometrcal optcs. We must th about lmted wdth of beam of rays, wave ature of lght, oplaarty of the preparato ad fty scaer resoluto. alculatg these feomea we ca obta very mportat 2 D mages but 3 D recostructos too. 30

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků 1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a)

Budeme pokračovat v nahrazování funkce f(x) v okolí bodu a polynomy, tj. hledat vhodné konstanty c n tak, aby bylo pro malá x a. = f (a), f(x) f(a) Předáša 7 Derivace a difereciály vyšších řádů Budeme poračovat v ahrazováí fuce f(x v oolí bodu a polyomy, tj hledat vhodé ostaty c ta, aby bylo pro malá x a f(x c 0 + c 1 (x a + c 2 (x a 2 + c 3 (x a

Více

2. TEORIE PRAVDĚPODOBNOSTI

2. TEORIE PRAVDĚPODOBNOSTI . TEORIE PRAVDĚPODOBNOSTI V prax se můžeme setat s dvojím typem procesů. Jeda jsou to procesy determstcé, u terých platí, že př dodržeí orétích vstupích podmíe obdržíme přesý, předem zámý výslede (te můžeme

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE

1.3. ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE ORTOGONÁLNÍ A ORTONORMÁLNÍ BÁZE V této kaptole se dozvíte: jak je oecě defováa kolmost (ortogoalta) vektorů; co rozumíme ortogoálí a ortoormálí ází; co jsou to tzv relace ortoormalty a Croeckerovo delta;

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

1.1 Definice a základní pojmy

1.1 Definice a základní pojmy Kaptola. Teore děltelost C. F. Gauss: Matematka je královou všech věd a teore čísel je králova matematky. Základím číselým oborem se kterým budeme v této kaptole pracovat jsou celá čísla a pouze v ěkterých

Více

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ

4. KRUHOVÁ KONVOLUCE, RYCHLÁ FOURIEROVA TRANSFORMACE (FFT) A SPEKTRÁLNÍ ANALÝZA SIGNÁLŮ 4. KRUHOVÁ KOVOLUCE, RYCHLÁ FOURIEROVA TRASFORMACE FFT A SEKTRÁLÍ AALÝZA SIGÁLŮ Kruová cylcá ovoluce Ryclá Fourerova trasformace Aplace DFT a aalogové sgály, frevečí aalýza perodcýc aalogovýc sgálů s využtím

Více

5. Lineární diferenciální rovnice n-tého řádu

5. Lineární diferenciální rovnice n-tého řádu 5 3.3.8 8:44 Josef Herdla lieárí difereciálí rovice -tého řádu 5. Lieárí difereciálí rovice -tého řádu (rovice s ostatími oeficiety) ( ), a,, a (5.) ( ) ( ) y a y a y ay q L[ y] y a y a y a y, q je spojitá

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI

10.2.3 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Středí hodoty Artmetcý průměr vážeý Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR S REÁLNÝMI VAHAMI Zatím jsme počítal s tím, že četost ve vztahu pro vážeý artmetcý průměr byla přrozeá čísla Četost mohou

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

U. Jestliže lineární zobrazení Df x n n

U. Jestliže lineární zobrazení Df x n n MATEMATICKÁ ANALÝZA III předášky M. Krupky Zmí semestr 999/ 3. Iverzí a mplctí zobrazeí V této kaptole uvádíme dvě důležté věty, které acházeí aplkace v moha oblastech matematky: Větu o verzím a větu o

Více

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:

Více

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

Digitální učební materiál

Digitální učební materiál Dgtálí učebí materál Číslo projetu CZ..07/.5.00/34.080 Název projetu Zvaltěí výuy prostředctvím ICT Číslo a ázev šabloy líčové atvty III/ Iovace a zvaltěí výuy prostředctvím ICT Příjemce podpory Gymázum,

Více

DISKRÉTNÍ MATEMATIKA II

DISKRÉTNÍ MATEMATIKA II Faulta pedagogcá Techcá uverzta v Lberc DISKRÉTNÍ MATEMATIKA II Doc. RNDr. Mroslav Koucý CSc. Lberec 4 Úvod Dsrétí ateata resp. její zálady patří jž tradčě ez stadardí téata předášeá a Techcé uverztě v

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

NEPARAMETRICKÉ METODY

NEPARAMETRICKÉ METODY NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost

Více

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln

k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

S k l á d á n í s i l

S k l á d á n í s i l S l á d á í s i l Ú o l : Všetřovat rovováhu tří sil, působících a tuhé těleso v jedom bodě. P o t ř e b : Viz sezam v desách u úloh a pracovím stole. Obecá část: Při sládáí soustav ěolia sil působících

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR

10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR Středí hodoty Artmetcý průměr vážeý ze tříděí Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR Výzam a užtí vážeého artmetcého průměru uážeme a ásledujících příladech Přílad 0 Ve frmě Gama Blatá máme soubor

Více

3. Charakteristiky a parametry náhodných veličin

3. Charakteristiky a parametry náhodných veličin 3. Charateristiy a parametry áhodých veliči Úolem této apitoly je zavést pomocý aparát, terým budeme dále popisovat pomocí jedoduchých prostředů áhodé veličiy. Taovýmto aparátem jsou tzv. parametry ebo

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8 Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým příladům z IQ testů, teré studeti zají

Více

Téma 1: Pravděpodobnost

Téma 1: Pravděpodobnost ravděpodobot Téma : ravděpodobot ředáša - ravděpodobot áhodého evu Náhodý pou a áhodý ev Náhodý pou - aždá čot, eíž výlede eí edozačě urče podmíam, za terých probíhá apř hod otou, měřeí dély, běh a 00

Více

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru.

Soustava momentů. k s. Je-li tedy ve vzorci obecného momentu s = 1, získáme vzorec aritmetického průměru. Soutava mometů Momety (Obecé, cetrálí a ormovaé) Do ytému mometových charatert patří ty ejdůležtější artmetcý průměr (mometová míra úrově) a rozptyl (mometová úroveň varablty). Obecý momet -tého tupě:

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí

Více

8.1.2 Vzorec pro n-tý člen

8.1.2 Vzorec pro n-tý člen 8.. Vzorec pro -tý čle Předpolady: 80 Pedagogicá pozáma: Myslím, že jde o jedu z velmi pěých hodi. Přílady a hledáí dalších čleů posloupostí a a objevováí vzorců pro -tý čle do začé míry odpovídají typicým

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

1.3. POLYNOMY. V této kapitole se dozvíte:

1.3. POLYNOMY. V této kapitole se dozvíte: 1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika

9 Kombinatorika, teorie pravděpodobnosti a matematická statistika 9 Kombatora, teore pravděpodobost a matematcá statsta Te, do argumetue průměrým platem, e s velou pravděpodobostí vysoce adprůměrý vůl s hluboce podprůměrým vzděláím (Mloslav Drucmüller) 9. Kombatora Kombatora

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost

Více

SP2 Korelační analýza. Korelační analýza. Libor Žák

SP2 Korelační analýza. Korelační analýza. Libor Žák Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

1. Čím se zabývá 4PP? zabývá se určováním deformace a porušováním celistvých těles v závislosti na vnějším zatížení

1. Čím se zabývá 4PP? zabývá se určováním deformace a porušováním celistvých těles v závislosti na vnějším zatížení . Čím se zabývá 4PP? zabývá se určováím deformace a porušováím celstvých těles v závslost a vějším zatížeí. Defce obecého apětí + apjatost v bodě tělesa -apětí - je to apětí v určtém bodě určtého tělesa.

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru SP Náhodý vetor ezávislost fuce NV PRAVDĚPODONOST A STATISTIKA Náhodý vetor ezávislost fuce áhodého vetoru Libor Žá Náhodý vetor stochasticá ezávislost Náhodé veličiy... defiovaé a ravděodobostím rostoru

Více

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3.

6. KOMBINATORIKA 181. 6.1. Základní pojmy 181 6.1.1. Počítání s faktoriály a kombinačními čísly 182. 6.2. Variace 184. 6.3. Zálady matematiy Kombiatoria. KOMBINATORIKA 8.. Záladí pojmy 8... Počítáí s fatoriály a ombiačími čísly 8.. Variace 8.. Permutace 85.. Kombiace 87.5. Biomicá věta 89 Úlohy samostatému řešeí 9 Výsledy úloh

Více

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení.,

u, v, w nazýváme číslo u.( v w). Chyba! Chybné propojení., Def: Vetorovým součiem vetorů u =(u, u, u 3 ) v = (v, v, v 3 ) zýváme vetor u v = (u v 3 u 3 v, u 3 v u v 3, u v u v ) Vět: Pro vetory i, j, ortoormálí báze pltí i i = j = i, i = j Vět: Nechť u v, w, jsou

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

HYPOTEČNÍ ÚVĚR. , kde v = je diskontní faktor, Dl počáteční výše úvěru, a anuita, i roční úroková sazba v procentech vyjádřená desetinným číslem.

HYPOTEČNÍ ÚVĚR. , kde v = je diskontní faktor, Dl počáteční výše úvěru, a anuita, i roční úroková sazba v procentech vyjádřená desetinným číslem. HYPTEČNÍ ÚVĚR Spláceí úvěru stejým splátkam - kostatí auta ÚLHA 1: Mladý maželský pár s dostačujícím příjmy (tz. a získáí hypotéčího úvěru) se rozhodl postavt s meší rodý domek. Podle předběžé kalkulace

Více

Matematika I, část II

Matematika I, část II 1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího

Více

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS. Dopraví stroje a zařízeí odborý zálad AR 04/05 Idetifiačí číslo: Počet otáze: 6 Čas : 60 miut Počet bodů Hodoceí OTÁZKY: ) Vypočtěte eálí poměr rozděleí brzdých sil a ápravy dvouápravového vozla bez ABS.

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

1. Přirozená topologie v R n

1. Přirozená topologie v R n MATEMATICKÁ ANALÝZA III předášy M Krupy Zií seestr 999/ Přirozeá topologie v R V prví části tohoto tetu zavádíe přirozeou topologii a ožiě R ejprve jao topologii orovaého prostoru a pa jao topologii součiu

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

8. cvičení 4ST201-řešení

8. cvičení 4ST201-řešení cvičící 8. cvičeí 4ST01-řešeí Obsah: Neparametricé testy Chí-vadrát test dobréshody Kotigečí tabuly Aalýza rozptylu (ANOVA) Vysoá šola eoomicá 1 VŠE urz 4ST01 Neparametricé testy Neparametricétesty využíváme,

Více

MATICOVÉ HRY MATICOVÝCH HER

MATICOVÉ HRY MATICOVÝCH HER MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem

Více

P2: Statistické zpracování dat

P2: Statistické zpracování dat P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu

Více

Statistické charakteristiky (míry)

Statistické charakteristiky (míry) Stattcé charaterty (míry) - hrují formac, obažeou v datech (vyjadřují j v ocetrovaé formě); - charaterzují záladí ryy zoumaého ouboru dat; - umožňují porováváí více ouborů. upy tattcých charatert :. charaterty

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý

Více

Matice. nazýváme m.n reálných čísel a. , sestavených do m řádků a n sloupců ve tvaru... a1

Matice. nazýváme m.n reálných čísel a. , sestavených do m řádků a n sloupců ve tvaru... a1 Matice Matice Maticí typu m/ kde m N azýváme m reálých čísel a sestaveých do m řádků a sloupců ve tvaru a a a a a a M M am am am Prví idex i začí řádek a druhý idex j sloupec ve kterém prvek a leží Prvky

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy:

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy: Ig. Marta Ltschmaová Statsta I., cveí 8 LIMITNÍ VTY Lmtí vty jsou tvrzeí, terá jsou dležtá pro pops pravdpodobostích model v pípad rostoucího potu áhodých pous.. ro oretac v této problematce jsme se sezáml

Více

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH

USTÁLENÉ PROUDĚNÍ V OTEVŘENÝCH KORYTECH USTÁLENÉ POUDĚNÍ V OTEVŘENÝCH KOYTECH ovoměré prouděí Charakterstka:. Hloubka vod v kortě, průtočá plocha a průřezová rchlost jsou v každém příčém řezu kostatí.. Čára eerge, vodí hlada a do korta jsou

Více

Analytická geometrie

Analytická geometrie MATEMATICKÝ ÚSTAV Slezská uverzta Na Rybíčku, 746 0 Opava DENNÍ STUDIUM Aalytcká geometre Téma 3.: Aí zobrazeí Dece 3.. Zobrazeí aího prostoru A do aího prostoru A se azývá aí zobrazeí, estlže má ásleduící

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

Více

UŽITÍ MATLABU V KOLORIMETRII. J.Novák, A.Mikš. Katedra fyziky, FSv ČVUT, Praha

UŽITÍ MATLABU V KOLORIMETRII. J.Novák, A.Mikš. Katedra fyziky, FSv ČVUT, Praha UŽITÍ MATLABU V KOLORIMETRII J.Novák A.Mikš Katedra fyziky FSv ČVUT Praha Kolorimetrické metody jsou velmi často používáy jako diagostické metody v řadě oblastí vědy a techiky. V čláku jsou ukázáy příklady

Více

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE

1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE 1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;

Více

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení. MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je

Více

2.4. INVERZNÍ MATICE

2.4. INVERZNÍ MATICE 24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:

Více

Cvičení 2: Rozhodovací stromy, RBF sítě, vlastní algoritmy v RapidMineru

Cvičení 2: Rozhodovací stromy, RBF sítě, vlastní algoritmy v RapidMineru České vysoké učeí techcké v Praze Fakulta formačích techologí Katedra teoretcké formatky Evropský socálí fod Praha & EU: Ivestujeme do vaší budoucost MI-ADM Algortmy data mgu 2010/2011 Cvčeí 2: Rozhodovací

Více