scale n_width width center scale left center range right center range value weight_sum left right weight value weight value weight_sum weight pixel
|
|
- Marie Pokorná
- před 8 lety
- Počet zobrazení:
Transkript
1 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 z nebo na různé neobvyklé velikosti, nebo nám jde o to vygenerovat z celé obrazovky jen malý náhled čítající několik desítek pixelů, pak se ke slovu dostává filtrování, protože je v těchto ohledech velice flexibilní. Algoritmus pro převzorkování je jeden, avšak filtrů samotných existuje povícero. Jsou definovány kernelem, který má různý rozsah, nebo poloměr. Ten udává vzdálenost nejzazšího pixelu, který se ještě započítává do hodnoty výsledného pixelu zvětšeného/zmenšeného obrázku. Tato vzdálenost se počítá od umístění pixelu v původním (zvětšovaném/zmenšovaném) obrázku. Čím větší rozsah, tím vyšší výstupní kvalita. Vlastní kernel lze znázornit grafem sudé funkce, ze které lze vyčíst některé charakteristiky kernelu. Funkce s hladším průběhem má ekvivalent v hladkém výstupním obrázku, naopak špičaté a hranaté funkce přinášejí typické artefakty ve výstupním obrázku. Funkční hodnota v daném bodě, která je vždy v intervalu <0,> udává váhový koeficient pro určitý pixel, tedy důležitost toho kterého pixelu. Obecně platí, že čím je pixel v původním obrázku vzdálenější od zdrojového, tím menší má důležitost. Některé kernely jsou však připočítávají více vzdáleným pixelům trochu větší váhu, než pixelům méně vzdáleným, kvůli lepší aproximaci z frekvenčního hlediska, respektuje se tedy vlnová povaha signálu (obrázek chápeme jako dvourozměrný signál). Důvodem existence více různých kernelů je jejich rozličná náročnost a rozsah. Větší kernely potřebují podstatně více výpočetního času, protože pro každý bod zdrojového obrázku je třeba vypočítat více váhových koeficientů a rovněž jejich určení je o to náročnější, čím složitější má funkce předpis. Algoritmus je poměrně jednoduchý na implementaci, je však potřeba dát pozor na okraje obrázku. Často se dělá chyba v tom, že když okolní pixely leží mimo obrázek, vůbec se nezapočítají. To má však za následek ztmavení na okrajích obrázku, protože v těchto oblastech byl součet váhových koeficientů menší než jedna. Tato suma musí být vždy rovna jedné, protože každá hodnota pixelu cílového obrázku je vlastně vážený průměr pixelů v okolí ekvivalentní pozice ve zdrojovém obrázku. Pro dodržení definice je tedy nutné buď vícekrát započítat jeden bod, nebo si pamatovat součet váhových koeficientů a tím pak dělit. Protože jsou souřadnice na sobě nezávislé (stejně jako barevné složky), implementuje se algoritmus dvouprůchodově. Jeden průchod je horizontální, druhý vertikální. U takové varianty stačí použít jednorozměrné varianty kernelů a rychlost algoritmu bude vyšší než u jednoprůchodové verze s funkcemi (kernely) o dvou parametrech. Algoritmus pro převzorkování filtrem do většího obrázku vypadá následovně:. Urči škálovací faktor: scale = n_width/width 2. Pro každou pozici i v cílovém vektoru: a. Transformuj i na pozici center ve vstupním vektrou: center = i/scale b. Urči levou hranici vyhledávání: left = round(center range) c. Urči pravou hranici vyhledávání: right = round(center + range) d. Inicializuj pomocné proměnné: value = 0, weight_sum = 0 e. Pro každou pozici j ve vstupním vektoru v intervalu <left, right>: i. Urči váhový koeficient: weight = kernel(c j) ii. Inkrementuj hodnotu cílového pixelu: value += weight*value iii. Inkrementuj sumu váhových koeficientů: weight_sum += weight f. Urči výslednou hodnotu pixelu: pixel = value/weight_sum Tento pseudokód kvůli názornosti neřeší problém okrajů. Vektorem se zde myslí jeden skenovací řádek obrázku (scanline). Vertikální průchod je obdobný. Tento kód rovněž předpokládá, že zvetšujeme, tj. že scale >. Pro zmenšování platí tato varianta: 3. Urči škálovací faktor: scale = n_width/width 4. Pro každou pozici i v cílovém vektoru: a. Transformuj i na pozici center ve vstupním vektrou: center = i/scale b. Urči levou hranici vyhledávání: left = round(center range/scale) c. Urči pravou hranici vyhledávání: right = round(center + range/scale) d. Inicializuj pomocné proměnné: value = 0, weight_sum = 0 e. Pro každou pozici j ve vstupním vektoru v intervalu <left, right>: i. Urči váhový koeficient: weight = kernel((c j)*scale)*scale ii. Inkrementuj hodnotu cílového pixelu: value += weight*value iii. Inkrementuj sumu váhových koeficientů: weight_sum += weight f. Urči výslednou hodnotu pixelu: pixel = value/weight_sum Proměnná value reprezentuje hodnotu pixelu vstupního obrázku a proměnná range je rozsah daného kernelu. Ve variantě pro zmenšování bude rozsah procházených pixelů tím větší, čím radikálnější je zmenšování. Hodnotou
2 scale sice dělíme, ale ta je menší než jedna. Naopak při výpočtu váhového koeficientu násobíme jak argument funkce, tak její výsledek. Protože je koeficientů scale-krát víc, je potřeba je poměrně k tomu zmenšit, aby se součet vah opět vyladil. Box filtr Tento filtr dává pro zvětšování stejné výsledky, jako metoda nejbližšího souseda (proto se tak někdy nazývá). Vrací pouze hodnoty nebo 0, takže barvy pixelů ve zvětšeném obrázku nejsou nijak ovlivněny okolními pixely (ty mají totiž vzdálenost minimálně ). Při změnšování přidělí funkce bodům v nejbližším okolí stejné váhy, takže z váženého průměru se stane aritmetický průměr., x 2 = 0, jinak Triangle filtr Box filtr, zleva: originál, zvětšení 2x, 4x, 8x Filtr se také nazývá lineární, protože váha pixelu je nepřímo úměrná jeho vzdálenosti. Proto je filtr vhodný i na zmenšování, při mnohonásobném zvětšování obrázků s ostrými konturami se však objevují uzavřené přechody, způsobené malým rozsahem filtru. Interpolují se totiž vždy jen hodnoty dvou sousedních pixelů. x, x = 0, jinak
3 Triangle filtr, zleva: originál, zvětšení 2x, 4x, 8x Hermite filtr 3 2 x x + x 2 3, = 0, jinak Hermite filtr, zleva: originál, zvětšení 2x, 4x, 8x Bell filtr 3 2 x, x = x, < x , jinak
4 Bell filtr, zleva: originál, zvětšení 2x, 4x, 8x Cubic B-Spline filtr Tento filtr používá pro interpolaci kubickou Beziérovu křivku, která je definována čtyřmi body (proto má kernel rozsah 2 2 body na každé straně). Křivka však těmito body přímo neprochází. Body se připodobňují k magnetům, které elastickou křivku přitahují. Výhodou filtru je prakticky eliminace artefaktů za cenu velkého rozmazání obrázku, proto není filtr příliš vhodný pro vícenásobné zvětšování. Vzhledem k tomu, že křivka přesně nefituje původní hodnoty, má zvětšený obrázek také menší kontrast, než při použití jiných filtrů B C x B + C x + B, x = B C x + B + 5C x + 2B 8C x + B + 4 C, < x , jinak B =, C = 0
5 Cubic B-Spline filtr, zleva: originál, zvětšení 2x, 4x, 8x Lanczos3 filtr Trojka v názvu filtru znamená jeho rozsah (existují také filtry Lanczos4, Lanczos6 nebo Lanczos8, viz níže). x sinc( x ) sinc, x 3 = 3 0, jinak sinc ( x) sin ( π x), x 0 = π x, jinak Mitchell filtr Lanczos3 filtr, zleva: originál, zvětšení 2x, 4x, 8x C x + ( 3+ 3C ) x + C, x = C x + 6C x 0 C x + C, < x , jinak C = 3
6 Mitchell filtr, zleva: originál, zvětšení 2x, 4x, 8x Cosine filtr U tohoto filtru je zajímavé, že se můžeme v implementaci vyvarovat výpočtu absolutní hodnoty díky sudé funkci (ta nemusí být ani v pomínce, když se nahradí podmínkou, že x >= - a zároveň x <= ). Tím se ušetří jedna výpočetní operace, i když je náročnost filtru diskutabilní kvůli použití funkce kosinus. xπ + cos, x = 2 0, jinak Cosine filtr, zleva: originál, zvětšení 2x, 4x, 8x Catmull-Rom filtr C = 0, B = 2
7 Catmull-Rom filtr, zleva: originál, zvětšení 2x, 4x, 8x Quadratic filtr Tento filtr vznikl ze snahy o kompromis mezi rychlostí a výslednou kvalitou. K rychlosti přispívá výpočet pouze kvadratické křivky, která se však tvarově podobá složitějším interpolačním křivkám. 2 2 x +, x = x x +, < x , jinak Quadratic B-Spline filtr Quadratic filtr, zleva: originál, zvětšení 2x, 4x, 8x Podobně jako u kvadratického filtru máme opět kvadratický polynom, avšak při použití Beziérovy křivky.
8 2 x +, x = x x +, < x , jinak Quadratic B-Spline filtr, zleva: originál, zvětšení 2x, 4x, 8x Cubic Convolution filtr Kubický konvolutivní filtr se snaží přiklánět k ostrým hranám obrázku, avšak při zachování tvaru optimální křivky x x +, x , 2 x + x x + < x = x x + 7 x 3, 2 < x jinak
9 Cubic Convolution filtr, zleva: originál, zvětšení 2x, 4x, 8x Lanczos8 filtr Jde vlastně o Lanczos filtr, tedy také o tzv. windowed sinc interpolaci, ovšem velikost okna je v tomto případě větší než u filtru Lanczos3. Tento filtr je nejpomalešjí ze všech, avšak zejména při zmenšování dosahuje nejlepší interpolace. x sinc( x ) sinc, x 8 = 8 0, jinak Fraktální zoom
13 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
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
VíceGEODETICKÉ VÝPOČTY I.
SPŠS Č.Budějovice Obor Geodézie a Katastr nemovitostí 2.ročník GEODETICKÉ VÝPOČTY I. TABELACE FUNKCE LINEÁRNÍ INTERPOLACE TABELACE FUNKCE Tabelace funkce se v minulosti často využívala z důvodu usnadnění
VíceJana Dannhoferová Ústav informatiky, PEF MZLU
Počítačová grafika Křivky Jana Dannhoferová (jana.dannhoferova@mendelu.cz) Ústav informatiky, PEF MZLU Základní vlastnosti křivek křivka soustava parametrů nějaké rovnice, která je posléze generativně
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
VíceZpracování obrazů. Honza Černocký, ÚPGM
Zpracování obrazů Honza Černocký, ÚPGM 1D signál 2 Obrázky 2D šedotónový obrázek (grayscale) Několikrát 2D barevné foto 3D lékařské zobrazování, vektorová grafika, point-clouds (hloubková mapa, Kinect)
VíceCircular Harmonics. Tomáš Zámečník
Circular Harmonics Tomáš Zámečník Úvod Circular Harmonics Reprezentace křivky, která je: podmonožinou RxR uzavřená funkcí úhlu na intervalu Dále budeme hovořit pouze o takovýchto křivkách/funkcích
VíceVýsledky = = width height 3 width height R + G + B ( )
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
Více1 Mnohočleny a algebraické rovnice
1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem
VíceOperace s obrazem I. Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno. prezentace je součástí projektu FRVŠ č.
Operace s obrazem I Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 Osnova 1 Filtrování obrazu 2 Lineární a nelineární filtry 3 Fourierova
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
VíceGeometrické transformace obrazu
Geometrické transformace obrazu a související témata 9. přednáška předmětu Zpracování obrazů Martina Mudrová 2004 Téma přednášk O čem bude tato přednáška? Geometrické transformace obrazu Interpolace v
VíceGeometrické transformace obrazu a související témata. 9. přednáška předmětu Zpracování obrazů
Geometrické transformace obrazu a související témata 9. přednáška předmětu Zpracování obrazů Martina Mudrová 2004 Téma přednášk O čem bude tato přednáška? Geometrické transformace obrazu Interpolace v
VícePolynomy a interpolace text neobsahuje přesné matematické definice, pouze jejich vysvětlení
Polynomy a interpolace text neobsahuje přesné matematické definice, pouze jejich vysvětlení Polynom nad R = zobrazení f : R R f(x) = a n x n + a n 1 x n 1 +... + a 1 x + a 0, kde a i R jsou pevně daná
VíceBézierovy křivky Bohumír Bastl KMA/GPM Geometrické a počítačové modelování Bézierovy křivky GPM 1 / 26
Bézierovy křivky Bohumír Bastl (bastl@kma.zcu.cz) KMA/GPM Geometrické a počítačové modelování Bézierovy křivky GPM 1 / 26 Opakování Spline křivky opakování Bézierovy křivky GPM 2 / 26 Opakování Interpolace
VíceMĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS
VíceInterpolace pomocí splajnu
Interpolace pomocí splajnu Interpolace pomocí splajnu Připomenutí U interpolace požadujeme, aby graf aproximující funkce procházel všemi uzlovými body. Interpolační polynom aproximující funkce je polynom
VícePoužití splinů pro popis tvarové křivky kmene
NAZV QI102A079: Výzkum biomasy listnatých dřevin Česká zemědělská univerzita v Praze Fakulta lesnická a dřevařská 9. února 2011 Cíl práce Cíl projektu: Vytvořit a ověřit metodiku pro sestavení lokálního
VíceFunkce kotangens. cotgα = = Zopakuj všechny části předchozí kapitoly pro funkci kotangens. B a
4.. Funkce kotangens Zopakuj všechny části předchozí kapitoly pro funkci kotangens. c B a A b C Tangens a kotangens jsou definovány v pravoúhlém trojúhelníku: a protilehlá tgα = = b přilehlá b přilehlá
VíceProjekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci
Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Závislosti a funkční vztahy Gradovaný řetězec úloh Téma: graf funkce, derivace funkce a její
VíceFunkce tangens. cotgα = = B a. A Tangens a cotangens jsou definovány v pravoúhlém trojúhelníku: a protilehlá b přilehlá.
4..0 Funkce tangens c B a A b C Tangens a cotangens jsou definovány v pravoúhlém trojúhelníku: a protilehlá tgα = = b přilehlá b přilehlá cotgα = = a protilehlá Pokud chceme definici pro všechna x R nemůžeme
VíceAproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2.
Aproximace funkcí Aproximace je výpočet funkčních hodnot funkce z nějaké třídy funkcí, která je v určitém smyslu nejbližší funkci nebo datům, která chceme aproximovat. Třída funkcí, ze které volíme aproximace
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
VíceÚvod do mobilní robotiky NAIL028
md at robotika.cz http://robotika.cz/guide/umor08/cs 11. listopadu 2008 1 2 PID Sledování cesty Modely kolových vozidel (1/5) Diferenční řízení tank b Encoder Motor Centerpoint Motor Encoder Modely kolových
VícePožadavky k opravným zkouškám z matematiky školní rok 2014-2015
Požadavky k opravným zkouškám z matematiky školní rok 2014-2015 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,
Více1 Mnohočleny a algebraické rovnice
1 Mnohočleny a algebraické rovnice 1.1 Pojem mnohočlenu (polynomu) Připomeňme, že výrazům typu a 2 x 2 + a 1 x + a 0 říkáme kvadratický trojčlen, když a 2 0. Číslům a 0, a 1, a 2 říkáme koeficienty a písmenem
VícePožadavky k opravným zkouškám z matematiky školní rok 2013-2014
Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,
VíceFunkce tangens. cotgα = = Předpoklady: B a. A Tangens a cotangens jsou definovány v pravoúhlém trojúhelníku: a protilehlá b přilehlá
4..4 Funkce tangens Předpoklady: 40 c B a A b C Tangens a cotangens jsou definovány v pravoúhlém trojúhelníku: a protilehlá tgα = = b přilehlá b přilehlá cotgα = = a protilehlá Pokud chceme definici pro
VíceInterpolace, ortogonální polynomy, Gaussova kvadratura
Interpolace, ortogonální polynomy, Gaussova kvadratura Petr Tichý 20. listopadu 2013 1 Úloha Lagrangeovy interpolace Dán omezený uzavřený interval [a, b] a v něm n + 1 různých bodů x 0, x 1,..., x n. Nechť
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
VíceDIGITÁLNÍ ORTOFOTO. SPŠS Č.Budějovice Obor Geodézie a Katastr nemovitostí 4.ročník
DIGITÁLNÍ ORTOFOTO SPŠS Č.Budějovice Obor Geodézie a Katastr nemovitostí 4.ročník DIGITÁLNÍ SNÍMEK Ortofotomapa se skládá ze všech prvků, které byly v době expozice přítomné na povrchu snímkované oblasti.
VíceFunkce a základní pojmy popisující jejich chování
a základní pojmy ující jejich chování Pro zobrazení z reálných čísel do reálných čísel se používá termín reálná funkce reálné proměnné. 511 f bude v této části znamenat zobrazení nějaké neprázdné podmnožiny
VícePříklad. Řešte v : takže rovnice v zadání má v tomto případě jedno řešení. Pro má rovnice tvar
Řešte v : má rovnice tvar takže rovnice v zadání má v tomto případě jedno řešení. Pro má rovnice tvar takže rovnice v zadání má v tomto případě opět jedno řešení. Sjednocením obou případů dostaneme úplné
VíceKřivky a plochy technické praxe
Kapitola 7 Křivky a plochy technické praxe V technické praxi se setkáváme s tím, že potřebujeme křivky a plochy, které se dají libovolně upravovat a zároveň je jejich matematické vyjádření jednoduché.
Více1 Projekce a projektory
Cvičení 3 - zadání a řešení úloh Základy numerické matematiky - NMNM20 Verze z 5. října 208 Projekce a projektory Opakování ortogonální projekce Definice (Ortogonální projekce). Uvažujme V vektorový prostor
VíceTéma: Vektorová grafika. Určete pravdivost následujícího tvrzení: "Grafická data jsou u 2D vektorové grafiky uložena ve voxelech."
Téma: Vektorová grafika. Určete pravdivost následujícího tvrzení: "Grafická data jsou u 2D vektorové grafiky uložena ve voxelech." Téma: Vektorová grafika. Určete pravdivost následujícího tvrzení: "Na
VíceMetamorfóza obrázků Josef Pelikán CGG MFF UK Praha
Metamorfóza obrázků 1998-2011 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Morphing 2011 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 21 Metamorfóza obrázků -
VíceMatematika I A ukázkový test 1 pro 2011/2012. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a
Matematika I A ukázkový test 1 pro 2011/2012 1. Je dána soustava rovnic s parametrem a R x y + z = 1 a) Napište Frobeniovu větu. x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a b) Vyšetřete počet řešení soustavy
VíceGeometrické transformace
1/15 Předzpracování v prostoru obrazů Geometrické transformace Václav Hlaváč, Jan Kybic Fakulta elektrotechnická ČVUT v Praze katedra kybernetiky, Centrum strojového vnímání hlavac@fel.cvut.cz http://cmp.felk.cvut.cz/
VíceSEMESTRÁLNÍ PRÁCE X. Aproximace křivek Numerické vyhlazování
KATEDRA ANALYTICKÉ CHEMIE FAKULTY CHEMICKO TECHNOLOGICKÉ UNIVERSITA PARDUBICE - Licenční studium chemometrie LS96/1 SEMESTRÁLNÍ PRÁCE X. Aproximace křivek Numerické vyhlazování Praha, leden 1999 0 Úloha
VíceII. Úlohy na vložené cykly a podprogramy
II. Úlohy na vložené cykly a podprogramy Společné zadání pro příklady 1. - 10. začíná jednou ze dvou možností popisu vstupních dat. Je dána posloupnost (neboli řada) N reálných (resp. celočíselných) hodnot.
VíceKTE/TEVS - Rychlá Fourierova transformace. Pavel Karban. Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni
KTE/TEVS - Rychlá Fourierova transformace Pavel Karban Katedra teoretické elektrotechniky Fakulta elektrotechnická Západočeská univerzita v Plzni 10.11.011 Outline 1 Motivace FT Fourierova transformace
Více4.2.15 Funkce kotangens
4..5 Funkce kotangens Předpoklady: 44 Pedagogická poznámka: Pokud nemáte čas, doporučuji nechat tuto hodinu studentům na domácí práci. Nedá se na tom nic zkazit a v budoucnu to není nikde příliš potřeba.
VícePopis metod CLIDATA-GIS. Martin Stříž
Popis metod CLIDATA-GIS Martin Stříž Říjen 2008 Obsah 1CLIDATA-SIMPLE...3 2CLIDATA-DEM...3 2.1Metodika výpočtu...3 2.1.1Výpočet regresních koeficientů...3 2.1.2 nalezených koeficientu...5 2.1.3Výpočet
VíceKŘIVKY A PLOCHY. Obrázky (popř. slajdy) převzaty od
KŘIVKY A PLOCHY JANA ŠTANCLOVÁ jana.stanclova@ruk.cuni.cz Obrázky (popř. slajdy) převzaty od RNDr. Josef Pelikán, CSc., KSVI MFF UK Obsah matematický popis křivek a ploch křivky v rovině implicitní tvar
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
VíceMatice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n
[1] Základní pojmy [2] Matice mezi sebou sčítáme a násobíme konstantou (lineární prostor) měníme je na jiné matice eliminační metodou násobíme je mezi sebou... Matice je tabulka čísel s konečným počtem
Vícei=1 Přímka a úsečka. Body, které leží na přímce procházející body a a b můžeme zapsat pomocí parametrické rovnice
I. Funkce dvou a více reálných proměnných 1. Úvod Značení: V textu budeme používat označení: N pro množinu všech přirozených čísel; R pro množinu všech reálných čísel; R n pro množinu všech uspořádaných
VíceVícerozměrná rozdělení
Vícerozměrná rozdělení 7. září 0 Učivo: Práce s vícerozměrnými rozděleními. Sdružené, marginální, podmíněné rozdělení pravděpodobnosti. Vektorová střední hodnota. Kovariance, korelace, kovarianční matice.
VíceProjekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci
Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Geometrie Různé metody řešení Téma: Analytická geometrie v prostoru, vektory, přímky Autor:
VíceInterpolace, aproximace
11 Interpolace, aproximace Metoda nejmenších čtverců 11.1 Interpolace Mějme body [x i,y i ], i =0, 1,...,n 1. Cílem interpolace je najít funkci f(x), jejíž graf prochází všemi těmito body, tj. f(x i )=y
VíceEukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)
Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,
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
VíceVyhledávání. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 21.
Vyhledávání doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava Prezentace ke dni 21. září 2018 Jiří Dvorský (VŠB TUO) Vyhledávání 242 / 433 Osnova přednášky
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.
VíceMatematika 3. Úloha 1. Úloha 2. Úloha 3
Matematika 3 Úloha 1 Co lze říci o funkci imaginární část komplexního čísla která každému komplexnímu číslu q přiřazuje číslo Im(q)? a. Je to funkce mnohoznačná. b. Je to reálná funkce komplexní proměnné.
Více4.3. GONIOMETRICKÉ ROVNICE A NEROVNICE
4.3. GONIOMETRICKÉ ROVNICE A NEROVNICE V této kapitole se dozvíte: jak jsou definovány goniometrické rovnice a nerovnice; jak se řeší základní typy goniometrických rovnic a nerovnic. Klíčová slova této
VíceAproximace funkcí. Numerické metody 6. května FJFI ČVUT v Praze
Aproximace funkcí Numerické metody 6. května 2018 FJFI ČVUT v Praze 1 Úvod Dělení Interpolace 1D Více dimenzí Minimalizace Důvody 1 Dělení Dělení - Získané data zadané data 2 Dělení - Získané data Obecně
VíceTransformace obrazu Josef Pelikán KSVI MFF UK Praha
Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých
Více1 LIMITA FUNKCE Definice funkce. Pravidlo f, které každému x z množiny D přiřazuje právě jedno y z množiny H se nazývá funkce proměnné x.
1 LIMITA FUNKCE 1. 1 Definice funkce Pravidlo f, které každému z množiny D přiřazuje právě jedno y z množiny H se nazývá funkce proměnné. Píšeme y f ( ) Někdy používáme i jiná písmena argument (nezávisle
VíceProjekt IMPLEMENTACE ŠVP. pořadí početních operací, dělitelnost, společný dělitel a násobek, základní početní operace
Střední škola umělecká a řemeslná Evropský sociální fond "Praha a EU: Investujeme do vaší budoucnosti" Projekt IMPLEMENTACE ŠVP Evaluace a aktualizace metodiky předmětu Matematika Výrazy Obory nástavbového
VíceObčas se používá značení f x (x 0, y 0 ), resp. f y (x 0, y 0 ). Parciální derivace f. rovnoběžného s osou y a z:
PARCIÁLNÍ DERIVACE Jak derivovat reálné funkce více proměnných aby bylo možné tyto derivace použít podobně jako derivace funkcí jedné proměnné? Jestliže se okopíruje definice z jedné proměnné dostane se
VíceUNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek
UNIVERZITA PARDUBICE Licenční Studium Archimedes Statistické zpracování dat a informatika 4.4 Aproximace křivek a vyhlazování křivek Mgr. Jana Kubátová Endokrinologický ústav V Praze, leden 2012 Obsah
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Více2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2
Výpočet transformačních koeficinetů vybraných 2D transformací Jan Ježek červen 2008 Obsah Odvození transformačního klíče vybraných 2D transformací 2 Meto vyrovnání 2 2 Obecné vyjádření lineárních 2D transformací
VíceVytyčení polohy bodu polární metodou
Obsah Vytyčení polohy bodu polární metodou... 2 1 Vliv měření na přesnost souřadnic... 3 2 Vliv měření na polohovou a souřadnicovou směrodatnou odchylku... 4 3 Vliv podkladu na přesnost souřadnic... 5
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ OBOR GEODÉZIE A KARTOGRAFIE KATEDRA VYŠŠÍ GEODÉZIE název předmětu úloha/zadání název úlohy Kosmická geodézie 1/99 Výpočet zeměpisné šířky z měřených
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceDZDDPZ3 Digitální zpracování obrazových dat DPZ. Doc. Dr. Ing. Jiří Horák Institut geoinformatiky VŠB-TU Ostrava
DZDDPZ3 Digitální zpracování obrazových dat DPZ Doc. Dr. Ing. Jiří Horák Institut geoinformatiky VŠB-TU Ostrava Digitální zpracování obrazových dat DPZ Předzpracování (rektifikace a restaurace) Geometrické
VícePříklad 1/23. Pro rostoucí spojité fukce f(x), g(x) platí f(x) Ω(g(x)). Z toho plyne, že: a) f(x) Ο(g(x)) b) f(x) Θ(g(x)) d) g(x) Ω(f(x))
Příklad 1/23 Pro rostoucí spojité fukce f(x), g(x) platí f(x) Ω(g(x)). Z toho plyne, že: a) f(x) Ο(g(x)) b) f(x) Θ(g(x)) c) g(x) Θ(f(x)) d) g(x) Ω(f(x)) e) g(x) Ο(f(x)) 1 Příklad 2/23 Pro rostoucí spojité
VíceMatematika I A ukázkový test 1 pro 2014/2015
Matematika I A ukázkový test 1 pro 2014/2015 1. Je dána soustava rovnic s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napište Frobeniovu větu (existence i počet řešení). b)
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
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání
VíceTeorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy
Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Lukáš Havrlant Univerzita Palackého 10. ledna 2014 Primární zdroj Jiří Adámek: Foundations of Coding. Strany 137 160. Na webu ke stažení, heslo:
VíceCVIČNÝ TEST 2. OBSAH I. Cvičný test 2. Mgr. Václav Zemek. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17
CVIČNÝ TEST 2 Mgr. Václav Zemek OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 I. CVIČNÝ TEST 1 Od součtu libovolného čísla x a čísla 256 odečtěte číslo x zmenšené o 256.
VíceVyhledávání. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 12.
Vyhledávání doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava Prezentace ke dni 12. září 2016 Jiří Dvorský (VŠB TUO) Vyhledávání 201 / 344 Osnova přednášky
VíceFunkce základní pojmy a vlastnosti
Funkce základní pojm a vlastnosti Základ všší matematik LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na disciplín společného
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
VíceNecht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru
2. Systémy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních rovnic s koeficienty z pole reálných případně komplexních čísel. Uvádíme podmínku pro existenci řešení systému lineárních
Více1 Jasové transformace
1 Jasové transformace 1.1 Teoretický rozbor 1.1.1 Princip jasové transformace Jasové transformace představují transformační funkce, které mění vždy určitou hodnotu vstupní jasové funkce na výstupní. Transformace
VíceUkázka možností interpolace dat v softwaru Matlab
Ukázka možností interpolace dat v softwaru Matla Ing. Stanislav Olivík Anotace: V následujícím tetu ude čtenář seznámen s několika základními funkcemi softwaru Matla, pomocí nichž může interpolovat data
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 1 bod 1 Určete průsečík P[x, y] grafů funkcí f: y = x + 2 a g: y = x 1 2, které jsou definovány na množině reálných
VíceContent Aware Image Resizing
Content Aware Image Resizing (dle článku Shaie Avidana a Ariela Shamira) Václav Vlček (1. roč. NMgr., Teoretická informatika) 6.12.2007 1 O co jde? Změna rozměrů obrázku se zachováním významu Klasická
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 204 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Vícepolyfázové filtry (multirate filters) cascaded integrator comb filter (CIC) A0M38SPP - Signálové procesory v praxi - přednáška 8 2
A0M38SPP - Signálové procesory v praxi - přednáška 8 2 Decimace snížení vzorkovací frekvence Interpolace zvýšení vzorkovací frekvence Obecné převzorkování signálu faktorem I/D Efektivní způsoby implementace
VíceMatematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic
Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je
VíceFunkce základní pojmy a vlastnosti
Funkce základní pojm a vlastnosti Základ všší matematik LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakult MENDELU v Brně (LDF) s ohledem na discipĺın společného
VíceDefinice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují
Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),
VíceProgramování v jazyce C pro chemiky (C2160) 3. Příkaz switch, příkaz cyklu for, operátory ++ a --, pole
Programování v jazyce C pro chemiky (C2160) 3. Příkaz switch, příkaz cyklu for, operátory ++ a --, pole Příkaz switch Příkaz switch provede příslušnou skupinu příkazů na základě hodnoty proměnné (celočíselné
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
VíceMatematika 1 pro PEF PaE
Reálné funkce 1 / 21 Matematika 1 pro PEF PaE 1. Reálné funkce Přemysl Jedlička Katedra matematiky, TF ČZU funkce Reálné funkce Základní pojmy 2 / 21 Zobrazení z množiny A do množiny B je množina f uspořádaných
VíceRovnice 2 Vypracovala: Ing. Stanislava Kaděrková
Rovnice 2 Vypracovala: Ing. Stanislava Kaděrková Název školy Název a číslo projektu Název modulu Obchodní akademie a Střední odborné učiliště, Veselí nad Moravou Motivace žáků ke studiu technických předmětů
VíceVY_32_INOVACE_INF4_12. Počítačová grafika. Úvod
VY_32_INOVACE_INF4_12 Počítačová grafika Úvod Základní rozdělení grafických formátů Rastrová grafika (bitmapová) Vektorová grafika Základním prvkem je bod (pixel). Vhodná pro zpracování digitální fotografie.
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
VíceCvičné texty ke státní maturitě z matematiky
Cvičné texty ke státní maturitě z matematiky Pracovní listy s postupy řešení Brno 2010 RNDr. Rudolf Schwarz, CSc. Státní maturita z matematiky Úloha 1 1. a = s : 45 = 9.10180 45 = 9.101+179 45 = 9.10.10179
VíceFOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth
FOURIEROVA ANALÝZA 2D TERÉNNÍCH DAT Karel Segeth Motto: The faster the computer, the more important the speed of algorithms. přírodní jev fyzikální model matematický model numerický model řešení numerického
VíceAplikovaná numerická matematika
Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních
VíceČtvrtek 8. prosince. Pascal - opakování základů. Struktura programu:
Čtvrtek 8 prosince Pascal - opakování základů Struktura programu: 1 hlavička obsahuje název programu, použité programové jednotky (knihovny), definice konstant, deklarace proměnných, všechny použité procedury
VíceZáklady fuzzy řízení a regulace
Ing. Ondřej Andrš Obsah Úvod do problematiky měkkého programování Základy fuzzy množin a lingvistické proměnné Fuzzyfikace Základní operace s fuzzy množinami Vyhodnocování rozhodovacích pravidel inferenční
Více