1 Jasové transformace
|
|
- Vladimír Havel
- před 5 lety
- Počet zobrazení:
Transkript
1 1 Jasové transformace 1.1 Teoretický rozbor Princip jasové transformace Jasové transformace představují transformační funkce, které mění vždy určitou hodnotu vstupní jasové funkce na výstupní. Transformace jasové stupnice lze vyjádřit následujícím matematickým zápisem: q=t(p). kde: T - transformační funkce, p - původní stupnice jasu, q - nová stupnice jasu. Obr. 1 Transformace jasové stupnice Z praktického hlediska jsou jasové transformace důležité zejména pro úpravy obrazu. Tyto úpravy umožňují pozorovateli snazší interpretaci objektu, který je v popředí jejich zájmu. Příkladem využití transformace jasové stupnice může být např. málo kontrastní rentgenový snímek. V některých případech mohou dokonce jasové transformace uškodit, protože mohou vest ke ztrátě informace, kdyby transformace jasové stupnice nebyla invertovatelná (nejednalo by se o prosté zobrazení). Jasové transformace se provádí zpravidla v rámci předzpracování obrazu: Jasové korekce nerovnoměrného osvětlení Korekce kontrastu (histogram)
2 Jasové transformace lze dělit podle velikosti okolí vyšetřovaného bodu: Globální Lokální Bodové U globální jasové transformace je nová hodnota pixelu vždy vypočítána z hodnot celého obrazu. U lokální transformace je nová hodnota pixelu vypočítána z hodnot lokálního okolí pixelu. U bodové transformace se nová hodnota pixelu vypočítá jen z hodnoty téhož pixelu. Obr. 2 Princip jasové transformace Jasové transformace v MATLABu MATLAB využívá k transformaci jasové stupnice funkci imadjust(). Syntaxe funkce imadjust: J = imadjust(i) I Je proměnná, ve které jsou uložena obrazová data. J = imadjust(i,[low_in; high_in],[low_out; high_out]) low_in; high_in, low_out; high_out vymezují intervaly intenzity vstupního a výstupního obrazu. Tyto parametry nabývají hodnot 0:1 Na následujících příkladech je demonstrováno použití funkce imadjust() pro transformaci jasové stupnice. clc;clearall obr1=imread('color_image.jpg'); zesvetleni= imadjust(obr1,[0 0.7],[0.3 1]); figure(1)
3 imshow(obr1) title('puvodniobrazek') imshow(zesvetleni) title('zesvetlenyobrazek') figure(2) ztmaveni=imadjust(obr1,[0.3 1],[0 0.7]) imshow(obr1) title('puvodniobrazek') imshow(ztmaveni) title('ztmaveny obrazek') Obr. 3 Zesvětlení vstupního obrazu Obr. 4 Ztmavení vstupního obrazu Histogram a jeho ekvalizace Histogram reprezentuje zastoupení jednotlivých intenzit v digitálním obraze. Každý histogram je vyjádřen vektorem, jehož složky jednotlivých intenzit jsou úměrně zastoupeny v digitálním obraze. Ekvalizace histogramu představuje matematický algoritmus, který mění rozložení jednotlivých intenzit v obraze tak, aby se jednotlivé intenzity vyskytovaly v širokém rozmezí a pokud možno se stejnou četností. Ekvalizace histogramu umožňuje v obraze s celkově vysokým kontrastem zvýraznit špatně rozpoznatelné detaily s nízkým kontrastem. Pokud po aplikaci ekvalizace nejsou v histogramu zastoupeny některé intensity uprostřed spektra intenzit a výstupní obraz tyto intensity vyžaduje, potom je výhodné použít filtr typu dolní propust.
4 Obr. 5 Histogram obrazu před ekvalizací který nevyužívá všechny hodnoty intenzit Obr. 6 Histogram obrazu po ekvalizaci Výsledná hodnota intenzity obrazového bodu po ekvalizaci I je vypočítána z původní intenzity obrazového bodu I, a to na základě matematického vyjádření: ii 1 I ' H ( i) XY. ii0 kde: H (i) představuje i tou složku vektoru histogramu (počet bodů v obraze se stejnou intenzitou), X, Y jsou rozměry obrazu, I 0 je nejnižší intenzita původního obrazu.
5 MATLAB má pro histogram a jeho ekvalizaci předdefinované funkce imhist() a histeq(). Na následujícím příkladu je demonstrováno použití ekvalizace histogramu v MATLABu. I = imread('pout.tif'); ekv=histeq(i); figure(1) imhist(i) imhist(ekv) figure(2) imshow(i) imshow(ekv) Obr. 7 Histogram a jeho ekvalizace
6 1.2 Pracovní postup Postup k bodu č.1 Popište teoretický koncept binarizace obrazu. Implementujte algoritmus binarizace alespoň pro tři prahy jasové funkce vyjádřené v procentech. Algoritmus porovnejte s funkcí im2bw(). Vyhodnoťte průměrnou chybu algoritmů. Vysvětlete a ukažte histogram binarizovaného obrazu vůči originálnímu histogramu. Na praktickém příkladu vysvětlete využití binarizace Postup k bodu č.2 Numericky určete předpisy následujících lineárních transformačních funkcí: Pro negativ. Pro změnu jasové stupnice, která je dána následujícím předpisem: I in = [10 100] I out = [40 200] Pro oba případy uveďte strmost transformační funkce Postup k bodu č.3 Načtěte obrazová data mri.png. S načtenými daty proveďte následující operace pomocí vestavěné funkce imadjust(): Zesvětlení obrazu. Ztmavení obrazu. Vytvořte negativ vstupního obrazu. Všechny výstupy uveďte do protokolu Postup k bodu č.4 Pro obrazová data z předešlého příkladu proveďte následující matematické operace bez použití funkce imadjust(). Implementujte lineární transformační funkci I out (I in ) = ai in, alespoň pro 3 hodnoty a. I out - je výstupní hodnota jasu I in - je vstupní hodnota jasu Vykreslete transformované obrazy a průběhy transformačních křivek v MATLABu. Vyhodnoťte vliv směrnice transformační přímky na výsledný efekt zobrazení.
7 1.2.5 Postup k bodu č.5 Bez použití vestavěné funkce vygenerujte negativ obrazu mri.png. Porovnejte negativ s funkcí imadjust(). Výstupy uveďte do protokolu Postup k bodu č. 6 Načtěte obrazová data mri.png a proveďte následující operace: Vykreslete histogram vstupního obrazu. Proveďte a vykreslete ekvalizaci histogramu vstupního obrazu. Popište vliv ekvalizace histogramu na výsledný obrazový efekt Postup k bodu č. 7 Načtěte obrazová data mri.png a otestujte nelineární transformaci jasové stupnice: Vykreslete průběh logaritmické transformace pro alespoň tři hodnoty konstanty c (g = c log (1 + f)), zároveň vykreslete průběh transformační funkce. 1.3 Výsledky
1 Základní funkce pro zpracování obrazových dat
1 Základní funkce pro zpracování obrazových dat 1.1 Teoretický rozbor 1.1.1 Úvod do zpracování obrazu v MATLABu MATLAB je primárně určen pro zpracování a analýzu numerických dat. Pro analýzu obrazových
VíceHistogram a jeho zpracování
Histogram a jeho zpracování 3. přednáška předmětu Zpracování obrazů Martina Mudrová 24 Definice Co je to histogram? = vektor absolutních četností výskytu každé barvy v obrázku [H(1),H(2), H(c)] c m.n c
VíceHistogram a jeho zpracování
... 3.. 5.. 7.. 9 Histogram a jeho zpracování 3. přednáška předmětu Zpracování obrazů Martina Mudrová Definice Co je to histogram? = vektor absolutních četností výskytu každé barvy v obrázku [H(),H(),
VíceJasové transformace. Karel Horák. Rozvrh přednášky:
1 / 23 Jasové transformace Karel Horák Rozvrh přednášky: 1. Úvod. 2. Histogram obrazu. 3. Globální jasová transformace. 4. Lokální jasová transformace. 5. Bodová jasová transformace. 2 / 23 Jasové transformace
Vícezdroj světla). Z metod transformace obrázku uvedeme warping a morfing, které se
Kapitola 3 Úpravy obrazu V následující kapitole se seznámíme se základními typy úpravy obrazu. První z nich je transformace barev pro výstupní zařízení, dále práce s barvami a expozicí pomocí histogramu
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
Více2010 Josef Pelikán, CGG MFF UK Praha
Filtrace obrazu 21 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ 1 / 32 Histogram obrázku tabulka četností jednotlivých jasových (barevných) hodnot spojitý případ hustota pravděpodobnosti
VíceAnalýza a zpracování digitálního obrazu
Analýza a zpracování digitálního obrazu Úlohy strojového vidění lze přibližně rozdělit do sekvence čtyř funkčních bloků: Předzpracování veškerých obrazových dat pomocí filtrací (tj. transformací obrazové
VíceVýukový materiál v rámci projektu OPVK 1.5 Peníze středním školám
Výukový materiál v rámci projektu OPVK 1.5 Peníze středním školám Číslo projektu: CZ.1.07/1.5.00/34.0883 Název projektu: Rozvoj vzdělanosti Číslo šablony: III/2 Datum vytvoření: 17. 12. 2012 Autor: MgA.
VíceŠ E D O T Ó N O V Á A B A R E V N Á K A L I B R A C E
Š E D O T Ó N O V Á A B A R E V N Á K A L I B R A C E Z O B R A Z O V A C Í C H Z A Ř Í Z E NÍ CÍLE LABORATORNÍ ÚLOHY 1. Seznámení se s metodami šedotónové a barevné kalibrace fotoaparátů, kamer, snímků
VíceZpracování obrazu a fotonika 2006
Základy zpracování obrazu Zpracování obrazu a fotonika 2006 Reprezentace obrazu Barevný obrázek Na laně rozměry: 1329 x 2000 obrazových bodů 3 barevné RGB kanály 8 bitů na barevný kanál FUJI Superia 400
Více13 Barvy a úpravy rastrového
13 Barvy a úpravy rastrového Studijní cíl Tento blok je věnován základním metodám pro úpravu rastrového obrazu, jako je např. otočení, horizontální a vertikální překlopení. Dále budo vysvětleny různé metody
VíceHDR obraz (High Dynamic Range)
HDR obraz (High Dynamic Range) 2010-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ 1 / 24 Velká dynamika obrazu světlé partie (krátká expozice) tmavé partie (dlouhá
VíceProgram pro zobrazení černobílých snímků v nepravých barvách
Rok / Year: Svazek / Volume: Číslo / Number: 2010 12 6 Program pro zobrazení černobílých snímků v nepravých barvách Pseudo-colour Paging of the Monochromatic Picture Libor Boleček xbolec01@stud.feec.vutbr.cz
VíceVYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ
VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ Michal Kořenář 1 Abstrakt Rozvoj výpočetní techniky v poslední době umožnil také rozvoj výpočetních metod, které nejsou založeny na bázi
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
VíceAnalýza dat v GIS. Dotazy na databáze. Překrytí Overlay Mapová algebra Vzdálenostní funkce. Funkce souvislosti Interpolační funkce Topografické funkce
Analýza dat v GIS Dotazy na databáze Prostorové Atributové Překrytí Overlay Mapová algebra Vzdálenostní funkce Euklidovské vzdálenosti Oceněné vzdálenosti Funkce souvislosti Interpolační funkce Topografické
VíceDZDDPZ5 Zvýraznění obrazu - prahování. Doc. Dr. Ing. Jiří Horák Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava
DZDDPZ5 Zvýraznění obrazu - prahování Doc. Dr. Ing. Jiří Horák Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava Zvýraznění obrazu Bodová zvýraznění 1-pásmové (radiometrické), vícepásmové
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
VíceOdhad stavu matematického modelu křižovatek
Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ ÚSTAV MECHANIKY TĚLES, MECHATRONIKY A BIOMECHANIKY Komentovaný metodický list č. 1/4 Vytvořil: Ing. Oldřich Ševeček & Ing. Tomáš Profant, Ph.D.
VíceVISUAL BASIC. Přehled témat
VISUAL BASIC Přehled témat 1 ÚVOD DO PROGRAMOVÁNÍ Co je to program? Kuchařský předpis, scénář k filmu,... Program posloupnost instrukcí Běh programu: postupné plnění instrukcí zpracovávání vstupních dat
VíceDETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH
DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH Viktor Haškovec, Martina Mudrová Vysoká škola chemicko-technologická v Praze, Ústav počítačové a řídicí techniky Abstrakt Příspěvek je věnován zpracování biomedicínských
VíceÚROVNĚ, KŘIVKY, ČERNOBÍLÁ FOTOGRAFIE
ÚROVNĚ, KŘIVKY, ČERNOBÍLÁ FOTOGRAFIE U057 Zoner Photo Studio editace fotografie 2 LS 2014 Ing. Martin Seko JAK NA ČERNOBÍLOU FOTOGRAFII DESATURACE Úrovně, křivky, černobílá fotografie 3 DESATURACE Úrovně,
VíceSignál v čase a jeho spektrum
Signál v čase a jeho spektrum Signály v časovém průběhu (tak jak je vidíme na osciloskopu) můžeme dělit na periodické a neperiodické. V obou případech je lze popsat spektrálně určit jaké kmitočty v sobě
VíceZáklady zpracování obrazů
Základy zpracování obrazů Martin Bruchanov BruXy bruxy@regnet.cz http://bruxy.regnet.cz 23. března 29 1 Jasové korekce........................................................... 1 1.1 Histogram........................................................
VícePracovní text a úkoly ke cvičením MF002
Pracovní text a úkoly ke cvičením MF002 Ondřej Pokora, PřF MU, Brno 11. března 2013 1 Brownův pohyb (Wienerův proces) Základním stavebním kamenem simulací náhodných procesů popsaných pomocí stochastických
VíceOPTIMALIZACE. (přehled metod)
OPTIMALIZACE (přehled metod) Typy optimalizačních úloh Optimalizace bez omezení Nederivační metody Derivační metody Optimalizace s omezeními Lineární programování Nelineární programování Globální optimalizace
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
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.
Více1.1 Měření parametrů transformátorů
1.1 Měření parametrů transformátorů Cíle kapitoly: Jedním z cílů úlohy je stanovit základní parametry dvou rozdílných třífázových transformátorů. Dvojice transformátorů tak bude podrobena měření naprázdno
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
Více4 Viskoelasticita polymerů II - creep
4 Viskoelasticita polymerů II - creep Teorie Ke zkoumání mechanických vlastností viskoelastických polymerních látek používáme dvě nestacionární metody: relaxační test (podrobně popsaný v úloze Viskoelasticita
VíceMěření a analýza mechanických vlastností materiálů a konstrukcí. 1. Určete moduly pružnosti E z ohybu tyče pro 4 různé materiály
FP 1 Měření a analýza mechanických vlastností materiálů a konstrukcí Úkoly : 1. Určete moduly pružnosti E z ohybu tyče pro 4 různé materiály 2. Určete moduly pružnosti vzorků nepřímo pomocí měření rychlosti
VíceTermovizní měření. 1 Teoretický úvod. Cíl cvičení: Detekce lidské kůže na snímcích z termovizní i klasické kamery
Termovizní měření Cíl cvičení: Detekce lidské kůže na snímcích z termovizní i klasické kamery 1 Teoretický úvod Termovizní měření Termovizní kamera je přístroj pro bezkontaktní měření teplotních polí na
VíceModul 1: Operace s obrazem
Modul 1: Operace s obrazem Seznam nezbytných pomůcek a znalostí 1. osobní počítač s libovolným operačním systémem 2. běhové prostřední pro programy napsané v jazyce Java 3. nainstalovaný program ImageJ
VíceSvětlo jako elektromagnetické záření
Světlo jako elektromagnetické záření Základní pojmy: Homogenní prostředí prostředí, jehož dané vlastnosti jsou ve všech místech v prostředí stejné. Izotropní prostředí prostředí, jehož dané vlastnosti
VíceMěření parametrů světelných zdrojů a osvětlení
FP 4 Měření parametrů světelných zdrojů a osvětlení Úkoly : 1. Určete a porovnejte normované prostorové vyzařovací charakteristiky určených světelných zdrojů (žárovky, LD dioda) pomocí fotogoniometru 2.
Více1 Zpracování a analýza tlakové vlny
1 Zpracování a analýza tlakové vlny 1.1 Cíl úlohy Prostřednictvím této úlohy se naučíte a zopakujete: analýzu biologických signálů v časové oblasti, analýzu biologických signálů ve frekvenční oblasti,
VíceDerivační spektrofotometrie a rozklad absorpčního spektra
Derivační spektrofotometrie a rozklad absorpčního spektra Teorie: Derivační spektrofotometrie, využívající derivace absorpční křivky, je obecně používanou metodou pro zvýraznění detailů průběhu záznamu,
VíceOsvědčené postupy pro zpracování tiskových dat s vynikající kvalitou tisku
Osvědčené postupy pro zpracování tiskových dat s vynikající kvalitou tisku Arnošt Nečas Marketing manager GRAFIE CZ Jan Štor Odborný konzultant GRAFIE CZ Agenda Základy digitálních obrazů Kvalita obrazu
VíceRastrové digitální modely terénu
Rastrové digitální modely terénu Rastr je tvořen maticí buněk (pixelů), které obsahují určitou informaci. Stejně, jako mohou touto informací být typ vegetace, poloha sídel nebo kvalita ovzduší, může každá
VíceTvorba grafů v programu ORIGIN
LICENČNÍ STUDIUM GALILEO STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Tvorba grafů v programu ORIGIN doc.dr.ing.vladimír Pata Univerzita Tomáše Bati ve Zlíně Fakulta technologická Ústav výrobních technologií
VícePREDIKCE DÉLKY KOLONY V KŘIŽOVATCE PREDICTION OF THE LENGTH OF THE COLUMN IN THE INTERSECTION
PREDIKCE DÉLKY KOLONY V KŘIŽOVATCE PREDICTION OF THE LENGTH OF THE COLUMN IN THE INTERSECTION Lucie Váňová 1 Anotace: Článek pojednává o předpovídání délky kolony v křižovatce. Tato úloha je řešena v programu
Vícescale n_width width center scale left center range right center range value weight_sum left right weight value weight value weight_sum weight pixel
Změna velikosti obrázku Převzorkování pomocí filtrů Ačkoliv jsou výše uvedené metody mnohdy dostačující pro běžné aplikace, občas je zapotřebí dosáhnout lepších výsledků. Pokud chceme obrázky zvětšovat
VíceFRVŠ 2829/2011/G1. Tvorba modelu materiálu pro živé tkáně
FOND ROZVOJE VYSOKÝCH ŠKOL 2011 FRVŠ 2829/2011/G1 Tvorba modelu materiálu pro živé tkáně Řešitel: Ing. Jiří Valášek Vysoké učení technické v Brně Fakulta strojního inženýrství Spoluřešitel 1: Ing. David
VíceROZDĚLENÍ SNÍMAČŮ, POŽADAVKY KLADENÉ NA SNÍMAČE, VLASTNOSTI SNÍMAČŮ
ROZDĚLENÍ SNÍMAČŮ, POŽADAVKY KLADENÉ NA SNÍMAČE, VLASTNOSTI SNÍMAČŮ (1.1, 1.2 a 1.3) Ing. Pavel VYLEGALA 2014 Rozdělení snímačů Snímače se dají rozdělit podle mnoha hledisek. Základním rozdělení: Snímače
VíceDeformace rastrových obrázků
Deformace rastrových obrázků 1997-2011 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Warping 2011 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 22 Deformace obrázků
VíceÚvod do analytické mechaniky
Úvod do analytické mechaniky Vektorová mechanika, která je někdy nazývána jako Newtonova, vychází bezprostředně z principů, které jsou vyjádřeny vztahy mezi vektorovými veličinami. V tomto případě např.
VíceMetoda Monte Carlo a její aplikace v problematice oceňování technologií. Manuál k programu
Metoda Monte Carlo a její aplikace v problematice oceňování technologií Manuál k programu This software was created under the state subsidy of the Czech Republic within the research and development project
VíceŠkola matematického modelování 2016
Počítačová cvičení Škola matematického modelování 2016 Petr Beremlijski, Rajko Ćosić, Marie Sadowská, Matyáš Theuer Počítačová cvičení Škola matematického modelování Petr Beremlijski, Rajko Ćosić, Marie
VíceK metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR
K metodám převodu souřadnic mezi ETRS 89 a S-JTSK na území ČR Vlastimil Kratochvíl * Příspěvek obsahuje popis vlastností některých postupů, využitelných pro transformaci souřadnic mezi geodetickými systémy
VícePočítače a grafika. Ing. Radek Poliščuk, Ph.D. Přednáška č.7. z předmětu
Ústav automatizace a informatiky Fakulta strojního inženýrství Vysoké učení technické v Brně Přednáška č.7. z předmětu Počítače a grafika Ing. Radek Poliščuk, Ph.D. 1/14 Obsahy přednášek Přednáška 7 Zpracování
VícePro úlohy digitálního zpracování obrazu je příznačný velký objem dat. Doposud ani rychlé počítače s konvenční sériovou architekturou nejsou schopny
Obrazová matice Pro úlohy digitálního zpracování obrazu je příznačný velký objem dat. Doposud ani rychlé počítače s konvenční sériovou architekturou nejsou schopny vykonat instrukce v čase, který odpovídá
VíceÚpravy rastrového obrazu
Přednáška 11 Úpravy rastrového obrazu Geometrické trasformace Pro geometrické transformace rastrového obrazu se používá mapování dopředné prochází se pixely původního rastru a určuje se barva a poloha
VíceTrénování sítě pomocí učení s učitelem
Trénování sítě pomocí učení s učitelem! předpokládá se, že máme k dispozici trénovací množinu, tj. množinu P dvojic [vstup x p, požadovaný výstup u p ]! chceme nastavit váhy a prahy sítě tak, aby výstup
VíceOBRAZOVÁ ANALÝZA. Speciální technika a měření v oděvní výrobě
OBRAZOVÁ ANALÝZA Speciální technika a měření v oděvní výrobě Prostředky pro snímání obrazu Speciální technika a měření v oděvní výrobě 2 Princip zpracování obrazu matice polovodičových součástek, buňky
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
Vícealgoritmus»postup06«p e t r B y c z a n s k i Ú s t a v g e o n i k y A V
Hledání lokálního maxima funkce algoritmus»postup06«p e t r B y c z a n s k i Ú s t a v g e o n i k y A V Č R Abstrakt : Lokální maximum diferencovatelné funkce je hledáno postupnou změnou argumentu. V
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
VíceZáklady zpracování obrazu
Základy zpracování obrazu Tomáš Mikolov, FIT VUT Brno V tomto cvičení si ukážeme základní techniky používané pro digitální zpracování obrazu. Pro jednoduchost budeme pracovat s obrázky ve stupních šedi
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
VíceBPC2E_C08 Parametrické 3D grafy v Matlabu
BPC2E_C08 Parametrické 3D grafy v Matlabu Cílem cvičení je procvičit si práci se soubory a parametrickými 3D grafy v Matlabu. Úloha A. Protože budete řešit transformaci z kartézských do sférických souřadnic,
VíceObraz matematický objekt. Spojitý obraz f c : (Ω c R 2 ) R
Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Diskrétní obraz f d : (Ω {0... n 1 } {0... n 2 }) {0... f max } Obraz matematický objekt
VícePísemná práce k modulu Statistika
The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem
VíceObsah. Úvod... 9. Barevná kompozice... 16 Světlo... 18 Chromatická teplota světla... 19 Vyvážení bílé barvy... 20
Obsah Úvod.............................................................................................. 9 Historie grafického designu a tisku..................................... 10 Od zadání k návrhu..............................................................
VíceREGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB
62 REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB BEZOUŠKA VLADISLAV Abstrakt: Text se zabývá jednoduchým řešením metody nejmenších čtverců v prostředí Matlab pro obecné víceparametrové aproximační funkce. Celý postup
VíceMANUÁL K PROGRAMU INTERFER VERZE 3.0
Fakulta informatiky Masarykovy university v Brně Fakulta strojního inženýrství Vysokého učení technického v Brně Ústav fyziky, Energetický ústav MANUÁL K PROGRAMU INTERFER VERZE 3.0 TOMÁŠ PAVELEK BRNO
VíceElektronické praktikum EPR1
Elektronické praktikum EPR1 Úloha číslo 4 název Záporná zpětná vazba v zapojení s operačním zesilovačem MAA741 Vypracoval Pavel Pokorný PINF Datum měření 9. 12. 2008 vypracování protokolu 14. 12. 2008
Vícewww.pedagogika.skolni.eu
2. Důležitost grafů v ekonomických modelech. Náležitosti grafů. Typy grafů. Formy závislosti zkoumaných ekonomických jevů a jejich grafické znázornění. Grafy prezentují údaje a zachytávají vztahy mezi
VíceDigitální fotografie II. Mgr. Milana Soukupová Gymnázium Česká Třebová
Digitální fotografie II Mgr. Milana Soukupová Gymnázium Česká Třebová Téma sady didaktických materiálů Číslo a název šablony Číslo didaktického materiálu Druh didaktického materiálu Téma didaktického materiálu
VíceProtokol o termovizním měření
Workswell s.r.o. Jugoslávských partyzánů 1580/3 Praha 6 Protokol o termovizním měření Bytový dům Evropská 530/26, Praha 6 Datum měření: 14.2.2012 Zadavatel měření: Místo měření: Bytový dům Evropská 530/26
VíceZpracování astronomických snímků (Část: Objekty sluneční soustavy) Obsah: I. Vliv atmosféry na pozorovaný obraz II. Základy pořizování snímků planet
Zpracování astronomických snímků (Část: Objekty sluneční soustavy) Obsah: I. Vliv atmosféry na pozorovaný obraz II. Základy pořizování snímků planet Zdeněk ŘEHOŘ III. Zpracování snímků planet IV. Příklady
VíceQ(y) dy = P(x) dx + C.
Cíle Naše nejbližší cíle spočívají v odpovědích na základní otázky, které si klademe v souvislosti s diferenciálními rovnicemi: 1. Má rovnice řešení? 2. Kolik je řešení a jakého jsou typu? 3. Jak se tato
VícePŘEDZPRACOVÁNÍ SNÍMKŮ SÍTNICE ZA ÚČELEM ZLEPŠENÍ DIAGNOSTIKY GLAUKOMU
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT
VíceUţití elektrické energie. Laboratorní cvičení 27
Uţití elektrické energie. Laboratorní cvičení 27 3.1.6 Měření světelného toku a měrného výkonu světelných zdrojů Cíl: Hlavním cílem úlohy je měření světelného toku a měrného výkonu různých světelných zdrojů
VíceDiferenciální rovnice
Diferenciální rovnice Průvodce studiem Touto kapitolou se náplň základního kurzu bakalářské matematiky uzavírá. Je tomu tak mimo jiné proto, že jsou zde souhrnně využívány poznatky získané studiem předchozích
VíceInterní norma č. 22-102-01/01 Průměr a chlupatost příze
Předmluva Text vnitřní normy byl vypracován v rámci Výzkumného centra Textil LN00B090 a schválen oponentním řízením dne 7.12.2004. Předmět normy Tato norma stanoví postup měření průměru příze a celkové
VíceANALÝZA SNÍMKŮ Z CELOOBLOHOVÉ KAMERY
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ Katedra telekomunikační techniky ANALÝZA SNÍMKŮ Z CELOOBLOHOVÉ KAMERY SEMESTRÁLNÍ PRÁCE Autor práce: Vedoucí práce: Ladislav Chmela Ing. Jaroslav
VíceD E T E K C E P O H Y B U V E V I D E U A J E J I C H I D E N T I F I K A C E
D E T E K C E P O H Y B U V E V I D E U A J E J I C H I D E N T I F I K A C E CÍLE LABORATORNÍ ÚLOHY 1. Seznámení se s metodami detekce pohybu z videa. 2. Vyzkoušení si detekce pohybu v obraze kamery ÚKOL
VícePočítačová grafika 2. Opakování. Úprava barev a tónů. Retuše a efekty.
Počítačová grafika 2 Opakování. Úprava barev a tónů. Retuše a efekty. Opakování Jaké jsou rozdíly mezi rastrovou a vektorovou grafikou? Vysvětlete pojmy: pixel, palec, rozlišení, barevná hloubka. Víme,
VíceRozšíření bakalářské práce
Rozšíření bakalářské práce Vojtěch Vlkovský 2011 1 Obsah Seznam obrázků... 3 1 Barevné modely... 4 1.1 RGB barevný model... 4 1.2 Barevný model CMY(K)... 4 1.3 Další barevné modely... 4 1.3.1 Model CIE
VíceNPGR032 Cv. 01 - úvod
NPGR032 Cv. 01 - úvod ZS 2014 ÚTIA - ZOI zoi.utia.cas.cz Kontakty Ústav teorie informace a automatizace AV ČR, v.v.i. http://www.utia.cas.cz Zpracování obrazové informace http://zoi.utia.cas.cz 2 / 44
VíceVyšší odborná škola a Střední škola,varnsdorf, příspěvková organizace. Šablona 15 VY 32 INOVACE 0101 0215
Vyšší odborná škola a Střední škola,varnsdorf, příspěvková organizace Šablona 15 VY 32 INOVACE 0101 0215 VÝUKOVÝ MATERIÁL Identifikační údaje školy Číslo projektu Název projektu Číslo a název šablony Autor
VíceNávrh frekvenčního filtru
Návrh frekvenčního filtru Vypracoval: Martin Dlouhý, Petr Salajka 25. 9 2010 1 1 Zadání 1. Navrhněte co nejjednodušší přenosovou funkci frekvenčního pásmového filtru Dolní propusti typu Bessel, která bude
VícePřehled vhodných metod georeferencování starých map
Přehled vhodných metod georeferencování starých map ČVUT v Praze, katedra geomatiky 12. 3. 2015 Praha Georeferencování historická mapa vs. stará mapa georeferencování umístění obrazu mapy do referenčního
VíceDigitalizace a zpracování obrazu
Digitalizace a zpracování obrazu Jaroslav Fiřt a), Radek Holota b) a) Nové technologie výzkumné centrum Sedláčkova 15 306 14 Plzeň tel. (+420) 377236881, kl. 237 e-mail: firt@kae.zcu.cz b) Nové technologie
VíceGEOREFERENCOVÁNÍ RASTROVÝCH DAT
GEOREFERENCOVÁNÍ RASTROVÝCH DAT verze 1.0 autoři listu: Lukáš Brůha, video Jan Kříž Cíle V tomto pracovním listu se student: seznámí se základní koncepcí geometrické transformace souřadnicových systémů,
VíceUniverzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie
Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.1 Matematické principy vícerozměrných metod statistické analýzy
VíceÚloha 3: Mřížkový spektrometr
Petra Suková, 2.ročník, F-14 1 Úloha 3: Mřížkový spektrometr 1 Zadání 1. Seřiďte spektrometr pro kolmý dopad světla(rovina optické mřížky je kolmá k ose kolimátoru) pomocí bočního osvětlení nitkového kříže.
VíceLinearní algebra příklady
Linearní algebra příklady 6. listopadu 008 9:56 Značení: E jednotková matice, E ij matice mající v pozici (i, j jedničku a jinak nuly. [...]... lineární obal dané soustavy vektorů. Popište pomocí maticového
VíceVýukový materiál v rámci projektu OPVK 1.5 Peníze středním školám
VY_32_INOVACE_OVF23260ŽIŽ Výukový materiál v rámci projektu OPVK 1.5 Peníze středním školám Číslo projektu: CZ.1.07/1.5.00/34.0883 Název projektu: Rozvoj vzdělanosti Číslo šablony: III/2 Datum vytvoření:
VíceÚloha D - Signál a šum v RFID
1. Zadání: Úloha D - Signál a šum v RFID Změřte úrovně užitečného signálu a šumu v přenosovém řetězci systému RFID v závislosti na čtecí vzdálenosti. Zjistěte maximální čtecí vzdálenost daného RFID transpondéru.
VíceMATURITNÍ TÉMATA Z MATEMATIKY
MATURITNÍ TÉMATA Z MATEMATIKY 1. Základní poznatky z logiky a teorie množin Pojem konstanty a proměnné. Obor proměnné. Pojem výroku a jeho pravdivostní hodnota. Operace s výroky, složené výroky, logické
Vícekamerou. Dle optických parametrů objektivu mohou v získaném obraze nastat geometrická
Odstranění geometrických zkreslení obrazu Vstupní obraz pro naše úlohy získáváme pomocí optické soustavy tvořené objektivem a kamerou. Dle optických parametrů objektivu mohou v získaném obraze nastat geometrická
VícePhotoshop - tutoriály
H OŘÍCÍ TEXT Photoshop - tutoriály 1) Vytvořte Nový soubor. Velikost dokumentu jsem volil 500 x 200 obrazových bodů, rozlišení 72 dpi. Barva pozadí je předpokládaně bílá, což je pro náš případ vyhovující.
VíceMĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky
MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky Při návrhu elektroakustických soustav, ale i jiných systémů, je vhodné nejprve
VíceSOFTWARE PRO ANALÝZU LABORATORNÍCH MĚŘENÍ Z FYZIKY
SOFTWARE PRO ANALÝZU LABORATORNÍCH MĚŘENÍ Z FYZIKY P. Novák, J. Novák, A. Mikš Katedra fyziky, Fakulta stavební, České vysoké učení technické v Praze Abstrakt V rámci přechodu na model strukturovaného
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
VíceMATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze
Fakulta strojního inženýrství Univerzity J. E. Purkyně v Ústí nad Labem Pasteurova 7 Tel.: 475 285 511 400 96 Ústí nad Labem Fax: 475 285 566 Internet: www.ujep.cz E-mail: kontakt@ujep.cz MATEMATIKA III
Více