PROF. DR. JACQUES FACON ESTUDO DA TÉCNICA DE LIMIARIZAÇÃO DE EIKVIL
|
|
- Tomás Faro Belo
- 8 Há anos
- Visualizações:
Transcrição
1 PUCPR- PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ PPGIA- PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA APLICADA PROF. DR. JACQUES FACON ESTUDO DA TÉCNICA DE LIMIARIZAÇÃO DE EIKVIL Resumo: Este trabalho tem por objetivo descrever o método de limiarização de imagens de Eikvil. Este estudo teórico tem por objetivo descrever o funcionamento do algoritmo para implementação na plataforma Pdimagem, utilizando-se a linguagem de programação Visual C++. O método de Eikvil constitui-se de duas janelas flutuantes: uma maior, e uma menor que fica posicionada no centro da janela maior. As janelas são movidas em passos iguais ao tamanho da janela menor. Um agrupamento dos pixels na janela maior é feito segundo o método de Otsu de seleção de limiarização. Um teste é efetuado para saber se a região consiste de uma ou duas classes, e assim os pixels na janela menor são classificados. Movendo-se as janelas desta maneira e usando-se uma técnica de agrupamento de pixels como a de Otsu, pode-se reter o contraste local e obter-se uma boa limiarização de imagens. Em testes realizados em várias imagens, obteve-se bons resultados, apesar de o método ser computacionalmente lento, tornando-se vantajosa a sua utilização. Palavras chaves: Processamento de imagens, Binarização, Método de Otsu, Método de Eikvil. Introdução A segmentação de imagens de tons de cinza como, por exemplo, o método de binarização (limiarização), é uma importante ferramenta para processamento de imagens. Tal técnica se constitui em separar a imagem de tons de cinza em duas classes: o background e o foreground. Existem diversas técnicas bem conhecidas de limiarização, mas estas técnicas apresentam muitas limitações. Propõe-se, então, um novo método que proporcione uma mais confiável limiarização de imagens de tons de cinza, com variações possíveis de contraste, que não podiam ser anteriormente limiarizadas utilizando-se outras técnicas.. Descrição do método Visando manter o algoritmo de limiarização sensível a contrastes e ruídos em imagens, o método de Eikvil utiliza uma técnica específica de análise de sub-imagens. Um agrupamento (clustering) é efetuado localmente em cada região (sub-imagem), e um teste é então realizado para se saber se a região consiste de uma ou duas classes. Após esta classificação, as médias das classes background e foreground são atualizadas, antes de se passar para o próximo passo. Cada sub-imagem constitui-se de duas janelas flutuantes: uma maior, e uma menor que fica posicionada no centro da maior. As janelas são movidas em passos iguais ao tamanho da janela menor, sendo que a janela menor move-se dentro da janela maior, sempre se posicionando no centro de gravidade da mesma. A cada passo, um agrupamento (clustering) é efetuado nos pixels contidos na janela maior, mas somente os pixels contidos na janela menor são classificados. Deve-se ressaltar que a escolha do tamanho da janela maior é importante, pois a região deve conter um número suficiente de pixels para se estimar parâmetros específicos de classe, enquanto deve também ser mantida pequena suficiente para preservar detalhes. Assim, a regra de classificação é adaptada a cada janela menor, e deste modo o risco de se perder detalhes menores é reduzido. As médias das duas classes são atualizadas conforme a imagem é percorrida, e são adaptadas às variações de nível de cinza da imagem. Como não deve haver
2 nenhuma relação entre os níveis de cinza das bordas esquerda e direita da imagem, as janelas são movidas em zigzag da esquerda para a direita, e novamente da direita para a esquerda. Um agrupamento dos pixels na janela maior é feito segundo o método de Otsu de seleção de limiarização. O método de Otsu foi escolhido porque produz clusters de, aproximadamente, mesmo tamanho. Deste modo, o risco de classificação errônea de pixels é reduzido. Além disso, o método de Otsu tem a vantagem de ser computacionalmente rápido. O método de Otsu não possui contexto, e leva em conta somente o histograma de tons de cinza. Todas as possíveis divisões (limiares) do histograma são testadas, e um valor que expressa a variação entre dois clusters, σ, é computado. O valor de limiar, t 0,,...L, que maximiza esta variação é selecionado. onde: B A variação entre dois clusters é expressa como: t σ = ϖ B ϖ ( t) = p i, = t ϖ ( t) i p i ( t )( T ) + ( ϖ ( t))( T é a média da classe c, e c, tendo-se o número total de níveis de cinza, L, o número total de pixels, N, ) é a média da classe 55 = i. p i ϖ ( t) t+ L ni pi = e T = i. p i. N Para a implementação desta técnica na plataforma de programação Visual C++, utilizou-se uma fórmula estatística para o cálculo e : t 0 = t 0 55 t = 55 t i. h( i) h( i) i. h( i) h( i) onde t é o valor de limiar de Otsu (janela maior), h é o histograma no nível de cinza i, é a média da classe preto ( c ) e é a média da classe branco ( c ). O método de Otsu sempre irá produzir dois clusters, e em seguida um teste é efetuado para se saber se a região é constituída de uma ou duas classes. Este teste é efetuado calculando-se a diferença entre as médias dos dois clusters. Se o módulo desta diferença (distância) for superior ao valor θ, a região consiste de duas classes. Caso contrário, a região consiste de apenas uma classe. Para a implementação do algoritmo requer-se a definição de alguns parâmetros. A região R e os passos L definem o tamanho das duas janelas flutuantes. Um valor θ de limite da distância entre as médias dos clusters é também necessário, bem como uma medida que determina a rapidez ω de adaptação, dos valores das médias globais, às variações de níveis de cinza na imagem. Ë necessário também a inclusão de um valor mínimo global e um valor máximo global. Utilizando-se esses valores, pode-se pré-classificar alguns dos pixels, definindo-se quais valores devem ser considerados no processo de agrupamento (clustering). Este processo é somente utilizado em imagens complexas onde o background e o foreground consistem realmente em duas classes e onde essas classes aparecem juntas. Estes dois parâmetros podem ser estimados, por exemplo, agrupando-se todos os pixels em 5 clusters, e escolhendo-se o maior e menor valor das médias dos clusters, respectivamente como os valores globais máximo e mínimo.
3 3. Algoritmo Define-se uma região R, de tamanho nxn, e uma janela L, de tamanho mxm, sendo que m < n. Posiciona-se então a janela no centro da região R, e percorre-se a imagem em passos de m pixels. Para cada passo executa-se o segue procedimento: Início Gerar dois clusters baseados nos níveis de cinza da região R, usando-se o método de Otsu para computar o valor de limiarização, t, entre as duas classes no ervalo <valor global mínimo, valor global máximo>. Cluster consiste de pixels com nível de cinza l < t (Limiarização obtida utilizando-se o método de Otsu.) Cluster consiste de pixels com nível de cinza l t (Limiarização obtida utilizando-se o método de Otsu.) Se > θ A região consiste de duas classes, classificar os pixels na janela L usando a limiarização computada t. Atualizar valores para ambas as classes: C C K + K + = ωc = ωc K K + ( ω) Senão (distância muito pequena < θ) Se o valor médio é mais próximo do valor médio do background: Classificar os pixels na janela como de fundo. Atualizar valor de fundo: Se o valor médio é mais próximo do valor médio do foreground: Classificar os pixels na janela como frontais. Atualizar valor frontal: + ( ω) K + K = C + ( C ω ω) T Fim Variáveis: K + K = C + ( C ω ω) θ: Valor limite para a distância entre os valores das médias. K C i : Média atualizada da classe i. ω: Peso das médias previamente computadas. T O valor de θ deve ser escolhido dependendo do nível de ruídos contidos nas regiões homogêneas da imagem, e nas regiões de separação de classes. Quanto maiores forem as freqüências de ruídos e de variações de contraste na imagem, maiores devem ser os valores de θ. O valor de ω deve ser escolhido dependendo das variações de níveis de cinza, de cada uma das duas classes, na imagem. Quanto mais lentas forem as variações de nível de cinza, maior pode ser o valor do parâmetro ω. Os autores Eikvil aconselham usar como valores padrões da região R e dos passos L, respectivamente 5 e 3, como valor padrão de θ a ser usado 5, e como valor de ω a ser usado Conclusões
4 Pode-se concluir, analisando-se as imagens testadas, que os resultados obtidos através da limiarização de Eikvil foram satisfatórios. Apesar da implementação do algoritmo ter sido trabalhosa, e a sua performance ter sido lenta, a boa qualidade dos resultados obtidos compensam a sua utilização. Acredita-se, assim, que tem-se uma boa aplicabilidade desta técnica em imagens de documentos com variações de contraste ou com pouco contraste, causados por variações ou má iluminação. Algumas possíveis aplicações são a utilização em imagens para inspeção industrial e documentos médicos. Possíveis melhorias na técnica implementada poderiam ser feitas. O método é bem sensível à variações de contraste, sendo boa a sua performance em imagens com pouco contraste. Entretanto, em imagens com ruídos, podese dar ênfase ao ruído. Algumas considerações contextuais poderiam melhorar a performance nestes casos. Os testes realizados para classificação das sub-imagens em uma ou duas classes poderia ser melhorado, utilizando-se mais testes de modelo estatístico. Deve-se, no entanto, levar em consideração que alterações no algoritmo devem ser balanceadas contra um maior esforço computacional. 5. Referências L.Eikvil, T. Taxt & K. Moen. A Fast Adaptive Method for Binarization of Document Images, Proc First Int l Conf Document Analysis and Recognition, Sa Malo, France, pp , 99.
5 6. Implementação A implementação do algoritmo de Eikvil foi feita utilizando-se a plataforma de programação Microsoft Visual C A execução do programa ficou um pouco lenta (para algumas imagens chega a demorar alguns minutos), pois é necessário avaliar muitas janelas, dentro da própria imagem. Foi construída uma função auxiliar para o cálculo do limiar por OTSU das janelas na imagem. Esta função também calcula as médias da janela. Os valores padrões da região R e dos passos L, foram respectivamente 5 e 3. O valor padrão de θ utilizado foi 5, e o valor de ω foi 0.9, pois desta forma encontraram-se resultados satisfatórios em todas as imagens testadas. Os valores destes parâmetros podem ser alterados pelo usuário do programa. À seguir tem-se a listagem das principais funções utilizadas para se efetuar a limiarização pelo método de Eikvil. Funções implementadas na classe CpdiBase: unsigned Otsu(CPdiBase* Img, cini, lini, cfim, lfim,double* Media,double* Media,double* MediaTotal, gmin, gmax) unsigned uilimiar, i, r; long histo[56]; long k, ltotalpontos,sposicao;; lin, col; double Soma,Soma; long DWORD BYTE* Width,Height; LinBytes; lptemp; // Informacoes da Imagem Width = Img->GetWidth(); Height = Img->GetHeight(); lptemp = Img->lpBits; LinBytes = Img->bmWidthBytes; // Zera Histograma for (sposicao = gmin; sposicao < gmax+; sposicao++) histo[sposicao] = 0; // Calculo do Histograma lptemp += (long)lini*linbytes; for (lin = lini; lin <= () lfim;lin++,lptemp+=linbytes) for (col = cini; col <= () cfim; col++) histo[()lptemp[col]]++; // Comeco do cálculo do Limiar de Otsu // Aloca as Matrizes double proba[56], fomega[56], fmi[56], fsigmab[56], fsigmabmax, fmitotal; // calculo das probabilidades a priori ltotalpontos = (long) ((cfim-cini)+) * ((lfim-lini)+); for (i = gmin; i < gmax+; i++) proba[i] = (double) (histo[i])/ltotalpontos; fomega[i] = 0.0; fmi[i] = 0.0;
6 for (k = gmin; k < gmax+; k++) for (i = gmin; i < k; i++) fomega[k] += proba[i]; for (k = gmin; k < gmax+; k++) for (i = gmin; i < k; i++) fmi[k] += (i + ) * proba[i]; fmitotal = fsigmabmax = 0.0; for (i = gmin; i < gmax+; i++) fmitotal += (i + ) * proba[i]; if ((fomega[0] * ( - fomega[0]))!= 0.0) fsigmabmax = ( (fmitotal * fomega[0] - fmi[0]) * (fmitotal * fomega[0] - fmi[0]) ) / (fomega[0] * ( - fomega[0])); uilimiar = 0; for (k = gmin; k < gmax+; k++) if ((fomega[k] * ( - fomega[k]))!= 0.0) fsigmab[k] = ( (fmitotal * fomega[k] - fmi[k]) * (fmitotal * fomega[k] - fmi[k]) ) / (fomega[k] * ( - fomega[k])); if (fsigmab[k] >= fsigmabmax) fsigmabmax = fsigmab[k]; uilimiar = (unsigned ) k; // Final do cálculo do Limiar de Otsu // Calculo de mi *Media = 0; Soma = 0; for(k=gmin;k < uilimiar;k++) (*Media) += k*histo[k]; Soma += histo[k]; // Calculo de mi *Media = 0; Soma = 0; for(k=uilimiar;k < gmax+;k++) (*Media) += k*histo[k]; Soma += histo[k];
7 *MediaTotal = (*Media + *Media)/(Soma+Soma); if (Soma!= 0) *Media = *Media / Soma; else *Media = -; // mi inexistente if (Soma!= 0) *Media = *Media / Soma; else *Media = -; // mi inexistente return uilimiar; void CPdiBase::LimiarEikvil(CPdiBase* Img, n, m, Teta,double Omega) data; n6,m6; i,j,l; lin,col ; linx,colx ; cinir,linir,cfimr,lfimr; cinil,linil,cfiml,lfiml; unsigned LOtsu,LEikvil; long Width,Height; double mi,mi,mit; double Cb,Cb; long LinBytes; BYTE* lptemp ; // Informacoes da Imagem Width = GetWidth(); Height = GetHeight(); LinBytes = bmwidthbytes; n6 = n/; m6 = m/; gmax = 0; gmin = 55; // Calculo de gmax e gmim // Este valores limitam os cálculos dos reais niveis de cinza lptemp = lpbits; for(lin=0;lin<height;lin++,lptemp+=linbytes) for(col=0;col<width;col++) data = ()lptemp[col]; if (data > gmax) gmax = data; if (data < gmin) gmin = data;
8 Cb=0; Cb=0; for (lin = 0;lin < Height-m;lin+=m) for (col = 0;col < Width-m;col+=m) cinir = col+m6-n6; cfimr = col+m6+n6; linir = lin+m6-n6; lfimr = lin+m6+n6; cinil = col+0; cfiml = col+m; linil = lin+0; lfiml = lin+m; da imagem da imagem imagem imagem da imagem da imagem imagem imagem if (cinir < 0) cinir = 0; if (linir < 0) // Caso coluna da Janela fora // Caso linha da Janela fora linir = 0; if (cfimr > Width -) // Caso coluna da Janela fora da cfimr = Width -; if (lfimr > Height-) // Caso linha da Janela fora da lfimr = Height-; if (cinil < 0) cinil = 0; if (linil < 0) // Caso coluna da Janela fora // Caso linha da Janela fora linil = 0; if (cfiml > Width -) // Caso coluna da Janela fora da cfiml = Width -; if (lfiml > Height-) // Caso linha da Janela fora da lfiml = Height-; ) LOtsu=Otsu(Img,ciniR,liniR,cfimR,lfimR,&mi,&mi,&miT,gMin,gMax); <= fabs(mi-lotsu))) ) lptemp = lpbits; lptemp += linil*linbytes; // Algoritmo propriamente dito if ( (mi == -) (mi == -) (fabs(mi - mi) <= Teta) if ( (mi == -) ((mi!= -) && (fabs(mi-lotsu) // Classificar os pixels na janela // local como foreground. Cb = Omega*Cb + (-Omega)*miT;
9 for (linx = linil;linx < lfiml;linx++,lptemp+=linbytes) for (colx = cinil;colx < cfiml;colx++) data = lptemp[colx]; lptemp[colx] = (data < Cb)? 0 : 55; // lptemp[colx] = 0; <= fabs(mi-lotsu))) ) if ( (mi == -) ((mi!= -) && (fabs(mi-lotsu) // Classificar os pixels na janela // local como background. Cb = Omega*Cb + (-Omega)*miT; for (linx = linil;linx < lfiml;linx++,lptemp+=linbytes) for (colx = cinil;colx < cfiml;colx++) data = lptemp[colx]; lptemp[colx] = (data < Cb)? 0 : 55; // lptemp[colx] = 55; else if ( (fabs(mi - mi) > Teta) ) // Classificar os pixels na janela local,l, // usando o valor de limiar t. for (linx = linil;linx < lfiml;linx++,lptemp+=linbytes) for (colx = cinil;colx < cfiml;colx++) data = lptemp[colx]; lptemp[colx] = (data < LOtsu)? 0 : 55; Cb = Omega*Cb + (-Omega)*mi; Cb = Omega*Cb + (-Omega)*mi; Implementação da janela de seleção dos parâmetros do algoritmo de Eikvil: // DlgEikvil.cpp : implementation file // #include "stdafx.h"
10 #include "pdimagem.h" #include "DlgEikvil.h" #ifdef _DEBUG #define new DEBUG_NEW #undef THIS_FILE static char THIS_FILE[] = FILE ; #endif ///////////////////////////////////////////////////////////////////////////// // CDlgEikvil dialog CDlgEikvil::CDlgEikvil(CWnd* pparent /*=NULL*/) : CDialog(CDlgEikvil::IDD, pparent) //AFX_DATA_INIT(CDlgEikvil) m_janl = 3; m_janr = 5; m_omega = 0.9; m_teta = 5; //AFX_DATA_INIT void CDlgEikvil::DoDataExchange(CDataExchange* pdx) CDialog::DoDataExchange(pDX); //AFX_DATA_MAP(CDlgEikvil) DDX_Text(pDX, IDC_JANL, m_janl); DDX_Text(pDX, IDC_JANR, m_janr); DDX_Text(pDX, IDC_OMEGA, m_omega); DDX_Text(pDX, IDC_TETA, m_teta); //AFX_DATA_MAP BEGIN_MESSAGE_MAP(CDlgEikvil, CDialog) //AFX_MSG_MAP(CDlgEikvil) //AFX_MSG_MAP END_MESSAGE_MAP() ///////////////////////////////////////////////////////////////////////////// // CDlgEikvil message handlers void CDlgEikvil::OnOK() UpdateData(TRUE); if (m_janr < m_janl) AfxMessageBox("O Tamanho da Janela-R deve ser\nmaior ou igual que o da Janela-L!"); return; if ( (m_janl% == 0) (m_janr% == 0) ) AfxMessageBox("O Tamanho das Janelas deve ser\nimpar para facilitar os cálculo!"); return;
11 if (!( (m_omega > 0) && (m_omega < ) ) ) AfxMessageBox("O Valor de Omega deve\npertencer ao ervalo ]0,[!"); return; if ( (m_teta < 5) (m_teta > 0) ) AfxMessageBox("O Valor de Teta deve\npertencer ao ervalo [5,0]!"); return; 3!"); if ( (m_janl < 3) (m_janr < 3) ) AfxMessageBox("O Tamanho das Janelas deve ser maior ou igual a return; CDialog::OnOK();
PROF. DR. JACQUES FACON
PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO DUPLA DE ISTVÁN CSEKE PROJETO DE UMA RÁPIDA SEGMENTAÇÃO PARA
Leia maisTrabalho 2 Fundamentos de computação Gráfica
Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho
Leia maisSEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS
SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com
Leia maisA limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.
Limiarização A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. O princípio da limiarização consiste em separar as regiões
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Algoritmo k Means Mestrado/Doutorado em Informática (PPGIa) Pontifícia Universidade Católica do Paraná (PUCPR) 2 Problema do Agrupamento Seja x = (x 1, x 2,,
Leia mais29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica
Mapeamento não-linear Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital 1 Professor Paulo Christakis 1 2 Sistema CAD Diagnóstico auxiliado por computador ( computer-aided
Leia maisUFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração
Leia maisTransformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis
Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia maisCOMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS
COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS Leonardo Meneguzzi 1 ; Marcelo Massoco Cendron 2 ; Manassés Ribeiro 3 INTRODUÇÃO
Leia maisFigura 01: Aplicações do Filtro Espacial Passa-Baixa.
791 IMPLEMENTAÇÃO DE TÉCNICAS DE PRÉ-PROCESSAMENTO E PROCESSAMENTO DE IMAGENS PARA RADIOGRAFIAS CARPAIS Rafael Lima Alves 1 ; Michele Fúlvia Angelo 2 Bolsista PROBIC, Graduando em Engenharia de Computação,
Leia maisProcessamento digital de imagens. introdução
Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética
Leia maisImplementando plugins para o ImageJ
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO NÚCLEO DE PROCESSAMENTO DIGITAL DE IMAGENS (NPDI) Tutorial Implementando plugins para o ImageJ Flávio
Leia maisAnálise de Dados do Financeiro
Análise de Dados do Financeiro Introdução Para reunir em um só local as informações de contas a pagar e receber cadastradas e/ou geradas no sistema TTransp existe a interface de análise de dados do financeiro.
Leia maisStatus. Barra de Título. Barra de Menu. Barra de. Ferramentas Padrão. Caixa de nomes. Barra de. Ferramentas de Formatação. Indicadores de Coluna
O que é uma planilha eletrônica? É um aplicativo que oferece recursos para manipular dados organizados em tabelas. A partir deles pode-se gerar gráficos facilitando a análise e interpretação dos dados
Leia maisPara criar uma animação precisamos de uma imagem e que ela contenha alguns frames. O número de frames é uma escolha sua.
7 Animação Animações é um dos quesitos muito importantes em jogos, você não acha? Para isso o JPlay tem uma classe específica para lidar com animações. Essa classe se chama Animation. Bem sugestivo o nome
Leia maisCapítulo 2: Introdução à Linguagem C
Capítulo 2: Introdução à Linguagem C INF1005 Programação 1 Pontifícia Universidade Católica Departamento de Informática Programa Programa é um algoritmo escrito em uma linguagem de programação. No nosso
Leia maisAula 9 ESCALA GRÁFICA. Antônio Carlos Campos
Aula 9 ESCALA GRÁFICA META Apresentar as formas de medição da proporcionalidade entre o mundo real e os mapas através das escalas gráficas. OBJETIVOS Ao final desta aula, o aluno deverá: estabelecer formas
Leia maisChow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto.
Respostas Estudo Dirigido do Capítulo 12 Image Segmentation" 1 Com suas palavras explique quais os problemas que podem ocorrer em uma segmentação global baseada em níveis de cinza da imagem. Que técnicas
Leia maisCurva ABC. Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar Centro Cascavel PR www.tecinco.com.br
Curva ABC Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar Centro Cascavel PR www.tecinco.com.br Sumário Introdução... 3 Utilização no sistema TCar-Win... 3 Configuração da curva ABC... 4 Configuração
Leia maisOpenCV. http://opencv.willowgarage.com/wiki/
OpenCV http://opencv.willowgarage.com/wiki/ Introdução a OpenCV Geralmente, quando iniciamos estudos numa determinada linguagem de programação é comum que o iniciante implemente um pequeno programa de
Leia maisTabela de símbolos: tabelas de espalhamento
Tabela de símbolos: tabelas de espalhamento Marcelo K. Albertini 14 de Janeiro de 2014 2/28 Resumo de complexidades Análises para operação efetuada após N inserções pior caso caso médio keys chave get
Leia maisProf. Dr. Iron Macêdo Dantas
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN MESTRADO EM CIÊNCIAS NATURAIS Prof. Dr. Iron Macêdo Dantas
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE INFORMÁTICA INFORMÁTICA APLICADA
Responda 1) Quem desenvolveu a linguagem C? Quando? 2) Existe alguma norma sobre a sintaxe da linguagem C? 3) Quais são os tipos básicos de dados disponíveis na linguagem C? 4) Quais são as principais
Leia maisRECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP
RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisÍNDICE. Tela de Configuração...03. Dados de Etiqueta...04. Configuração da Impressora...05. Configuração do Papel...06. Itens para Inserção...
Layout de Etiquetas ÍNDICE Tela de Configuração...03 Dados de Etiqueta...04 Configuração da Impressora...05 Configuração do Papel...06 Itens para Inserção...07 Recursos...08 Configurações dos Itens Selecionados...09
Leia maisBusca. Pesquisa sequencial
Busca Banco de dados existem para que, de tempos em tempos, um usuário possa localizar o dado de um registro, simplesmente digitando sua chave. Uma tabela ou um arquivo é um grupo de elementos, cada um
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas CMP1132 Processo e qualidade de software II Prof. Me. Elias Ferreira Sala: 402 E Quarta-Feira:
Leia maisO Windows 7 é um sistema operacional desenvolvido pela Microsoft.
Introdução ao Microsoft Windows 7 O Windows 7 é um sistema operacional desenvolvido pela Microsoft. Visualmente o Windows 7 possui uma interface muito intuitiva, facilitando a experiência individual do
Leia maisSegmentação de Imagens de Placas Automotivas
Segmentação de Imagens de Placas Automotivas André Zuconelli, Manassés Ribeiro Instituto Federal Catarinense - Campus Videira. Técnico em Informática, turma 2010 Rodovia SC, Km 5 Bairro Campo Experimental
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números
Leia maisUniversidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens
Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem
Leia maisAnálise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes
Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Isabel Cristina Costa Leite 1 2 3 Thelma Sáfadi 2 Maria Laene Moreira de Carvalho 4 1 Introdução A análise
Leia maisFiltragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha
Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem
Leia maisATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF
TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial
Leia maisProf. Antonio Torres antonioctorres@gmail.com @_antonioctorres. Fundamentos de Sistemas Operacionais UNIP/2015
Prof. Antonio Torres antonioctorres@gmail.com @_antonioctorres Fundamentos de Sistemas Operacionais UNIP/2015 Disciplinas FUNDAMENTOS DE SISTEMAS OPERACIONAIS Horários Quarta-feira Fundamentos de Sistemas
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisQUADRADO MÁGICO - ORDEM 4
CONCEITO Partindo da definição original, os QUADRADOS MÁGICOS devem satisfazer três condições: a) tabela ou matriz quadrada (número de igual ao número de ); b) domínio: com elementos assumindo valores
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisIniciação à Informática
Meu computador e Windows Explorer Justificativa Toda informação ou dado trabalhado no computador, quando armazenado em uma unidade de disco, transforma-se em um arquivo. Saber manipular os arquivos através
Leia mais5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS. 5.1 - Os Programas de Avaliação
36 5. EXPERIÊNCIAS E ANÁLISE DOS RESULTADOS 5.1 - Os Programas de Avaliação Programas de avaliação convencionais foram utilizados para análise de diversas configurações da arquitetura. Estes programas
Leia maisFunção Mudar de unidade estatística
Função Mudar de unidade estatística Frequentemente, certas pesquisas contêm informações correspondentes a níveis estatísticos diferentes. No Sphinx (Survey ou Léxica), a partir do menu Gestão, opção Mudar
Leia maisJSP - ORIENTADO A OBJETOS
JSP Orientação a Objetos... 2 CLASSE:... 2 MÉTODOS:... 2 Método de Retorno... 2 Método de Execução... 2 Tipos de Dados... 3 Boolean... 3 Float... 3 Integer... 4 String... 4 Array... 4 Primeira:... 4 Segunda:...
Leia maisQUALIDATA Soluções em Informática. Módulo CIEE com convênio empresas
FM-0 1/21 ÍNDICE 1. MÓDULO DESKTOP(SISTEMA INSTALADO NO CIEE)... 2 Cadastro de Ofertas de Empregos:... 2 Cadastro de Eventos:... 3 Cadastro de Instituições do Curriculum:... 5 Cadastro de Cursos do Curriculum:...
Leia maisManual Sistema MLBC. Manual do Sistema do Módulo Administrativo
Manual Sistema MLBC Manual do Sistema do Módulo Administrativo Este documento tem por objetivo descrever as principais funcionalidades do sistema administrador desenvolvido pela MLBC Comunicação Digital.
Leia maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisAula 4 Pseudocódigo Tipos de Dados, Expressões e Variáveis
1. TIPOS DE DADOS Todo o trabalho realizado por um computador é baseado na manipulação das informações contidas em sua memória. Estas informações podem ser classificadas em dois tipos: As instruções, que
Leia maisAula 01 - Formatações prontas e condicionais. Aula 01 - Formatações prontas e condicionais. Sumário. Formatar como Tabela
Aula 01 - Formatações prontas e Sumário Formatar como Tabela Formatar como Tabela (cont.) Alterando as formatações aplicadas e adicionando novos itens Removendo a formatação de tabela aplicada Formatação
Leia maisPag: 1/20. SGI Manual. Controle de Padrões
Pag: 1/20 SGI Manual Controle de Padrões Pag: 2/20 Sumário 1 Introdução...3 2 Cadastros Básicos...5 2.1 Grandezas...5 2.2 Instrumentos (Classificação de Padrões)...6 3 Padrões...9 3.1 Padrão Interno...9
Leia maisCorelDRAW 11 1. UM PROGRAMA DE DESIGN
CorelDRAW 11 1. UM PROGRAMA DE DESIGN Com o Corel você vai trabalhar com um dos aplicativos mais usados no campo do design e da auto-edição, já que permite operar com dois tipos de gráficos (vetoriais
Leia maisApostila de PowerPoint 2013
Iniciando o Power Point 2013...01 Nova apresentação baseada no modelo...01 Escolhendo o esquema de cores do fundo do slide manualmente...02 Modificando o layout do slide... 03 Inserindo textos no slide...
Leia maisQuestão - 01. Essência do Excel 2003...
Valdir Questão - 01 Como deve proceder o usuário do Microsoft para que sejam atualizados os cálculos das funções ou fórmulas utilizadas nas planilhas? a) Pressionar a tecla F9 no teclado b) Pressionar
Leia maisExpansão de Imagem #2
Faculdade de Engenharia da Universidade do Porto Engenharia Electrotécnica e de Computadores Expansão de Imagem #2 Televisão Digital António Alberto da Silva Marques Pedro Ricardo dos Reis Porto, 2004
Leia maisAMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS
UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO BACHARELADO AMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS Orientando: Oliver Mário
Leia maisManual do Visualizador NF e KEY BEST
Manual do Visualizador NF e KEY BEST Versão 1.0 Maio/2011 INDICE SOBRE O VISUALIZADOR...................................................... 02 RISCOS POSSÍVEIS PARA O EMITENTE DA NOTA FISCAL ELETRÔNICA.................
Leia maisManual de Integração - E-Fiscal X Telecont
Atualizado em Maio/2008 Pág 1/36 Para integrar os dados do sistema Efiscal com o sistema Telecont, efetue os procedimentos abaixo: CADASTRO DE EMPRESAS ABA BÁSICO Acesse menu Arquivos Empresas Usuárias
Leia maisDetecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy.
Detecção de mudanças em imagens oriundas de sensoriamento remoto, usando conjuntos fuzzy. Marcelo Musci Baseado no artigo: Change detection assessment using fuzzy sets and remotely sensed data: an application
Leia maisESTEREOSCOPIA INTRODUÇÃO. Conversão de um par de imagens (a)-(b) em um mapa de profundidade (c)
ESTEREOSCOPIA INTRODUÇÃO Visão estereoscópica se refere à habilidade de inferir informações da estrutura 3-D e de distâncias da cena de duas ou mais imagens tomadas de posições diferentes. Conversão de
Leia maisClassificação de Imagens
Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,
Leia maisAlgoritmos e Programação
Universidade Federal do Vale do São Francisco Curso de Engenharia da Produção / Elétrica Algoritmos e Programação Parte 05 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti
Leia maisPasso 3: Posicionando a Câmera na Prova Didática Teórica ou na Prova de Defesa da Produção Intelectual
Este manual descreve um procedimento para o registro de Concursos Públicos por meio de áudio e vídeo utilizando-se recursos tecnológicos básicos i. A gravação segue o disposto na Resolução 020/09 da UFSM
Leia maisAlgoritmos de Busca em Tabelas
Dentre os vários algoritmos fundamentais, os algoritmos de busca em tabelas estão entre os mais usados. Considere por exemplo um sistema de banco de dados. As operações de busca e recuperação dos dados
Leia maisProcesso de Controle das Reposições da loja
Processo de Controle das Reposições da loja Getway 2015 Processo de Reposição de Mercadorias Manual Processo de Reposição de Mercadorias. O processo de reposição de mercadorias para o Profit foi definido
Leia maisManual SAGe Versão 1.2 (a partir da versão 12.08.01)
Manual SAGe Versão 1.2 (a partir da versão 12.08.01) Submissão de Relatórios Científicos Sumário Introdução... 2 Elaboração do Relatório Científico... 3 Submissão do Relatório Científico... 14 Operação
Leia maisFactor Analysis (FACAN) Abrir o arquivo ven_car.sav. Clique Extraction. Utilizar as 10 variáveis a partir de Vehicle Type.
Prof. Lorí Viali, Dr. viali@pucrs.br; viali@mat.ufrgs.br; http://www.pucrs.br/famat/viali; http://www.mat.ufrgs.br/~viali/ Factor Analysis (FACAN) Abrir o arquivo ven_car.sav Utilizar as 10 variáveis a
Leia maisManual de Relação de Pontos por Indicação
Manual de Relação de Pontos por Indicação Sumário 1. Verificando se o parâmetro das funções está ativo... 3 2. Efetuando o cadastro da faixa de indicação... 5 2.1. Cadastro de faixas com intervalos...
Leia maisClassificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões
Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisInstituto Politécnico de Beja. Escola Superior de Tecnologia e Gestão
Instituto Politécnico de Beja Escola Superior de Tecnologia e Gestão Curso de Engenharia Informática Disciplina de Estrutura de dados e Algoritmos 2º Ano - 1º Semestre Relatório Connected Component Labeling
Leia maisShutter: É o tempo de exposição da foto. Pode ser fixo ou automático.
TREINAMENTO ITSCAM Ajustes de imagens Shutter: É o tempo de exposição da foto. Pode ser fixo ou automático. Ganho: Amplificador analógico conectado ao sensor de imagem. Pode ser fixo ou automático. Auto
Leia maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros
Leia maisInstituto de Ciências Matemáticas e de Computação. MANUAL DE USO Sistema de Reserva de Salas INTRANET - ICMC-USP
Instituto de Ciências Matemáticas e de Computação ISSN - 0103-2569 MANUAL DE USO Sistema de Reserva de Salas INTRANET - ICMC-USP André Pimenta Freire Renata Pontin de M. Fortes N 0 213 RELATÓRIOS TÉCNICOS
Leia maisAstra. Introdução e conceitos básicos do sistema
2011 www.astralab.com.br Astra Introdução e conceitos básicos do sistema Este documento permite entender melhor como funciona o sistema Astra e algumas funções básicas de seus softwares. Equipe de Documentação
Leia maisCOMO USAR DOIS MONITORES NO WINDOWS 8
COMO USAR DOIS MONITORES NO WINDOWS 8 Trabalhar com dois monitores no Windows tem diversas utilidades. Dentre elas podemos destacar a possibilidade de visualizar mais itens ao mesmo tempo, exibir o conteúdo
Leia maisEXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO
EXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO Ao incidir em uma lente convergente, um feixe paralelo de luz, depois de passar pela lente, é concentrado em um ponto denominado foco (representado por
Leia maisTabela e Gráficos Dinâmicos Como estruturar dinamicamente dados no Excel
Tabela e Gráficos Dinâmicos Como estruturar! Para que serve a Tabela e o Gráfico Dinâmico?! Como criar uma Tabela Dinâmica?! Como criar um Gráfico Dinâmico?! Como podemos atualizar dos dados da Tabela
Leia maisCI202 - Métodos Numéricos
CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem
Leia maisAjuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária
Ajuste dos Parâmetros de um Controlador PI em uma Coluna de Destilação Binária Marina Roberto Martins 1*, Fernando Palú 1 (1) Universidade Estadual do Oeste do Paraná, Curso de Engenharia Química. e-mail:
Leia mais7.Conclusão e Trabalhos Futuros
7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização
Leia maisAula 5 - Classificação
AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente
Leia maisAlgoritmos e Programação (Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br
(Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br Introdução O computador como ferramenta indispensável: Faz parte das nossas vidas; Por si só não faz nada de útil; Grande capacidade de resolução
Leia maisArquitetura dos Sistemas de Informação Distribuídos
Arquitetura dos Sistemas de Informação Distribuídos Quando se projeta um sistema cuja utilização é destinada a ser feita em ambientes do mundo real, projeções devem ser feitas para que o sistema possa
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisLinguagem C: Árvores Binarias
Instituto de C Linguagem C: Árvores Binarias Luis Martí Instituto de Computação Universidade Federal Fluminense lmarti@ic.uff.br - http://lmarti.com Tópicos Principais Introdução Árvores binárias Implementação
Leia maisManual de Utilização do Sistema Financeiro Opções Disponíveis a partir da versão 8.0.40 do Sistema Micropost
O Novo Gerenciador Financeiro Micropost é acessado através do botão "Gerenciador Financeiro" na tela principal do sistema (como mostra a figura 1). Caso o botão esteja desabilitado deve-se entrar nas configurações
Leia maisI.3 Indução de Árvores de Decisão
I.3 Indução de Árvores de Decisão Nesta seção serão apresentados alguns conceitos básicos da técnica de indução de árvores de decisão a partir de um exemplo sobre o efeito dos raios solares sobre algumas
Leia maisTipo de Dados em Linguagem C
Tipo de Dados em Linguagem C Principais tipos de dados em C int : tipo de dados inteiros (exemplo: 1, -3, 100, -9, 18, etc.) float : tipo de dados reais (exemplo: 1.33, 3.14, 2.00, -9.0, 1.8, etc.) Ocupa
Leia mais4 Avaliação Experimental
4 Avaliação Experimental Este capítulo apresenta uma avaliação experimental dos métodos e técnicas aplicados neste trabalho. Base para esta avaliação foi o protótipo descrito no capítulo anterior. Dentre
Leia maisMochila Binária com OpenMP
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TÉCNOLOGIA CURSO DE CIÊNCIA DA COMPUTAÇÃO Mochila Binária com OpenMP Cícero Augusto de Lara Pahins, Cristiano Reis dos Santos. Professora: Profª Andrea Schwertner
Leia maisApostila de Programação IV. Módulo V
Apostila de Programação IV Módulo V Fundação Educacional Machado de Assis Escola Técnica Machado de Assis Curso Técnico em Informática Prof. Santa Rosa, Maio de 2011. Escola Técnica Machado de Assis 1
Leia maisAula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga
Aula 6 - Segmentação de Imagens Parte 2 Prof. Adilson Gonzaga 1 Motivação Extração do Objeto Dificuldades Super segmentação over-segmentation 1) Segmentação por Limiarização (Thresholding Global): Efeitos
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisIntrodução à Programação
Introdução à Programação Introdução a Linguagem C Construções Básicas Programa em C #include int main ( ) { Palavras Reservadas } float celsius ; float farenheit ; celsius = 30; farenheit = 9.0/5
Leia maisBackup. Permitir a recuperação de sistemas de arquivo inteiros de uma só vez. Backup é somente uma cópia idêntica de todos os dados do computador?
Backup O backup tem dois objetivos principais: Permitir a recuperação de arquivos individuais é a base do típico pedido de recuperação de arquivo: Um usuário apaga acidentalmente um arquivo e pede que
Leia maisEAGLE TECNOLOGIA E DESIGN CRIAÇÃO DE SERVIDOR CLONE APCEF/RS
EAGLE TECNOLOGIA E DESIGN CRIAÇÃO DE SERVIDOR CLONE APCEF/RS Relatório Nº 03/2013 Porto Alegre, 22 de Agosto de 2013. ANÁLISE DE SOLUÇÕES: # RAID 1: O que é: RAID-1 é o nível de RAID que implementa o espelhamento
Leia maisINTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por
INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca
Leia mais