SEL Visão Computacional. Aula 2 Processamento Espacial

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "SEL Visão Computacional. Aula 2 Processamento Espacial"

Transcrição

1 Departamento de Engenharia Elétrica - EESC-USP SEL Visão Computacional Aula 2 Processamento Espacial Prof. Dr. Adilson Gonzaga Prof. Dr. Evandro Linhari Rodrigues Prof. Dr. Marcelo Andrade da Costa Vieira

2 Processamento Espacial Transformações ponto a ponto l Histograma l Transformações lineares l Transformações não-lineares Transformações por vizinhança l Convolução l Filtros lineares l Filtros derivativos detectores de borda EESC/USP

3 Histogramas O histograma de uma imagem em tons de cinza é uma função H(k) que produz o número de ocorrências de cada nível de cinza na imagem. 0 <= k <= L - 1 L é o número de níveis de cinza da imagem.

4 Histograma Normalizado: Histogramas O histograma é normalizado em [0,1] quando se divide H(k) pelo número n = N x M de pixels da imagem. Ele representa a distribuição de probabilidade dos valores dos pixels. Cada elemento do conjunto é calculado por : Pr ( rk ) = nk n 0 r k 1

5 Histogramas Pr ( rk ) = nk n k= 0,1,...L-1, e L é o número de níveis de cinza da imagem. n = número total de pixels na imagem n k = número de pixels cujo nível de cinza corresponde a k. P r (r k )= Probabilidade do K-ésimo nível de cinza.

6 Exemplo: Seja uma imagem de 128x128 pixels cujas quantidades de pixels em cada nível de cinza são dadas na tabela abaixo: (8 Níveis de cinza) n = 128x128 = pixels Nível de Cinza (r k ) n k P r (r k )=n k /n ,068 1/ ,196 2/ ,296 3/ ,209 4/ ,122 5/ ,048 6/ , ,028 Pr(0) = 1120/ = Pr(1/7)= 3214/ = 0,196

7 Características Importantes 1) Um histograma é uma função de Distribuição de probabilidades 2) å P ( r k ) =1 r 3) Representação gráfica de um Histograma 0,3 0,25 0,2 0,15 0,1 0,05 0

8 Exemplos de Histogramas Obs: O Histograma não traz informação posicional sobre os pixels da Imagem

9 Exemplos de Histogramas

10 Exemplos de Histogramas

11 EESC/USP Equalização do histograma:

12 Equalização do histograma: q Aumentar o contraste geral na Imagem espalhando a distribuição de níveis de cinza. Exemplo: Dada uma Imagem de n x m Pixels e g níveis de cinza. No. Ideal de pixels em cada nível => I = (n x m)/g EESC/USP

13 Exemplo:

14 a) Imagem Original b) Histograma original c) Imagem Equalizada d) Histograma Equalizado EESC/USP

15 EESC/USP Equalização de Histograma

16 Equalização de Histograma

17 Equalização do histograma: A equalização pode ser obtida fazendo: q = ì ï maxí0, ï ïî ARRED.( k å j= 0 I n j ) ü ï -1ý ï ïþ 0 k g Onde: g = níveis de cinza da Imagem Original q = níveis de cinza da Imagem Equalizada EESC/USP

18 Exemplo: n x m = 30 pixels g = 10 níveis de cinza I = 30/10 = g n Sn q è (6,66) 7 è (7,33) 7 q = ì ï maxí0, ARRED.( ï ïî k å j= 0 I n j ü ï ) -1ý ï ïþ 0 k g

19 Visualização das Transformações nos Níveis de Cinza através dos Histogramas 1) Alterações Globais no Brilho Clarear ou escurecer uma Imagem. H(k) H(k) Somar ou Subtrair uma constante em todos os pixels da Imagem Intensidade Intensidade 0è Preto Maxè Branco Visão Computacional - Aula2 19

20 2) Binarização ( Threshold ): - Determinação de um limiar abaixo do qual os pixels são transformados em zero, e acima são transformados no máximo de intensidade. H (k) 12 H (k) Visão Computacional - Aula2 20

21 Determinação do Limiar: Uma das dificuldades da limiarização de uma imagem é a melhor determinação do valor de thresholding, ou seja, do ponto de separação dos pixels. Método do vale: Através da análise do histograma estabelecer T (valor de Threshold ) na região de vale mais próxima ao meio de escala dos níveis de cinza. Visão Computacional - Aula2 21

22 Operadores Ponto a Ponto (Transformações de níveis de Cinza ou Mapeamento) Cada ponto na Imagem de Entrada gera um só ponto na Imagem de Saída Imagem de Entrada Imagem de Saída T[f(x,y)] ==> Operação sobre cada ponto (cada Pixel) da Imagem de Entrada EESC/USP

23 1) Contraste e Brilho As Transformações de Intensidade podem ser: 1) Lineares : g = c.f+b Exemplo: g = 2f + 32 onde : c (Contraste), b (Brilho) EESC/USP

24 2) Não Lineares: Exemplo: g = 31,875.log 2 (f+1) 24

25 2) Negativo T[f(x,y)] = g(x,y) = W - f(x,y) Imagem de Entrada Imagem de Saída EESC/USP

26 EESC/USP 1) Negativo

27 EESC/USP 3) Alargamento de Contraste g(x,y) = W y x f y x f y x f k y x f y x f y x f y x f k y x f y x f y x f k < Þ Þ < Þ ), ( ), ( ), (. ), ( ), ( ), ( ), (. ), ( ), ( 0 ), (

28 4) Binarização ( Thresholding ) Thresholding ==> Limiarização (Transforma a Imagem em uma Imagem Binária (2 níveis de cinza) Threshold [f 1 (x,y)=f 2 (x,y)] Fazendo: k 1 = 0 f 1 (x,y) = f 2 (x,y) k 3.f(x,y) = W g(x,y) = 0 Þ 0 < W Þ f 1 f 1 ( x, ( x, y) y) f ( x, y) W EESC/USP

29 Alargamento de Contraste e ( Thresholding ) EESC/USP

30 EESC/USP 5) Binarização ( Thresholding )

31 EESC/USP Transformações Não-Lineares

32 EESC/USP

33 EESC/USP Correção Gamma

34 EESC/USP Correção Gamma

35 EESC/USP Correção Gamma

36 EESC/USP Correção Gamma

37 Processamento Espacial Transformações ponto a ponto l Histograma l Transformações lineares l Transformações não-lineares Transformações por vizinhança l Convolução l Filtros lineares l Filtros derivativos detectores de borda EESC/USP

38 Transformações Por Vizinhança polegadas EESC/USP

39 Operadores Locais (Vizinhança). Combina a Intensidade de um certo número de píxels (janela), para computar o valor da nova intensidade na Imagem de Saída. Imagem de Entrada Imagem de Saída T[f(x,y)] S ==> Operação sobre todos os píxels dentro da janela S centrada em f(x,y) EESC/USP

40 Convolução e Correlação Cruzada Convolução f (x) h(x) = + f (m)h(x m)dm Correlação Cruzada f (x) h(x) = + f (m)h(x + m)dm EESC/USP

41 Convolução e Correlação Cruzada Forma DISCRETA Convolução f [x] h[x] = f [m]h[x m] m= Correlação Cruzada f [x] h[x] = f [m]h[x + m] m= EESC/USP

42 1D

43 2D

44 Propriedades da Convolução 1. Comutativa f [x] h[x] = h[x] f [x] - (Não vale na correlação cruzada) 2. Associativa f [x] (g[x] h[x]) = ( f [x] g[x]) h[x] 3. Distributiva f [x] (g[x]+ h[x]) = ( f [x] g[x])+ ( f [x] h[x])

45 Filtros no domínio do espaço EESC/USP

46 Exemplo: Janela de 3 x 3 g( x, y) = k å i= 1 w. f i ( x, y) q (a,b,c,d,e,f,g,h,i) são os valores dos níveis de cinza na mesma vizinhança de f(x,y) = e, comparativamente ao Template. q (w 1 a w 9 ) são os pesos, ou seja, os valores dos níveis de cinza em cada posição do Template. O valor do pixel g(x,y) na nova Imagem, na posição (x,y) será dado por: g(x,y) = w 1.a + w 2.b + w 3.c + w 4.d + w 5.e + w 6.f + w 7.g + w 8.h + w 9.i EESC/USP

47 Convenção: q Máscaras de organização par (2 x 2, 4 x 4,...) o resultado é colocado sobre o Primeiro Pixel. q Máscaras de organização ímpar ( 3 x 3, 5 x 5,...) o resultado é colocado sobre o Pixel de Centro.

48 Convolução e Correlação Cruzada: No domínio do espaço, a diferença entre a Convolução e a Correlação Cruzada reside apenas no espelhamento do Template a ser utilizado, que deve ser feito na Convolução. Como, em geral, os Templates são simétricos, a equação da Correlação Cruzada tem sido empregada com o nome de Convolução na área de Processamento de Imagens. Convoluir um Template com uma Imagem equivale à operação: Espelhamento, Desloca, Multiplica e Soma EESC/USP

49 Exemplo de máscara simétrica, onde a operação de convolução e de correlação são idênticas: Template T(i,j) Imagem Original f(x,y) Imagem Final * * * * * * * * T(i,j) * f(x,y) Os valores marcados com * não podem ser calculados.

50 Solução para os pixels das bordas: Podem ser usadas cinco soluções: Atribuindo valor zero aos resultados não calculáveis; Preenchimento da imagem com 0 s antes do cálculo da imagem final (P*); Replicação dos pixels das bordas (replicate*); Espelhamento (symmetric*); Convolução periódica (circular*); * Usado pelo Matlab

51 Exemplo 1: Atribuindo zero aos resultados não calculáveis Template Imagem Resultado Primeiro Ponto ==> (1x1) + (1x2) + (1x3) + (0x0) + (0x1) + (0x3) + (1x1) + (1x1) +(1x3) = 11

52 Exemplo 2: Padding com zeros Centra-se o Template com o primeiro pixel da imagem atribuindo o valor 0 aos valores inexistentes na imagem. Template Imagem Resultado Primeiro Ponto ==> (1x0) + (1x0) + (1x0) + (0x0) + (0x1) + (0x2) + (1x0) + (1x0) +(1x1) = 1

53 Exemplo 3: Convolução Periódica O Template é deslocado sobre todos os pixels da imagem original como se esta fosse adjacente em suas extremidades. Template Imagem Resultado Primeiro Ponto ==> (1x0) + (1x1) + (1x0) + (0x5) + (0x1) + (0x2) + (1x0) + (1x0) +(1x1) = 2

54 Observações: q O custo computacional da Convolução espacial é alto. q Se a Imagem é de tamanho M x M e o Template N x N, o número de multiplicações é de M 2.N 2 q Ou seja, se a Imagem é de 512 x 512 e o Template é de 16 x 16, são necessárias multiplicações. q A alternativa é transformar a Imagem e o Template para o domínio da frequência (Fourier) e multiplicar elemento a elemento. q A transformação só é justificável se o Template for maior que 32 x 32, devido ao custo da Transformada de Fourier.

55 Filtragem Espacial Filtros Passa-Baixa Filtros Passa-Alta Filtros Derivativos EESC/USP

56 EESC/USP Representação de uma Imagem como Superfície Isométrica

57 Perfil radiométrico de uma imagem: altas frequências e baixas frequências

58 Altas e baixas frequências em uma imagem

59 Filtragem Espacial: Passa Baixa q Uma das aplicações da Convolução espacial de uma Imagem com Templates é a Suavização (Smoothing) ou Filtragem Passa Baixa. q Um filtro espacial Passa Baixa é implementado através de uma Máscara que realiza a Média da Vizinhança. q Uma Máscara de Média é tal que seus pesos são positivos e a soma é igual a 1. Ø Exemplos de algumas Máscaras de Filtros Passa Baixa:

60 Exemplo de Média da Vizinhança. f(x,y) g(x,y) g(0,0) = ( ) / 9 = 24,77 g(0,1) = ( ) / 9 = 39,77

61 a) Imagem Original b) Vizinhança 3 x 3 c) Vizinhança 5 x 5 d) Vizinhança 7 x 7 e) Vizinhança 15 x 15 f) Vizinhança 25 x 25

62

63 Filtro Passa Baixa Média da Vizinhança * = EESC/USP * 1/25 x =

64 Filtro Passa Baixa Média da Vizinhança * 7 x 7 = * 9 x 9 = EESC/USP

65 Efeitos nas bordas da imagem Convolução da imagem original com um filtro da média A B C D E A) Imagem original B) Padding com zeros C) Replicação D) Espelhamento E) Periódica (circular)

66 Filtragem Espacial: Passa Alta q É chamada de filtro de passa-alta porque detecta na imagem os detalhes finos e mudanças abruptas de níveis de cinza na imagem. q A máscara do filtro passa alta deve ter pesos de tal forma que a soma seja igual a zero. Exemplos de máscaras de filtros passa alta: Normalizado Normalizado Operador Laplaciano

67 Filtro Passa Alta Detector de Altas Frequências Normalizado * = =

68 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências + = + =

69 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências + = EESC/USP

70 Filtro Passa Alta Detector de Altas Frequências Não-normalizado * = =

71 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências + = + =

72 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências + = EESC/USP

73 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências Como montar um template para o filtro de aguçamento? * =

74 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências 1) Filtro que detecta apenas as bordas e detalhes (passa-alta) * =

75 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências 2) Filtro que gera a mesma imagem após a convolução * = 0 0 0

76 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências Filtro de aguçamento = imagem da detecção das bordas + imagem original =

77 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências Filtro de aguçamento * =

78 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências E se for usada a normalização do filtro? * =

79 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências 1) Filtro que detecta apenas as bordas e detalhes (passa-alta) Normalizado * =

80 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências 2) Filtro que gera a mesma imagem após a convolução Normalizado * = 0 0 0

81 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências Filtro de aguçamento = imagem original + detecção das bordas =

82 Filtro de AGUÇAMENTO (Sharpening) - realce de altas frequências Filtro de aguçamento (normalizado) * =

83 Outros Exemplos polegadas EESC/USP

84 Isotropia

85 Imagem Original 5

86 Imagem Original - 5

87 Derivada de uma Imagem

88 Primeira Derivada Segunda Derivada

89 Filtragem Espacial: Filtros Derivativos de 2 a Ordem Filtros de segunda derivada: O operador de segunda ordem mais comum é o Laplaciano

90 Filtragem Espacial: Filtros Derivativos de 2 a Ordem

91 Filtragem Espacial: Filtros Derivativos de 2 a Ordem q São filtros isotrópicos (detectam bordas em todas as direções); q São muito sensíveis (detectam) ruídos e pequenos detalhes.

92 Filtragem Espacial: Filtros Derivativos de 1 a Ordem Filtros de primeira derivada: O operador de primeira ordem mais comum é o Gradiente f = # f & % ( x % ( % f ( $ % y' (

93 Filtragem Espacial: Filtros Derivativos de 1 a Ordem f x = f (x +1, y) f (x, y) f y = f (x, y +1) f (x, y)

94 Filtragem Espacial: Filtros Derivativos de 1 a Ordem Bordas Verticais Bordas Horizontais Bordas Diagonais Esses operadores são conhecidos como Operadores Gradiente-Cruzado de Roberts ou Detectores de Bordas de Roberts

95 Detector de Bordas de Roberts q São filtros não-isotrópicos (detectam bordas em uma direção específica); q Detectam gradiente (bordas) positivo ou negativo dependendo do template utilizado; q Não são muito sensíveis à ruídos e pequenos detalhes como os detectores Laplacianos (de segunda ordem).

96 Exemplo do Detector de Bordas de Roberts (Negativo da imagem final): Direção do gradiente = direção dos sinais Direção da borda = perpendicular a da matriz - Correlação cruzada

97 Exemplo do Detector de Bordas de Roberts (Negativo da imagem final): Direção do gradiente = direção dos sinais Direção da borda = perpendicular a da matriz - Convolução

98 Exemplo do Detector de Bordas de Roberts (Negativo da imagem final): Direção do gradiente = direção dos sinais Direção da borda = perpendicular a da matriz - Correlação cruzada

99 Filtragem Espacial: Filtros Derivativos Exemplo do Detector de Bordas de Roberts: - Correlação cruzada

100 Filtragem Espacial: Filtros Derivativos de 1 a Ordem Bordas Horizontais Bordas Verticais Esses operadores são conhecidos como Operador de Prewitt ou Detector de Bordas de Prewitt

101 Filtragem Espacial: Filtros Derivativos de 1 a Ordem Bordas Diagonais Esses operadores são conhecidos como Operador de Prewitt ou Detector de Bordas de Prewitt

102 Exemplo de detector de Prewitt: Correlação cruzada

103 Filtragem Espacial: Filtros Derivativos de 1 a Ordem Bordas Horizontais Bordas Verticais Esses operadores são conhecidos como Operador de Sobel ou Detector de Bordas de Sobel

104 Filtragem Espacial: Filtros Derivativos de 1 a Ordem Bordas Diagonais Esses operadores são conhecidos como Operador de Sobel ou Detector de Bordas de Sobel

105 Exemplo de detector de Sobel: Correlação cruzada

106 Exemplo de detector de Prewitt e Sobel: Correlação cruzada

107 FIM polegadas EESC/USP

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

Universidade 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 mais

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade

Leia mais

Capítulo 5 Filtragem de Imagens

Capítulo 5 Filtragem de Imagens Capítulo 5 Filtragem de Imagens Capítulo 5 5.1. Filtragem no Domínio da Frequência 5.2. Filtragem no Domínio Espacial 2 Objetivo Melhorar a qualidade das imagens através da: ampliação do seu contraste;

Leia mais

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha

Filtragem. 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 mais

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez

Operações Algébricas e Lógicas. Guillermo Cámara-Chávez Operações Algébricas e Lógicas Guillermo Cámara-Chávez Operações Aritméticas São aquelas que produzem uma imagem que é a soma, diferença, produto ou quociente pixel a pixel Operações Aritméticas Fig A

Leia mais

Processamento de Imagens COS756 / COC603

Processamento de Imagens COS756 / COC603 Processamento de Imagens COS756 / COC603 aula 03 - operações no domínio espacial Antonio Oliveira Ricardo Marroquim 1 / 38 aula de hoje operações no domínio espacial overview imagem digital operações no

Leia mais

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis

Transformada 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 mais

Informática Aplicada a Imagens MCP - 5840

Informática Aplicada a Imagens MCP - 5840 Serviço de Informática Instituto do Coração HC FMUSP Informática Aplicada a Imagens Médicas MCP - 5840 Marco Antonio Gutierrez Email: marco.gutierrez@incor.usp.br usp Motivação: Visualização D e 3D Seqüências

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

Aula 2 Aquisição de Imagens

Aula 2 Aquisição de Imagens Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando

Leia mais

Álgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial

Álgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial Álgebra Linear Aplicada à Compressão de Imagens Universidade de Lisboa Instituto Superior Técnico Uma Breve Introdução Mestrado em Engenharia Aeroespacial Marília Matos Nº 80889 2014/2015 - Professor Paulo

Leia mais

sumário assinaturas histórico redesign área de proteção padrões cromáticos redução mínima considerações finais

sumário assinaturas histórico redesign área de proteção padrões cromáticos redução mínima considerações finais sumário 04 05 06 07 08 09 10 11 12 histórico redesign assinaturas área de proteção redução mínima padrões cromáticos versões [grayscale e P&B] aplicações [fundos e imagens] considerações finais A LS carregou

Leia mais

)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD

)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD )LOWURJDXVVLDQR O filtro Gaussiano pode ser usado como um filtro SDVVDEDL[D. Usando a função Gaussiana para obter valores de uma máscara a ser definida digitalmente. O Filtro de Gaussiano em 1-D tem a

Leia mais

FEN- 06723 Processamento Digital de Imagens. Projeto 2 Utilização de máscaras laplacianas

FEN- 06723 Processamento Digital de Imagens. Projeto 2 Utilização de máscaras laplacianas FEN- 06723 Processamento Digital de Imagens Projeto 2 Utilização de máscaras laplacianas Marcelo Musci Mestrado Geomática/UERJ-2004 Abstract The Laplacian is also called as second difference function,

Leia mais

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial Filtragem espacial é uma das principais ferramentas usadas em uma grande variedade de aplicações; A palavra filtro foi emprestada

Leia mais

Matrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.

Matrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas. Definição Uma matriz do tipo m n (lê-se m por n), com m e n, sendo m e n números inteiros, é uma tabela formada por m n elementos dispostos em m linhas e n colunas. Estes elementos podem estar entre parênteses

Leia mais

STV 8 SET 2008 2. uma polaridade de sincronismo negativa, com os pulsos de sincronismo na posição para baixo, como mostrado na figura abaixo

STV 8 SET 2008 2. uma polaridade de sincronismo negativa, com os pulsos de sincronismo na posição para baixo, como mostrado na figura abaixo STV 8 SET 2008 1 ANÁLISE DOS SINAIS DE VÍDEO as três partes do sinal composto de vídeo, ilustradas na figura abaixo, são: 1 o sinal da câmera correspondendo às variações de luz na cena 2 os pulsos de sincronismo

Leia mais

Conteúdo programático por disciplina Matemática 6 o ano

Conteúdo programático por disciplina Matemática 6 o ano 60 Conteúdo programático por disciplina Matemática 6 o ano Caderno 1 UNIDADE 1 Significados das operações (adição e subtração) Capítulo 1 Números naturais O uso dos números naturais Seqüência dos números

Leia mais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Wesley B. Dourado, Renata N. Imada, Programa de Pós-Graduação em Matemática Aplicada e Computacional, FCT, UNESP,

Leia mais

Instituto Tecnológico de Aeronáutica. Prof. Carlos Henrique Q. Forster Sala 121 IEC. ramal 5981

Instituto Tecnológico de Aeronáutica. Prof. Carlos Henrique Q. Forster Sala 121 IEC. ramal 5981 CC222 Visão Computacional Descrição e Feições Instituto Tecnológico de Aeronáutica Prof. Carlos Henrique Q. Forster Sala 121 IEC ramal 5981 Tópicos da aula Detecção de cantos Detecção de contornos Regiões

Leia mais

Encontrando a Linha Divisória: Detecção de Bordas

Encontrando a Linha Divisória: Detecção de Bordas CAPÍTULO 1 Encontrando a Linha Divisória: Detecção de Bordas Contribuíram: Daniela Marta Seara, Geovani Cássia da Silva Espezim Elizandro Encontrar Bordas também é Segmentar A visão computacional envolve

Leia mais

2 Segmentação de imagens e Componentes conexas

2 Segmentação de imagens e Componentes conexas Universidade Tecnológica Federal do Paraná (UTFPR) Departamento Acadêmico de Informática (DAINF) Algoritmos II Professor: Alex Kutzke (alexk@dainf.ct.utfpr.edu.br) Especificação do Primeiro Trabalho Prático

Leia mais

2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R

2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R 2 Conceitos Básicos Neste capítulo são apresentados alguns conceitos importantes e necessários para o desenvolvimento do trabalho. São apresentadas as definições de campo vetorial, fluxo e linhas de fluxo.

Leia mais

Ondas EM no Espaço Livre (Vácuo)

Ondas EM no Espaço Livre (Vácuo) Secretaria de Educação Profissional e Tecnológica Instituto Federal de Santa Catarina Campus São José Área de Telecomunicações ELM20704 Eletromagnetismo Professor: Bruno Fontana da Silva 2014-1 Ondas EM

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Msc. Daniele Carvalho Oliveira Doutoranda em Ciência da Computação - UFU Mestre em Ciência da Computação UFU Bacharel em Ciência da Computação - UFJF FILTRAGEM ESPACIAL

Leia mais

4.4 Limite e continuidade

4.4 Limite e continuidade 4.4 Limite e continuidade Noções Topológicas em R : Dados dois pontos quaisquer (x 1, y 1 ) e (x, y ) de R indicaremos a distância entre eles por då(x 1, y 1 ), (x, y )è=(x 1 x ) + (y 1 y ). Definição

Leia mais

Ex 4.3 O anel é construído pelos polinômios S 1 1 S 2. x S 3. x 1 S 4. x 2 S 5. x 2 1 S 6. x 2 x S 7. x 2 x 1 S 8. x 3 S 9

Ex 4.3 O anel é construído pelos polinômios S 1 1 S 2. x S 3. x 1 S 4. x 2 S 5. x 2 1 S 6. x 2 x S 7. x 2 x 1 S 8. x 3 S 9 Ex. 4.1 As palavras código são c 0 = [0 0 0 0 0 0 0], c 1 = [0 0 0 1 1 0 1], c 2 = [0 0 1 1 0 1 0], c 3 = [0 0 1 0 1 1 1], c 4 = [0 1 1 0 1 0 0], c 5 = [0 1 1 1 0 0 1], c 6 = [0 1 0 1 1 1 0], c 7 = [0

Leia mais

Processamento de histogramas

Processamento de histogramas REALCE DE IMAGENS BASEADO EM HISTOGRAMAS Processamento de histogramas O que é um histograma? É uma das ferramentas mais simples e úteis para o PDI; É uma função que mostra a frequência com que cada nível

Leia mais

Sistemas de Vírgula Flutuante

Sistemas de Vírgula Flutuante Luiz C. G. Lopes Departamento de Matemática e Engenharias Universidade da Madeira MAT 2 05 2007/08 Definição. Diz-se que um número real x R\{0} é um número de vírgula flutuante normalizado se forem verificadas

Leia mais

Primeira Lista de Exercícios de Métodos Numéricos II Primeiro semestre de 2015

Primeira Lista de Exercícios de Métodos Numéricos II Primeiro semestre de 2015 Primeira Lista de Exercícios de Métodos Numéricos II Primeiro semestre de 015 Introdução Antes de apresentar a lista, introduzirei alguns problemas já vistos em sala de aula para orientar e facilitar a

Leia mais

Prof. MSc. David Roza José 1/26

Prof. MSc. David Roza José 1/26 1/26 Sistemas Lineares Objetivos: Entender a notação matricial; Identificar matrizes: identidade, diagonal, simétrica, triangular e tridiagonal; Como multiplicar matrizes e verificar quando esta multiplicação

Leia mais

José Eustáquio Rangel de Queiroz Herman Martins Gomes

José Eustáquio Rangel de Queiroz Herman Martins Gomes DSC/CCT/UFCG UNIVERSIDADE FEDERAL DE CAMPINA GRANDE UFCG CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA CEEI DEPARTAMENTO DE SISTEMAS E COMPUTAÇÃO - DSC Av Aprígio Veloso, S/N Bodocongó CEP: 58109-190 Campina

Leia mais

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga

Aula 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 mais

Distribuição Normal de Probabilidade

Distribuição Normal de Probabilidade Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Produtos Notáveis; Equações; Inequações; Função; Função Afim; Paridade;

Leia mais

Universidade Federal do Paraná - Setor de Ciências da Terra

Universidade Federal do Paraná - Setor de Ciências da Terra Universidade Federal do Paraná - Setor de Ciências da Terra APLICAÇÃO DE DIFERENTES NÍVEIS DE REALISMO DERIVADOS DE IMAGEM DE SATÉLITE NA REALIDADE VIRTUAL Juliana Moulin Fosse - jumoulin@ufpr.br Mosar

Leia mais

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno

SEGEMENTAÇÃO DE IMAGENS. Nielsen Castelo Damasceno SEGEMENTAÇÃO DE IMAGENS Nielsen Castelo Damasceno Segmentação Segmentação Representação e descrição Préprocessamento Problema Aquisição de imagem Base do conhecimento Reconhecimento e interpretação Resultado

Leia mais

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 7

IBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 7 Potencial Elétrico Quando estudamos campo elétrico nas aulas passadas, vimos que ele pode ser definido em termos da força elétrica que uma carga q exerce sobre uma carga de prova q 0. Essa força é, pela

Leia mais

COBRANÇA BANCÁRIA CAIXA

COBRANÇA BANCÁRIA CAIXA COBRANÇA BANCÁRIA CAIXA ESPECIFICAÇÃO DE CÓDIGO DE BARRAS PARA BLOQUETOS DE COBRANÇA COBRANÇAS RÁPIDA E SEM REGISTRO GESER NOVEMBRO/2000 ÍNDICE PÁGINA 1 INTRODUÇÃO... 3 2 ESPECIFICAÇÕES...4 2.1 FORMATO......

Leia mais

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc...

RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS. o Flutuações aleatórias ou imprecisões em dados de entrada, precisão numérica, arredondamentos etc... RUÍDOS EM IMAGENS FILTRAGEM DE RUÍDOS RUÍDOS EM IMAGENS Em Visão Computacional, ruído se refere a qualquer entidade em imagens, dados ou resultados intermediários, que não são interessantes para os propósitos

Leia mais

Multiplexação FDM. Amplamente utilizada de forma conjunta às modulações AM, FM, QAM, PSK Usada na comunicação de sinais analógicos e digitais

Multiplexação FDM. Amplamente utilizada de forma conjunta às modulações AM, FM, QAM, PSK Usada na comunicação de sinais analógicos e digitais Multiplexação FDM Multiplexação por Divisão de Frequência A multiplexação não é em si uma técnica de modulação de sinais, mas é frequentemente utilizada de forma complementar Possibilita o envio simultâneo

Leia mais

Segmentação de Imagens

Segmentação de Imagens Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para

Leia mais

Capítulo1 Tensão Normal

Capítulo1 Tensão Normal - UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Referências Bibliográficas:

Leia mais

Análise Qualitativa no Gerenciamento de Riscos de Projetos

Análise Qualitativa no Gerenciamento de Riscos de Projetos Análise Qualitativa no Gerenciamento de Riscos de Projetos Olá Gerente de Projeto. Nos artigos anteriores descrevemos um breve histórico sobre a história e contextualização dos riscos, tanto na vida real

Leia mais

Bruno Guimarães Costa Alves

Bruno Guimarães Costa Alves Detecção de Infração em faixa de pedestres sem semáforos utilizando visão computacional e redes neurais Bruno Guimarães Costa Alves Dissertação de mestrado submetida à Coordenação dos Cursos de Pós-Graduação

Leia mais

Bombons a Granel. Série Matemática na Escola. Objetivos 1. Introduzir e mostrar aplicações do produto de matrizes.

Bombons a Granel. Série Matemática na Escola. Objetivos 1. Introduzir e mostrar aplicações do produto de matrizes. Bombons a Granel Série Matemática na Escola Objetivos 1. Introduzir e mostrar aplicações do produto de matrizes. Bombons a granel Série Matemática na Escola Conteúdos Produto de matrizes. Duração Aprox.

Leia mais

Computação Gráfica - 12

Computação Gráfica - 12 Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Computação Gráfica - 12 jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav Realismo

Leia mais

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações

Leia mais

Universidade Federal de Goiás Campus Catalão Departamento de Matemática

Universidade Federal de Goiás Campus Catalão Departamento de Matemática Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares

Leia mais

Processamento Digital de Sinais. Conversão A/D e D/A. Prof. Dr. Carlos Alberto Ynoguti

Processamento Digital de Sinais. Conversão A/D e D/A. Prof. Dr. Carlos Alberto Ynoguti Processamento Digital de Sinais Conversão A/D e D/A Prof. Dr. Carlos Alberto Ynoguti Introdução A maioria dos sinais encontrados na natureza é contínua Para processá los digitalmente, devemos: Converter

Leia mais

Filtragem de imagens fixas usando Matlab

Filtragem de imagens fixas usando Matlab Televisão digital EEC5270 Relatório Filtragem de imagens fixas usando Matlab Bruno Filipe Sobral de Oliveira - ee01084@fe.up.pt Filipe Tiago Alves de Magalhães - ee01123@fe.up.pt Porto, 20 de Novembro

Leia mais

FACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)

FACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007) FACULDADE DE CIÊNCIAS E TECNOLOGIA Redes de Telecomunicações (2006/2007) Engª de Sistemas e Informática Trabalho nº4 (1ª aula) Título: Modelação de tráfego utilizando o modelo de Poisson Fundamentos teóricos

Leia mais

e-mail: ederaldoazevedo@yahoo.com.br

e-mail: ederaldoazevedo@yahoo.com.br Assunto: Cálculo de Lajes Prof. Ederaldo Azevedo Aula 3 e-mail: ederaldoazevedo@yahoo.com.br 3.1. Conceitos preliminares: Estrutura é a parte ou o conjunto das partes de uma construção que se destina a

Leia mais

Aula 3 Função do 1º Grau

Aula 3 Função do 1º Grau 1 Tecnólogo em Construção de Edifícios Aula 3 Função do 1º Grau Professor Luciano Nóbrega 2 FUNÇÃO POLINOMIAL DO 1º GRAU Uma função polinomial do 1º grau (ou simplesmente, função do 1º grau) é uma relação

Leia mais

ÁLGEBRA. Aula 5 _ Função Polinomial do 1º Grau Professor Luciano Nóbrega. Maria Auxiliadora

ÁLGEBRA. Aula 5 _ Função Polinomial do 1º Grau Professor Luciano Nóbrega. Maria Auxiliadora 1 ÁLGEBRA Aula 5 _ Função Polinomial do 1º Grau Professor Luciano Nóbrega Maria Auxiliadora 2 FUNÇÃO POLINOMIAL DO 1º GRAU Uma função polinomial do 1º grau (ou simplesmente, função do 1º grau) é uma relação

Leia mais

Filtragem no Domínio da Frequência

Filtragem no Domínio da Frequência Filtragem no Domínio da Frequência Disciplina: Tópicos em Computação (Processamento Digital de Imagens) 1 / 48 Algumas considerações A frequência é diretamente relacionada a taxas espaciais de variação;

Leia mais

Códigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2

Códigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Códigos de bloco Prof. Diego da Silva de Medeiros São José, maio de 2012 Codificação

Leia mais

Condução. t x. Grupo de Ensino de Física da Universidade Federal de Santa Maria

Condução. t x. Grupo de Ensino de Física da Universidade Federal de Santa Maria Condução A transferência de energia de um ponto a outro, por efeito de uma diferença de temperatura, pode se dar por condução, convecção e radiação. Condução é o processo de transferência de energia através

Leia mais

Comecemos por relembrar as propriedades das potências: = a x c) a x a y = a x+y

Comecemos por relembrar as propriedades das potências: = a x c) a x a y = a x+y . Cálculo Diferencial em IR.1. Função Exponencial e Função Logarítmica.1.1. Função Exponencial Comecemos por relembrar as propriedades das potências: Propriedades das Potências: Sejam a e b números positivos:

Leia mais

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com Introdução ao processamento de imagens e OCTAVE Julio C. S. Jacques Junior juliojj@gmail.com Octave www.gnu.org/software/octave/ Linguagem Interpretada (similar ao MATLAB... portabilidade) Voltada para

Leia mais

ARQUITETURA DE COMPUTADORES. Professor: Clayton Rodrigues da Siva

ARQUITETURA DE COMPUTADORES. Professor: Clayton Rodrigues da Siva ARQUITETURA DE COMPUTADORES Professor: Clayton Rodrigues da Siva OBJETIVO DA AULA Objetivo: Conhecer a estrutura da arquitetura da Máquina de Von Neumann. Saber quais as funcionalidades de cada componente

Leia mais

ESCOLA DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA

ESCOLA DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA ESCOLA DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA FUNÇÃO EXPONENCIAL PROF. CARLINHOS 1 Antes de iniciarmos o estudo da função eponencial faremos uma revisão sobre potenciação. 1. Potência com epoente natural

Leia mais

Considerando as cores como luz, a cor branca resulta da sobreposição de todas as cores, enquanto o preto é a ausência de luz. Uma luz branca pode ser

Considerando as cores como luz, a cor branca resulta da sobreposição de todas as cores, enquanto o preto é a ausência de luz. Uma luz branca pode ser Noções de cores Cor é como o olho dos seres vivos animais interpreta a reemissão da luz vinda de um objeto que foi emitida por uma fonte luminosa por meio de ondas eletromagnéticas; Corresponde à parte

Leia mais

PROVA DE MATEMÁTICA. Marque no cartão-resposta anexo, a única opção correta correspondente a cada questão.

PROVA DE MATEMÁTICA. Marque no cartão-resposta anexo, a única opção correta correspondente a cada questão. CONCURSO DE ADMISSÃO 5 a SÉRIE/ENS.FUND/CMF. MATEMÁTICA 2005/06 PÁG - 02 PROVA DE MATEMÁTICA Marque no cartão-resposta anexo, a única opção correta correspondente a cada questão. 1. Na tabela abaixo, disponha

Leia mais

Recorrendo à nossa imaginação podemos tentar escrever números racionais de modo semelhante: 1 2 = 1 + 3 + 32 +

Recorrendo à nossa imaginação podemos tentar escrever números racionais de modo semelhante: 1 2 = 1 + 3 + 32 + 1 Introdução Comecemos esta discussão fixando um número primo p. Dado um número natural m podemos escrevê-lo, de forma única, na base p. Por exemplo, se m = 15 e p = 3 temos m = 0 + 2 3 + 3 2. Podemos

Leia mais

Declaração de Serviços Tomados

Declaração de Serviços Tomados Declaração de Serviços Tomados O que é isto? O que isto faz? Por meio desta página, qualquer contribuinte pode realizar a declaração dos serviços tomados para gerar as guias de Retenção. Nesta página,

Leia mais

Matemática. Resolução das atividades complementares. M2 Matrizes [ ] 1 Construa a matriz linha A 5 (a ij

Matemática. Resolução das atividades complementares. M2 Matrizes [ ] 1 Construa a matriz linha A 5 (a ij Resolução das atividades complementares Matemática M Matrizes p. 6 Construa a matriz linha (a ij ) tal que cada elemento obedeça à lei a ij i j. (a ij ) ; a ij i j a a 6 a 9 7 a 0 a [ 7 0 ] [ ] 7 0 Determine

Leia mais

FILTRO DISCO CERÂMICO À VÁCUO (FDVC)

FILTRO DISCO CERÂMICO À VÁCUO (FDVC) APLICAÇÃO Mineração Indústria metalúrgica Desaguamento de concentrados de minérios ferrosos e não-ferrosos Desaguamento de rejeitos e lamas Filtragem de polpa fina de oxido de alumínio O uso do Filtro

Leia mais

Módulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano

Módulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com

Leia mais

Sistemas Distribuídos Controle de Acesso e Gerenciamento de Segurança

Sistemas Distribuídos Controle de Acesso e Gerenciamento de Segurança Sistemas Distribuídos Controle de Acesso e Gerenciamento de Segurança Departamento de Informática, UFMA Graduação em Ciência da Computação Francisco José da Silva e Silva 1 Controle de Acesso 1.1 Introdução

Leia mais

21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU

21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU 1 21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU 1. O gráfico do trinômio y = ax 2 + bx + c. Qual a afirmativa errada? a) se a > 0 a parábola possui concavidade para cima b) se b 2 4ac > 0 o trinômio possui duas

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a

Leia mais

Técnicas de Processamento Digital de Imagens Aplicadas à Área da Saúde. XIII Escola Regional de Informática da SBC - Paraná

Técnicas de Processamento Digital de Imagens Aplicadas à Área da Saúde. XIII Escola Regional de Informática da SBC - Paraná Capítulo 3 Técnicas de Processamento Digital de Imagens Aplicadas à Área da Saúde. XIII Escola Regional de Informática da SBC - Paraná Prof. Dr. Jacques Facon PUCPR-Pontifícia Universidade Católica do

Leia mais

Unidade 1: O Computador

Unidade 1: O Computador Unidade : O Computador.3 Arquitetura básica de um computador O computador é uma máquina que processa informações. É formado por um conjunto de componentes físicos (dispositivos mecânicos, magnéticos, elétricos

Leia mais

1 - POLÍGONOS REGULARES E CIRCUNFERÊNCIAS

1 - POLÍGONOS REGULARES E CIRCUNFERÊNCIAS Matemática 2 Pedro Paulo GEOMETRIA PLANA X 1 - POLÍGONOS REGULARES E CIRCUNFERÊNCIAS 1.2 Triângulo equilátero circunscrito A seguir, nós vamos analisar a relação entre alguns polígonos regulares e as circunferências.

Leia mais

Matemática - Módulo 1

Matemática - Módulo 1 1. Considerações iniciais Matemática - Módulo 1 TEORIA DOS CONJUNTOS O capítulo que se inicia trata de um assunto que, via-de-regra, é abordado em um plano secundário dentro dos temas que norteiam o ensino

Leia mais

ÁLGEBRA LINEAR. Transformações Lineares. Prof. Susie C. Keller

ÁLGEBRA LINEAR. Transformações Lineares. Prof. Susie C. Keller ÁLGEBRA LINEAR Transformações Lineares Prof. Susie C. Keller É um tipo especial de função (aplicação), onde o domínio e o contradomínio são espaços vetoriais. Tanto a variável independente quanto a variável

Leia mais

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.

A 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 mais

Módulo de Princípios Básicos de Contagem. Segundo ano

Módulo de Princípios Básicos de Contagem. Segundo ano Módulo de Princípios Básicos de Contagem Combinação Segundo ano Combinação 1 Exercícios Introdutórios Exercício 1. Numa sala há 6 pessoas e cada uma cumprimenta todas as outras pessoas com um único aperto

Leia mais

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 Tópicos Introdução Conceitos básicos da teoria dos conjuntos

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas

Leia mais

Prof. MSc. David Roza José david.jose@luzerna.ifc.edu.br

Prof. MSc. David Roza José david.jose@luzerna.ifc.edu.br 1 Motivação Métodos numéricos são técnicas pelas quais problemas matemáticos são formulados de maneira a serem resolvidos através de uma sequência lógica de operações algébricas; principalmente através

Leia mais

E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces

E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces Éder Augusto Penharbel, Erdiane L. G. Wutzke, Murilo dos S. Silva, Reinaldo

Leia mais

AULA 07 Distribuições Discretas de Probabilidade

AULA 07 Distribuições Discretas de Probabilidade 1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Matrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina.

Matrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina. e Aula Zero - Álgebra Linear Professor: Juliano de Bem Francisco Departamento de Matemática Universidade Federal de Santa Catarina agosto de 2011 Outline e e Part I - Definição: e Consideremos o conjunto

Leia mais

Lei de Gauss. 2.1 Fluxo Elétrico. O fluxo Φ E de um campo vetorial E constante perpendicular Φ E = EA (2.1)

Lei de Gauss. 2.1 Fluxo Elétrico. O fluxo Φ E de um campo vetorial E constante perpendicular Φ E = EA (2.1) Capítulo 2 Lei de Gauss 2.1 Fluxo Elétrico O fluxo Φ E de um campo vetorial E constante perpendicular a uma superfície é definido como Φ E = E (2.1) Fluxo mede o quanto o campo atravessa a superfície.

Leia mais

Disciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz.

Disciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz. Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear - Engenharias Professor: André Luiz Galdino Gabarito da 1 a Lista de Exercícios 1. Sejam Encontre: [ 1

Leia mais

Aula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4

Aula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4 Aula 8 21/09/2009 - Microeconomia. Demanda Individual e Demanda de Mercado. Bibliografia: PINDYCK (2007) Capítulo 4 Efeito de modificações no preço: Caso ocorram modificações no preço de determinada mercadoria

Leia mais

Avaliação Teórica II Seleção Final 2015 Olimpíadas Internacionais de Física 16 de Abril 2015

Avaliação Teórica II Seleção Final 2015 Olimpíadas Internacionais de Física 16 de Abril 2015 Caderno de Questões Teoria II Instruções 1. Este caderno de questões contém NOVE folhas, incluindo esta com as instruções. Confira antes de começar a resolver a prova. 2. A prova é composta por QUATRO

Leia mais

Álgebra Linear I - Aula 20

Álgebra Linear I - Aula 20 Álgebra Linear I - Aula 0 1 Matriz de Mudança de Base Bases Ortonormais 3 Matrizes Ortogonais 1 Matriz de Mudança de Base Os próximos problemas que estudaremos são os seguintes (na verdade são o mesmo

Leia mais

Emparelhamentos Bilineares Sobre Curvas

Emparelhamentos Bilineares Sobre Curvas Emparelhamentos Bilineares Sobre Curvas Eĺıpticas Leandro Aparecido Sangalli sangalli@dca.fee.unicamp.br Universidade Estadual de Campinas - UNICAMP FEEC - Faculdade de Engenharia Elétrica e de Computação

Leia mais

Uma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais

Uma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais Uma abordagem Fuzzy para Detecção de Bordas em Imagens Digitais Inês Aparecida Gasparotto Boaventura Depto de Ciências de Computação e Estatística, IBILCE, UNESP, 15054-000, São José do Rio Preto, SP E-mail:

Leia mais

Resolução Comentada Fuvest - 1ª fase 2014

Resolução Comentada Fuvest - 1ª fase 2014 Resolução Comentada Fuvest - 1ª fase 2014 01 - Em uma competição de salto em distância, um atleta de 70kg tem, imediatamente antes do salto, uma velocidade na direção horizontal de módulo 10m/s. Ao saltar,

Leia mais

Corrente elétrica, potência, resistores e leis de Ohm

Corrente elétrica, potência, resistores e leis de Ohm Corrente elétrica, potência, resistores e leis de Ohm Corrente elétrica Num condutor metálico em equilíbrio eletrostático, o movimento dos elétrons livres é desordenado. Em destaque, a representação de

Leia mais

Atividade de revisão do 1º semestre de 2009 e autoavaliação de recuperação

Atividade de revisão do 1º semestre de 2009 e autoavaliação de recuperação Física Atividade 3 os anos Glorinha ago/09 Nome: Nº: Turma: Atividade de revisão do 1º semestre de 2009 e autoavaliação de recuperação Essa atividade tem o objetivo de revisar alguns conceitos estudados

Leia mais

Álgebra Linear Computacional

Álgebra Linear Computacional Álgebra Linear Computacional Geovan Tavares, Hélio Lopes e Sinésio Pesco. PUC-Rio Departamento de Matemática Laboratório Matmidia http://www.matmidia.mat.puc-rio.br Sistemas de Equações Lineares Espaços

Leia mais

III-2 Cyclic Redundancy Check

III-2 Cyclic Redundancy Check III-2 Cyclic Redundancy Check 1 Dezembro de 2010 ISEL-DEETC- 1 Sumário 1. Códigos cíclicos 2. Polinómio gerador. CRC 1. Cálculo dos bits de paridade 2. Verificação dos bits de paridade 4. Divisão de polinómios

Leia mais

Seu pé direito nas melhores Faculdades

Seu pé direito nas melhores Faculdades 10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,

Leia mais

Universidade Federal Rural de Pernambuco Departamento de Informática e Estatística Mestrado em Biometria

Universidade Federal Rural de Pernambuco Departamento de Informática e Estatística Mestrado em Biometria Universidade Federal Rural de Pernambuco Departamento de Informática e Estatística Mestrado em Biometria DETECÇÃO DE VASOS SANGUINEOS EM IMAGENS DE FUNDO DE OLHOS SÉRGIO DE SÁ LEITÃO PAIVA JÚNIOR RECIFE

Leia mais

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE) CADERNO DE PROVAS PROVA DISCURSIVA

INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE) CADERNO DE PROVAS PROVA DISCURSIVA Concurso Público - NÍVEL MÉDIO INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE) CARGO: Técnico da Carreira de Desenvolvimento Tecnológico Classe: Técnico 1 Padrão I TEMA: CADERNO DE PROVAS PROVA DISCURSIVA

Leia mais