Visão por Computador (Jorge Salvador Marques)
|
|
- Sabina Pinho Frade
- 8 Há anos
- Visualizações:
Transcrição
1 Visão por Computador (Jorge Salvador Marques) Motivação O homem usa imagens para representar o mundo desde a pré-história (p.ex., pinturas de Altamira) mas nunca esteve rodeado de tantas imagens como hoje. Através da internet temos acesso a imagens de paisagens, de pessoas, de animais, de outros planetas, de estradas. Usamos imagens não apenas para representar o mundo que conhecemos mas para estudar mundos desconhecidos, identificar pessoas, controlar estradas, vigiar cidades, fazer diagnósticos médicos, estudar o universo, a célula ou o átomo. A imgem passou a ser um meio poderoso que nos permite observar tudo o que nos rodeia e adquirir grandes quantidades de informação. Por exemplo, a superfície do planeta Marte está fotografada com uma resolução de 20 cm. As autoestradas portuguesas são vigiadas por centenas de câmaras. Assim, a primeira questão que podemos colocar é: o que fazer com tão grandes quantidades de informação? Em muitos casos, guarda-se essa informação em formato digital. Noutros casos, destroi-se a informação porque não há capacidade de a analisar. Só uma pequena fracção é analisada visualmente por operadores humanos. Felizmente tem havido um esforço grande no desenvolvimento de métodos computacionais para processar imagens em computador e temos aumentado em muito a nossa capacidade de extracção automática de informação. Alguns exemplos muito eficientes são: o leitor de código de barras, os sistemas biométricos para identificação de pessoas (p.ex., baseados na iris ou em impressões digitais), os sistemas de fotografia digital, os sistemas de reconstrução tridimensional, os sistemas de monitorização. Todos estes sistemas extraiem informação da imagem de uma forma automática, e usam essa informação para tomar decisões ou para representar o mundo que nos rodeia.
2 A disciplina que estuda o problema de extracção de informação contida em imagens tem o nome de Visão por Computador, realçando o paralelismo que há com o sentido da visão, existente no ser humano e em muitos animais. Esta semelhança de nomes entre os dois tipos de visão pode ser enganadora. O ser humano interpreta, sem qualquer dificuldade, estímulos visuais de grande complexidade. Podemos, por isso, pensar que a visão é um processo simples. Os investigadores de Inteligência Artificial do MIT pensavam, na década de 60, que a Visão por Computador era um problema que podia ser resolvido por um estudante durante o projecto de Verão. Nada mais errado. Cinquenta anos depois, é claro para todos que os desafios criados pela interpretação automática de imagens são dos mais complexos da engenharia e testam permanentemente a criatividade humana. A facilidade como o ser humano interpreta os estímulos visuais é uma armadilha. Hoje sabemos que uma parte importante do cortex cerebral humano é ocupado pelo processamento dos estímulos visuais, revelando a complexidade dos mecanismos envolvidos. Imagens O que são imagens? Imagens são sinais bi-dimensionais que traduzem a evolução de uma grandeza ao longo do espaço. A grandeza representada é, muitas vezes, a intensidade luminosa ou a cor que incide em cada ponto do sensor. As imagens guardadas em computador são discretas ou seja, são imagens que não estão definidas em todos os pontos do plano mas apenas numa grelha de valores. Uma imagem monocromática é, assim, uma tabela com M linhas e N colunas (ver Figura 1). Cada elemento da tabela desina-se por pixel que é uma contracção da designação aglo-saxónica picture element. Podemos também dizer que uma imagem monocromática é uma função I, com domínio D={1,..., M}x{1,..., N} e contradomínio IR, isto é, I: {1,..., M}x{1,..., N} IR
3 O valor da imagem no ponto de coordenadas (m,n) D é designado por I(m,n). Deve ainda dizer-se que uma imagem real tem geralmente centenas de linhas e de colunas, pelo que o exemplo da Figura 1 é apenas ilustrativo Figura 1 Pequena imagem monocromática; uma imagem real tem tipicamente centenas de linhas e de colunas. A imagem que temos vindo a descrever é monocromática ou seja, é uma imagem em que cada pixel tem um nível de cinzento associado. O valor 0 corresponde a preto e o valor 255 a branco. O caso das imagens coloridas é diferente. Nesse caso, cada pixel tem uma cor associada, representada por três coeficientes de cor: a quantidade de vermelho (R), de verde (G) e de azul (B). O valor da imagem num pixel é, assim, um vector com três componentes I(m,n)=[R(m,n) G(m,n) B(m,n)] T. Em alternativa, podemos pensar que uma imagem colorida corresponde a três imagens diferentes, cada uma delas representando um coeficiente de cor. Câmara digital Os sensores mais utilizados para adquirir imagens são as câmaras digitais CCD. Uma câmara é constituída por um sistema óptico que concentra a luz num plano, designado por plano de imagem. A intensidade luminosa que incide nesse plano é convertida num sinal eléctrico, através de um circuito integrado designado por CCD. O sensor tem uma janela com uma matriz de elementos fotosensíveis que recebem a luz e medem o número de fotões que incidem em cada elemento.
4 A câmara converte a radiação luminosa gerada pelo mundo tri-dimensional numa representação bi-dimensional (imagem). Nesse processo há perda de informação (profundidade) e são introduzidas deformações geométricas que conhecemos como efeito de perspectiva. Objectos mais afastados aparecem mais pequenos na imagem, os feixes de rectas paralelas são convertidos em rectas concorrentes que se intersectam num ponto de fuga (ver Figura 2). Figura 2 aquisição de imagem: efeito de perspectiva Como se descreve matematicamente a projecção feita pela câmara? A resposta não é difícil se aproximarmos o comportamento da câmara pelo modelo buraco de agulha (ver Figura 3). Este modelo assume que o sistema óptico se comporta como um pequeno orifício por onde toda a luz que entra na câmara tem que passar e que está localizado no centro do sistema óptico da câmara. Depois de passar pelo orifício, a luz projecta-se na superfície do sensor CCD (plano de imagem). De acordo com este modelo, os objectos são projectados de forma invertida. O modelo da Figura 3 é um pouco diferente pois admite que a câmara compensa a inversão das imagens o que é equivalente a colocar o plano de imagem à frente do centro óptico.
5 p p x x f p y O p z y Figura 3 modelo da câmara com plano frontal Se definirmos um sistema de eixos coordenados para o mundo, localizado no centro óptico O (ver Figura 3), e um sistema de eixos coordenados na imagem com dois eixos paralelos ao sistema de eixos anterior, então as equações de projecção são muito simples, em que [ ] são as coordenadas ponto 3D, [ ] as coordenadas ponto projectado e f a distância do centro óptico da câmara ao plano de imagem (distância focal). Estas equações mostram que se o objecto estiver afastado da câmara ( grande), aparece mais pequeno na imagem. Também é possível com facilidade obter a expressão do ponto de fuga para qualquer feixe de rectas paralelas. A câmara como sensor Se soubermos a distância focal f, então a câmara pode ser usada como um sensor geométrico que permite fazer medições sobre o mundo tridimensional a partir de medições no plano de imagem ou seja, medições remotas, sem nos aproximarmos dos objectos que pretendemos medir. Isto é possível porque conhecemos a forma como os pontos do mundo se projectam no plano de imagem (modelo projectivo).
6 Na projecção, perdemos informação relativa à profundidade a que os objectos se encontram o que cria ambiguidade. Não é possível recuperar a profundidade sem termos informação adicional. Se conhecermos a projecção de um ponto do mundo no plano de imagem, sabemos caracterizar a recta (raio óptico) a que o ponto pertence mas não sabemos qual a sua posição nessa recta. Esta dificuldade pode ser ultrapassada com informação adicional. Por exemplo, se soubermos que o objecto se encontra num plano (o que acontece se quisermos localizar jogadores num campo de futebol) podemos usar essa restrição adicional, intersectando esse plano com o raio óptico. Uma outra alternativa consiste em usar mais do que uma câmara para observar a mesma cena. Se um ponto 3D for projectado em ambas as imagens, é possível calcular os raios ópticos associados a ambas as projecções. Cada projecção tem um raio óptico associado que pode ser calculado e o ponto 3D é o ponto de intersecção dos raios ópticos. Este procedimento designa-se por triangulação porque o ponto 3D e os 2 centros ópticos das câmaras são vértices de um triângulo. Este procedimento é muito utilizado em sistemas de visão para reconstruir e explorar o ambiente e requer o conhecimento da localização e orientação das duas câmaras. Análise de imagem Muitos sistemas de visão tentam extrair informação contida em imagens. É o que acontece nos sistemas de diagnóstico médico baseado em computador que pretendem detectar estruturas anómalas em imagens médicas ou detectar doenças de forma automática. Um outro problema muito interessante é o do reconhecimento automático de objectos em imagens. Vejamos de perto a questão de reconhecimento de objectos. A Figura 4 mostra a evolução da intensidade luminosa numa imagem (superfície de intensidade), em função das coordenadas espaciais x,y. Sugere-se que o leitor tente adivinhar o que está representado nesta imagem a partir desta informação e que é aquela de que um computador dispõe.
7 Figura 4 superfície de intensidade associada a uma imagem: o que está representado? É muito clara a dificuldade que temos em discernir objectos de interesse o que mostra bem a dificuldade do problema de reconhecimento de objectos. Se não conseguiu adivinhar os objectos presentes não desanime (ninguém consegue). A solução é mostrada na Figura 5. Como resolver o problema de reconhecimento de objectos ou o problema de diagnóstico médico? Nas secções seguintes iremos discutir ambos os problemas, realçando as técnicas que são usadas para ultrapassar ambos os desafios. O problema de reconhecimento de objectos será partido em dois problemas de dificuldade crescente para enriquecer a discussão. Diagnóstico médico Iremos considerar um problema de diagnóstico em que se dispõe de uma imagem de um tecido humano e se pretende determinar se é ou não maligno. Vamos admitir que o operador do sistema extrai da imagem um bloco rectangular, que pretende disgnosticar. O sistema de diagnóstico deverá produzir uma decisão binária (não-maligno/maligno) de forma automática.
8 Uma solução típica para este problema compreende dois passos. Primeiro, o bloco de imagem, I, é processado e é extraído um conjunto de descritores do seu conteúdo. Esses descritores poderão incluir descritores estatísticos (p.ex., histograma, média e variância da intensidade) mas poderão incluir descritores mais sofisticados como descritores de textura ou de cor. Este primeiro bloco de processamento recebe, portanto, um bloco de imagem, I, e produz um vector de descritores [ ]. A escolha dos descritores específicos a utilizar é uma opção de projecto e depende da aplicação. Figura 5 Imagem associada à superfície de intensidade da Figura 3. O segundo bloco de processamento recebe o vector de descritores,, e deve produzir uma decisão binária { } em que 0 significa não-maligno e 1 significa maligno. Esta transformação é caracterizada por uma função que converte vectores numa decisão binária { }. Como definir a função? Na maioria dos casos não é possível fazê-lo de forma empírica. Por isso, adopta-se um caminho alternativo. Admite-se que temos muitos exemplos de imagens classificadas por um especialista e que, em cada um desses casos, se conhece o vector de descritores e a decisão final. Temos portanto um conjunto de dados {( ) ( )} em que o par ( ) representa os descritores e a decisão do i-èsimo exemplo. De certa forma, é como se tivessemos assistido a N decisões de um tribunal e tivessemos acesso à matéria dada como provada, e à decisão do juiz,.
9 Queremos projectar um sistema capaz de fazer o papel do juiz e produzir a decisão de forma automática. A estimação da função a partir do conjunto de dados (conjunto de treino) é um problema que é estudado na área de Aprendizagem Automática utilizando métodos estatísticos. A ideia é simples (os detalhes nem sempre). Define-se uma família de funções dependentes de um parâmetro e escolhe-se o valor de que conduzir a maior número de decisões correctas no conjunto de treino. Isso é feito através de um processo de optimização iterativo. Juntando os dois blocos constrói-se um sistema de apoio à decisão médica baseado em visão. Detecção de caras A detecção de caras em imagens é uma operação útil em muitas aplicações p.ex., fotografia digital, vigilância. Dada uma imagem pretende-se detectar todas as caras visíveis. De notar que neste caso, a localização da cara não é conhecida nem as suas dimensões. Costuma admitir-se contudo que a cara está numa posição aproximadamente frontal. Como detectar caras com localização e tamanho desconhecidos? Esqueçamos o tamanho por momentos, assumindo inicialmente que o tamanho é conhecido ou seja, admitimos que a cara está contida numa região rectangular da imagem, com centro desconhecido mas dimensões conhecidas. Neste caso, podemos deslocar a região rectangular ao longo da imagem, centrando-a em cada um dos pixels, e decidir, em cada caso, se existe ou não uma cara no interior da região. Portanto, é tomada uma decisão binária em cada pixel da imagem. A detecção de uma cara numa região rectangular específica é um problema semelhante ao do diagnóstico médico descrito anteriormente e pode ser resolvido da mesma forma. Primeiro são extraídos descritores caracterizando a região sob análise. Esses descritores são, em geral, diferentes dos usados
10 na análise de imagem médica. Um conjunto de descritores muito usados na detecção de caras são os descritores de Haar, propostos por Viola & Jones, que são calculados através de um produto interno entre dois vectores em que é um vector formado por todos os pixels da região rectangular designa o k-èsimo vector de base (função de Haar). Depois de calculado o vector de descritores, [ ], classifica-se a região rectangular através de um classificador, previamente treinado na operação de detecção de caras, tal como foi descrito anteriormente para o problema de diagnóstico médico. O procedimento descrito, permite detectar a presença de caras na imagem através da análise de blocos rectangulares com elevada sobreposição. Admitiu-se, contudo, que se conhecia as dimenções da cara. Esta limitação pode ser ultrapassada repetindo a análise anterior para várias dimensões da janela rectangular de forma a detectar caras em várias escalas. Apesar de se tratar de um procedimento repetitivo, baseado em busca exaustiva (analizar todas as regiões rectangulares da imagem e repetir tudo em várias escalas), este algoritmo functiona em tempo real nos computadores pessoais actuais. Uma implementação muito popular é a que está disponível na biblioteca de algoritmos de Visão: OpenCV. Reconhecimento de objectos em cenas naturais Os problemas de reconhecimento são tratáveis se conhecermos a região da imagem onde está o objecto de interesse, como aconteceu no problema de diagnóstico médico, ou se o objecto de interesse estiver sujeito a restrições de forma e de cor significativas, como acontece na detecção de caras. Um problema (muito) mais difícil é o da interpretação de imagens em que se pretende reconhecer todos os objectos de interesse presentes numa imagem. Por exemplo, no caso da Figura 6, o reconhecedor deveria detectar
11 a presença de cavalos, árvores, erva e céu e, se possível, delinear as fronteiras da região associada a cada um desses objectos. Esta operação tem obviamente grande utilidade pois permite desenvolver um motor de busca visual e assim aceder aos milhões de fotografias disponíveis na internet através do seu conteúdo. Infelizmente, este problema continua a ser um dos principais desafios de investigação em Visão por Computador e os sistemas existentes resolvem só parcialmente o problema. Figura 6 Reconhecimento de objectos em cenas naturais. Pretende-se reconhecer os objectos presentes na cena p.ex., cavalos, árvores, erva, céu. Durante várias décadas pensou-se que este problema se resolveria em dois passos. Primeiro, aplicava-se um método de segmentação capaz de delinear a fronteira de cada um dos objectos de interesse. Depois, extraiam-se descritores de cada região (forma, cor, textura) e treinava-se um classificador à semelhança do que foi feito nos problemas anteriores. Esta metodologia falhou no caso geral. Depois de um esforço formidável no desenvolvimento de métodos de segmentação, temos de concluir que não é possível atingir o objectivo desejado de segmentar objectos arbitrários, até porque essa operação requer conhecimento acerca do objecto que se
12 pretende delinear. Há portanto um interacção nos dois sentidos entre reconhecimento e segmentação. A maioria dos métodos modernos abandonou a ideia de associar uma região única a cada objecto de interesse. Pelo contrário o caminho que tem conduzido a melhores resultados consiste em representar a imagem através de pequenas regiões locais, designadas em inglês por patches. Tipicamente aplica-se um detector de pontos de interesse que selecciona pontos onde há variação da cor ou da intensidade da imagem (p.ex., olho do cavalo, casco, folha de árvore). Depois de detectadas algumas centenas de pontos de interesse, cada um deles é caracterizado por um vector de descritores. Esses descritores são calculados considerando não só o ponto de interesse mas uma vizinhança em torno dele (patch). Depois de conhecidos os vectores de descritores associados a cada imagem, treina-se um classificador capaz de atribuir labels a cada uma das imagens disponíveis. As técnicas usadas para classificação são um pouco diferentes das usadas nas secções anteriores mas o princípio é o mesmo. Constrói-se um conjunto de imagens classificadas (conjunto de treino) para as quais se conhece os descritores e o label correcto, ( ),e treina-se um classificador usando este conjunto de treino. O classificador é, depois, aplicado na classificação de novas imagens que nunca tenham sido observadas. Os resultados obtidos através desta metodologia são animadores e são objecto de investigação. Conclusões Há actualmente um número quase ilimitado de imagens disponíveis através da internet que excede um muito a capacidade humana de análise e de interpretação. Felizmente têm sido desenvolvidos métodos que permitem analisar de forma automática muitas dessas imagens. O desafio é complexo mas há actualmente diversos problemas resolvidos de forma eficaz usando os métodos disponíveis. Um denominador comum a muitos dos sistemas de visão existentes é o recurso a técnicas de aprendizagem automática em que o modelo de decisão
13 é aprendido a partir dos dados existentes, sem intervenção humana. A combinação de descritores de imagem eficazes com técnicas dde aprendizagem automática tem-se revelado muito poderosa, abrindo caminho a aplicações da visão cada vez mais sofisticadas. Jorge S. Marques recebeu o doutoramento e agregação em Engenharia Electrotécnica e de Computadores, pelo Instituto Superior Técnico (IST), em 1990 e Actualmente é Professor Associado do IST e investigador do Instituto de Sistemas e Robótica. Foi presidente da Associação Portuguesa de Reconhecimento de Padrões, presidente da conferência internacional IAPR Iberian Conference on Pattern Recognition and Image Analysis (2005), Vice- Presidente do Departamento de Engenharia Electrotécnica e de Computadores do IST, e editor associado da revista Statistics and Computing Journal, Springer. É autor do livro Reconhecimento de Padrões, Métodos Estatísticos e Neuronais, IST Press, 2ª edição, Os seus interesses científicos integram-se nas áreas de Análise de Imagem e Reconhecimento de Padrões.
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 maisInformática Aplicada a Radiologia
Informática Aplicada a Radiologia Apostila: Imagem Digital parte I Prof. Rubens Freire Rosa Imagem na forma digital A representação de Imagens na forma digital nos permite capturar, armazenar e processar
Leia maisGDC I AULA TEÓRICA 09
GDC I AULA TEÓRICA 09 Perspectiva linear de quadro plano: - O perspectógrafo completo (Plano Geometral e a Linha de Terra). - A marcação de pontos por coordenadas. - Determinação dos traços de planos e
Leia maisUtilização do SOLVER do EXCEL
Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de
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 maisAtividade: matrizes e imagens digitais
Atividade: matrizes e imagens digitais Aluno(a): Turma: Professor(a): Parte 01 MÓDULO: MATRIZES E IMAGENS BINÁRIAS 1 2 3 4 5 6 7 8 Indique, na tabela abaixo, as respostas dos 8 desafios do Jogo dos Índices
Leia maisTIPOS DE REFLEXÃO Regular Difusa
Reflexão da luz TIPOS DE REFLEXÃO Regular Difusa LEIS DA REFLEXÃO RI = raio de luz incidente i normal r RR = raio de luz refletido i = ângulo de incidência (é formado entre RI e N) r = ângulo de reflexão
Leia maisPesquisa e organização de informação
Pesquisa e organização de informação Capítulo 3 A capacidade e a variedade de dispositivos de armazenamento que qualquer computador atual possui, tornam a pesquisa de informação um desafio cada vez maior
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 maisConstruindo a câmara escura
Construindo a câmara escura Shizue Introdução Captar e registrar imagens tornou-se possível com a câmara escura de orifício. Essa câmara nada mais é do que uma lata, preta por dentro para não refletir
Leia maisCapítulo II Imagem Digital
Capítulo II Imagem Digital Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Formação de uma imagem 2. Representação digital de uma imagem 3. Cor 4. Histogramas 5. Ruído
Leia maisImagem digital. Unidade 3
Imagem digital Unidade 3 Objectivos Reconhecer o potencial comunicativo/ expressivo das imagens; Reconhecer as potencialidades narrativas de uma imagem; A criação de sentido nas associações de imagens
Leia maisObjetivos. Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas e
MÓDULO 2 - AULA 13 Aula 13 Superfícies regradas e de revolução Objetivos Apresentar as superfícies regradas e superfícies de revolução. Analisar as propriedades que caracterizam as superfícies regradas
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 maisNascemos a ver ou aprendemos a ver?
Nascemos a ver ou aprendemos a ver? A visão é uma função essencialmente aprendida pelos organismos superiores. Podemos dizer que o processo de visão compreende a sensação e a percepção. A sensação consiste
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia mais2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea
2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais
Leia maisUsando o Excel ESTATÍSTICA. Funções
Funções Podemos usar no Excel fórmulas ou funções. Anteriormente já vimos algumas fórmulas. Vamos agora ver o exemplo de algumas funções que podem ser úteis para o trabalho de Excel. Para começar podemos
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia mais5 Equacionando os problemas
A UA UL LA Equacionando os problemas Introdução Nossa aula começará com um quebra- cabeça de mesa de bar - para você tentar resolver agora. Observe esta figura feita com palitos de fósforo. Mova de lugar
Leia maisAplicações de Escritório Electrónico
Universidade de Aveiro Escola Superior de Tecnologia e Gestão de Águeda Curso de Especialização Tecnológica em Práticas Administrativas e Tradução Aplicações de Escritório Electrónico Microsoft Word Folha
Leia maisLuz, olho humano e óculos Capítulo 12 (pág. 219)
Luz, olho humano e óculos Capítulo 12 (pág. 219) Raios de Luz - Alguns filósofos gregos pensavam que nossos olhos emitiam raios que permitiam enxergar os objetos; - Só nos é possível ver quando há luz
Leia maisReconhecimento de Padrões
Engenharia Informática (ramos de Gestão e Industrial) Departamento de Sistemas e Informação Reconhecimento de Padrões Projecto Final 2004/2005 Realizado por: Prof. João Ascenso. Departamento de Sistemas
Leia maisGeoMafra SIG Municipal
GeoMafra SIG Municipal Nova versão do site GeoMafra Toda a informação municipal... à distância de um clique! O projecto GeoMafra constitui uma ferramenta de trabalho que visa melhorar e homogeneizar a
Leia maisAlgoritmos. Objetivo principal: explicar que a mesma ação pode ser realizada de várias maneiras, e que às vezes umas são melhores que outras.
6 6 NOME DA AULA: 6 Algoritmos Duração da aula: 45 60 minutos Tempo de preparação: 10-25 minutos (dependendo da disponibilidade de tangrans prontos ou da necessidade de cortá-los à mão) Objetivo principal:
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 maisReconhecimento de Padrões. Reconhecimento de Padrões
Reconhecimento de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superior de Tecnologia Engenharia Informática Reconhecimento de Padrões Prof. João Ascenso e Prof.
Leia maisReconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller
Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em
Leia maisselecionado. DICAS 1. Explore, sempre, o ícone
COMO USAR O MAPA COM INDICADORES DO GEOPORTAL DE INFORMAÇÕES EM SAÚDE DA BAHIA? Este documento fornece um passo a passo explicativo e ilustrado das principais ferramentas do Mapa com Indicadores do GeoPortal
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisOficina de fotografia e tratamento de imagem. Facilitadora: Camila Silva Aula: 05
Oficina de fotografia e tratamento de imagem Facilitadora: Camila Silva Aula: 05 Objetivas É uma lente óptica ou conjunto de lentes usada em conjunto com um corpo de câmera e um mecanismo para reproduzir
Leia maisIntrodução: Mas, todas estas lentes podem ser na verdade convergentes ou divergentes, dependendo do que acontece com a luz quando esta passa por ela.
Introdução: Com este trabalho experimental pretende-se observar o comportamento de feixes ao atravessar lentes e, ao mesmo tempo, verificar o comportamento dos feixes ao incidir em espelhos. Os conceitos
Leia maisPROGRAMAÇÃO LINEAR. Resolução de problemas de programação linear usando o comando Solver, no Excel.
PROGRAMAÇÃO LINEAR Resolução de problemas de programação linear usando o comando Solver, no Excel. Para além da resolução pelo método gráfico e/ou outros métodos, é possível resolver um problema de PL
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 mais3. ANÁLISE DE RISCO NA CONSTRUÇÃO CIVIL
Gestão de Operações s 2007/2008 3. ANÁLISE DE RISCO NA CONSTRUÇÃO CIVIL Jorge Moreira da Costa Professor Associado SCC/FEUP FEP_Fev Mar.2008 Top.3.1 Gestão de Operações s Análise de Risco 1 CONCEITOS GERAIS
Leia maisColorindo com Números Representação de Imagens
Atividade 2 Colorindo com Números Representação de Imagens Sumário Os computadores armazenam desenhos, fotografias e outras imagens usando apenas números. A atividade seguinte demonstra como eles podem
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 maisProjeção ortográfica da figura plana
A U L A Projeção ortográfica da figura plana Introdução As formas de um objeto representado em perspectiva isométrica apresentam certa deformação, isto é, não são mostradas em verdadeira grandeza, apesar
Leia maisCADEX. Consultoria em Logística Interna. Layout de armazém. Objectivos. Popularidade. Semelhança. Tamanho. Características
CADEX Consultoria em Logística Interna Layout de armazém fonte: Wikipédia O layout de armazém é a forma como as áreas de armazenagem de um armazém estão organizadas, de forma a utilizar todo o espaço existente
Leia maisCálculo do conjunto paralelo
Cálculo do conjunto paralelo Vamos usar letras maiúsculas A; B, etc para representar conjuntos e letras minusculas x, y, etc para descrever seus pontos. Vamos usar a notação x para descrever a norma de
Leia maisLocalização dos inquéritos de rua para Arroios e Gulbenkian
Project IAAPE Pedestrian Accessibility and Attractiveness Indicators: Tool for Urban Walkability Assessment and Management Working Paper No. WP-8 Localização dos inquéritos de rua para Arroios e Gulbenkian
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 maisSESSÃO 5: DECLINAÇÃO SOLAR AO LONGO DO ANO
SESSÃO 5: DECLINAÇÃO SOLAR AO LONGO DO ANO Respostas breves: 1.1) 9,063 N 1.2) norte, pois é positiva. 1.3) São José (Costa Rica). 2) Não, porque Santa Maria não está localizada sobre ou entre os dois
Leia maisPeriféricos e Interfaces Ano lectivo 2003/2004 Docente: Ana Paula Costa. Aula Teórica 20
Sumário: Os subsistemas vídeo. A RAM vídeo. Aula Teórica 20 Leitura Recomendada: Capítulo 37 - Hans-Peter Messmer, The Indispensable PC Hardware Book, Addison-Wesley. Capítulos 4 e 11 - Peter Norton, Peter
Leia maisProblemas insolúveis. Um exemplo simples e concreto
Surge agora uma outra questão. Viemos buscando algoritmos para resolver problemas. No entanto, será que sempre seria possível achar esses algoritmos? Colocando de outra forma: será que, para todo problema,
Leia maisPROGRAMAÇÃO DE MICROPROCESSADORES 2011 / 2012
Departamento de Engenharia Electrotécnica PROGRAMAÇÃO DE MICROPROCESSADORES 2011 / 2012 Mestrado Integrado em Engenharia Electrotécnica e de Computadores 1º ano 2º semestre Trabalho Final Reservas de viagens
Leia maisQuadros Interactivos CLASUS
Quadros Interactivos CLASUS Quadros Interactivos CLASUS Introdução à Utilização dos Quadros Interactivos e Software A-migo Pagina 1 Introdução à Utilização dos Quadros Interactivos e Software A-migo 1.
Leia maisDEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS
DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS Planificação Anual da Disciplina de TIC Módulos 1,2,3-10.ºD CURSO PROFISSIONAL DE TÉCNICO DE APOIO À GESTÃO DESPORTIVA Ano Letivo 2015-2016 Manual adotado:
Leia maisPALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.
1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando
Leia mais(x, y) = (a, b) + t*(c-a, d-b) ou: x = a + t*(c-a) y = b + t*(d-b)
Equação Vetorial da Reta Dois pontos P e Q, definem um único vetor v = PQ, que representa uma direção. Todo ponto R cuja direção PR seja a mesma de PQ está contido na mesma reta definida pelos pontos P
Leia maisReabilitação e Reforço de Estruturas
Mestrado em Engenharia Civil 2011 / 2012 Reabilitação e Reforço de Estruturas Aula 06: Métodos de inspecção e diagnóstico. 6.2. Aplicação da tecnologia laser scanning à reabilitação do espaço construído.
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia maisQue imagens têm ou não têm simetria?
O mundo da simetria Que imagens têm ou não têm simetria? Isometrias Isometria: Transformação geométrica que preserva as distâncias; as figuras do plano são transformadas noutras geometricamente iguais.
Leia maisModelo Cascata ou Clássico
Modelo Cascata ou Clássico INTRODUÇÃO O modelo clássico ou cascata, que também é conhecido por abordagem top-down, foi proposto por Royce em 1970. Até meados da década de 1980 foi o único modelo com aceitação
Leia maisFluxo de trabalho do Capture Pro Software: Indexação de OCR e separação de documentos de código de correção
Este procedimento corresponde ao fluxo de trabalho de Indexação de OCR com separação de código de correção no programa de treinamento do Capture Pro Software. As etapas do procedimento encontram-se na
Leia maisFerramenta de Testagem IECL Orientações para o Aluno (PT)
Ferramenta de Testagem IECL Orientações para o Aluno (PT) Índice 1 INTRODUÇÃO 3 2 REALIZAÇÃO DOS TESTES 3 2.1 Login 3 2.2 Verificação do áudio para o teste de Audição 5 2.3 Realização de um teste 5 3 Informação
Leia maisCOMPUTAÇÃO GRÁFICA O QUE É?
COMPUTAÇÃO GRÁFICA O QUE É? Curso: Tecnológico em Análise e Desenvolvimento de Sistemas Disciplina: COMPUTAÇÃO GRÁFICA 4º Semestre Prof. AFONSO MADEIRA SUMÁRIO O que é COMPUTAÇÃO GRÁFICA Áreas relacionadas
Leia maisMorfologia Matemática Binária
Morfologia Matemática Binária Conceitos fundamentais: (Você precisa entender bem esses Pontos básicos para dominar a área! Esse será nosso game do dia!!! E nossa nota 2!!) Morfologia Matemática Binária
Leia maisMúltiplos Estágios processo com três estágios Inquérito de Satisfação Fase II
O seguinte exercício contempla um processo com três estágios. Baseia-se no Inquérito de Satisfação Fase II, sendo, por isso, essencial compreender primeiro o problema antes de começar o tutorial. 1 1.
Leia maisBIBLIOTECA ESCOLAR CENTRO DE RECURSOS EDUCATIVOS COMO FAZER UM TRABALHO DE PESQUISA
BIBLIOTECA ESCOLAR CENTRO DE RECURSOS EDUCATIVOS COMO FAZER UM TRABALHO DE PESQUISA Se pesquisares sobre os temas das aulas, serás um aluno de sucesso que saberá aprender e continuará a aprender pela vida
Leia maisTabela de Símbolos. Análise Semântica A Tabela de Símbolos. Principais Operações. Estrutura da Tabela de Símbolos. Declarações 11/6/2008
Tabela de Símbolos Análise Semântica A Tabela de Símbolos Fabiano Baldo Após a árvore de derivação, a tabela de símbolos é o principal atributo herdado em um compilador. É possível, mas não necessário,
Leia maisGeoMafra Portal Geográfico
GeoMafra Portal Geográfico Nova versão do site GeoMafra Toda a informação municipal... à distância de um clique! O projecto GeoMafra constitui uma ferramenta de trabalho que visa melhorar e homogeneizar
Leia maisCall centres, regiões e ensino superior
Call centres, regiões e ensino superior Call centres, regiões e ensino superior Frank Peck Center for Regional Economic Development University of Central Lancashire (UK) A UCLAN (Universidade de Central
Leia maisIntrodução ao Processamento de Imagens
Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento
Leia maisO céu. Aquela semana tinha sido uma trabalheira! www.interaulaclube.com.br
A U A UL LA O céu Atenção Aquela semana tinha sido uma trabalheira! Na gráfica em que Júlio ganhava a vida como encadernador, as coisas iam bem e nunca faltava serviço. Ele gostava do trabalho, mas ficava
Leia maisAula 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 maisNÍVEL BÁSICO CAPÍTULO III
UNIVERSIDADE FEDERAL DO PARÁ CENTRO TECNOLÓGICO DEPARTAMENTO DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO PROGRAMA DE EDUCAÇÃO TUTORIAL SEMANA DOS 40 ANOS DE ENGENHARIA ELÉTRICA NÍVEL BÁSICO CAPÍTULO III PROGRAMA
Leia maisSENSORES REMOTOS. Daniel C. Zanotta 28/03/2015
SENSORES REMOTOS Daniel C. Zanotta 28/03/2015 ESTRUTURA DE UM SATÉLITE Exemplo: Landsat 5 COMPONENTES DE UM SATÉLITE Exemplo: Landsat 5 LANÇAMENTO FOGUETES DE LANÇAMENTO SISTEMA SENSOR TIPOS DE SENSORES
Leia maisClip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008
PROJECTOS DE INVESTIGAÇÃO CIENTÍFICA E DESENVOLVIMENTO TECNOLÓGICO Clip-art Retrieval using Sketches PTDC/EIA-EIA/108077/2008 Deliverable: D1 - Clip-art Simplification Tool Task: T1 - Clip-art Simplification
Leia maisINTRODUÇÃO AOS MÉTODOS FACTORIAIS
Capítulo II INTRODUÇÃO AOS MÉTODOS FACTORIAIS A Análise Factorial de Correspondências é uma técnica simples do ponto de vista matemático e computacional. Porém, devido ao elevado suporte geométrico desta
Leia maisPrimeiras Informações
Primeiras Informações Para que um trabalho escolar fique com melhor qualidade é importante registrálo, não apenas para ser apresentado aos pais, mas principalmente como arquivo. Guardar o registro de trabalhos
Leia maisManual de Utilizador. Disciplina de Projecto de Sistemas Industriais. Escola Superior de Tecnologia. Instituto Politécnico de Castelo Branco
Escola Superior de Tecnologia Instituto Politécnico de Castelo Branco Departamento de Informática Curso de Engenharia Informática Disciplina de Projecto de Sistemas Industriais Ano Lectivo de 2005/2006
Leia maisO nosso trabalho. Desenvolver um sistema útil e robusto para aplicação em ambiente industrial/laboratorial. Objectivo
O nosso trabalho Objectivo Desenvolver um sistema útil e robusto para aplicação em ambiente industrial/laboratorial Estratégia Iniciar a investigação com um problema simples e fazer uma aproximação progressiva
Leia maisUniversidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira
Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação
Leia maisVisão humana. Guillermo Cámara-Chávez
Visão humana Guillermo Cámara-Chávez Cor e visão humana Como uma imagem é formada? Uma imagem é formada a partir da quantidade de luz refletida ou emitida pelo objeto observado. Cor e visão humana Cor
Leia maisSeminário discute o desenvolvimento de sonares com tecnologia nacional
Seminário discute o desenvolvimento de sonares com tecnologia nacional Inaugurado em julho deste ano, o Laboratório de Tecnologia Sonar (LabSonar) do Instituto de Pós- Graduação e Pesquisa de Engenharia
Leia maisREPRESENTAÇÃO DA IMAGEM DIGITAL
REPRESENTAÇÃO DA IMAGEM DIGITAL Representação da imagem Uma imagem é uma função de intensidade luminosa bidimensional f(x,y) que combina uma fonte de iluminação e a reflexão ou absorção de energia a partir
Leia maisCAPÍTULO 1 Introduzindo SIG
CAPÍTULO 1 Introduzindo SIG Por muito tempo, estudou-se o mundo usando modelos como mapas e globos. Aproximadamente nos últimos trinta anos, tornou-se possível colocar estes modelos dentro de computadores
Leia maisApp - Paint Pot (Lata de tinta)
App - Paint Pot (Lata de tinta) Vamos construir um aplicativo de pintura. Se você ainda não tem uma Screen (Tela) para o PaintPot, vá em frente e adicione uma. (Caso preferir, para este exemplo, você pode
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 maisTrabalho Prático n. 2
Trabalho Prático n. 2 Programação com Quadtrees Métodos de Programação I 2003/04 Preâmbulo Este trabalho prático é constituído por duas secções. A primeira contém questões obrigatórias, e a segunda questões
Leia maisNovo Formato de Logins Manual de Consulta
Gestão Integrada de Acessos Novo Formato de Logins Manual de Consulta Gestão Integrada de Acessos Histórico de Alterações Versão Descrição Autor Data 1.0 Versão inicial DSI/PPQ 2014-07-11 Controlo do documento
Leia mais1º Teste Computação Gráfica
1º Teste Computação Gráfica LEIC-Tagus/LERCI Prof. Mário Rui Gomes Prof. João Brisson Lopes 23 de Abril de 25 Nº Nome: Responda às questões seguintes justificando adequadamente todas as respostas. O Teste
Leia maisESTRUTURA EMPRESARIAL NACIONAL 1995/98
ESTRUTURA EMPRESARIAL NACIONAL 1995/98 NOTA METODOLÓGICA De acordo com a definição nacional, são pequenas e médias empresas aquelas que empregam menos de 500 trabalhadores, que apresentam um volume de
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 maisSCANNER DE TRIANGULAÇÃO LASER PARA PROTOTIPAGEM 3D
SCANNER DE TRIANGULAÇÃO LASER PARA PROTOTIPAGEM 3D Autores: Evandro Francisco WEISS, Felipe Augusto SCHIQUETTI, Eduardo Bidese PUHL Identificação autores: Aluno da Ciência da Computação, Bolsista IFC Rio
Leia maisÀ DESCOBERTA DE SOFTWARE
À DESCOBERTA DE SOFTWARE PARA EXPLORAR A PROGRAMAÇÃO LINEAR NO ENSINO SECUNDÁRIO Paula Maria Barros (1), Ana Isabel Pereira (1), Ana Paula Teixeira (2) (1) Instituto Politécnico de Bragança, (2) Universidade
Leia maisExercícios resolvidos sobre Definição de Probabilidade
Exercícios resolvidos sobre Definição de Probabilidade Nesta Unidade de estudo, até este ponto você aprendeu definições de probabilidade e viu como os conceitos se aplicam a várias situações. Observe agora
Leia maisNeste tutorial irá criar uma animação simples com base num desenho do Mechanical Desktop.
Neste tutorial irá criar uma animação simples com base num desenho do Mechanical Desktop. Inicialize o 3D Studio VIZ. Faça duplo clique no ícone de 3D Studio VIZ Abre-se a janela da figura seguinte. Esta
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisFotografia digital. Aspectos técnicos
Fotografia digital Aspectos técnicos Captura CCD (Charge Coupled Device) CMOS (Complementary Metal OxideSemiconductor) Conversão de luz em cargas elétricas Equilíbrio entre abertura do diafragma e velocidade
Leia maisDepartamento de Zoologia da Universidade de Coimbra
Departamento de Zoologia da Universidade de Coimbra Armando Cristóvão Adaptado de "The Tools of Biochemistry" de Terrance G. Cooper Como funciona um espectrofotómetro O espectrofotómetro é um aparelho
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 maisMATERIALIZAÇÃO E VIRTUALIZAÇÃO. Apresentação do texto de Milton Sogabe
MATERIALIZAÇÃO E VIRTUALIZAÇÃO NAS MÍDIAS Apresentação do texto de Milton Sogabe A realidade aumentada traz o conceito de uma realidade física misturada com uma realidade virtual, ampliando assim a realidade.
Leia mais15 Computador, projeto e manufatura
A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as
Leia maisTutorial :: Introdução ao VHDL em ambiente Design Works
Tutorial :: Introdução ao VHDL em ambiente Design Works Objectivos Familiarização com a linguagem VHDL Familiarização com a construção de modelos em VHDL utilizando o software DesignWorks. Trabalho a realizar
Leia maisPROVA MODELO 2015. Duração da prova: 120 minutos
Página 1 de 8 Provas especialmente adequadas destinadas a avaliar a capacidade para a frequência do ensino superior dos maiores de 3 anos, Decreto-Lei n.º 64/006, de 1 de março AVALIAÇÃO DA CAPACIDADE
Leia mais