Fundamentos em Visualização
|
|
|
- Maria das Dores da Mota Conceição
- 6 Há anos
- Visualizações:
Transcrição
1 Fundamentos em Visualização SCC5836 Visualização Computacional Prof. Fernando V. Paulovich Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de São Paulo (USP) 1 / 85
2 Sumário 1 Processo de Visualização 2 Semiologia de Símbolos Gráficos 3 As Oito Variáveis Visuais 4 Taxonomias 5 Referências 2 / 85
3 Processo de Visualização No pipeline de visualização usuários podem interagir em qualquer ponto e cada ligação entre blocos é um mapeamento muitos-para-muitos 3 / 85
4 Processamento de dados e Transformação Primeiro passo é a conversão dos dados em uma representação adequada ao processamento computacional Tratar valores ausentes (interpolação) Identificar dados errados (medidos ou computados) Se necessário, diminuir a quantidade de dados (amostragem, filtragem ou agregação) Verificar necessidades de Normalização dos dados 4 / 85
5 Mapeamento para Visualização A seguir os dados podem ser mapeados em representações gráficas específicas Escolha de geometria, cor, textura, etc. (a) (b) Figura: Diferentes exemplos de mapeamento visual. (a) escolha ruim e (b) escolha um pouco melhor. 5 / 85
6 Transformações de Rendering O estágio final envolve mapear a geometria dos dados em uma imagem Requer alguma API gráfica, como OpenGL, Java 3D, etc. 6 / 85
7 Medidas de Visualização Duas medidas de qualidade das visualizações são essenciais Expressividade e efetividade 7 / 85
8 Medidas de Visualização Expressividade Mede a concentração de informação como a razão entre a informação pretendida pelo designer da visualização e a realmente transmitida (0 M exp 1) M exp < 1 transmite menos informação do que o desejado 8 / 85
9 Medidas de Visualização Expressividade Mede a concentração de informação como a razão entre a informação pretendida pelo designer da visualização e a realmente transmitida (0 M exp 1) M exp < 1 transmite menos informação do que o desejado M exp > 1 transmite mais informação do que o desejado 9 / 85
10 Medidas de Visualização Expressividade Mede a concentração de informação como a razão entre a informação pretendida pelo designer da visualização e a realmente transmitida (0 M exp 1) M exp < 1 transmite menos informação do que o desejado M exp > 1 transmite mais informação do que o desejado M exp = 1 transmite exatamente a informação desejada 10 / 85
11 Medidas de Visualização Efetividade Mede o custo associado a interpretar uma visualização corretamente e rapidamente e o seu custo de rendering, definida por 1 M eff = (1 + T interpretar + T desenhar ) 11 / 85
12 Medidas de Visualização Efetividade Mede o custo associado a interpretar uma visualização corretamente e rapidamente e o seu custo de rendering, definida por 1 M eff = (1 + T interpretar + T desenhar ) Quanto maior o valor de M eff, maior a efetividade da visualização Se M eff é pequeno é porque o tempo de interpretação ou de desenho são grandes 12 / 85
13 Medidas de Visualização Figura: Na análise do preço ou consumo dos carros a expressividade de ambas as visualizações é possivelmente equivalente, mas a efetividade é diferente. Por exemplo, considere as tarefas de identificar qual carro apresenta a melhor milhagem, ou qual carro com preço acima de US$11,000 apresenta melhor consumo. 13 / 85
14 Sumário 1 Processo de Visualização 2 Semiologia de Símbolos Gráficos 3 As Oito Variáveis Visuais 4 Taxonomias 5 Referências 14 / 85
15 Semiologia de Símbolos Gráficos Semiologia é ciência que estuda o uso de símbolos e marcadores Qualquer construção possível no plano Euclideano é uma representação gráfica composta por símbolos gráficos 15 / 85
16 Símbolos e Visualizações Algumas representações são universais e podem ser reconhecidas pré-atentivamente, outras demandam esforço. Processo cognitivo: resulta em uma identificação externa 16 / 85
17 Símbolos e Visualizações Algumas representações são universais e podem ser reconhecidas pré-atentivamente, outras demandam esforço. É preciso: 1 identificar e interpretar os elementos fundamentais Processo cognitivo: resulta em uma identificação externa 17 / 85
18 Símbolos e Visualizações Algumas representações são universais e podem ser reconhecidas pré-atentivamente, outras demandam esforço. É preciso: 1 identificar e interpretar os elementos fundamentais 2 identificar e interpretar as relações entre eles Processo cognitivo: resulta em uma identificação externa 18 / 85
19 Símbolos e Visualizações A descoberta de relações ou padrões começa pelo mapeamento das relações entre os dados e os símbolos gráficos que os representam Quaisquer padrões percebidos na tela devem implicar em um padrão correspondente nos dados, caso contrário tem-se um artefato 19 / 85
20 Símbolos e Visualizações A descoberta de relações ou padrões começa pelo mapeamento das relações entre os dados e os símbolos gráficos que os representam Quaisquer padrões percebidos na tela devem implicar em um padrão correspondente nos dados, caso contrário tem-se um artefato Qualquer ordem percebida entre os símbolos deve refletir uma ordem dos dados 20 / 85
21 Símbolos e Visualizações A descoberta de relações ou padrões começa pelo mapeamento das relações entre os dados e os símbolos gráficos que os representam Quaisquer padrões percebidos na tela devem implicar em um padrão correspondente nos dados, caso contrário tem-se um artefato Qualquer ordem percebida entre os símbolos deve refletir uma ordem dos dados 21 / 85
22 Símbolos e Visualizações A descoberta de relações ou padrões começa pelo mapeamento das relações entre os dados e os símbolos gráficos que os representam Quaisquer padrões percebidos na tela devem implicar em um padrão correspondente nos dados, caso contrário tem-se um artefato Qualquer ordem percebida entre os símbolos deve refletir uma ordem dos dados Similaridade na estrutura dos dados similaridade visual dos símbolos correspondentes 22 / 85
23 Símbolos e Visualizações A descoberta de relações ou padrões começa pelo mapeamento das relações entre os dados e os símbolos gráficos que os representam Quaisquer padrões percebidos na tela devem implicar em um padrão correspondente nos dados, caso contrário tem-se um artefato Qualquer ordem percebida entre os símbolos deve refletir uma ordem dos dados Similaridade na estrutura dos dados similaridade visual dos símbolos correspondentes Ordem entre os itens de dados ordem visual entre os símbolos correspondentes 23 / 85
24 Análise de um Gráfico Quando analisamos um gráfico Primeiro percebemos grupos de objetos (pré-atentivamente) 24 / 85
25 Análise de um Gráfico Quando analisamos um gráfico Primeiro percebemos grupos de objetos (pré-atentivamente) Então tentamos categorizar esses grupos (cognitivamente) 25 / 85
26 Análise de um Gráfico Quando analisamos um gráfico Primeiro percebemos grupos de objetos (pré-atentivamente) Então tentamos categorizar esses grupos (cognitivamente) Por fim, analisamos casos especiais, como elementos que não foram agrupados ou relações entre grupos 26 / 85
27 Análise de um Gráfico Quando analisamos um gráfico Primeiro percebemos grupos de objetos (pré-atentivamente) Então tentamos categorizar esses grupos (cognitivamente) Por fim, analisamos casos especiais, como elementos que não foram agrupados ou relações entre grupos 27 / 85
28 Análise de um Gráfico Quando analisamos um gráfico Primeiro percebemos grupos de objetos (pré-atentivamente) Então tentamos categorizar esses grupos (cognitivamente) Por fim, analisamos casos especiais, como elementos que não foram agrupados ou relações entre grupos Processo executado em múltiplos níveis que pode ser apoiado por visualizações distintas Visualização pode ser integrada a ferramentas analíticas 28 / 85
29 Sumário 1 Processo de Visualização 2 Semiologia de Símbolos Gráficos 3 As Oito Variáveis Visuais 4 Taxonomias 5 Referências 29 / 85
30 As Oito Variáveis Visuais Uma forma de codificar dados em uma representação gráfica é mapear diferentes instâncias e seus atributos em diferentes marcadores gráficos 30 / 85
31 As Oito Variáveis Visuais Uma forma de codificar dados em uma representação gráfica é mapear diferentes instâncias e seus atributos em diferentes marcadores gráficos Marcadores gráficos têm propriedades variáveis: cor, tamanho, etc., sendo possível codificar até oito variáveis visuais 1 posição 2 formato (ou marcador) 3 tamanho (comprimento, área ou volume) 4 brilho (ou luminância) 5 cor 6 orientação 7 textura 8 movimento 31 / 85
32 Posição Posição (1D, 2D ou 3D) é o atributo mais importante Arranjo espacial é o primeiro passo na leitura da visualização Figura: Exemplos de representação com sobreposição (a) e com melhor espalhamento (b). 32 / 85
33 Marcador ou Forma Qualquer elemento gráfico pode ser usado como um marcador, incluindo símbolos, letras e palavras Figura: Exemplos de marcadores. 33 / 85
34 Marcador ou Forma Marcadores devem ser tão diferentes entre si quanto possível, de modo a serem facilmente distinguíveis Os diferentes marcadores devem ter área e complexidade similares para evitar que um seja mais destacado que outros 34 / 85
35 Tamanho (Comprimento, Área e Volume) Posição e formato são as variáveis mais importantes, as outras apenas afetam a maneira como essas representações são mostradas, como o tamanho dos marcadores 35 / 85
36 Tamanho (Comprimento, Área e Volume) Tamanho pode ser usado para mapear variáveis contínuas e categóricas, mas no segundo caso deve-se considerar poucas categorias Figura: Exemplo de utilização de tamanho para atributo contínuo (preço do carro). 36 / 85
37 Brilho Apesar de ser possível utilizar qualquer valor de Brilho (ou luminância), não é possível distinguir todos os pares de valores Deve-se considerar um conjunto reduzido de valores de brilho 37 / 85
38 Brilho Figura: Exemplo da utilização de brilho para codificar variáveis (tamanho do carro). 38 / 85
39 Cor Cor pode ser definida por meio da saturação e tonalidade Matiz é o comprimento da onda dominante (cor) e saturação é o nível de matiz relativo ao cinza (pureza da cor) Figura: Matiz é definido na horizontal e saturação na vertical. 39 / 85
40 Cor Valores são mapeados em cores normalmente por meio de um mapa de cores (colormaps) Normalmente associado a dados contínuos, mas na presença de poucas categorias também pode ser assocido a valores nominais 40 / 85
41 Cor Figura: Exemplo de uso de cor para mapear valores (comprimento do carro). 41 / 85
42 Orientação Orientação ou direção é processada pré-atentivamente Não pode ser usada com todos os marcadores, os melhores são os que apresentam um único eixo natural 42 / 85
43 Orientação Figura: Exemplo de orientação para mapeamento de valores (preço médio do carro). 43 / 85
44 Textura Textura pode ser vista como a combinação de outras propriedades, como forma, cor e orientação 44 / 85
45 Textura Figura: Exemplo do uso de textura para mapear valores (tipo de carro). 45 / 85
46 Movimento Movimento pode ser associado a qualquer das outras propriedades visuais Importante para indicar variação temporal 46 / 85
47 Movimento Movimento pode ser associado a qualquer das outras propriedades visuais Importante para indicar variação temporal G. Robertson, R. Fernandez, D. Fisher, B. Lee, J. Stasko. Effectiveness of Animation in Trend Visualization. IEEE Transactions on Visualization and Computer Graphics, vol. 14, no. 6, pp , November/December, / 85
48 Sumário 1 Processo de Visualização 2 Semiologia de Símbolos Gráficos 3 As Oito Variáveis Visuais 4 Taxonomias 5 Referências 48 / 85
49 Taxomomias Tentativas de sistematizar e organizar os diversos elementos do processo Os dados tratados, as técnicas de visualização, as tarefas e os métodos para interação, definindo diferentes taxonomias 49 / 85
50 Taxonomia Tipos de Dados por Tarefas Shneiderman [Shneiderman, 1996] propôs uma taxonomia da área de visualização em termos da natureza dos dados e das tarefas associadas 50 / 85
51 Taxonomia Tipos de Dados por Tarefas Shneiderman [Shneiderman, 1996] propôs uma taxonomia da área de visualização em termos da natureza dos dados e das tarefas associadas Os tipos de dados são unidimensional linear 51 / 85
52 Taxonomia Tipos de Dados por Tarefas Shneiderman [Shneiderman, 1996] propôs uma taxonomia da área de visualização em termos da natureza dos dados e das tarefas associadas Os tipos de dados são unidimensional linear mapa bidimensional 52 / 85
53 Taxonomia Tipos de Dados por Tarefas Shneiderman [Shneiderman, 1996] propôs uma taxonomia da área de visualização em termos da natureza dos dados e das tarefas associadas Os tipos de dados são unidimensional linear mapa bidimensional mundo tridimensional 53 / 85
54 Taxonomia Tipos de Dados por Tarefas Shneiderman [Shneiderman, 1996] propôs uma taxonomia da área de visualização em termos da natureza dos dados e das tarefas associadas Os tipos de dados são unidimensional linear mapa bidimensional mundo tridimensional temporal 54 / 85
55 Taxonomia Tipos de Dados por Tarefas Shneiderman [Shneiderman, 1996] propôs uma taxonomia da área de visualização em termos da natureza dos dados e das tarefas associadas Os tipos de dados são unidimensional linear mapa bidimensional mundo tridimensional temporal multidimensional 55 / 85
56 Taxonomia Tipos de Dados por Tarefas Shneiderman [Shneiderman, 1996] propôs uma taxonomia da área de visualização em termos da natureza dos dados e das tarefas associadas Os tipos de dados são unidimensional linear mapa bidimensional mundo tridimensional temporal multidimensional árvore 56 / 85
57 Taxonomia Tipos de Dados por Tarefas Shneiderman [Shneiderman, 1996] propôs uma taxonomia da área de visualização em termos da natureza dos dados e das tarefas associadas Os tipos de dados são unidimensional linear mapa bidimensional mundo tridimensional temporal multidimensional árvore rede 57 / 85
58 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados 58 / 85
59 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados Zoom - ganhar uma visão mais detalhada de uma região 59 / 85
60 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados Zoom - ganhar uma visão mais detalhada de uma região Filtragem - filtrar elementos não interessantes (reduz tamanho da busca) 60 / 85
61 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados Zoom - ganhar uma visão mais detalhada de uma região Filtragem - filtrar elementos não interessantes (reduz tamanho da busca) Detalhes-sob-demanda - selecionar um item ou grupo para ter detalhes quando necessário 61 / 85
62 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados Zoom - ganhar uma visão mais detalhada de uma região Filtragem - filtrar elementos não interessantes (reduz tamanho da busca) Detalhes-sob-demanda - selecionar um item ou grupo para ter detalhes quando necessário Relacionar - identificar relações entre itens 62 / 85
63 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados Zoom - ganhar uma visão mais detalhada de uma região Filtragem - filtrar elementos não interessantes (reduz tamanho da busca) Detalhes-sob-demanda - selecionar um item ou grupo para ter detalhes quando necessário Relacionar - identificar relações entre itens Histórico - manter histórico para permitir retroceder, refazer e refinamento progressivo 63 / 85
64 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados Zoom - ganhar uma visão mais detalhada de uma região Filtragem - filtrar elementos não interessantes (reduz tamanho da busca) Detalhes-sob-demanda - selecionar um item ou grupo para ter detalhes quando necessário Relacionar - identificar relações entre itens Histórico - manter histórico para permitir retroceder, refazer e refinamento progressivo Extração - extrair itens ou dados para facilitar outros usos 64 / 85
65 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados Zoom - ganhar uma visão mais detalhada de uma região Filtragem - filtrar elementos não interessantes (reduz tamanho da busca) Detalhes-sob-demanda - selecionar um item ou grupo para ter detalhes quando necessário Relacionar - identificar relações entre itens Histórico - manter histórico para permitir retroceder, refazer e refinamento progressivo Extração - extrair itens ou dados para facilitar outros usos 65 / 85
66 Taxonomia Tipos de Dados por Tarefas Os tipos de tarefas, mais centradas nas atividades de um analista, são Visão geral - obter uma visão geral dos dados Zoom - ganhar uma visão mais detalhada de uma região Filtragem - filtrar elementos não interessantes (reduz tamanho da busca) Detalhes-sob-demanda - selecionar um item ou grupo para ter detalhes quando necessário Relacionar - identificar relações entre itens Histórico - manter histórico para permitir retroceder, refazer e refinamento progressivo Extração - extrair itens ou dados para facilitar outros usos Segundo Shneiderman uma ferramenta efetiva deveria prover recursos para executar todas essas tarefas! 66 / 85
67 Taxonomia de Keim Keim [Keim, 2002] propôs uma classificação de sistemas de visualização segundo três dimensões tipos de dados técnicas de visualização métodos de interação/distorção 67 / 85
68 Taxonomia de Keim Os dados são classificados em unidimensionais - dados temporais, preços de ações, etc. 68 / 85
69 Taxonomia de Keim Os dados são classificados em unidimensionais - dados temporais, preços de ações, etc. bidimensionais - mapas, plantas, etc. 69 / 85
70 Taxonomia de Keim Os dados são classificados em unidimensionais - dados temporais, preços de ações, etc. bidimensionais - mapas, plantas, etc. multidimensionais - planilhas eletrônicas, tabelas relacionais, etc. 70 / 85
71 Taxonomia de Keim Os dados são classificados em unidimensionais - dados temporais, preços de ações, etc. bidimensionais - mapas, plantas, etc. multidimensionais - planilhas eletrônicas, tabelas relacionais, etc. texto e hipertexto - notícias, documentos web, etc. 71 / 85
72 Taxonomia de Keim Os dados são classificados em unidimensionais - dados temporais, preços de ações, etc. bidimensionais - mapas, plantas, etc. multidimensionais - planilhas eletrônicas, tabelas relacionais, etc. texto e hipertexto - notícias, documentos web, etc. hierarquia e grafos - trafego de rede/telefonia, modelos de sistemas dinâmicos, etc. 72 / 85
73 Taxonomia de Keim Os dados são classificados em unidimensionais - dados temporais, preços de ações, etc. bidimensionais - mapas, plantas, etc. multidimensionais - planilhas eletrônicas, tabelas relacionais, etc. texto e hipertexto - notícias, documentos web, etc. hierarquia e grafos - trafego de rede/telefonia, modelos de sistemas dinâmicos, etc. algoritmos e software - software, memória, etc. 73 / 85
74 Taxonomia de Keim As técnicas de visualização são classificadas em Displays 2D/3D típicos - gráficos xy, xyz, gráficos de linhas, etc. 74 / 85
75 Taxonomia de Keim As técnicas de visualização são classificadas em Displays 2D/3D típicos - gráficos xy, xyz, gráficos de linhas, etc. Displays geometricamente transformados - matrizes de scatterplots, coordenadas paralelas, etc. 75 / 85
76 Taxonomia de Keim As técnicas de visualização são classificadas em Displays 2D/3D típicos - gráficos xy, xyz, gráficos de linhas, etc. Displays geometricamente transformados - matrizes de scatterplots, coordenadas paralelas, etc. Display iconográficos - star icons, Chernoff faces, stick figure icons, etc. 76 / 85
77 Taxonomia de Keim As técnicas de visualização são classificadas em Displays 2D/3D típicos - gráficos xy, xyz, gráficos de linhas, etc. Displays geometricamente transformados - matrizes de scatterplots, coordenadas paralelas, etc. Display iconográficos - star icons, Chernoff faces, stick figure icons, etc. Display denso de pixels - padrões recursivos, segmento de círculos, etc. 77 / 85
78 Taxonomia de Keim As técnicas de visualização são classificadas em Displays 2D/3D típicos - gráficos xy, xyz, gráficos de linhas, etc. Displays geometricamente transformados - matrizes de scatterplots, coordenadas paralelas, etc. Display iconográficos - star icons, Chernoff faces, stick figure icons, etc. Display denso de pixels - padrões recursivos, segmento de círculos, etc. Displays empilhados - dimensional stacking, treemaps, cone tress, etc. 78 / 85
79 Taxonomia de Keim As técnicas de distorção e interação são classificadas em Projeção Dinâmica - grand tour, XGobi, etc. 79 / 85
80 Taxonomia de Keim As técnicas de distorção e interação são classificadas em Projeção Dinâmica - grand tour, XGobi, etc. Filtros interativos - magic lenses, InforCrystal, etc. 80 / 85
81 Taxonomia de Keim As técnicas de distorção e interação são classificadas em Projeção Dinâmica - grand tour, XGobi, etc. Filtros interativos - magic lenses, InforCrystal, etc. Zoom interativo - TableLens, IVEE/Spotfire, etc. 81 / 85
82 Taxonomia de Keim As técnicas de distorção e interação são classificadas em Projeção Dinâmica - grand tour, XGobi, etc. Filtros interativos - magic lenses, InforCrystal, etc. Zoom interativo - TableLens, IVEE/Spotfire, etc. Distorção interativa - distorções esféricas e hiperbólicas, displays bifocais, perpective wall, fisheye lens, etc. 82 / 85
83 Taxonomia de Keim As técnicas de distorção e interação são classificadas em Projeção Dinâmica - grand tour, XGobi, etc. Filtros interativos - magic lenses, InforCrystal, etc. Zoom interativo - TableLens, IVEE/Spotfire, etc. Distorção interativa - distorções esféricas e hiperbólicas, displays bifocais, perpective wall, fisheye lens, etc. Linking and brushing interativo - múltiplos scatterplots, coordenadas paralelas, etc. 83 / 85
84 Taxonomia de Keim 84 / 85
85 Sumário 1 Processo de Visualização 2 Semiologia de Símbolos Gráficos 3 As Oito Variáveis Visuais 4 Taxonomias 5 Referências 85 / 85
86 Referências Ward, M., Grinstein, G. G., Keim, D. Interactive data visualization foundations, techniques, and applications. Natick, Mass., A K Peters, Keim, D. A. (2002). Information visualization and visual data mining. IEEE Transactions on Visualization and Computer Graphics, 8:1 8. Shneiderman, B. (1996). The eyes have it: A task by data type taxonomy for information visualizations. In Proceedings of the 1996 IEEE Symposium on Visual Languages, pages 336, Washington, DC, USA. IEEE Computer Society. 86 / 85
Percepção Humana e Processamento de Informação
Percepção Humana e Processamento de Informação SCC5836 Visualização Computacional Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e de
Percepção Humana e Processamento de Informação
Percepção Humana e Processamento de Informação SCC5836 Visualização Computacional Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e de
Introdução ao Processamento de Imagens Digitais Aula 01
Introdução ao Processamento de Imagens Digitais Aula 01 Douglas Farias Cordeiro Universidade Federal de Goiás 06 de julho de 2015 Mini-currículo Professor do curso Gestão da Informação Formação: Graduação
Capítulo 3 Primeiros Passos em OpenGL Função Desenha Função Teclado Função Inicializa Programa Principal...
Sumário Prefácio...15 Capítulo 1 Introdução...17 Capítulo 2 Instalação...22 2.1 Visão Geral das Bibliotecas OpenGL...22 2.2 Bibliotecas Necessárias para Execução...24 2.3 Bibliotecas Necessárias para Compilação...24
António Costa. Paulo Roma Cavalcanti
Introdução à Computação Gráfica Preâmbulo Adaptação: Autoria: João Paulo Pereira António Costa Claudio Esperança Paulo Roma Cavalcanti Computação Gráfica Modelos Matemáticos Análise (reconhecimento de
FACTORES DA PERCEPÇÃO VISUAL HUMANA NA VISUALIZAÇÃO DE DADOS
13 15 Junho de 2007. Porto, Portugal. FACTORES DA PERCEPÇÃO VISUAL HUMANA Dulclerci Sternadt Alexandre, João Manuel R. S. Tavares FEUP Faculdade de Engenharia da Universidade do Porto, PORTUGAL LOME Laboratório
Rastreamento de Objetos Baseado em Grafos. Casamento Inexato entre Grafos Relacionais com Atributos
Rastreamento de Objetos Baseado em Casamento Inexato entre Grafos Relacionais com Atributos Exame de Qualificação de Mestrado Ana Beatriz Vicentim Graciano Orientador: Roberto M. Cesar Jr. Colaboradora:
Cor SCC0251 Processamento de Imagens
Cor SCC0251 Processamento de Imagens Prof. Moacir Ponti Jr. www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2012/1 Moacir Ponti Jr. (ICMCUSP) Cor 2012/1 1 / 39 Sumário 1 Introdução
Transformada de Discreta de Co senos DCT
Transformada de Discreta de Co senos DCT O primeiro passo, na maioria dos sistemas de compressão de imagens e vídeo, é identificar a presença de redundância espacial (semelhança entre um pixel e os pixels
VISÃO COMPUTACIONAL PARA RECONHECIMENTO DE FACES APLICADO NA IDENTIFICAÇÃO E AUTENTICAÇÃO DE USUÁRIOS NA WEB. Márcio Koch
VISÃO COMPUTACIONAL PARA RECONHECIMENTO DE FACES APLICADO NA IDENTIFICAÇÃO E AUTENTICAÇÃO DE USUÁRIOS NA WEB Márcio Koch Orientador: Jacques Robert Heckmann ROTEIRO Introdução Objetivos do trabalho Fundamentação
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
Características Básicas dos Mapas
Características Básicas dos Mapas Localização e Atributos Localização: dada por suas posições no espaço (coordenadas) bidimensional ou tridimensional. Atributos: qualidades ou magnitudes, ou variável temática,
Analisador de Espectros
Analisador de Espectros O analisador de espectros é um instrumento utilizado para a análise de sinais alternados no domínio da freqüência. Possui certa semelhança com um osciloscópio, uma vez que o resultado
10 Visualização em 3D - Projeções
INSTITUTO DE CIÊNCIAS MATEMÁTICAS E DE COMPUTAÇÃO DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA 10 Visualização em 3D - Projeções Após a criação de cenas e objetos tridimensionais o próximo passo
Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA. Utilizando JAVA. TCC - Monografia
Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA TCC - Monografia Wanderson Câmara dos Santos Orientador : Prof. Dr. Luiz Felipe de Queiroz Silveira 1 Departamento
MATEMÁTICA 4º ANO. Novo programa de matemática Objetivos específicos. Ler e representar números, pelo menos até ao milhão.
MATEMÁTICA 4º ANO NÚMEROS E OPERAÇÕES Números naturais Relações numéricas Múltiplos e divisores Realizar contagens progressivas e regressivas a partir de números dados. Comparar números e ordená-los em
UNIVERSIDADE FEDERAL FLUMINENSE Pedro Martins Menezes. Um estudo dos estágios dos pipelines gráficos
UNIVERSIDADE FEDERAL FLUMINENSE Pedro Martins Menezes Um estudo dos estágios dos pipelines gráficos Niterói 2008 Pedro Martins Menezes Um estudo dos estágios dos pipelines gráficos Trabalho de Conclusão
PMR2560 ELEMENTOS DE ROBÓTICA 2016 TRABALHO DE VISÃO COMPUTACIONAL CALIBRAÇÃO DE CÂMERAS E VISÃO ESTÉREO
PMR2560 ELEMENTOS DE ROBÓTICA 2016 TRABALHO DE VISÃO COMPUTACIONAL CALIBRAÇÃO DE CÂMERAS E VISÃO ESTÉREO Esse trabalho consiste de três partes. Na primeira parte do trabalho você vai calibrar duas câmeras
CAPÍTULO V 5 CONCLUSÕES E RECOMENDAÇÕES 5.1 SÍNTESE DO TRABALHO DESENVOLVIDO
182 CAPÍTULO V 5 CONCLUSÕES E RECOMENDAÇÕES 5.1 SÍNTESE DO TRABALHO DESENVOLVIDO Neste trabalho foi proposta uma metodologia para a automação da resseção espacial de imagens digitais baseada no uso hipóteses
AS MÁQUINAS DE MEDIR POR COORDENADAS (MMC)
AS MÁQUINAS DE MEDIR POR COORDENADAS (MMC) Tópicos que serão explorados na aula Introdução Tipos de MMCs Sistema de medição (as réguas e apalpadores) Programas computacionais Erros Compensação (Calibração
3 Estimação e Compensação de movimento na codificação de vídeo
Estimação e Compensação de movimento na codificação de vídeo 36 3 Estimação e Compensação de movimento na codificação de vídeo O objetivo do modelo temporal (que engloba as fases de estimação e compensação
Pontifícia Universidade Católica do Rio de Janeiro. Departamento de Informática. Fundamentos de Computação Gráfica
1. Imagens sísmicas Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática Fundamentos de Computação Gráfica Aluno: Stelmo Magalhães Barros Netto Relatório do trabalho Imagens Sísmicas
SBC - Sistemas Baseados em Conhecimento
Siglas, Símbolos, Abreviaturas DW - Data Warehouse KDD Knowledge Discovery in Database MD Mineração de Dados OLAP - On-line analytical processing SBC - Sistemas Baseados em Conhecimento 1. INTRODUÇÃO O
Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem Monocromática. Propriedades da Imagem
Proc. Imagem Prof. Júlio C. Klafke [1] TÓPICOS DESENVOLVIDOS NESTE MÓDULO PROCESSAMENTO DE IMAGEM #02 Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem
Universidade Federal do Rio de Janeiro COPPE. Trabalho de Processamento de Imagens Reconhecimento de Símbolos de Componentes Eletrônicos
Universidade Federal do Rio de Janeiro COPPE Trabalho de Processamento de Imagens Reconhecimento de Símbolos de Componentes Eletrônicos Nome: Fernanda Duarte Vilela Reis de Oliveira Professores: Antonio
Introdução ao Processamento Gráfico
Introdução ao Processamento Gráfico Leandro Tonietto Processamento Gráfico - Unisinos ltonietto@unisinos.br http://www.inf.unisinos.br/~ltonietto ago-09 Sumário Introdução e conceitos Resumo das linhas
MATEMÁTICA 3º ANO. Novo programa de matemática Objetivos específicos. Currículo Paulo VI. Números naturais. Relações numéricas Múltiplos e divisores
MATEMÁTICA 3º ANO NÚMEROS E OPERAÇÕES Tópicos Números naturais Relações numéricas Múltiplos e divisores Novo programa de matemática Objetivos específicos Realizar contagens progressivas e regressivas a
SISTEMAS DE INFORMAÇÃO GEOGRÁFICA SIG FORMATOS DE REPRESENTAÇÃO DE DADOS FORMATO VETORIAL
FORMATO VETORIAL 1 FORMATO VETORIAL Formato que utiliza como primitivas Pontos, Linhas e Polígonos, baseadas em equações matemáticas para representar imagens na computação gráfica Primitivas: elementos
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações
![[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações](/thumbs/53/31629185.jpg "[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações")
[2CTA121] Processamento de Imagens em Alimentos: Conceitos e Aplicações Dr. Sylvio Barbon Junior PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DE ALIMENTOS - UEL 2016 Assunto Aula 4 Segmentação de Imagens 2 de
Processamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Mapas temáticos e gráficos
Mapas temáticos e gráficos Tipos de representações gráficas Mapas temáticos: representam os diversos fenômenos sociais e naturais. Gráficos expressam numericamente os mesmos fenômenos, facilitando o entendimento.
As imagens. As imagens. Representação digital de imagens. As imagens Wilson de Pádua Paula Filho 1
As As As Dispositivos gráficos Resolução espacial de : pixel - unidade de imagem, usada para medir resolução gráfica; visão humana - cerca de 3000 x 3000 pixels; fotografia - até 8000 x 8000 pixels. 2001
MAPA CONCEITUAL E A MODELAGEM CONCEITUAL DE SISTEMAS DE HIPERTEXTO
hipertexto MAPA CONCEITUAL E A MODELAGEM CONCEITUAL DE SISTEMAS DE HIPERTEXTO Profa. Gercina Lima 2 DEFINIÇÕES: Modelagem conceitual para sistemas de O mapeamento conceitual envolve a identificação de
A ciência da cognição
A ciência da cognição A Psicologia Cognitiva Cognição As pessoas pensam. Psicologia cognitiva Os cientistas pensam a respeito de como as pessoas pensam. Estudantes de psicologia cognitiva As pessoas pensam
Transformações 2D. Prof. Márcio Bueno Fonte: Material do Prof. Robson Pequeno de Sousa e do Prof.
Transformações 2D Prof. Márcio Bueno {cgtarde,cgnoite}@marciobueno.com Fonte: Material do Prof. Robson Pequeno de Sousa e do Prof. Robson Lins Transformações 2D Transformações Geométricas são a base de
Mecanismos de Interrupção e de Exceção, Barramento, Redes e Sistemas Distribuídos. Sistemas Operacionais, Sistemas
Arquitetura de Computadores, Arquitetura de Computadores Organização de Computadores, Conjunto de Instruções, Sistemas Operacionais, Sistemas Operacionais, Sistemas Mecanismos de Interrupção e de Exceção,
RECONHECIMENTO IDENTIFICAÇÃO BASEADA EM APARÊNCIA
RECONHECIMENTO IDENTIFICAÇÃO BASEADA EM APARÊNCIA Envolve a pergunta: É esta parte da imagem uma parte do objeto X? (modelo dado, região da imagem dada) Utiliza imagens ao invés de características como
Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Processamento Digital de Imagens
Processamento Digital de Imagens Conceitos Básicos CPGCG/UFPR Prof. Dr. Jorge Centeno Realidade e imagem Uma imagem é a representação pictórica de um aspecto da realidade. Uma imagem não é idêntica à cena
Processamento de Imagem. Filtragem no Domínio Espacial Professora Sheila Cáceres
Processamento de Imagem Filtragem no Domínio Espacial Professora Sheila Cáceres Filtragem A filtragem de imagens pode ser realizada no domínio do espaço e da frequência Operadores de filtragem são classificados
Linguagens Formais e Autômatos P. Blauth Menezes
Linguagens Formais e Autômatos P. Blauth Menezes blauth@inf.ufrgs.br Departamento de Informática Teórica Instituto de Informática / UFRGS Matemática Discreta para Ciência da Computação - P. Blauth Menezes
AGG 209 INTRODUÇÃO À PETROFÍSICA AULA 1
AGG 209 INTRODUÇÃO À PETROFÍSICA AULA 1 O QUE É PETROFÍSICA? O termo petrofísica foi introduzido por Archie (1950) para descrever o estudo das propriedades físicas das rochas que dizem respeito à distribuição
MATEMÁTICA - 2º ANO. Novo programa de matemática Objetivos específicos
MATEMÁTICA - 2º ANO NÚMEROS E OPERAÇÕES Números naturais Noção de número natural Relações numéricas Sistema de numeração decimal Classificar e ordenar de acordo com um dado critério. Realizar contagens
PROCESSAMENTO DE IMAGENS COLORIDAS
PROCESSAMENTO DE IMAGENS COLORIDAS Fundamentos da cor A visão da cor É a capacidade de um organismo ou máquina de distinguir objetos baseando-se nos comprimentos de onda (ou freqüências) da luz sendo refletida,
Definição: representação matemática computacional da distribuição de um fenômeno espacial que ocorre dentro de uma região da superfície terrestre.
MODELO DIGITAL DE ELEVAÇÃO Modelagem Digital de Elevação Definição: UmModeloDigitaldeElevação (MDE) é uma representação matemática computacional da distribuição de um fenômeno espacial que ocorre dentro
Classificação de Folhas por Tamanho e Forma Através de Descritores Geométricos e Análise dos Componentes Principais
Classificação de Folhas por Tamanho e Forma Através de Descritores Geométricos e Análise dos Componentes Principais MARCOS C. DE ANDRADE, LÚCIO C. M. PINTO Centro de Desenvolvimento da Tecnologia Nuclear
História da Ciência e da Tecnologia. Matheus kaique Hugo Yuri Joao Manoel Murilo Ribeiro
História da Ciência e da Tecnologia Matheus kaique Hugo Yuri Joao Manoel Murilo Ribeiro Computação Gráfica A Computação Gráfica está presente em todas as áreas, desde os mais inconsequentes joguinhos eletrônicos
Sistemas de Referência
Sistemas de Referência Um sistema de coordenada é denominado de Sistema de Referência quando servir para alguma finalidade específica; Aspectos a serem observados na definição de um sistema de referência:
7. Color Image Processing
Transformação de níveis de cinza para cor a idéia por trás desta técnica é executar 3 transformações independentes sobre níveis de cinza dos pixels de uma imagem de entrada. Cada cor é transformada independentemente
Geometria Descritiva. Geometria Descritiva. Geometria Descritiva 14/08/2012. Definição:
Prof. Luiz Antonio do Nascimento ladnascimento@gmail.com www.lnascimento.com.br Origem: Criada para fins militares (projeto de fortes militares) para Napoleão Bonaparte pelo matemático francês Gaspar Monge.
Projeções paralelas. Professor: João Carmo
Projeções paralelas Professor: João Carmo Projeções paralelas Introdução As múltiplas vistas (projeções ortogonais) não mostram, de forma direta, a configuração tridimensional do objeto. Elas são mais
LABORATÓRIO DE GEOPROCESSAMENTO DIDÁTICO. Professora: Selma Regina Aranha Ribeiro
LABORATÓRIO DE GEOPROCESSAMENTO DIDÁTICO Professora: Selma Regina Aranha Ribeiro Estagiários: Ricardo Kwiatkowski Silva / Carlos André Batista de Mello ESCALAS - AULA 3 Precisão Gráfica É a menor grandeza
Cartografia I. BRITALDO SILVEIRA SOARES FILHO Departamento de Cartografia Centro de Sensoriamento Remoto
Cartografia I BRITALDO SILVEIRA SOARES FILHO britaldo@csr.ufmg.br www.csr.ufmg.br Departamento de Cartografia Centro de Sensoriamento Remoto Introdução Histórico da Cartografia definição, história e evolução.
Scheduling and Task Allocation ADVANCED COMPUTER ARCHITECTURE AND PARALLEL PROCESSING Hesham El-Rewini 2005 Capítulo 10 Autor...: Antonio Edson Ceccon Professor..: Prof. Heitor Silvério Lopes Apresentação
FILTROS ESPACIAIS PASSA-BAIXA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO CMP65 - INTRODUÇÃO AO PROCESSAMENTO DE IMAGENS PROFESSOR JACOB SCARCHANSKI FILTROS ESPACIAIS PASSA-BAIXA POR DANIEL NEHME
Operações Pontuais. 1 operando. 2 operandos. Processamento e Análise de Imagem - A. J. Padilha - v ac
Operações Pontuais 1 operando T OP 2 operandos Pré-Processamento - 1 Operações Pontuais Nas operações pontuais, cada ponto da imagem-resultado - g(i,j) - é obtido por uma transformação T do ponto de coordenadas
Amostragem Aleatória e Descrição de Dados - parte II
Amostragem Aleatória e Descrição de Dados - parte II 2012/02 1 Diagrama de Ramo e Folhas 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Construir e interpretar disposições gráficas dos
Transformação, institucionalização e conflito nas esferas espacial, econômica, social e política
iências Humanas E SUAS TEC ECNOLOGIAS Ficha de Estudo 96 Tema Transformação, institucionalização e conflito nas esferas espacial, econômica, social e política Tópico de estudo Representação espacial Entendendo
ESCOLA SECUNDÁRIA FERREIRA DIAS
ESCOLA SECUNDÁRIA FERREIRA DIAS ENSINO RECORRENTE DE NÍVEL SECUNDÁRIO POR MÓDULOS CAPITALIZÁVEIS CURSO DE CIÊNCIAS E TECNOLOGIAS DISCIPLINA : MATEMÁTICA A ANO: 10.º - CONJUNTO DOS MÓDULOS 1-2-3 DURAÇÃO
UNIVERSIDADE FEDERAL DA BAHIA - UFBA
UNIVERSIDADE FEDERAL DA BAHIA - UFBA Instituto de Ciências Ambientais e Desenvolvimento Sustentável Cartografia Sistemática e Temática (IAD319) Prof. pablosantos@ufba.br 02 a Aula CARTOGRAFIA SISTEMÁTICA
Flávio André. Prof. Dalton Solano dos Reis
PROTÓTIPO DE UM SISTEMA PARA VISUALIZAÇÃO 3D USANDO IMAGENS RASTER 2D COM CONCEITOS DE UM AMBIENTE DE VISUALIZAÇÃO CIENTÍFICA Flávio André Prof. Dalton Solano dos Reis Roteiro Introdução/Motivação/Objetivo
aula8 Transformações Geométricas no Plano e no Espaço 2016/2 IC / UFF
http://computacaografica.ic.uff.br/conteudocap2.html aula8 Transformações Geométricas no Plano e no Espaço 2016/2 IC / UFF Definição Transformações geométricas são operações que podem ser utilizadas para
Introdução ao Processamento Digital de Imagens. Aula 6 Propriedades da Transformada de Fourier
Introdução ao Processamento Digital de Imagens Aula 6 Propriedades da Transformada de Fourier Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Uma linha de uma imagem formada por uma sequência
Sistemas de Cores. Leandro Tonietto Processamento Gráfico Jogos Digitais set-09
Sistemas de Cores Leandro Tonietto Processamento Gráfico Jogos Digitais ltonietto@unisinos.br http://www.inf.unisinos.br/~ltonietto set-09 Sumário Introdução Cores RGB HSV Referências 4-set-09 Leandro
Sistemas Multimídia Aula 2. Autoria Multimídia
Sistemas Multimídia Aula 2 Autoria Multimídia Diogo Pinheiro Fernandes Pedrosa Universidade Federal Rural do Semiárido Departamento de Ciências Exatas e Naturais Curso de Ciência da Computação Introdução
Organização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Slide 1 Memória Virtual os primeiros computadores (início dos anos 60) tinham memória principal muito reduzida O PDP-1 funcionava com uma memória de 4096 palavras
4. Curvas Paramétricas e Transformações 2D
4. Curvas Paramétricas e Transformações 2D Curvas Paramétricas (fonte: Wikipédia) Em matemática, uma equação paramétrica é uma forma de representar uma curva (ou, em geral, uma superfície) como a imagem
Processamento e Análise de Imagens Médicas
Processamento e Análise de Imagens Médicas Prof. Luiz Otávio Murta Junior 1 : Programa Fundamentos de imagem O modelo de imagem Brilho, contraste, luminância A imagem digital Quantização, amostragem e
Introdução à Computação Gráfica
Computação Gráfica - Aula 1 (atualizada em 21/10/2015) glaucius@pelotas.ifsul.edu.br Introdução à Computação Gráfica Computação Gráfica Conceito É a área da Ciência da Computação que estuda a geração,
Representação de cores. Computação Gráfica Cores. O que é luz. Distribuição espectral da iluminação 11/12/12
Representação de cores Computação Gráfica Cores Renato Ferreira Tratados de maneira geral como triplas RGB Um parâmetro alpha opcional Quase todas operações separadas por componente Mas usualmente tratadas
Sistemas de Informações Geográficas
Sistemas de Informações Geográficas Aula 3 Assuntos: # Revisão em geodésia # Georreferenciamento # Representação do mundo real no computador # Formatos vetorial e matricial # Modelo conceitual de banco
Aula /2 Sistemas de coordenadas Window x Viewport
http://computacaografica.ic.uff.br/conteudocap2.html Aula 3 2016/2 Sistemas de coordenadas Window x Viewport Sistemas de Coordenadas O Sistema de Coordenadas nos dá uma referência sobre o tamanho e a posição
CURSO DE CIÊNCIAS EXATAS HABILITAÇÃO: BACHARELADO EM CIÊNCIAS EXATAS INGRESSANTES 2009
CURSO DE CIÊNCIAS EXATAS HABILITAÇÃO: BACHARELADO EM CIÊNCIAS EXATAS INGRESSANTES 2009 Período Atividade Acadêmica Caráter Cr CH Pré-requisito Código Denominação 1º MAT154 Cálculo I Disciplina de Formação
Radiométricas. Alexandre Xavier Falcão. Instituto de Computação - UNICAMP
Operações Matemáticas e Transformações Radiométricas Instituto de Computação - UNICAMP afalcao@ic.unicamp.br Operações Matemáticas Sejam Î = (D I, I ) e Ĵ = (D J, J) duas imagens cinzas de mesmo domínio,
EDUCAÇÃO VISUAL 8º ANO PLANIFICAÇÃO
Objetivos gerais: EDUCAÇÃO VISUAL 8º ANO PLANIFICAÇÃO COMPREENDER CONCEITOS TEÓRICO-CIENTÍFICOS DO FENÓMENO LUZ-COR. RECONHECER A IMPORTÂNCIA DA LUZ-COR NA PERCEÇÃO DO MEIO ENVOLVENTE. DISTINGUIR CARACTERÍSTICAS
Extração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
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
Computação Gráfica. Prof. MSc. André Yoshimi Kusumoto
Computação Gráfica Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Para que objetos tridimensionais possam ser visualizados é necessário que suas imagens sejam geradas na tela. Para isso,
ESPECIFICAÇÃO DE SOFTWARE
ESPECIFICAÇÃO DE SOFTWARE Integrantes do grupo: Joel Edu Sánchez Castro Fernando Hattori Miguel Angel Galarreta Valverde Felipe Martins dos Santos 1 SUMÁRIO DESCRIÇÃO...3 REQUISITOS...3 REQUISITOS FUNCIONAIS
MATEMÁTICA NÍVEL MÉDIO
MATEMÁTICA NÍVEL MÉDIO 1. CONJUNTOS 1.1. Representação e relação: pertinência, inclusão e igualdade. 1.2. Operações: união, intercessão, diferença e complementar. 1.3. Conjuntos numéricos: Naturais, Inteiros,
Matriz de Referência da área de Matemática Ensino Médio
Matriz de Referência da área de Matemática Ensino Médio C1 Utilizar o conhecimento sobre números e suas representações em situações relacionadas a operações matemáticas, grandezas e unidades de medidas.
Universidade Federal de Alagoas Instituto de Matemática. Cor. Prof. Thales Vieira
Universidade Federal de Alagoas Instituto de Matemática Cor Prof. Thales Vieira 2014 O que é cor? Cor no universo físico Cor no universo matemático Representação de cor Especificação de cor Colorimetria
Projeções. Prof. Márcio Bueno
Projeções Prof. Márcio Bueno {cgtarde,cgnoite}@marciobueno.com Projeções Visão humana: enxerga em 2D, a sensação de profundidade vem da diferença entre as vistas esquerda e direita do mesmo objeto Projeção:
Processamento Digital de Imagens. Cor
Processamento Digital de Imagens Cor Em uma descrição física a cor está associada ao seu comprimento de onda. Ao se analisar o espectro eletromagnético na região do visível, os menores comprimentos de
Computação Gráfica Introdução
Computação Gráfica Introdução UniverCidade - Prof. Ismael H F Santos April 05 Prof. Ismael H. F. Santos - ismael@tecgraf.puc-rio.br 1 Considerações Gerais Objetivo: Discutir os principais conceitos eos
AGRUPAMENTO de ESCOLAS Nº1 de SANTIAGO do CACÉM Ano Letivo 2013/2014 PLANIFICAÇÃO ANUAL. Documento(s) Orientador(es): Programa
AGRUPAMENTO de ESCOLAS Nº1 de SANTIAGO do CACÉM Ano Letivo 2013/2014 PLANIFICAÇÃO ANUAL Documento(s) Orientador(es): Programa 1º CICLO MATEMÁTICA 2º ANO TEMAS/DOMÍNIOS CONTEÚDOS OBJETIVOS TEMPO AVALIAÇÃO
Cursos Profissionais de Nível Secundário
Cursos Profissionais de Nível Secundário Técnico de Apoio à infância e Técnico de Turismo Ano Letivo: 2014/2015 Matemática (100 horas) 10º Ano PLANIFICAÇÃO A LONGO PRAZO A1 Geometria Resolução de problemas
Prova Brasil de Matemática - 9º ano: espaço e forma
Avaliações externas Prova Brasil de Matemática - 9º ano: espaço e forma A análise e as orientações didáticas a seguir são de Luciana de Oliveira Gerzoschkowitz Moura, professora de Matemática da Escola
Projeções. Cap 2 (do livro texto) Aula 6 UFF
Projeções Cap 2 (do livro texto) Aula 6 UFF - 2014 Projeções PLANAS: Classificação BÁSICA: B Características: Um objeto no espaço o 3D A forma mais simples de representar um objeto 3D em 2D é simplesmente
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM INTRODUÇÃO
INTERPOLAÇÃO LINEAR E BILINEAR: APLICAÇÃO EM TRANSFORMAÇÕES GEOMÉTRICAS DE IMAGEM Autores: Giulia Denise Kujat VIEIRA; Milene Karine GUBETTI. Identificação autores: Estudantes do Curso Técnico em Informática
Capítulo 4 LEITURA E INTERPRETAÇÃO DE DESENHOS
Capítulo 4 LEITURA E INTERPRETAÇÃO DE DESENHOS Definição e Pré-Requisitos Ler um desenho significa entender a forma espacial do objeto representado no desenho bidimensional resultante das projeções ortogonais.
GEOPROCESSAMENTO APLICADO À AGRONOMIA AULA 2
GEOPROCESSAMENTO APLICADO À AGRONOMIA AULA 2 1. IDENTIFICAÇÃO Disciplina: Geoprocessamento Aplicado Semestre: 5º Créditos: 2.0.2.0 Carga Horária: 60h Período Letivo: 2015/1 Docente Responsável: Vinicius
SOLUÇÃO ANALÍTICA E NUMÉRICA DA EQUAÇÃO DE LAPLACE
15 16 SOLUÇÃO ANALÍTICA E NUMÉRICA DA EQUAÇÃO DE LAPLACE 3. Todos os dispositivos elétricos funcionam baseados na ação de campos elétricos, produzidos por cargas elétricas, e campos magnéticos, produzidos
Introdução a Teste de Software
Universidade Católica de Pelotas Tecnólogo em Análise e Desenvolvimento de Sistemas Disciplina de Qualidade de Software Introdução a Teste de Software Prof. Luthiano Venecian 1 Conceitos Teste de software
Cálculo a Várias Variáveis I - MAT Cronograma para P2: aulas teóricas (segundas e quartas)
Cálculo a Várias Variáveis I - MAT 116 0141 Cronograma para P: aulas teóricas (segundas e quartas) Aula 10 4 de março (segunda) Aula 11 6 de março (quarta) Referências: Cálculo Vol James Stewart Seções
Mudanças de Coordenadas em Sistemas de Cores
Mudanças de Coordenadas em Sistemas de Cores Bruno Teixeira Moreira e Emídio Augusto Arantes Macedo Ciência da Computação 1 o. Período Professor: Rodney Josué Biezuner Disciplina: Geometria Analítica e
PLANO DE ESTUDOS DE EDUCAÇÃO VISUAL - 9.º ANO
DE EDUCAÇÃO VISUAL - 9.º ANO Ano Letivo 2014 2015 PERFIL DO ALUNO O aluno è capaz de: identificar a evolução histórica dos elementos de construção e representação da perspetiva; distinguir e caracterizar
Capítulo III Processamento de Imagem
Capítulo III Processamento de Imagem Proc. Sinal e Imagem Mestrado em Informática Médica Miguel Tavares Coimbra Resumo 1. Manipulação ponto a ponto 2. Filtros espaciais 3. Extracção de estruturas geométricas
Aula 04: Dados Profa. Ms. Rosângela da Silva Nunes
Aula 04: Dados Profa. Ms. Rosângela da Silva Nunes 1 de 44 Visualização da informação Uso de representações visuais, interativas e suportadas por computador de dados abstratos para ampliar a cognição Stuart
Computação Gráca Áreas Relacionadas, Cenário e Histórico
Computação Gráca Áreas Relacionadas, Cenário e Histórico SCC0250 - Computação Gráca Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e