CLASSIFICAÇÃO DE IMAGEM
|
|
- Wilson Canário Carvalho
- 8 Há anos
- Visualizações:
Transcrição
1 DISCIPLINA SIG OFICINA: Classificação de Imagens de Sensoriamento Remoto Responsável: MARIA ISABEL C DE FREITAS Colaboração: BRUNO ZUCHERATO E KATIA CRISTINA BORTOLETTO CLASSIFICAÇÃO DE IMAGEM Para realizar a classificação da imagem, será utilizado o SIG SPRING, esse software brasileiro foi desenvolvido pelo INPE e pode ser obtido gratuitamente através do download pela internet na seguinte página: é necessário fazer um cadastro no site para realizar o download. Os tipos de classificação que serão realizados na aula: - Classificação Pixel a Pixel. - Classificação de Imagens Segmentadas. Iniciar o programa SPRING e criar os Modelos de Dados Imagem e Temático Iniciado o programa deve-se criar um Banco de Dados seguindo o seguinte procedimento: ATIVAR BANCO DE DADOS C:\AULA_11_classifica1 O nome que daremos ao banco de dados será CLASSIFICACAO O tipo de gerenciador do banco de dados será Access Em seguida clicar na opção CRIAR, uma janela aparecerá perguntando se deseja criar uma senha para acessar o banco de dados recém criado, deve-se clicar em NÃO e em seguida clicar na opção ATIVAR. Criado o banco de dados deve-se selecionar a opção MODELO DE DADOS Essa opção exibirá a janela MODELO DE DADOS. O nome que daremos a CATEGORIA será landsat_tiff. Em seguida deve-se selecionar a opção de modelos IMAGEM
2 Em seguida deve-se clicar em CRIAR. EXECUTAR. FECHAR. Criado o modelo de dados, agora importaremos a imagem TIFF para o SIG SPRING através dos seguintes procedimentos: No menu ARQUIVO Arquivo Importar Importar Dados Vetoriais e Matriciais <Arquivo> C:\AULA_11_classifica1 \Recorte_SantaMaria.tiff Nesse momento aparecera a janela Importação, na qual deverá ser selecionado Dados Arquivo. Na caixa de diálogo indicar primeiro, no rodapé da caixa, Arquivo do tipo selecionar TIFF/GEOTIFF. Após isso indicar a pasta da aula e selecionar a imagem Recorte_SantaMaría.tif.
3 Em projeção manter o default NO PROJECTION. Na aba CONVERSÃO manter o default Interpolador Vizinho mais Próximo. Na aba SAÍDA definir os seguintes parâmetros: Projeto = classifica Categoria = landsat_tiff, <executar> PI = landsat <executar> <fechar>
4 No menu EXIBIR selecionar PAINEL DE CONTROLE Na paleta PI DISPONÍVEIS é necessário se atribuir uma banda para cada Plano de Informação disponível, conforme segue: landsat 1 = R landast_2 = G landsat_3 = B Nesse momento a imagem será exibida nas 3 bandas selecionadas. Antes da classificação será necessário criar o modelo de dados uso_da_terra. Trata-se de um modelo temático, com as seguintes classes temáticas: represa reflorestamento mata solo_exposto cana_adulta pastagem cana_nova área_urbana alagadiço Teclar em executar, após inserir todas as classes.
5 Classificação de Imagem Landsat Pixel a Pixel Para fazer a classificação clicar no menu IMAGEM e selecionar a opção CLASSIFICAÇÃO, esse procedimento exibirá a janela CLASSIFICAÇÃO. Criação de Contexto - {Nome: contx1} - (Tipo de Análise Pixel) - (Bandas landsat 1, landast_2, landsat_3) - selecionar as bandas - (Executar)
6 A janela de CLASSIFICAÇÃO aparecerá novamente, deve-se selecionar o contexto criado contx1 e em seguida clicar na opção TREINAMENTO Nesse momento aparecerá uma janela com a seguinte mensagem: ADQUIRA AMOSTRAS clique em OK Agora se inicia o processo de coleta de pixel para a amostragem de cada categoria que se deseja classificar na imagem. Comece a classificação pela represa da seguinte maneira: Treinamento - {Nome: represa} * Selecionar uma cor = azul (0, 0, 255) - (Criar) - (Tipo Aquisição) - ADQUIRIR Em seguida deve-se selecionar o cursor na imagem, selecionando uma área de amostragem para ser classificado Adquirindo amostras retangulares: Treinamento - (Contorno Retangular) * Selecionar amostra sobre a imagem como se fosse efetuar um zoom. - (Adquirir)
7 Outra possibilidade é selecionar amostras no formato poligonal, que poderá ser útil quando a área do objeto a ser selecionada não permite a construção de amostras retangulares. É o caso, por exemplo, de amostras em formato linear, como as matas ciliares. Adquirindo amostras poligonais: Treinamento - (Contorno Poligonal) - (Adquirir) Digitalizar contorno da amostra sobre a imagem, encerrando a linha com o botão direito. Automaticamente o primeiro ponto se fecha com o último.
8 * Adquirir amostras suficientes para o tema (de 2 a 4 amostras) * Repetir para outros temas: reflorestamento (0, 95, 0), mata (15, 200, 15), soloexp (255, 236, 135), cana1 (0, 175, 175), cana2 (105, 235, 235), pastagem (255, 215, 10), urbana (255, 0, 0), cultivoanual (134, 113, 10), alagadiço (135, 135, 255) Visualização de temas e amostras: Treinamento Clicar sobre o tema de interesse na janela TREINAMENTO para visualizar as amostras Obs.: Após a classificação, pode ser necessária a análise das amostras de treinamento e a transformação de algumas do TIPO AQUISIÇÃO para TESTE. Para isso basta alterar no item TIPO a seleção de AQUISIÇÃO para TESTE. Desta forma, esta amostra existirá, mas não será considerada no classificador. Alterando tipo de amostras: - (Amostras cana _adulta 15) - (Tipo Teste) - (Alterar) - (Salvar) - (Fechar) Classificando a imagem: Classificação - (Classificação...) Classificação de Imagens - {Nome: maxver}
9 - (Criar) - (Classificador MAXVER) - (Limiar de Aceitação: 100%) - (Analisar Amostras...) Análise Amostras * Analisar as amostras de aquisição e de teste para cada tema * Para as amostras com confusão alta (analise a Matriz de Confusão do Tema), retornar ao treinamento para edição e salvar as amostras com problemas na análise de amostras TESTE. - (Executar) * Visualizar a imagem classificada Obs: Observe que, quanto mais classes temáticas forem definidas, mais complexa é a classificação e os resultados podem não ser os adequados para certas categorias. No exercício tente remover algumas classes temáticas e veja o resultado. Discuta com os colegas e compare as classificações. Eliminando os ruídos de classificação - Pós-classificação: Classificação - (Pós-Classificação...) Pós-Classificação - (Imagens Classificadas maxver) - (Peso 2) - (Limiar 5) - (Executar) - Visualizar Obs: O Peso refere-se ao número de vezes que será considerada a freqüência do ponto central, varia de 1 a 7. O limiar é o valor de freqüência acima do qual o ponto central é modificado, e varia também de 1 a 7. * Testar outros pesos e limiares
10 Mapeando temas da imagem classificada para classes do banco de dados: Classificação - (Mapeamento...) Mapeamento para Classes: Esta função cria um mapa temático a partir de uma imagem classificada. - (Categoria Uso_Terra) - (Imagens Classificadas maxver) - (Temas represa) - (Classes represa) * Repetir para os todos os temas. Para cada tema deve haver pelo menos uma classe temática associada. No caso desta oficina a cada tema corresponde uma mesma classe, ambos com a mesma nomenclatura. - (Executar) * Visualizar plano temático maxver-t, que é criado automaticamente pelo SPRING. * Exibir a Legenda no menu EXIBIR - LEGENDA. Ao finalizar a operação você terá criado um mapa TEMÁTICO que pode ser alterado com as ferramentas de edição: Menu TEMÁTICO Edição Matricial. Agora, como exemplo, mude as cores das classes definidas automaticamente quando da execução do Mapeamento selecionando a classe de interesse e a paleta de cores. Na próxima aula utilizaremos um outro método de classificação: Classificação de Imagens Segmentadas. Na seqüência apresentam-se alguns conceitos importantes de Classificação de Imagens para estudo. DEFINIÇÕES E CONCEITOS DE CLASSIFICAÇÃO (Fonte: Tutorial SPRING 5.2.1) Classificação é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os métodos de classificação são usados para mapear áreas da superfície terrestre que apresentam um mesmo significado em imagens digitais. A informação espectral de uma cena pode ser representada por uma imagem espectral, onde cada "pixel" tem as coordenadas espaciais x, y e a coordenada espectral L, que representa a radiância de um alvo no intervalo de comprimento de onda de uma banda espectral. Cada "pixel" de uma banda possui uma correspondência espacial com um outro "pixel", em todas as outras bandas, ou seja para uma imagem de K bandas, existem K níveis de cinza associados à cada "pixel", sendo um para cada banda espectral.
11 O conjunto de características espectrais de um "pixel" é denotado pelo termo "atributos espectrais". Classificadores "pixel a pixel" utilizam apenas a informação espectral, isoladamente, de cada pixel para achar regiões homogêneas. Estes classificadores podem ser ainda separados em métodos estatísticos (que utilizam regras da teoria de probabilidade) e determinísticos (que não o fazem). Classificadores por regiões utilizam, além de informação espectral de cada "pixel", a informação espacial que envolve a relação entre os "pixels" e seus vizinhos. Estes classificadores procuram simular o comportamento de um fotointérprete, ao reconhecer áreas homogêneas de imagens, baseados nas propriedades espectrais e espaciais de imagens. A informação de borda é utilizada inicialmente para separar as regiões e as propriedades espaciais e espectrais que irão unir áreas com mesma textura. Representa-se o resultado de uma classificação digital por classes espectrais (áreas que possuem características espectrais semelhantes). Exemplo: o mapeamento de uso do solo urbano através de imagem multiespectral. O usuário pode ter interesse em mapear áreas, residencial e industrial, e estas classes dificilmente são caracterizadas por uma única assinatura espectral (representa um vetor de dimensão igual ao número de bandas, cujas coordenadas são medidas de radiância do alvo), devido aos diferentes tipos de alvos presentes, como vegetação, prédios, pavimentação etc. Diante desta dificuldade, em uma classificação, o usuário deve considerar a relação entre a resposta espectral dos alvos e a classe que deseja mapear. O resultado final de um processo de classificação é uma imagem digital que constitue um mapa de "pixels" classificados, representados por símbolos gráficos ou cores. O processo de classificação digital transforma um grande número de níveis de cinza, em cada banda espectral, em um pequeno número de classes em uma única imagem. As técnicas de classificação que podem ser aplicadas apenas a um canal espectral (banda da imagem) sendo conhecidas como classificações unidimensionais. As técnicas em que o critério de decisão depende da distribuição de níveis de cinza, em vários canais espectrais, são definidas como técnicas de classificação multiespectral. As técnicas de classificação multiespectral,"pixel a pixel", mais comuns são: máxima verossimilhança (MAXVER), distância mínima e método do paralelepípedo (não implementado nesta versão do SPRING). MAXVER é o método de classificação "pixel a pixel" mais comum. Considera a ponderação das distâncias entre médias dos níveis digitais das classes, utilizando parâmetros estatísticos. Para que a classificação por máxima verossimilhança seja precisa o suficiente, é necessário um número razoavelmente elevado de "pixels", para cada conjunto de treinamento. Os conjuntos de treinamento definem o diagrama de dispersão das classes e suas distribuições de probabilidade, considerando a distribuição de probabilidade normal para cada classe do treinamento. Apresentam-se duas classes (1 e 2) com distribuição de probabilidade distintas. Estas distribuições de probabilidade representam a probabilidade de um "pixel" pertencer à uma ou outra classe, dependendo da posição do "pixel" em relação à esta distribuição. Observa-se uma região onde as duas curvas sobrepõem-se, indicando que um determinado "pixel" tem igual probabilidade de pertencer às duas classes. Nesta situação estabelece-se um critério de decisão a partir da definição de limiares. Os limites de classificação são definidos a partir de pontos de mesma probabilidade de classificação de uma e de outra classe. A figura a seguir apresenta o limite de aceitação de uma classificação, no ponto onde as duas distribuições se cruzam. Desta forma, um "pixel" localizado na região sombreada, apesar de pertencer à classe 2, será classificado como classe 1, pelo limite de aceitação estabelecido.
12 O limiar de aceitação indica a % de "pixels" da distribuição de probabilidade de uma classe que será classificada como pertencente à esta classe. Um limite de 99%, por exemplo, engloba 99% dos "pixels", sendo que 1% serão ignorados (os de menor probabilidade), compensando a possibilidade de alguns "pixels" terem sido introduzidos no treinamento por engano, nesta classe, ou estarem no limite entre duas classes. Um limiar de 100% resultará em uma imagem classificada sem rejeição, ou seja, todos os "pixels" serão classificados. Para diminuir a confusão entre as classes, ou seja, reduzir a sobreposição entre as distribuições de probabilidades das classes, aconselha-se a aquisição de amostras significativas de alvos distintos e a avaliação da matriz de classificação das amostras. A matriz de classificação apresenta a distribuição de porcentagem de "pixels" classificados correta e erroneamente. No exemplo a seguir, apresenta-se uma matriz de classificação com as porcentagens de 4 classes definidas na aquisição de amostras, os valores de desempenho médio, abstenção (quanto não foi classificado) e confusão média. O valor de N representa a quantidade de cada classe (porcentagem de "pixels") que não foi classificada. A classe 1 corresponde à floresta, a classe 2 ao cerrado, a classe 3 ao rio e a classe 4 ao desmatamento. Desempenho médio: Abstenção média: 3.15 Confusão média: 7.48 N Uma matriz de classificação ideal deve apresentar os valores da diagonal principal próximos a 100%, indicando que não houve confusão entre as classes. Contudo, esta é uma situação difícil em imagens com alvos de características espectrais semelhantes. O valor fora da diagonal principal, por exemplo 13.3 (classe linha 3 e coluna 1), significa que 13.3% da área da classe "rio" amostrada, foi classificada como pertencente à classe 1 (floresta). O mesmo raciocínio deve ser adotado para os outros valores. Para diminuir a confusão entre as classes, aconselha-se a análise das amostras. A tabela a seguir apresenta a análise das amostras adquiridas para a classe floresta. Classes Amostras 1 2 3
13 Floresta Cerrado Rio Desmatamento Os valores em porcentagem indicam que na amostra, '1. 90%' dos "pixels" são classificados como floresta, '5%' como cerrado e '5%' como rio, o que resulta em uma amostra confiável. Por sua vez, a amostra 2 apresentou uma confusão de '50%' entre as classes floresta e cerrado, indicando que esta deve ser eliminada. MAXVER-ICM Enquanto o classificador MAXVER associa classes considerando pontos individuais da imagem, o classificador MAXVER-ICM (Interated Conditional Modes) considera também a dependência espacial na classificação. Em uma primeira fase, a imagem é classificada pelo algorítmo MAXVER atribuindo classes aos "pixels", considerando os valores de níveis digitais. Na fase seguinte, leva-se em conta a informação contextual da imagem, ou seja, a classe atribuída depende tanto do valor observado nesse "pixel", quanto das classes atribuídas aos seus vizinhos. O algorítmo atribui classes a um determinado "pixel", considerando a vizinhança interativamente. Este processo é finalizado quando a '%' de mudança (porcentagem de "pixels" reclassificados), definida pelo usuário é satisfeita. O SPRING fornece ao usuário as opções de 5%, 1% e 0.5% para valores de porcentagem de mudanças. Um valor 5% significa que a reatribuição de classes aos "pixels" é interrompida quando apenas 5% ou menos do total de "pixels" da imagem foi alterado. Distância Euclidiana O método de classificação por distância Euclidiana é um procedimento de classificação supervisionada, que utiliza esta distância para associar um "pixel" á uma determinada classe. No treinamento supervisionado, definem-se os agrupamentos que representam as classes. Na classificação, cada "pixel" será incorporado a um agrupamento, através da análise da medida de similaridade de distância Euclidiana, que é dada por: d (x,m) = (x2 - m2) 1/2 onde: x = "pixel" que está sendo testado m = média de um agrupamento N = número de bandas espectrais O classificador compara a distância Euclidiana do "pixel" à média de cada agrupamento. O "pixel" será incorporado ao agrupamento que apresenta a menor distância Euclidiana. Este procedimento é repetido até que toda a imagem seja classificada. Classificação de Imagens Segmentadas - Classificadores por regiões Isoseg O classificador Isoseg é um dos algoritmos disponíveis no Spring para classificar regiões de uma imagem segmentada. É um algoritmo de agrupamento de dados não-supervisionado, aplicado sobre o conjunto de regiões, que por sua vez são caracterizadas por seus atributos estatísticos de média, matriz de covariância, e também pela área. Um algoritmo de "clustering" não supõe nenhum conhecimento prévio da distribuição de densidade de probabilidade dos temas, como ocorre no algoritmo de máxima verossimilhança. É uma técnica para classificação que procura agrupar regiões, a partir de uma medida de similaridade entre elas. A medida de similaridade utilizada consiste na distância de Mahalanobis entre a classe e as regiões candidatas a relação de pertinência com esta classe. O Isoseg utiliza os atributos estatísticos das regiões: a matriz de covariância e o vetor de média, para estimar o valor central de cada classe. Este algoritmo resume-se em tres etapas, descritas a seguir.
14 1ª) Definição do limiar: o usuário define um limiar de aceitação, dado em percentagem. Este limiar por sua vez define uma distância de Mahalanobis, de forma que todas regiões pertencentes a uma dada classe estão distantes da classe por uma distância inferior a esta. Quanto maior o limiar, maior esta distância e consequentemente menor será o número de classes detectadas pelo algoritmo. (2ª) Detecção das classes: as regiões são ordenadas em ordem decrescente de área e inicia-se o procedimento para agrupá-las em classes. Serão tomados como parâmetros estatísticos de uma classe (média e matriz de covariância), os parâmetros estatísticos da região de maior área que ainda não tenha sido associada a classe alguma. Em seguida, associa-se a esta classe todas regiões cuja distância de Mahalanobis for inferior a distância definida pelo limiar de aceitação. Assim, a primeira classe terá como parâmetros estatísticos aquelas regiões com maior área. As classes seguintes terão parâmetros estatísticos de média das regiões de maior área, que não tenham sido associada a nenhuma das classes previamente detectadas. Esta fase repete-se até que todas regiões tenham sido associadas a alguma classe. (3ª) Competição entre classes: as regiões são reclassificadas, considerando-se os novos parâmetros estatísticos das classes, definidos na etapa anterior. A fase 2 consiste basicamente na detecção de classes, sendo um processo seqüencial que pode favorecer as classes que são detectadas em primeiro lugar. Com vista a eliminar este favorecimento", procede-se a "competição entre classes. Esta competição consiste em reclassificar todas as regiões. O parâmetro estatístico (média de cada classe é então recalculado. O processo repete-se até que a média das classes não se altere (convergência). Ao término, todas regiões estarão associadas á uma classe definida pelo algoritmo. O usuário deverá então associar estas classes (denominadas temas, no Spring) às classes por ele definidas no banco de dados, na opção Arquivo- Esquema Conceitual. Battacharya A medida da distância de Battacharya é usada neste classficador por regiões, para medir a separabilidade estatística entre um par de classes espectrais. Ou seja, mede a distância média entre as distribuições de probabilidades de classes espectrais. O princípio é análogo ao utilizado para o classificador Isoseg, porém a medida de distância usada é a distãncia de Battacharya. ( ver mais detalhes em Paul M. Mather, 1993). O classificador Battacharya, ao contrário do Isoseg que é automático, requer interação do usuário, através do treinamento. Neste caso, as amostras serão as regiões formadas na segmentação de imagens. ClaTex O classificador ClaTex é um algoritmo supervisionado que utiliza atributos texturais das regiões de uma imagem segmentada para efetuar a classificação por regiões. A classificação é realizada pela técnica de agrupamento de regiões a partir de uma medida de similaridade entre elas. E a medida de similaridade utilizada consiste na distância de Mahalanobis entre a classe de interesse e as regiões candidatas à relação de pertinência com esta classe. Portanto, cada região será classificada a uma dada classe de interesse baseada na minimização da distância de Mahalanobis. O conjunto de medidas texturais que pode ser utilizado por este classificador é dividido em 5 (cinco) grupos: 1. Medidas Gerais: este grupo inclui a média, a variância, o desvio padrão, a curtoses, a assimetria e o coeficiente de variação; 2. Medidas em histograma: este grupo inclui a mediana, a desvio médio absoluto, a entropia e a energia; 3. Medidas Logarítmicas: neste grupo se encontram os logaritmos da média, da variância, do desvio e da textura (definida por: (definida por:, onde é a média amostral da variável ; 4. Medidas de Autocorrelação: as medidas de autocorrelação espacial bidimensional podem ser definidas para os "lags" que variam entre -4 e 4 e ainda pode-se definir a razão entre duas medidas de autocorrelação; 5. Medidas de Haralick: as medidas deste grupo são baseadas na matriz de co-ocorrência de Haralick ("Gray
15 Level Co-occurrence Matrix" - GLCM). As dezoito medidas que compõem este grupo são a entropia, o contraste, a energia, a homogeneidade, a dissimilaridade, a correlação, o qui-quadrado, o "cluster shade", o "cluster prominence", e amédia, a variância, a energia e a entropia dos vetores soma e diferença e o contraste do vetor diferença. As etapas a serem seguidas para a realização de uma classificação com o algoritmo ClaTex são similares àquelas apresentadas para um classificador supervisionado. Entretanto, existem duas diferenças básicas acrescidas ao ClaTex que podem ser resumidas como segue: (1ª) Definição de uma Camada: camada é a nomenclatura utilizada para definir um Plano de Informação que possui um grupo de medidas texturais selecionado relacionado a ele e que serão extraídas a partir deste mesmo Plano de Informação (2ª) Seleção das Medidas: devido a enorme quantidade de medidas que pode ser gerada com este algoritmo, a seleção das medidas a serem efetivamente utilizadas na classificação pode ser feita automaticamente, na qual se ordenada de forma decrescente os pares de classes que estão mais distantes entre si, baseada num fator discriminante que avalia a separabilidade destes pares de classes. E por fim realiza-se a etapa de classificação propriamente dita, baseada na distância de Mahalanobis, gerando-se uma imagem classificada.
UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração
Leia maisAula 5 - Classificação
AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente
Leia maisClassificação de Imagens
Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,
Leia maisCLASSIFICAÇÃO DE IMAGENS
CLASSIFICAÇÃO DE IMAGENS SIG Profa.. Dra. Maria Isabel Castreghini de Freitas ifreitas@rc.unesp.br Profa. Dra. Andréia Medinilha Pancher medinilha@linkway.com.br O que é classificação? É o processo de
Leia maisAPLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO
APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO ESTÁGIO DOCÊNCIA ALUNA: ADRIANA AFFONSO (PROGRAMA DE PÓS- GRADUAÇÃO NO INPE MESTRADO EM SENSORIAMENTO REMOTO) ORIENTADOR: PROF. DR.
Leia maisUFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas
Leia maisAula 3 - Registro de Imagem
Aula 3 - Registro de Imagem 1. Registro de Imagens Registro é uma transformação geométrica que relaciona coordenadas da imagem (linha e coluna) com coordenadas geográficas (latitude e longitude) de um
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS
UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS Laboratório de Ensino, Pesquisa e Projetos em Análise Espacial TUTORIAL DE SPRING Alexandro Medeiros
Leia maisAula 3 - Registro de Imagem
1. Registro de Imagens Aula 3 - Registro de Imagem Registro é uma transformação geométrica que relaciona as coordenadas da imagem (linha e coluna) com as coordenadas geográficas (latitude e longitude)
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS
UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE GEOCIÊNCIAS Laboratório de Ensino, Pesquisa e Projetos em Análise Espacial TUTORIAL DE SPRING Alexandro Medeiros
Leia maisABERTURA DO BANCO DE DADOS. Felipe Correa Prof. Waterloo Pereira Filho
Tutorial Básico de Processamento de Imagens no Spring 4.3.3 Abertura do banco de dados Composição cor verdadeira Composição falsa-cor Ampliação linear de contraste Classificação não-supervisionada Classificação
Leia maisPROCESSAMENTO DIGITAL DE IMAGENS SPRING 5.0.6
Universidade do Estado de Santa Catarina UDESC Centro de Ciências Humanas e da Educação CCE/FAED Deapartamento de Geografia DG Curso Mestrado em Planejamento Regional e Desenvolvimento Sócio Ambiental
Leia maisAULA 1 Iniciando o uso do TerraView
1.1 AULA 1 Iniciando o uso do TerraView Essa aula apresenta a interface principal do TerraView e sua utilização básica. Todos os arquivos de dados mencionados nesse documento são disponibilizados junto
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 maisCriando Mapa de Declividade a partir de dados SRTM
Criando Mapa de Declividade a partir de dados SRTM SPRING 5.0 1 O objetivo deste tutorial é apresentar de forma simples e prática como construir, no Spring, mapa de declividade a partir de dados do SRTM.
Leia maisMicrosoft Office PowerPoint 2007
INTRODUÇÃO AO MICROSOFT POWERPOINT 2007 O Microsoft Office PowerPoint 2007 é um programa destinado à criação de apresentação através de Slides. A apresentação é um conjunto de Sides que são exibidos em
Leia maisQGIS 2.4 Estatísticas de Grupo Somatório de Áreas
QGIS 2.4 Estatísticas de Grupo Somatório de Áreas Jorge Santos 2014 Conteúdo Sumário Capítulo 1... 3 Introdução... 3 1.1 Demanda... 3 1.2 O Complemento Group Stats...3 1.3 Instalação do Complemento Group
Leia maisAULA 15 Plugin Preenchimento de Células
15.1 AULA 15 Plugin Preenchimento de Células Nessa aula são apresentadas as funcionalidades do plugin de preenchimento de células. O plugin Preenchimento de Células possibilita calcular valores para atributos
Leia maisVetorização no Spring
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE GEOCIÊNCIAS DEPARTAMENTO DE CARTOGRAFIA Laboratório de Geoprocessamento Vetorização no Spring Grazielle Anjos Carvalho Beatriz Trindade Laender Belo Horizonte,
Leia maisRevisão: Introdução. - Integração com o AutoManager; 1 Atualização de versão do banco de dados PostgreSQL
Urano Indústria de Balanças e Equipamentos Eletrônicos Ltda. Rua Irmão Pedro 709 Vila Rosa Canoas RS Fone: (51) 3462.8700 Fax: (51) 3477.4441 Características do Software Urano Integra 2.2 Data: 12/05/2014
Leia maisAULA 6 - Operações Espaciais
6.1 AULA 6 - Operações Espaciais Essa aula descreve as operações espaciais disponíveis no TerraView. Antes de iniciar sua descrição é necessário importar alguns dados que serão usados nos exemplos. Exercício:
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 maisManual da Turma Virtual: MATERIAIS. Para acessar a turma virtual com o perfil Docente, siga o caminho indicado abaixo:
Manual da Turma Virtual: MATERIAIS Para acessar a turma virtual com o perfil Docente, siga o caminho indicado abaixo: MENU TURMA VIRTUAL MENU MATERIAIS CONTEÚDO/PÁGINA WEB Esta operação possibilita que
Leia maisAULA 5 Manipulando Dados Matriciais: Grades e Imagens. 5.1 Importando Grades e Imagens Interface Simplificada
5.1 AULA 5 Manipulando Dados Matriciais: Grades e Imagens Nessa aula serão apresentadas algumas funcionalidades do TerraView relativas a manipulação de dados matriciais. Como dados matriciais são entendidas
Leia maisAula 4 - Processamento de Imagem
1. Contraste de Imagens Aula 4 - Processamento de Imagem A técnica de realce de contraste tem por objetivo melhorar a qualidade das imagens sob os critérios subjetivos do olho humano. É normalmente utilizada
Leia maisANDRÉ APARECIDO DA SILVA APOSTILA BÁSICA SOBRE O POWERPOINT 2007
ANDRÉ APARECIDO DA SILVA APOSTILA BÁSICA SOBRE O POWERPOINT 2007 CURITIBA 2015 2 SUMÁRIO INTRODUÇÃO AO MICROSOFT POWERPOINT 2007... 3 JANELA PRINCIPAL... 3 1 - BOTÃO OFFICE... 4 2 - FERRAMENTAS DE ACESSO
Leia maisComo funciona? SUMÁRIO
SUMÁRIO 1. Introdução... 2 2. Benefícios e Vantagens... 2 3. Como utilizar?... 2 3.1. Criar Chave / Senha de Usuário... 2 3.2. Recursos da Barra Superior... 2 3.2.1. Opções... 3 3.2.1.1. Mover Para...
Leia maisSensoriamento Remoto
Sensoriamento Remoto É a utilização conjunta de modernos sensores, equipamentos para processamento de dados, equipamentos de transmissão de dados, aeronaves, espaçonaves etc, com o objetivo de estudar
Leia maisLição 1 - Criação de campos calculados em consultas
1 de 5 21-08-2011 22:15 Lição 1 - Criação de campos calculados em consultas Adição de Colunas com Valores Calculados: Vamos, inicialmente, relembrar, rapidamente alguns conceitos básicos sobre Consultas
Leia maisImportação de Dados no Sphinx
Importação de Dados no Sphinx A importação de dados refere-se à transferência de dados coletados em outro ambiente para dentro do software Sphinx. No software, encontre a opção Importar dados no estágio
Leia maisLidar com números e estatísticas não é fácil. Reunir esses números numa apresentação pode ser ainda mais complicado.
, ()! $ Lidar com números e estatísticas não é fácil. Reunir esses números numa apresentação pode ser ainda mais complicado. Uma estratégia muito utilizada para organizar visualmente informações numéricas
Leia maisManual de Utilização ZENDESK. Instruções Básicas
Manual de Utilização ZENDESK Instruções Básicas Novembro/2013 SUMÁRIO 1 Acesso à ferramenta... 3 2 A Ferramenta... 4 3 Tickets... 8 3.1 Novo Ticket... 8 3.2 Acompanhamentos de Tickets já existentes...
Leia maisManual de baixa do Certificado Digital AR SOLUTI. Versão 2.0 de 7 de Maio de 2014. Classificação: Ostensiva
Catalogação do Documento Titulo Classificação Versão 2.0 de 7 de Maio de 2014 Autor Raphael Reis Aprovador Bruno Barros Número de páginas 57 Página 2 de 57 Sumário 1 Sistema operacional compatível para
Leia maisATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF
TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial
Leia maisMAIS CONTROLE SOFTWARE Controle Financeiro / Fluxo de Caixa (MCS Versão 2.01.99) Índice
Item MAIS CONTROLE SOFTWARE Controle Financeiro / Fluxo de Caixa (MCS Versão 2.01.99) Índice Página 1.Apresentação... 4 2.Funcionamento Básico... 4 3.Instalando o MCS... 4, 5, 6 4.Utilizando o MCS Identificando
Leia maisQGIS 2.8 Rampa de Cores para Representação Topográfica do Modelo Digital de Elevação (MDE)
QGIS 2.8 Rampa de Cores para Representação Topográfica do Modelo Digital de Elevação (MDE) Jorge Santos 2015 QGIS 2.8: Novas Rampas de Cores Conteúdo Sumário Capítulo 1... 3 Download e Processos no MDE...
Leia maisStatus. Barra de Título. Barra de Menu. Barra de. Ferramentas Padrão. Caixa de nomes. Barra de. Ferramentas de Formatação. Indicadores de Coluna
O que é uma planilha eletrônica? É um aplicativo que oferece recursos para manipular dados organizados em tabelas. A partir deles pode-se gerar gráficos facilitando a análise e interpretação dos dados
Leia maisManual do Painel Administrativo
Manual do Painel Administrativo versão 1.0 Autores César A Miggiolaro Marcos J Lazarin Índice Índice... 2 Figuras... 3 Inicio... 5 Funcionalidades... 7 Analytics... 9 Cidades... 9 Conteúdo... 10 Referência...
Leia maisPMAT. Sistema de Análise e Acompanhamento de Operações. Manual. Desenvolvido pelo BNDES AS/DEGEP
PMAT Sistema de Análise e Acompanhamento de Operações Manual 1 Índice 1. O que é o Sistema de Análise e Acompanhamento de Operações PMAT... 3 2. Acessando o sistema pela primeira vez Download... 3 3. Fluxogramas
Leia maisGUIA INTEGRA SERVICES E STATUS MONITOR
GUIA INTEGRA SERVICES E STATUS MONITOR 1 - Integra Services Atenção: o Integra Services está disponível a partir da versão 2.0 do software Urano Integra. O Integra Services é um aplicativo que faz parte
Leia maisDicas para usar melhor o Word 2007
Dicas para usar melhor o Word 2007 Quem está acostumado (ou não) a trabalhar com o Word, não costuma ter todo o tempo do mundo disponível para descobrir as funcionalidades de versões recentemente lançadas.
Leia maisMANUAL DO SISTEMA. Versão 6.04
MANUAL DO SISTEMA Versão 6.04 Inventário Manual...2 Relatório de contagem...2 Contagem...3 Digitação...3 Inventário Programado...6 Gerando o lote...7 Inserindo produtos manualmente no lote...8 Consultando
Leia maisAULA 1 Iniciando o Uso do TerraView
1.1 AULA 1 Iniciando o Uso do TerraView Essa aula apresenta o software TerraView apresentando sua interface e sua utilização básica. Todos os arquivos de dados mencionados neste documento bem como o executável
Leia maisGERENCIADOR DE CONTEÚDO
1/1313 MANUAL DO USUÁRIO GERENCIADOR DE CONTEÚDO CRISTAL 2/13 ÍNDICE 1. OBJETIVO......3 2. OPERAÇÃO DOS MÓDULOS......3 2.1 GERENCIADOR DE CONTEÚDO......3 2.2 ADMINISTRAÇÃO......4 Perfil de Acesso:... 4
Leia maisFunção Mudar de unidade estatística
Função Mudar de unidade estatística Frequentemente, certas pesquisas contêm informações correspondentes a níveis estatísticos diferentes. No Sphinx (Survey ou Léxica), a partir do menu Gestão, opção Mudar
Leia mais1 - Crie um novo documento no ArcMap. Com o programa aberto, selecione o Dataframe Layers
Conversão de Raster para Polígono usando o ArcMap Nos posts anteriores, conhecemos uma situação onde uma empresa solicita, além do produto esperado, imagens no canal alfa para geração de polígonos envolventes
Leia maisWORKSHOP Ferramenta OLAP IBM Cognos
WORKSHOP Ferramenta OLAP IBM Cognos O objetivo deste documento é orientar o usuário final na utilização das funcionalidades da ferramenta OLAP IBM Cognos, referente a licença de consumidor. Sumário 1 Query
Leia maisComo incluir artigos:
Como incluir artigos: O WordPress é uma ferramenta muito flexível, com muitas variações e ajustes que podem torná-lo algo muito simples e também muito sofisticado conforme os recursos que são configurados
Leia maisMANUAL DO USUÁRIO. Software de Ferramenta de Backup
MANUAL DO USUÁRIO Software de Ferramenta de Backup Software Ferramenta de Backup Parabéns, você acaba de adquirir um produto com a qualidade e segurança Intelbras. Este manual serve como referência para
Leia maisAplicativo da Manifestação do Destinatário. Manual
Aplicativo da Manifestação do Destinatário Manual Novembro de 2012 1 Sumário 1 Aplicativo de Manifestação do Destinatário...4 2 Iniciando o aplicativo...4 3 Menus...5 3.1 Manifestação Destinatário...5
Leia maisMANUAL DE UTILIZAÇÃO SISTEMA DE CADASTRO INTRANET
MANUAL DE UTILIZAÇÃO SISTEMA DE CADASTRO INTRANET I Sumário 1. Objetivo do Documento... 1 2. Início... 1 3. Cadastro de Pessoa Física... 3 3.1. Preenchimentos Obrigatórios.... 4 3.2. Acesso aos Campos
Leia maisMAPA - Orientações. Conteúdo desse documento:
Conteúdo desse documento: 1. Como fazer upload de arquivos espaciais no CAR 1.a. Formato do arquivo 1.b. Características do shapefile 1.c. Sistema de coordenadas requerido 1.d. Como preparar o shapefile
Leia maisManual do Contribuidor. Portal de Internet. Projeto: Novo Portal de internet
Manual do Contribuidor Portal de Internet Projeto: Novo Portal de internet 1. Propósito Este documento tem o propósito de orientar usuários a utilizar as funcionalidades do portal do Inea no modo de contribuição.
Leia maisRoteiro 3: Apresentações eletrônicas (parte 1)
Roteiro 3: Apresentações eletrônicas (parte 1) Objetivos Criar apresentações eletrônicas com uso do software libreoffice; Exportar arquivos em formato pdf; Compreender conceitos sobre imagens digitais;
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 maisTutorial WEB CONTENT MANAGEMENT [WCM] Obtenha benefícios a partir das aplicações customizadas da ADMT.
Tutorial WEB CONTENT MANAGEMENT [WCM] Obtenha benefícios a partir das aplicações customizadas da ADMT. PÁGINA: 2 de 21 Nenhuma parte deste documento pode ser utilizado ou reproduzido, em qualquer meio
Leia maisTutorial Mapa-Temático
Tutorial Mapa-Temático O objetivo deste tutorial é apresentar o passo-a-passo da produção de mapas temáticos, uma das diversas utilidades do TerraView (software livre de geoprocessamento que adotamos por
Leia mais2 de maio de 2014. Remote Scan
2 de maio de 2014 Remote Scan 2014 Electronics For Imaging. As informações nesta publicação estão cobertas pelos termos dos Avisos de caráter legal deste produto. Conteúdo 3 Conteúdo...5 Acesso ao...5
Leia maisInstalação: permite baixar o pacote de instalação do agente de coleta do sistema.
O que é o projeto O PROINFODATA - programa de coleta de dados do projeto ProInfo/MEC de inclusão digital nas escolas públicas brasileiras tem como objetivo acompanhar o estado de funcionamento dos laboratórios
Leia maisBanco de Dados BrOffice Base
Banco de Dados BrOffice Base Autor: Alessandro da Silva Almeida Disponível em: www.apostilando.com 27/02/2011 CURSO TÉCNICO EM SERVIÇO PÚBLICO Apostila de Informática Aplicada - Unidade VI Índice Apresentação...
Leia maisUniversidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens
Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem
Leia mais4ª aba do cadastro: Mapa Orientações para upload de shapefiles
Conteúdo: 1. Como fazer upload de arquivos espaciais no SiCAR-SP? Formato dos arquivos Características do shapefile Sistema de Coordenadas requerido Como preparar o shapefile para o upload 2. O que fazer
Leia mais1. NOVIDADES DO NÚMERO ÚNICO DE PROCESSO. 1.1 Resolução nº 65 do CNJ. 1.2 Conversão do Número do Processo. 1.3 Novos ícones
1. NOVIDADES DO NÚMERO ÚNICO DE PROCESSO 1.1 Resolução nº 65 do CNJ 1.2 Conversão do Número do Processo 1.3 Novos ícones 1 Tela Antiga Tela Nova 2 2. NOVIDADES DA VISUALIZAÇÃO DAS FILAS DE TRABALHO 2.1
Leia maisTRIBUNAL DE JUSTIÇA DO PARANÁ PROJUDI REFORMULAÇÃO DE CUMPRIMENTOS - MANDADOS
TRIBUNAL DE JUSTIÇA DO PARANÁ PROJUDI REFORMULAÇÃO DE CUMPRIMENTOS - MANDADOS 2 SUMÁRIO SEÇÃO 1 - FLUXO DAS VARAS QUE NÃO POSSUEM CENTRAL DE MANDADOS... 03 1. CUMPRIMENTOS (PERFIS DE ANALISTA E TÉCNICO
Leia maisMANUAL DO SISTEMA GT WEB CALL. Teledata
MANUAL DO SISTEMA GT WEB CALL Teledata Indíce analítico 1. Prefácio...3 2. Funcionalidades...3 3. Abrir chamados...7 4. Atribuir chamados...9 5. Consultar chamados...10 6. Fechar chamados...12 7. Relatórios...15
Leia maisServiço Público Federal Universidade Federal do Pará - UFPA Centro de Tecnologia da Informação e Comunicação - CTIC S I E
Serviço Público Federal Universidade Federal do Pará - UFPA Centro de Tecnologia da Informação e Comunicação - CTIC S I E SISTEMA DE INFORMAÇÕES PARA O ENSINO (*) Módulo: Produção Institucional Guia de
Leia maisALBUM DE FOTOGRAFIAS NO POWER POINT
ALBUM DE FOTOGRAFIAS NO POWER POINT O PowerPoint é uma poderosa ferramenta que faz parte do pacote Office da Microsoft. O principal uso desse programa é a criação de apresentação de slides, para mostrar
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 maisUniversidade Federal do Rio de Janeiro - IM/DCC & NCE
Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisPORTAL DE COMPRAS SÃO JOSÉ DO RIO PRETO
Compra Direta - Guia do Fornecedor PORTAL DE COMPRAS SÃO JOSÉ DO RIO PRETO Página As informações contidas neste documento, incluindo quaisquer URLs e outras possíveis referências a web sites, estão sujeitas
Leia maisManual do usuário. v1.0
Manual do usuário v1.0 1 Iniciando com o Vivo Gestão 1. como fazer login a. 1º acesso b. como recuperar a senha c. escolher uma conta ou grupo (hierarquia de contas) 2. como consultar... de uma linha a.
Leia maisMANUAL DE UTILIZAÇÃO
MANUAL DE UTILIZAÇÃO Módulo de operação Ativo Bem vindo à Vorage CRM! Nas próximas paginas apresentaremos o funcionamento da plataforma e ensinaremos como iniciar uma operação básica através do nosso sistema,
Leia maisMICROSOFT OFFICE EXCEL 2007
LEIAME Nenhuma informação da APOSTILA - MICROSOFT OFFICE EXCEL 2007 poderá ser copiada, movida ou modificada sem autorização prévia e escrita do autor. MICROSOFT OFFICE EXCEL 2007 Efetue cálculos, analise
Leia maisPasso a Passo do Cadastro Produtos no SIGLA Digital
Página 1 de 15 Passo a Passo do Cadastro Produtos no SIGLA Digital O cadastro de produtos permite organizar as informações relativas a produtos e serviços, como grupo, marca, peso, unidades e outros, que
Leia maisCENTRO UNIVERSITÁRIO CATÓLICA DE SANTA CATARINA PRÓ-REITORIA ACADÊMICA NÚCLEO DE EDUCAÇÃO EM AMBIENTES DIGITAIS NEAD
0 CENTRO UNIVERSITÁRIO CATÓLICA DE SANTA CATARINA PRÓ-REITORIA ACADÊMICA NÚCLEO DE EDUCAÇÃO EM AMBIENTES DIGITAIS NEAD ORIENTAÇÕES SOBRE USO DO AMBIENTE VIRTUAL DE APRENDIZAGEM (MOODLE) PARA DISPONIBILIZAÇÃO
Leia maisGestão de Ativos. Manual do Usuário. Treinamento Fase 1 (TRN 01)
Gestão de Ativos Manual do Usuário Treinamento Fase 1 (TRN 01) Índice 1. Introdução... 3 2. Movimentações de Ativos... 4 2.1. Monitoração... 4 2.1.1. Monitor de Movimentação de Ativos...4 2.2. Transações...15
Leia maisPEDIDO DE COMPRAS AUTOPEÇAS
Apresentação As rotinas de Pedido de Compra do WinThor são utilizadas pelas empresas com objetivo de realizar: o pedido de compra baseado, ou não, em uma sugestão de compra, a cotação de compra entre fornecedores,
Leia maisFunções básicas Cronograma Cronograma Funções Básicas
Funções Básicas Fevereiro 2015 - 1) Selecionar o menu Portfólio > Projetos, clique para janela projetos abrir. 2) Selecione botão incluir para abrir um projeto. Preencha os campos obrigatórios nos Dados
Leia maisAula 01 - Formatações prontas e condicionais. Aula 01 - Formatações prontas e condicionais. Sumário. Formatar como Tabela
Aula 01 - Formatações prontas e Sumário Formatar como Tabela Formatar como Tabela (cont.) Alterando as formatações aplicadas e adicionando novos itens Removendo a formatação de tabela aplicada Formatação
Leia maisSumário. Tutorial: Editor de Exercícios Online para o professor
1 Sumário Inserir Exercícios... 4 Minhas Avaliações... 5 Cadastrar perguntas... 7 Inserindo imagens... 10 Inserindo arquivos... 13 Inserindo vídeos... 15 Gerenciador de fórmulas e equações matemáticas...
Leia maisFluxo de trabalho do Capture Pro Software: Indexação de código de barras e separação de documentos
Este procedimento corresponde ao fluxo de trabalho de Indexação de código de barras e de separação de documentos no programa de treinamento do Capture Pro Software. As etapas do procedimento encontram-se
Leia maisManual de baixa do Certificado Digital AR SOLUTI. Versão 2.0 de 22 de Maio de 2014. Classificação: Ostensiva
Catalogação do Documento Titulo Classificação Versão 2.0 de 22 de Maio de 2014 Autor Raphael Reis Aprovador Bruno Barros Número de páginas 43 Página 2 de 43 Sumário 1 Sistema operacional compatível para
Leia maisINDICE 1. INTRODUÇÃO... 3 2. CONFIGURAÇÃO MÍNIMA... 4 3. INSTALAÇÃO... 4 4. INTERLIGAÇÃO DO SISTEMA... 5 5. ALGUNS RECURSOS... 6 6. SERVIDOR BAM...
1 de 30 INDICE 1. INTRODUÇÃO... 3 2. CONFIGURAÇÃO MÍNIMA... 4 3. INSTALAÇÃO... 4 3.1. ONDE SE DEVE INSTALAR O SERVIDOR BAM?... 4 3.2. ONDE SE DEVE INSTALAR O PROGRAMADOR REMOTO BAM?... 4 3.3. COMO FAZER
Leia maisSistema de Recursos Humanos
Sistema de Recursos Humanos Projeto 1 O objetivo desse sistema é gerenciar a admissão e a demissão de funcionários. Esse funcionário pode ou não ter dependentes. Esse funcionário está alocado em um departamento
Leia maisAPOSTILA DE EXCEL 2007
APOSTILA DE EXCEL 2007 1. Introdução Quando você cria uma planilha nova, a tela do computador é dividida em linhas e colunas, formando uma grade. A interseção de uma linha e de uma coluna é chamada de
Leia maisCONTROLE DE QUALIDADE e VALIDAÇÃO DE PRODUTO CARTOGRÁFICO
CONTROLE DE QUALIDADE e VALIDAÇÃO DE PRODUTO CARTOGRÁFICO Editar dados em vários formatos e armazenar estas informações em diferentes sistemas é provavelmente uma das atividades mais comuns para os profissionais
Leia maisNovell. Novell Teaming 1.0. novdocx (pt-br) 6 April 2007 EXPLORAR O PORTLET BEM-VINDO DESCUBRA SEU CAMINHO USANDO O NOVELL TEAMING NAVIGATOR
Novell Teaming - Guia de início rápido Novell Teaming 1.0 Julho de 2007 INTRODUÇÃO RÁPIDA www.novell.com Novell Teaming O termo Novell Teaming neste documento se aplica a todas as versões do Novell Teaming,
Leia maisAssociação Educacional Dom Bosco Curso de Engenharia 1º ano
Formatação condicional utilizando o valor da célula O que é? Algumas vezes é preciso destacar os valores, ou seja, como colocar em vermelho ou entre parênteses, os negativos, e de outra cor os positivos,
Leia mais[SITE FÁCIL CDL MANUAL DO USUÁRIO]
Câmara de Dirigentes Lojistas [SITE FÁCIL CDL MANUAL DO USUÁRIO] Sumário 1. Controle de versão... 3 2. Objetivo... 4 3. Site fácil... 4 4. Acessando o sistema de gestão de conteúdo (SGC)... 5 5. Páginas
Leia maisÍNDICE MANUAL SITE ADMINISTRÁVEL TV. 1. Introdução 2. Acessando o site administrável/webtv SITE ADMINISTRÁVEL 3. CONFIGURAÇÕES
MANUAL SITE ADMINISTRÁVEL TV ÍNDICE 1. Introdução 2. Acessando o site administrável/webtv SITE ADMINISTRÁVEL 3. CONFIGURAÇÕES 3.1 - Dados Cadastrais 3.2 - Noticias 3.3 Redes Sociais 3.4 - Player 4. DESIGN
Leia maisAULA 5 Manipulando Dados Matriciais: Grades e Imagens. 5.1 Importando Grades e Imagens Interface Simplificada
5.1 AULA 5 Manipulando Dados Matriciais: Grades e Imagens Nessa aula serão apresentadas algumas funcionalidades do TerraView relativas à manipulação de dados matriciais. Como dados matriciais são entendidas
Leia maisControle de Almoxarifado
Controle de Almoxarifado Introdução O módulo de Controle de Almoxarifado traz as opções para que a empresa efetue os cadastros necessários referentes a ferramentas de almoxarifado, além do controle de
Leia maisDokmee Page Counter. 2011 Office Gemini
2 Table of Contents Part I 1 Visão geral 2 Realizando uma Contagem Visualizando os resultados 4 Salvando o resultados 4 5 Removendo os Resultados 4 6 Inscrição 4 7 Seleção de Idioma 5 Part II Usando o
Leia maisConstrução da Consulta. Para a construção da consulta, siga os passos abaixo:
Com a finalidade de esclarecer e auxiliar o usuário sobre a utilização do produto PaepOnline, a Fundação Seade elaborou um manual explicativo sobre a forma de construção das tabelas e sua navegabilidade.
Leia maisFollow-Up Acompanhamento Eletrônico de Processos (versão 3.0) Manual do Sistema. 1. Como acessar o sistema Requisitos mínimos e compatibilidade
do Sistema Índice Página 1. Como acessar o sistema 1.1 Requisitos mínimos e compatibilidade 03 2. Como configurar o Sistema 2.1 Painel de Controle 2.2 Informando o nome da Comissária 2.3 Escolhendo a Cor
Leia mais4/5/2009 CONTROLSOFT CONTROLGAS CONTROLE DE VALE GÁS. Manual de Operação www.controlgas.com.br
4/5/2009 CONTROLSOFT CONTROLGAS CONTROLE DE VALE GÁS Manual de Operação www.controlgas.com.br Sumário Impressão do Vale Gás... 3 Cadastro do Vale Gás... 4 Venda do Vale Gás para os Pontos de Revenda...
Leia maisTreinamento Módulo Contas a Pagar
Contas a Pagar Todas as telas de cadastro também são telas de consultas futuras, portanto sempre que alterar alguma informação clique em Gravar ou pressione F2. Teclas de atalho: Tecla F2 Gravar Tecla
Leia maisEstá apto a utilizar o sistema, o usuário que tenha conhecimentos básicos de informática e navegação na internet.
1. Descrição Geral Este manual descreve as operações disponíveis no módulo VTWEB Client, cuja finalidade é gerenciar cadastros de funcionários, realização de pedidos e controle financeiro dos pedidos.
Leia mais