Operatori locali. Operatori locali. Q=f(P,w)
|
|
- Adelaide Genovese
- 7 anni fa
- Visualizzazioni
Transcript
1 Operatori locali Operatori locali P(i,j) Gli operatori locali associano ad ogni piel ( i,j) della immagine di output Q un valore calcolato in un intorno o finestra w centrata nel piel P(i,j) Q=f(P,w)
2 Operatori locali P(i,j) La funzione f può essere lineare o non lineare: Filtri lineari sono definiti tramite convoluzione Filtri non lineari Operatori locali P(i,j) Per eseguire una elaborazione locale l immagine viene esplorata in una sequenza prefissata ad esempio da sinistra a destra e dall alto verso il basso
3 Obiettivi Smoothing rimuove il rumore dovuto alla trasmissione, acquisizione.. Enhancement migliora la qualità delle immagini o enfatizza feature significative, come gli edge Deblurring migliora la nitidezza ( sharpness) delle immagini sfocate (blurred) Operatori lineari nel dominio spaziale Consideriamo una matrice h di 3 3 elementi detta maschera di pesi h = w w w 3 w 4 w 5 w 6 w 7 w 8 w 9 Consideriamo per ogni piel (,) una finestra di dimensione 3 3 centrata con (,) f(-,-) f(,-) f(+,-) f(-,) f(,) f(+,) f(-,+) f(,+) f(+,+) (,) 3
4 Operatori lineari nel dominio spaziale Il valore del piel centrale è calcolato come somma pesata di f secondo i coefficienti w i : g(, ) = w + w 8 4 f (, ) + w w f ( +, ) + w f (, ) + w 9 5 f (, ) + w f ( +, + ) f (, ) + w 6 3 f (, + ) + w f (, + ) 7 f ( +, ) + Correlazione Siano f(,) una immagine di dimensione NN h(,) una maschera spaziale di dimensione LL, con origine nel piel centrale per L=3 si ha h(-,-) h(-,) h(-,) h(,-) h(,-) h(,) h(,) h(,) h(,) 4
5 Correlazione Siano f(,) una immagine di dimensione NN h(,) una maschera spaziale di dimensione LL a= parte intera(l/) L operazione di correlazione della immagine f(,) con h(,) con origine nel centro della maschera si esprime nel modo seguente: g = h f g (, ) = i, a j =... N a i = a j = a h ( i, j ) f ( + i, + j ) Correlazione - convoluzione L operazione di correlazione della immagine f(,) con h(,) con origine nel centro della maschera si esprime in modo equivalente: i= j= L L g(, ) = h( i, j)* f ( L / + i, L / + L immagine di output g(,) è influenzata soltanto dai piel che si trovano in un intorno LL del corrispondente piel (,) della immagine f j) 5
6 Correlazione - convoluzione L operazione di correlazione i= j= L L g(, ) = h( i, j)* f ( L / + i, L / + j) è equivalente alla operazione di convoluzione nel caso in cui h(m,n) sia una matrice simmetrica - vedi lezione sui sistemi lineari Maschera - mask Maschera: matrice quadrata di pesi utilizzati nel calcolo del nuovo valore di un determinato piel a partire dall intorno del piel stesso si chiama anche filtro nel dominio spaziale E una finestra che si muove sulla immagine 6
7 Complessità La convoluzione è una operazione complessa dal punto di vista computazionale Ad esempio consideriamo la seguente maschera: La convoluzione con la matrice 55 richiede 5 (moltiplicazioni + addizioni) per ogni piel Quando una matrice può scomporsi nel prodotto di vettori è conveniente applicare i vettori singolarmente alle righe e alle colonne della immagine Complessità La maschera Si può scrivere come prodotto dei vettori [ ] T e [ ] In questo caso per ogni piel (i,j) sono sufficienti 5 moltiplicazioni e addizioni lungo la riga i + 5 moltiplicazioni e addizioni lungo la colonna j 7
8 Elaborazione dei bordi Si applica l operatore solo sui punti che hanno un intorno l immagine risultante è più piccola dell originale Si considera in aggiunta una cornice di punti (di solito uguali a zero) l immagine risultante ha le stesse dimensioni dell originale Bordo su cui non si può applicare l operatore Image smoothing Obiettibo: attenuare le brusche variazioni di livello di grigio tra un piel e il suo intorno Un processo di smoothing può eliminare le brusche transizioni (random noise) nei livelli di grigio i dettagli irrilevanti cioè associati a pochi piels: questa operazione è detta blurring - sfocatura 8
9 Image Smoothing - bo mask Un semplice processo di Image smoothing è quello di calcolare localmente per ogni piel il valore medio - lowpass spatial filtering. Si può ottenere mediante la convoluzione con h h = 9 Si ottiene una immagine meno contrastata di quella iniziale con riduzione del rumore. Nel dominio delle frequenze equivale ad un filtro passa-basso Image Smoothing - bo mask L applicazione della maschera h equivale a effettuare una media fra i piel del intorno e sostituire al valore originale con questa media h = 9 In questo approccio si dà la stessa importanza al valore originale del piel e ai valori dei piel vicini 9
10 Averaging mask In generale una averaging mask calcola una media pesata dei valori dei piel in un intorno: Una maschera costituita da pesi positivi, con somma uguale a, si dice normalizzata cioè: i valori risultanti sono nello stesso range di quelli iniziali Questa operazione è anche detta neighborhood averaging Averaging mask
11 Esempio di Image Blurring Immagine originale N K L L L Average mask L N N N=5 N=9 Filtro Gaussiano Il filtro gaussiano corrisponde a una funzione gaussiana discreta bidimensionale + σ e πσ Dove σ è la larghezza della funzione standard deviation- ed r = + è la distanza raggio- dal centro Il piel al centro ha il peso massimo e gli altri hanno un peso che diminuisce con la distanza dal piel centrale
12 Filtro gaussiano La maschera h è una approssimazione 33 della funzione gaussiana D Si utilizza quando si vuole che il piel in esame abbia maggiore importanza nel calcolo del nuovo valore di grigio, rispetto a quelli del suo intorno: il peso di tale piel sarà maggiore rispetto a quello dei piel dell intorno 6 4 Filtri 55 bo gaussiano - log
13 Filtro Gaussiano Funzione di Gauss bidimensionale + σ e πσ Se σ è la standard deviation di una funzione di Gauss monodimensionale la standard deviation della funzione D circolarmente simmetrica è σ la larghezza del lobo centrale è σ. la maschera di smoothing deve avere dimensione pari a 6 σ piel Il filtro gaussiano è isotropico - circolarmente simmetrico Gaussian filter nel dominio delle frequenze D = 6 σ 3
14 Normalizzazione Se l immagine risultante è finalizzata alla visualizzazione, i valori dei piel devono restare entro la gamma dei livelli di grigio rappresentabili (,55). A questo scopo, i coefficienti del filtro devono soddisfare la condizione: R = LL L L i= i= h( i, j) = In tal modo una zona a valore di grigio costante entro la maschera del filtro resta immutata dopo il filtraggio 4
15 Image sharpening Obiettivo principale è di mettere in evidenza i dettagli più fini di una immagine che potrebbero essere sfocati al contrario dei filtri di smoothing vengono evidenziate le variazioni di livello di grigio si può implementare mediante una maschera di pesi positivi e negativi Nel dominio spaziale si possono costruire delle maschere di sharpening mediante operatori differenziali del I e II grado Unsharp masking Il nome "unsharp" deriva dal fatto che si utilizza una versione sfocata "unsharp" dell immagine per creare una maschera Un processo di unsharp masking è costituito da passi: Si sottrae dalla immagine originale una versione sfocata della immagine stessa per ottenere l immagine detta maschera g mask (,) = f(,) f smooth (,) All immagine originale è poi sommata l immagine maschera g(,) = f(,) + g mask (,) = f(,) - f smooth (,) 5
16 Unsharp masking - esempio L immagine g mask si può ottenere applicando il filtro: i 9 h = 9 8 Infatti g mask (,) = f(,) f smooth (,)) Cioè f*i - f* h = f*(i-h) per la linearità del prodotto di convoluzione High-boost filtering E una generalizzazione del filtro unsharp masking g mask (,) = f(,) f smooth (,) g(,) = f(,) + Kg mask (,) = f(,) +k(f(,) f smooth (,))= (+k)f(,) kf smooth (,)) Cioè all immagine originale è poi sommata l immagine maschera amplificata di un fattore K con K> 6
17 Unsharp masking esempio D Unsharp masking/highboost filtering esempio D 7
18 Esempio di high-boost filtering L immagine risultante ha i contorni più evidenziati rispetto all immagine originale Operatori differenziali Obiettivo è la ricerca di discontinuità - un brusco cambiamento- nella funzione intensità Il problema è analizzare le variazioni fra un piel e quello adiacente - ad esempio per evidenziare i contorni Il problema viene affrontato tramite l'analisi delle derivate 8
19 Operatori differenziali I punti in cui si hanno delle variazioni brusche di intensità possono essere rilevati dall analisi delle derivate: Si può scegliere il massimo (minimo) della derivata prima o lo zero (punto di attraversamento dell'asse ) della derivata seconda Operatori differenziali f() è l'intensità dell'immagine 9
20 Operatori differenziali Derivata I Assume valore nullo su aree con livelli di grigio costanti Assume valore massimo o minimo nel punto di massima variazione Operatori differenziali Derivata II Assume valore nullo su aree con livelli di grigio costanti o che variano linearmente - rampa Assume valore nullo cambiando il segno - nel punto di massima variazione
21 Derivata discreta La derivata può essere approssimata tramite una differenza f ( + h) f ( h) f ( ) h Lo stesso approccio vale per la derivata seconda f ( + h) f ( ) + f ( f ( ) Nello spazio bidimensionale al posto della derivata si ha il gradiente - un vettore h h) Esempio Gra-level profile First derivative La derivata si può approssimare con una differenza Second derivative
22 = f f f ), ( ), ( ), ( / ), ( ), ( ), ( ), ( + = = f f f M = f f tan ), α( Operatori basati sul gradiente Definizione del gradiente: Ampiezza Direzione rispetto all asse Approssimazioni del gradiente Gli operatori differenziali nel discreto sono realizzati tramite maschere a somma nulla in modo da avere che l'applicazione a una regione uniforme produca risultato zero
23 Approssimazione derivate prime sistema di riferimento immagine f f f ( +, ) f (, ) f (, + ) f (, ) f Approssimazione derivate seconde f f( +,) f(,) f( +,) + f(-,)- f(,) f (, + ) f (, ) f(, + ) + f(, )- f(,) ( f(,) f(,) ) = ( f (, ) f (, ) ) = 3
24 Maschere per le derivate lungo gli assi Roberts Prewitt Sobel Maschere per le derivate lungo le diagonali 4
25 Prewitt e Sobel Maschere di Prewitt per evidenziare linee orizzontali discontinuità lungo l asse verticale- e linee verticali Maschere di Sobel per evidenziare linee orizzontali - discontinuità lungo l asse verticale- e linee verticali Maschere di Sobel sistema di coordinate logico Operatori di Sobel: Discontinuità nella direzione 9 o gradi Discontinuità nella direzione gradi
26 Maschere di Sobel (Kirsch) per la convoluzione Maschere di Sobel per evidenziare linee orizzontali a o e 8 o gradi K k 4 Maschere di Sobel per evidenziare linee verticali a 9 o e 7 o gradi K K 6 Maschere di Sobel (Kirsch) per la convoluzione Maschere di Sobel per evidenziare linee a 45 o e 5 o gradi Maschere di Sobel per evidenziare linee verticali a 35 o e 35 o gradi K K 5 K 3 K 7 6
27 Maschere di Kirsch Kirsch ha esteso le maschere di Sobel a 8 orientazioni spaziate di 45 e definito le maschere precedenti K k 7 Le direzioni sono individuate in una finestra 33, rispetto al piel centrale, codificate con,, Operatore Laplaciano Sia f(,) una funzione definita in un dominio discreto. Il Laplaciano L(,) è definito nel modo seguente: f (, ) f (, ) f (, ) = + Il Laplaciano è zero se f(,) è costante oppure varia linearmente Se f(,) non varia linearmente allora L(,) presenta un cambiamento di segno e quindi attraversa l asse 7
28 Oppure: valore centrale positivo Laplaciano 8
29 Derivate I e II 9
30 3 Filtri di sharpening tramite Laplaciano Si sottrarre dalla immagine originale una versione ottenuta applicando l operatore Laplaciano alla immagine stessa Se la maschera del Laplaciano ha valore centrale negativo Si somma alla immagine originale una versione ottenuta applicando l operatore Laplaciano alla immagine stessa ), ( ), ( ), ( f f g = ), ( ), ( ), ( f f g + = Filtri di sharpening tramite Laplaciano = 5 4 = 9 8
31 Operatore LoG- Laplacian of Gaussian L operatore è costituito da: Un operatore di smoothing filtro Gaussiano L operatore Laplaciano Image Low-pass filter (Gaussian) Laplacian Detect Zero-crossings Edge Map L applicazione di un filtro low-pass riduce l effetto del rumore Operatore LOG- Laplacian of Gaussian Operatore LoG LoG + (,, σ ) c + = e σ σ dove c è un fattore di normalizzazione a Il valore di σ determina il numero di punti che influenzano il calcolo del Laplaciano in un piel Lo smoothing Gaussiano elimina l influenza dei piels che sono distanti più di 3σ rispetto al piel corrente 3
32 LoG Operatori di rango Sono operatori non lineari Si considerano ancora i valori su una finestra locale, si riordinano e si usa come risultato quello in una posizione particolare Gli operatori più comuni sono: Massimo (il massimo locale) Minimo (il minimo locale) Mediano (il valore nella posizione centrale del vettore ordinato) 3
33 Filtro mediano Sostituisce il valore di ogni piel con il valore mediano calcolato in una finestra centrata sul piel in esame Il valore mediano si calcola ordinando i valori dei piel e scegliendo quello centrale immagine ^ valore mediano Scopo: rimozione del rumore tipo salt & pepper Operatore mediano È utilizzato per eliminare il rumore da una immagine Rispetto ad una media locale ha il vantaggio di essere meno sensibile rispetto al rumore salt & pepper (sale & pepe) e di non introdurre nuovi valori Esempio considerando i valori:, 3, 5, 7, 4 Media=6 Mediana=5 33
34 Filtro mediano E un filtro non lineare Forza i piel con intensità molto diverse ad essere simili ai loro vicini; si eliminano in questo modo gli spikes isolati nell area di azione della maschera In caso di spikes residui si può usare il filtro più volte: in altre parole elimina il rumore impulsivo, detto sale e pepe Media e filtro mediano Comportamento del filtro media e mediano applicati a rumore impulsivo (maschera di 3 piel) 34
35 Media e filtro mediano Comportamento del filtro media e mediano applicati a un gradino impulsivo (maschera di 3 piel) Media e filtro mediano La media tende a creare nuovi livelli di grigio Attenua non solo il rumore, ma anche tutte le alte frequenze spaziali in modo indiscriminato, causando sfocatura, perdita di dettaglio fine e attenuazione dei fronti di salita delle transizioni di livello di grigio 35
36 Filtro mediano Il filtro mediano non modifica la sequenza gradino e rampa Le sequenze con impulsi aventi durata minore di (L+)/ vengono soppresse Il picco di una funzione triangolare risulta attenuato 36
Operatori locali su immagini digitali
Operatori locali su immagini digitali Definizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
DettagliOperatori locali su immagini digitali
Operatori locali su immagini digitali Deinizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
DettagliImage segmentation. Elaborazione intermedia
Image segmentation Edge detection Elaborazione intermedia elaborazione intermedia si occupa di ottenere una descrizione signiicativa della scena mediante la segmentazione suddivisione della immagine in
DettagliElaborazione di immagini digitali: trasformare e migliorare
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2009/2010 Docente: ing. Salvatore
DettagliElementi di grafica raster
Elementi di grafica raster Segnali mono-bidimensionali Segnale: variazione di una grandezza fisica rispetto al tempo e/o allo spazio cioè Valore della grandezza ad ogni istante di tempo (spazio) Un segnale
DettagliTrasformata di Fourier
Trasformata di Fourier Filtri lineari Filtri lineari Gli operatori locali che operano su una immagine mediante la convoluzione con maschere di pesi possono essere descritti mediante la teoria dei segnali
DettagliELABORAZIONE DELLE IMMAGINI:
Università degli Studi di Catania Facoltà di Scienze Matematiche,Fisiche e Naturali Corso di Laurea in Informatica, Secondo Livello ELABORAZIONE DELLE IMMAGINI: EDGE DETECTION Corso di Analisi Numerica
DettagliCorso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò
Corso di Visione Artificiale Filtri parte I Samuel Rota Bulò Filtri spaziali Un filtro spaziale è caratterizzato da un intorno e un'operazione che deve essere eseguita sui pixels dell'immagine in quell'intorno.
DettagliIl determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora
Calcolo del determinante di matrici particolari matrici di ordine 2: sia allora Esempio. [ ] a11 a A = 12, a 21 a 22 det A = a 11 a 22 a 21 a 12. Calcolare il determinante di [ ] 1 2 A =. 3 4 matrici di
DettagliEsercitazione 4: Filters
Laboratorio di Immagini Esercitazione 4: Filters Mauro Zucchelli 07/04/2016 AVVISO Settimana prossima lezione sospesa! Riprendiamo dall ultima volta Abbiamo visto cosa rappresenta la trasformata di Fourier
DettagliIntroduzione a Matlab
Introduzione a Matlab Filtri: Media, Gaussiano, Mediano Fondamenti di Visione Artificiale a.a. 2015/2016 07/04/16 Introduzione a Matlab 1 Definizione di un filtro: Kernel Ciascun filtro è definito dal
DettagliCorso di Visione Artificiale. Filtri parte II. Samuel Rota Bulò
Corso di Visione Artificiale Filtri parte II Samuel Rota Bulò Numeri complessi parte reale parte immaginaria in coordinate polari complesso coniugato formula di Eulero Trasformata di Fourier discreta (DFT)
DettagliESAME DI MATEMATICA I parte Vicenza, 05/06/2017. x log 2 x?
A. Peretti Svolgimento dei temi d esame di Matematica A.A. 6/7 ESAME DI MATEMATICA I parte Vicenza, 5/6/7 log? Domanda. Per quali valori di è definita l espressione L espressione è definita se l argomento
DettagliOperazioni locali: Edging
Capitolo 1 Operazioni locali: Edging Nei primi stadi della visione (early stages of vision) alcune caratteristiche intrinseche, rilevanti per identificare gli oggetti della scena sono estratte dall immagine.
DettagliModulazione PAM Multilivello, BPSK e QPSK
Modulazione PAM Multilivello, BPSK e QPSK P. Lombardo DIET, Univ. di Roma La Sapienza Modulazioni PAM Multilivello, BPSK e QPSK - 1 Rappresentazione analitica del segnale Sia {b(n)} una qualsiasi sequenza
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliMetodi computazionali per i Minimi Quadrati
Metodi computazionali per i Minimi Quadrati Come introdotto in precedenza si considera la matrice. A causa di mal condizionamenti ed errori di inversione, si possono avere casi in cui il e quindi S sarebbe
DettagliEsercitazione su filtro di Sobel per l elaborazione delle immagini
Ver. 1. Esercitazione su filtro di Sobel per l elaborazione delle immagini Il filtro di Sobel opera sulle immagini come un gradiente lungo una direzione. In particolare detta f ( x, y) l intensità dell
DettagliCorso di Visione Artificiale. Texture. Samuel Rota Bulò
Corso di Visione Artificiale Texture Samuel Rota Bulò Texture Le texture sono facili da riconoscere ma difficili da definire. Texture Il fatto di essere una texture dipende dal livello di scala a cui si
DettagliEsercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliRestauro di immagini. Prof. Filippo Stanco. Multimedia
Restauro di immagini Prof. Filippo Stanco Restauro di immagini Il principale obiettivo delle tecniche di restauro è quello di rendere migliore un immagine cercando di ripristinarne il contenuto informativo
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliLa tabella dell addizione Completa la tabella e poi rispondi alle domande.
La tabella dell addizione Completa la tabella e poi rispondi alle domande. CCCCCCCCCCCC + 0 4 5 6 7 8 9 0 0 4 5 6 7 8 9 0 A ogni coppia ordinata di numeri naturali corrisponde sempre un numero naturale?
DettagliKeypoint detector: Scale Invariant Feature Transform (SIFT)
Kepoint detector: Scale Invariant Feature Transform (SIFT) avid G. Lowe istintive Image Features from Scale-Invariants Kepoints International Journal of Computer Vision 004 Outline Cosa è SIFT Overview
DettagliIntroduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliMaria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
Dettagli0.6 Filtro di smoothing Gaussiano
2 Figura 7: Filtro trapezoidale passa basso. In questo filtro l rappresenta la frequenza di taglio ed l, l rappresenta un intervallo della frequenza con variazione lineare di H, utile ad evitare le brusche
DettagliALGEBRA LINEARE PARTE II
DIEM sez. Matematica Finanziaria Marina Resta Università degli studi di Genova Dicembre 005 Indice PREMESSA INVERSA DI UNA MATRICE DETERMINANTE. DETERMINANTE DI MATRICI ELEMENTARI................. MATRICI
DettagliSIMULAZIONE - 29 APRILE QUESITI
www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione
DettagliDecomposizione LU di una matrice quadrata
Appendice al Cap. 5 Decomposizione LU di una matrice quadrata Una qualunque matrice quadrata M = {m ij } di ordine N, reale, invertibile, i cui minori principali siano tutti non nulli, si può sempre decomporre
DettagliSezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione. = ( n) lim x
Capitolo USO DELLE DERIVATE IN ECONOMIA Sezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione Si definisce derivata della funzione y f() nel punto 0 del suo insieme
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
DettagliCorso di Visione Artificiale. Features. Samuel Rota Bulò
Corso di Visione Artificiale Features Samuel Rota Bulò Features Le features (caratteristiche) sono parti di un'immagine che sono: locali: caratteristica locale di un'immagine, significativi: sono interessanti
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
Dettagli2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
DettagliLuigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliLiceo Classico D. Alighieri A.S Studio di Funzione. Prof. A. Pisani. Esempio
Liceo Classico D. Alighieri A.S. 0-3 y Data la funzione: Studio di Funzione tracciatene il grafico nel piano cartesiano. Prof. A. Pisani Esempio ) Tipo e grado della funzione La funzione è analitica, data
DettagliAritmetica nel sistema Ternario bilanciato Giuseppe Talarico - 30/10/2013
Aritmetica nel sistema Ternario bilanciato Giuseppe Talarico - 30/10/2013 Nel sistema ternario ( base 3 ) ogni trit di informazione, in un certo istante, può assumere uno di tre possibili valori e può
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliLeLing12: Ancora sui determinanti.
LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling
DettagliLO STUDIO DI FUNZIONE ESERCIZI CON SOLUZIONI
Autore: Enrico Manfucci - 6/05/0 LO STUDIO DI FUNZIONE ESERCIZI CON SOLUZIONI PREMESSA Per Studio di funzione si intende disegnare il grafico di una funzione data la sua espressione analitica. Questo significa
DettagliLaboratorio di Analisi Numerica Lezione 7
Laboratorio di Analisi Numerica Lezione 7 Gianna Del Corso Leonardo Robol 19 Novembre 2013 Quantità di esercizi: in questa dispensa ci sono più esercizi di
DettagliLa distribuzione delle frequenze. T 10 (s)
1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo
Dettagli1 Schemi alle differenze finite per funzioni di una variabile
Introduzione In questa dispensa vengono forniti alcuni elementi di base per la soluzione di equazioni alle derivate parziali che governano problemi al contorno. A questo scopo si introducono, in forma
DettagliCORPO RIGIDO MOMENTO DI UNA FORZA EQUILIBRIO DI UN CORPO RIGIDO CENTRO DI MASSA BARICENTRO
LEZIONE statica-1 CORPO RIGIDO MOMENTO DI UNA FORZA EQUILIBRIO DI UN CORPO RIGIDO CENTRO DI MASSA BARICENTRO GRANDEZZE SCALARI E VETTORIALI: RICHIAMI DUE SONO LE TIPOLOGIE DI GRANDEZZE ESISTENTI IN FISICA
DettagliFiltri e convoluzioni
Filtri e convoluzioni La terza e ultima famiglia di operazioni per l'elaborazione delle immagini è quella dei filtri e delle convoluzioni Le elaborazioni di questa famiglia modificano il valore (colore,
DettagliLa tabella dell addizione Completa la tabella e poi rispondi alle domande.
La tabella dell addizione Completa la tabella e poi rispondi alle domande. CCCCCCCCCCCC + 0 4 5 6 7 8 9 0 0 4 5 6 7 8 9 0 A ogni coppia ordinata di numeri naturali corrisponde sempre un numero naturale?
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
DettagliLe matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
DettagliElaborazione di segnali e immagini: modulo segnali
Elaborazione di segnali e immagini: modulo segnali 30 gennaio 014 Esame parziale con soluzioni Esercizio 1 Dato un sistema LTI descritto dalla seguente equazione alle differenze: v(k) + v(k 1) 10v(k )
DettagliLe Funzioni. Modulo Esponenziali Logaritmiche. Prof.ssa Maddalena Dominijanni
Le Funzioni Modulo Esponenziali Logaritmiche Definizione di modulo o valore assoluto Se x è un generico numero reale, il suo modulo o valore assoluto è: x = x se x 0 -x se x
DettagliLe Derivate. Appunti delle lezioni di matematica di A. Pisani Liceo Classico Dante Alighieri
Le Derivate Appunti delle lezioni di matematica di A. Pisani Liceo Classico Dante Alighieri Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato durante
DettagliFiltering. Maschera di contrasto - Carica un immagine (16 o 48 bit): Lancia il comando Unsharp mask dal menu Processing:
Filtering Maschera di contrasto - Carica un immagine (16 o 48 bit): Lancia il comando Unsharp mask dal menu Processing: Prova: Il risultato Per ridurre il tipico effetto bordo di questo filtro passa alto,
DettagliI.4 Rappresentazione dell informazione
I.4 Rappresentazione dell informazione Università di Ferrara Dipartimento di Economia e Management Insegnamento di Informatica Ottobre 13, 2015 Argomenti Introduzione 1 Introduzione 2 3 L elaboratore Introduzione
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
DettagliCAMPO ELETTRICO. F r e = q E r. Newton ;
1 CAMPO ELETTRICO Si definisce campo elettrico (o elettrostatico) una qualunque regione dello spazio nella quale si manifestano azioni su cariche elettriche. 1. DESCRIZIONE DEL CAMPO Per descrivere un
DettagliCALENDARIO BOREALE 2 AMERICHE 2015 QUESITO 1
www.matefilia.it Indirizzi: LI0, EA0 SCIENTIFICO; LI0 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE AMERICHE 0 QUESITO Determinare il volume del solido generato dalla rotazione attorno alla
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliPolinomio di Taylor del secondo ordine per funzioni di due variabili
Esercitazioni del 15 aprile 2013 Polinomio di Taylor del secondo ordine per funzioni di due variabili Sia f : A R 2 R una funzione di classe C 2. Fissato un p unto (x 0, y 0 A consideriamo il seguente
DettagliBreve formulario di matematica
Luciano Battaia a 2 = a ; lim sin = 1, se 0; sin(α + β) = sin α cos β + cos α sin β; f() = e 2 f () = 2e 2 ; sin d = cos + k; 1,2 = b± ; a m a n = 2a a n+m ; log a 2 = ; = a 2 + b + c; 2 + 2 = r 2 ; e
DettagliAnalisi delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliEsercizi di Calcolo e Biostatistica con soluzioni
1 Esercizi di Calcolo e Biostatistica con soluzioni 1. Date le funzioni f 1 (x) = x/4 1, f 2 (x) = 3 x, f 3 (x) = x 4 2x, scrivere a parole le operazioni che, dato x in modo opportuno, permettono di calcolare
DettagliAnno 4 Matrice inversa
Anno 4 Matrice inversa 1 Introduzione In questa lezione parleremo della matrice inversa di una matrice quadrata: definizione metodo per individuarla Al termine della lezione sarai in grado di: descrivere
DettagliCenno al trattamento delle immagini digitali. Cartografia numerica e GIS Domenico Sguerso
Cenno al trattamento delle immagini digitali Cartografia numerica e GIS Domenico Sguerso Digital Image Processing: Preprocessing (Memorizzazione) analysis Trattamento dell immagine: - ricampionamento necessario
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
DettagliAppunti di matematica per le Scienze Sociali Parte 1
Appunti di matematica per le Scienze Sociali Parte 1 1 Equazioni 1.1 Definizioni preliminari 1.1.1 Monomi Si definisce monomio ogni prodotto indicato di fattori qualsiasi, cioè uguali o diseguali, numerici
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliPulse Amplitude Modulation (PAM) 2 Scelta delle risposte impulsive dei filtri in trasmissione e ricezione
Pulse Amplitude Modulation (PAM 1 Definizione La trasmissione di una sequenza di numeri {a k } mediante un onda PAM consiste nel generare, a partire dalla sequenza {a k } il segnale a tempo continuo u(t
DettagliEquazioni di 2 grado
Equazioni di grado Tipi di equazioni: Un equazione (ad una incognita) è di grado se può essere scritta nella forma generale (o forma tipica o ancora forma canonica): a b c con a, b e c numeri reali (però
DettagliScheda n.3: densità gaussiana e Beta
Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)
DettagliAltre trasformazioni elementari
Altre trasformazioni elementari Si possono definire altri tipi di trasformazioni elementari Analogamente alle trasformazioni di Gauss, esse danno luogo a fattorizzazioni Trasformazione elementari di Givens
Dettaglix1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3
Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando
DettagliLuigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 8. Reti di Petri: rappresentazione algebrica Luigi Piroddi piroddi@elet.polimi.it Rappresentazione matriciale o algebrica E possibile analizzare
DettagliReti nel dominio delle frequenze. Lezione 10 2
Lezione 10 1 Reti nel dominio delle frequenze Lezione 10 2 Introduzione Lezione 10 3 Cosa c è nell Unità 3 In questa sezione si affronteranno Introduzione all Unità Trasformate di Laplace Reti nel dominio
Dettagli01CXGBN Trasmissione numerica. parte 6: calcolo delle probabilità I
01CXGBN Trasmissione numerica parte 6: calcolo delle probabilità I 1 Probabilità di errore BER e SER Per rappresentare la bontà di un sistema di trasmissione numerica in termini di probabilità di errore
DettagliTEORIA DEI SISTEMI SISTEMI LINEARI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI SISTEMI LINEARI Ing. Cristian Secchi Tel.
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti
DettagliElaborazione nel dominio delle frequenze. Elaborazione delle immagini digitali 1
Elaborazione nel dominio delle frequenze Elaborazione delle immagini digitali 1 Serie di Fourier Elaborazione delle immagini digitali 2 Introduzione alla trasformata di Fourier Una funzione periodica può
DettagliLezione 6 Richiami di Geometria Analitica
1 Piano cartesiano Lezione 6 Richiami di Geometria Analitica Consideriamo nel piano due rette perpendicolari che si intersecano in un punto O Consideriamo ciascuna di queste rette come retta orientata
DettagliDef. 1. Si chiamano operazioni elementari sulle righe di A le tre seguenti operazioni:
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 5 Operazioni elementari sulle righe di una matrice Sia A una matrice m n. Def. 1. Si chiamano operazioni elementari sulle righe
DettagliFunzioni Pari e Dispari
Una funzione f : R R si dice Funzioni Pari e Dispari PARI: se f( ) = f() R In questo caso il grafico della funzione è simmetrico rispetto all asse DISPARI: se f( ) = f() R In questo caso il grafico della
DettagliTelerilevamento e Modellistica Forestale
Telerilevamento e Modellistica Forestale Lezione 6 Esplorazione, enfatizzazioni e filtri Dario Papale Contributi: Vern Vanderbilt, TA- Quinn Hart, CCRS Cosa è l enfatizzazione delle immagini L enfatizzazione
DettagliEsercitazione di Analisi Matematica II
Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare
DettagliIl moto armonico. Comincio a studiare il moto di quando il corpo passa per il punto in figura 2 :
Il moto armonico 1. Definizione di moto armonico Un punto P si muove di moto circolare uniforme lungo la circonferenza Γ in figura, con velocità angolare. Considero uno dei diametri della circonferenza
DettagliUNITÀ DIDATTICA 2 LE FUNZIONI
UNITÀ DIDATTICA LE FUNZIONI. Le funzioni Definizione. Siano A e B due sottoinsiemi non vuoti di R. Si chiama funzione di A in B una qualsiasi legge che fa corrispondere a ogni elemento A uno ed un solo
DettagliRisoluzioni di alcuni esercizi
Risoluzioni di alcuni esercizi Reti topografiche, trasformazioni di coordinate piane In una poligonale piana il punto è nell origine delle coordinate, l angolo (in verso orario fra il semiasse positivo
DettagliESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE 1 Funzioni libere I punti stazionari di una funzione libera di più variabili si ottengono risolvendo il sistema di equazioni
Dettagli