Introduzione a Matlab
|
|
- Tito Franco
- 5 anni fa
- Visualizzazioni
Transcript
1 Introduzione a Matlab Operazioni di Base & Compilare con mcc A cura di: Daniel Riccio /04/2013 Estrazione dei Contorni 1
2 Compilare codice Matlab Matlab è un framework che mette a disposizione un interprete di comandi, per cui il codice matlab è interpretato. Matlab fornisce una funzione di compilazione mcc per tradurre il codice matlab in codice macchina (linguaggio compilato) 30/04/2013 2
3 Sintassi del comando mcc La sintassi del comando è: mcc [-options] mfile1 [mfile2... mfilen] [C/C++file1... C/C++fileN] 30/04/2013 3
4 Opzioni disponibili Opzione -c -e -I<folder> -m -d -o -T link: -v -B sgl Descrizione Genera il codice C e crea il corrispondente file object.o Evita che venga visualizzata la finestra MSDOS Aggiunge il percorso folder a quelli in cui mbuild i file da includere.h Macro equivalente all opzione "-W main -T link:exe" Crea tutti i file di output nella directory specificata. Crea un eseguibile con nome filename. Specifica il formato del file di output: exe, lib, Modalità verbose. Stampa tutte le informazioni relative al processo di compilazione. Include nella compilazione le funzioni per l image processing. 30/04/2013 4
5 Un esempio di compilazione >> mcc m DisegnaLinea.m o DisegnaLinea B sgl 30/04/2013 5
6 Introduzione a Matlab Iris Normalization A cura di: Daniel Riccio /04/2013 6
7 Metodo di Daugman L iride è localizzata usando il seguente operatore: dove I(x,y) è l immagine dell occhio, Gσ è una funzione di smoothing gaussiana con centro r 0 e deviazione standard σ, il simbolo * indica la convoluzione, ds è un elemento di arco circolare e la divisione per 2πr serve per normalizzare l integrale. 30/04/2013 7
8 Metodo di Daugman (2) L operatore cerca un percorso circolare in cui sia massimizzata la variazione del valore dei pixel, variando il raggio r e il centro (x 0, y 0 ) del contorno circolare. L operatore è essenzialmente un edge detector circolare che presenta un picco quando un cerchio candidato ha lo stesso centro e raggio dell iride. L operatore è usato sia per trovare il contorno della pupilla sia per rilevare il bordo esterno dell iride. 30/04/2013 8
9 Metodo di Daugman (3) Un simile procedimento viene utilizzato per individuare ed eliminare le occlusioni delle palpebre. In questo caso però il percorso di integrazione è ad arco (es. una spline), non circolare. 30/04/2013 9
10 Localizzazione (ISIS) ISIS (Iris Segmentation for Identification Systems) si articola in diverse fasi: Pre-elaborazione dell immagine; Localizzazione della pupilla; Localizzazione della limbo; Misura della precisione. 30/04/
11 ISIS: Pre-elaborazione Pre-elaborazione dell immagine: il filtro enhance applica una trasformazione non reversibile all immagine di partenza che ha come effetto l eliminazione di informazioni dall immagine che potrebbero influire negativamente, in termini di prestazioni e di qualità del risultato, sulla localizzazione dell iride. Le informazioni da eliminare sono i dettagli non utili al fine della localizzazione quali pigmentazione della pelle, rughe e ciglia. 30/04/
12 Posterization 30/04/2013 Estrazione dei Contorni 12
13 ISIS: Localizzazione della pupilla Localizzazione della pupilla, che si divide in tre fasi. Ricerca dei contorni: si utilizza il filtro di Canny con isteresi Approssimazione dei contorni con dei cerchi: si usa l algoritmo di Newton-Taubin per approssimare tutti i contorni trovati con dei cerchi Ricerca della pupilla tra i cerchi trovati: a tutti i cerchi trovati nella fase precedente associa un indicatore sulla base dell omogeneità e della isolabilità. 30/04/
14 Omogeneità 30/04/2013 Estrazione dei Contorni 14
15 Separabilità 30/04/2013 Estrazione dei Contorni 15
16 ISIS: Localizzazione della limbo Localizzazione della limbo, che si divide in due fasi: Conversione del sistema di riferimento: l immagine di partenza è in un sistema di riferimento cartesiano e viene convertita in un sistema di riferimento polare. Massimo del gradiente: il contorno del limbo viene trovato calcolando per ogni angolazione campionata la distanza dal centro cui corrisponde il massimo gradiente positivo (perché ci si aspetta che l iride sia più scuro della sclera) 30/04/
17 ISIS: Misura della precisione Misura della precisione della localizzazione che si basa sull omogeneità, l isolabilità di limbo e pupilla, nonché sulla distribuzione gaussiana dei toni di grigio nell iride. ϕ = α S P + β S I + γ G dist Dove α,β e γ sono tre pesi con valore in [0 1], S P rappresenta la precisione della pupilla, S I la precisione del limbo e G dist la distribuzione Gaussiana dei toni di grigio 30/04/
18 Iris normalization Introduzione Una delle prime fasi di qualunque sistema di identificazione basato sull'iride è sicuramente rappresentata dalla localizzazione e dalla segmentazione di quest'ultimo. Nella competition NICE II si fornisce a priori una mask image di segmentazione precalcolata mediante l'algoritmo proposto in [1]. [1] Tieniu Tan, Zhaofeng Hea and Zhenan Sun, Segmentation of Visible Wavelength Iris Images Captured At-a-distance and On-the-move, Image and Vision Computing, vol. 28, no. 2, pp , /04/
19 Iris normalization Introduzione Innanzitutto, è necessario approssimare l'iris ed il pupil boundary con dei cerchi (centro e raggio) con la massima accuratezza possibile, così da permettere il passaggio dallo spazio cartesiano dell'immagine allo spazio polare della regione dell'iride. (a) (b) (c) L'ellipse fitting è troppo sensibile alle discontinuità. Le curve che scaturiscono dall'approssimazione del contorno tendono a deformarsi completamente pur di aderire in maniera precisa alla porzione di boundary disponibile. 30/04/
20 Iris normalization Iris Location Il processo di segmentazione inizia con l'individuare prima il contorno della pupilla, per poi procedere con la separazione della pupilla. La mask image viene scandita riga per riga dall'alto verso il basso. Ciascuna riga viene scandita dalla prima all'ultima colonna, marcando il primo e l'ultimo pixel nero. I pixel così marcati rappresentano la frontiera dell'iride. Ai punti di frontiera viene applicato l'algoritmo proposto da Taubin in [2]. [2] Gabriel Taubin, Estimation of Planar Curves, Surfaces, and Nonplanar Space Curves Defined by Implicit Equations with Applications to Edge and Range Image Segmentation, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 13, no. 11, pp , /04/
21 Iris normalization Pupil Location Una volta noti il centro ed il raggio del cerchio che rappresenta l'iride, si considera un cerchio concentrico ad esso interno e con raggio pari ad 1/5 del raggio dell'iride. Tutti i pixel esterni a tale cerchio vengono cancellati, ed il procedimento di circle fitting viene ripetuto su questa nuova immagine per determinare il centro ed il raggio del cerchio approssimante la pupilla. 30/04/
22 Iris normalization Polarization Calcolati i punti corrispondenti sulla pupilla e sull iride vengono prelevati i pixel del segmento che li unisce e distribuiti verticalmente nel rettangolo nella posizione dell angolo trattato. 30/04/
Introduzione a Matlab
Introduzione a Matlab Skin Detection & Iris Normalization Fondamenti di Visione Artificiale a.a. 2015/2016 12/05/16 Estrazione dei Contorni 1 Skin Detection - Introduzione Il processo di skin detection
ELABORAZIONE 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
Elaborazione delle immagini a basso livello
Sommario Introduzione Percezione Formazione delle immagini Estrazione di informazione 3D da un immagine Riconoscimento di oggetti Manipolazione e navigazione Conclusioni 128 La luce riflessa dagli oggetti
Progetto di Computer Vision: Plugin per imagej: Harry Corners Detection. Corso di laurea specialistica in Informatica.
Messina Mariagrazia Progetto di Computer Vision: Plugin per imagej: Harry Corners Detection Corso di laurea specialistica in Informatica. A.A. 2006-2007 Introduzione Il progetto realizzato consiste nell
Image 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
Estrazione dei bordi
Estrazione dei bordi L algoritmo di Marr-Hildreth L algoritmo di Canny Operatori per l estrazione dei bordi (edge operators) Lo scopo di questi operatori è quello di generare un immagine dei bordi (edge
Introduzione a Matlab
Introduzione a Matlab Operazioni di Base & Edge Detection Fondamenti di Visione Artificiale a.a. 25/26 2/5/6 Estrazione dei Contorni Lezione V: indice Filtri e Kernel Line Detection Edge Detection Edge
Corso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco. Segmentazione. A cura di Andrea Tambone
Corso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco Segmentazione A cura di Andrea Tambone Introduzione Lo scopo della segmentazione è suddividere un immagine in regioni contenenti pixel
Processamento delle immagini
Processamento delle immagini Docente: Domenico Daniele Bloisi Novembre 2017 Esercizio 1 Utilizzare il linguaggio di programmazione Python e la libreria OpenCV per visualizzare sullo schermo il logo ASL
Approssimazione di dati
Approssimazione di dati Lucia Gastaldi DICATAM - Sez. di Matematica, http://dm.ing.unibs.it/gastaldi/ Indice 1 Approssimaz. di dati Approssimazione di dati 2 Minimi quadrati lineari Regressione lineare
Image Processing 2. Dispense del corso di Elaborazione di Immagini e Audio Digitali. Prof. Roberto Vezzani.
http://imagelab.ing.unimo.it Dispense del corso di Elaborazione di Immagini e Audio Digitali Image Processing 2 Prof. Roberto Vezzani Relazioni tra pixel Esistono delle relazioni di base tra pixel in un
INTRODUZIONE ALLA PROGRAMMAZIONE
INTRODUZIONE ALLA PROGRAMMAZIONE Prof. Enrico Terrone A. S: 2008/09 Definizioni Programmare significa risolvere problemi col computer, cioè far risolvere problemi al computer attraverso un insieme di informazioni
Approssimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
Elaborazione delle immagini
Dipartimento di Fisica a.a. 4/5 Fisica Medica Elaborazione delle immagini 5/4/5 Processamento Una mappatura di tipo esponenziale mostra un immagine del tipo Intensità d uscita Intensità in entrata L =
Approssimazione di dati
Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 2 Regressione lineare : caso generale Legge di Ohm La legge di Ohm afferma che la differenza di potenziale V ai capi
Automatic and Accurate Extraction of Road Intersections from Raster Maps
Automatic and Accurate Extraction of Road Intersections from Raster Maps Studente Francesco Vitagliani Introduzione L uso delle mappe è noto da tempi antichi. Oggi grazie alla diffusione di mappe raster,
Introduzione al linguaggio C Primi programmi
Introduzione al linguaggio C Primi programmi Violetta Lonati Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica
Metodi di Analisi dei Dati Sperimentali. AA 2009/2010 Pier Luca Maffettone. Elementi di Matlab
Metodi di Analisi dei Dati Sperimentali AA /2010 Pier Luca Maffettone Elementi di Matlab Sommario Introduzione Variabili Manipolazione di elementi Creazione di vettori/matrici Operazioni elementari Funzioni
Operatori locali. Operatori locali. Q=f(P,w)
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) Operatori
Allineamento di immagini stellari (metodi automatici)
Allineamento di immagini stellari (metodi automatici) I comandi REGISTER sono usati per allineare un set di immagini. Molte opzioni vengono offerte per effettuare la registrazione. Tutti sono compatibili
Due algoritmi per l'elaborazione morfologica delle chiome cometarie
Martino Nicolini CARA Project (Cometary Archive for Amateur Astronomer) Osservatorio Astronomico di Cavezzo (MPC 107) Italy Due algoritmi per l'elaborazione morfologica delle chiome cometarie 2015- Rev.
CAPITOLO 3 LA LEGGE DI GAUSS
CAPITOLO 3 LA LEGGE DI GAUSS Elisabetta Bissaldi (Politecnico di Bari) - A.A. 2017-2018 2 Premesse TEOREMA DI GAUSS Formulazione equivalente alla legge di Coulomb Trae vantaggio dalle situazioni nelle
Il programma è distribuito tramite il file compresso TRASFO.zip contenente i file di programma strutturati in 4 cartelle:
TRASFO V 1.0 Stefano Caldera stefano@geomatica.como.polimi.it M. Grazia Visconti grazia@geomatica.como.polimi.it Il programma è distribuito tramite il file compresso TRASFO.zip contenente i file di programma
La scrittura di un programma Modellizzazione del programma Scrittura del codice Esercizi. Sperimentazioni I. Alberto Garfagnini, Marco Mazzocco
Sperimentazioni I Alberto Garfagnini, Marco Mazzocco Università degli studi di Padova 10 Novembre 2011 La scrittura di un programma Modellizzazione programma Flowcharts Pseudocode Scrittura del codice
Immagini digitali. Annalisa Franco
Immagini digitali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Formazione dell immagine Immagine tratta dal testo Digital Image Processing (Gonzalez, Woods). Immagini Un immagine
La scrittura di un programma Modellizzazione del programma Scrittura del codice Esercizi. Sperimentazioni I. Alberto Garfagnini, Marco Mazzocco
Sperimentazioni I Alberto Garfagnini, Marco Mazzocco Università degli studi di Padova 30 Ottobre 2013 La scrittura di un programma Modellizzazione programma Flowcharts Pseudocode Scrittura del codice Esercizi
Keypoint e descrittori locali. Annalisa Franco
1 Keypoint e descrittori locali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ Image point matching 2 Esempi 3 Cosa serve per allineare immagini? 4 5 Soluzione con feature locali
Impronte digitali. Passi per l estrazione di feature. Feature extraction. Annalisa Franco Dario Maio
Impronte digitali Feature extraction Annalisa Franco annalisa.franco@unibo.it Dario Maio dario.maio@unibo.it Passi per l estrazione di feature Fingerprint image Directional map Fingerprint shape Singularities
Image segmentation. Image segmentation
Image segmentation Image segmentation Un processo di segmentaione suddivide una immagine nelle regioni o oggetti che la compongono. E generalmente il primo step dell analisi di una immagine a segmentaione
Cenno 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
Problema: dati i voti di tutti gli studenti di una classe determinare il voto medio della classe.
Problema: dati i voti di tutti gli studenti di una classe determinare il voto medio della classe. 1) Comprendere il problema 2) Stabilire quali sono le azioni da eseguire per risolverlo 3) Stabilire la
Elaborazione di immagini. I filtri Digital Image Processing
Elaborazione di immagini I filtri Digital Image Processing Tre livelli di image processing Basso livello Filtro di smoothing Tre livelli di image processing Medio livello Contrast saliency region detection,
BREVISSIMA GUIDA AL SISTEMA UNIX / LINUX
BREVISSIMA GUIDA AL SISTEMA UNIX / LINUX 1. DEFINIZIONI sistema operativo (SO): Software che gestisce le risorse del computer (filesystem e periferiche) filesystem: Insieme dei supporti di memorizzazione.
Keypoint 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
Complementi di Matematica e Calcolo Numerico A.A Laboratorio 4-23/3/2015
Complementi di Matematica e Calcolo Numerico A.A. 2014-2015 Laboratorio 4-23/3/2015 Equazioni non lineari (fzero) Sia f : R R una funzione che ammette una radice α, ovvero t.c. f(α) = 0. Possiamo utilizzare
AL DI LA DELLE IMMAGINI
AL DI LA DELLE IMMAGINI Lucia Della Croce Giulia Maggi Ada Pulvirenti - Giuseppe Toscani Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Broni - I. I. S. Faravelli 7 Dicembre 2010
Unità Didattica 1 Linguaggio C. Fondamenti. Struttura di un programma.
Unità Didattica 1 Linguaggio C Fondamenti. Struttura di un programma. 1 La storia del Linguaggio C UNIX (1969) - DEC PDP-7 Assembly Language BCPL - un OS facilmente accessibile che fornisce potenti strumenti
Corso di Visione Artificiale. Filtri III parte. Samuel Rota Bulò
Corso di Visione Artificiale Filtri III parte Samuel Rota Bulò Filtri morfologici I filtri morfologici trattano le immagini come insiemi di punti (x,y). Un'immagine è quindi vista come un insieme Un filtro
Corso 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
Corso di Laurea Ingegneria Informatica Laboratorio di Informatica
Corso di Laurea Ingegneria Informatica Laboratorio di Informatica Capitolo 4 Traduzione ed esecuzione di programmi Ottobre 2006 Traduzione ed esecuzione di programmi 1 Nota bene Alcune parti del presente
Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it
Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Estrazione dei bordi Calcolo del gradiente Operatori di Roberts Operatori
Video Analysis (cenni) Annalisa Franco
1 Video Analysis (cenni) Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Visual motion Un video è una sequenza di frame catturati nel corso del tempo Il valori dell immagine sono
MODULO 5 - USO DELLE BASI DI DATI 2 FINALITÁ
PATENTE EUROPEA DEL COMPUTER 5.0 MODULO 5 Database (Microsoft Access 2007) Parte 3 A cura di Mimmo Corrado Gennaio 2012 MODULO 5 - USO DELLE BASI DI DATI 2 FINALITÁ Il Modulo 5, richiede che il candidato
Titolo presentazione
Titolo presentazione Programmazione C: Esercizi su stringhe, funzionisottotitolo di libreria e matrici Milano, XX mese 20XX Informatica ed Elementi di Informatica Medica Agenda Argomenti e valore di ritorno
Segmentazione basata su colore. Annalisa Franco
Segmentazione basata su colore Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 La segmentazione Scopo di questa esercitazione è l implementazione di tecniche di segmentazione basate
Segmentazione mediante ricerca di forme. Paola Campadelli
Segmentazione mediante ricerca di forme Paola Campadelli Segmentazione mediante ricerca di forme Template deformabili (Yuille et al. 92) Contorni deformabili (Kaas et al. 87) GVF Snakes (Xu et al. 98)
Dato un vettore di lunghezza N, questo può essere pensato come un elemento di uno spazio N dimensionale.
Base canonica Dato un vettore di lunghezza N, questo può essere pensato come un elemento di uno spazio N dimensionale. 234 204 34 16 44 134 12 11 56 Quindi possiamo scomporlo usando la base canonica di
Introduzione al Linguaggio C Corso di Informatica Laurea in Fisica
Introduzione al Linguaggio C Corso di Informatica Laurea in Fisica prof. ing. Corrado Santoro A.A. 2009-10 Dai flow-chart ai linguaggi... Abbiamo imparato ad usare uno strumento formale i flowchart per
Complementi di Matematica A.A Laboratorio 10
Complementi di Matematica A.A. 2016-2017 Laboratorio 10 Equazioni non lineari (fzero) Sia f : R R una funzione che ammette una radice α, ovvero t.c. f(α) = 0. Possiamo utilizzare la funzione predefinita
Telerilevamento 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
Complementi di Matematica e Calcolo Numerico A.A Laboratorio 3-24/3/2014
Complementi di Matematica e Calcolo Numerico A.A. 2012-2013 Laboratorio 3-24/3/2014 Equazioni non lineari (fzero) Sia f : R R una funzione che ammette una radice α, ovvero t.c. f(α) = 0. Possiamo utilizzare
Fasi dell analisi di dati da microarray (2)
Fasi dell analisi di dati da microarray (). Image Processing: le immagini sono analizzate per determinare una misura dell intensità di ogni spot, insieme ad una valutazione della sua affidabilità. Data
Elaborazione delle immagini
Scuola di Specializzazione in Fisica Sanitaria a.a. 2005/2006 Corso di Informatica e Statistica Medica Elaborazione delle immagini 1/3/2006 Filtri non lineari Tra i filtri non lineari il più conosciuto
Corso 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
Excel: guida alle operazioni di base per la risoluzione dell esercizio 13
Excel: guida alle operazioni di base per la risoluzione dell esercizio 13 1) Inserire i dati nel foglio excel 2) Per aggiungere le colonne utili alla risoluzione del problema cliccare sulla cella desiderata
Linguaggi di Programmazione
Linguaggi di Programmazione 1 Linguaggio naturale e linguaggio macchina La comunicazione uomo-macchina avviene attraverso formalismi che assumono la forma di un linguaggio. Caratteristiche del Linguaggio
CENNI DI TRIGONOMETRIA E CENNI SUI NUMERI COMPLESSI PER L ELETTROTECNICA
CENNI DI TRIGONOMETRIA E CENNI SUI NUMERI COMPLESSI PER L ELETTROTECNICA (per classi elettrotecnica e automazione) Autore Nunzio Siciliano rev. Nov.2014 Quest'opera è distribuita con Licenza Creative Commons
Laboratorio di Programmazione 1. Docente: dr. Damiano Macedonio Lezione 4 24/10/2013
Laboratorio di Programmazione 1 1 Docente: dr. Damiano Macedonio Lezione 4 24/10/2013 Original work Copyright Sara Migliorini, University of Verona Modifications Copyright Damiano Macedonio, University
Sistemi Informativi Territoriali. Area di rispetto
Paolo Mogorovich Sistemi Informativi Territoriali Appunti dalle lezioni Area di rispetto Cod.721 - Vers.E4R 1 Area di rispetto - Definizione 2 Area di rispetto - Costruzione 3 Geometria dell'area di rispetto
TECNICHE DI GESTIONE,CONDUZIONE DI MACCHINE ED IMPIANTI
TECNICHE DI GESTIONE,CONDUZIONE DI MACCHINE ED IMPIANTI APPUNTI -CLASSI QUARTE Gli appunti sono da integrare con gli argomenti e/o esercizi svolti nelle lezioni. MODULO 1- RICHIAMI DI GEOMETRIA FIGURE
Analisi Numerica Corso di Laurea in Ingegneria Elettrotecnica
Analisi Numerica Corso di Laurea in Ingegneria Elettrotecnica (A.A. 2016-2017) Prof.ssa Silvia Tozza Integrazione numerica 6 Dicembre 2016 Silvia Tozza Email: tozza@mat.uniroma1.it Ricevimento: Su appuntamento
Elementi di Base. Introduzione a Python.
Elementi di Base Introduzione a Python http://www.dia.uniroma3.it/~roselli/ roselli@dia.uniroma3.it Credits Materiale a cura del Prof. Franco Milicchio Panoramica Elementi di base della sintassi (struttura,
Rappresentazione generale del problema e fasi di progettazione
D-003-2015-10-18 MATERIA DATA OGGETTO Informatica 18/10/2015 Progettazione degli algoritmi: strategia top-down Rappresentazione generale del problema e fasi di progettazione In generale, la risoluzione
inferiore ai 180, ha area uguale al quadrato della corda AD che sottende un arco uguale alla somma dell arco AC e dell arco 180
L approssimazione di π secondo al-kashi Al-Kashi calcola il π in modo tale che soddisfi una condizione, detta Condizione di Al-Kashi : La circonferenza di un cerchio deve essere espressa in funzione del
GLRT SIMPLE DETECTOR Manuale per un utilizzo immediato
ARCADIA PROJECT -PRIN 2007 - MIUR Unità di ricerca: Università di Perugia GLRT SIMPLE DETECTOR Manuale per un utilizzo immediato A cura di: Ing. Emilia Nunzi emilia.nunzi@diei.unipg.it Ing. Giorgio Saltanocchi
Compressione lossless di immagini composite
Compressione lossless di immagini composite Corso di Compressione Dati Sistemi Multimediali Compressi Compression Team Prof. Bruno Carpentieri A.A. 2007/2008 Overview Introduzione Analisi del problema
Complementi di Matematica e Calcolo Numerico A.A Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie
Complementi di Matematica e Calcolo Numerico A.A. 2010-2011 Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie Cosideriamo il seguente Problema di Cauchy: Trovare una funzione y : I
IDE DevC
IDE DevC++ 4.9.8.1.0 Manuale utente Data ultima revisione: 22/01/2005 Fondamenti di informatica Università Facoltà Corso di laurea Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria
6 - Edita Lista
6 - Edita Il menu a tendina Edita prevede comandi di edit e completamento del disegno. Nella figura che segue è visualizzato il menu con l elenco dell opzioni. I comandi contenuti in questo menu non hanno
La circonferenza e il cerchio
La circonferenza e il cerchio Def.: Si dice circonferenza una linea piana chiusa formata dall insieme dei punti che hanno la stessa distanza da un punto detto centro. Si dice raggio di una circonferenza
Corso di Automazione industriale
Corso di Automazione industriale Lezione 10 Macchine utensili e controllo numerico Introduzione Università degli Studi di Bergamo, Automazione Industriale, A.A. 2016/2017, A. L. Cologni 1 Introduzione
Primi programmi in C
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica In breve Uso del compilatore gcc Struttura di un programma
Una caratteristica biometrica
di Giacomo Spigoli Una caratteristica biometrica è strettamente legata all'individuo, non può essere persa, dimenticata, duplicata o comunque compromessa come può succedere con PIN, smartcard e password.
Fondamenti di Elaborazione di Immagini Introduzione. Raffaele Cappelli.
Fondamenti di Elaborazione di Immagini Introduzione Raffaele Cappelli raffaele.cappelli@unibo.it Obiettivi del corso Il corso introduce i principali concetti e le tecniche di base per l elaborazione delle
la traduzione dei programmi ed introduzione a Java
la traduzione dei programmi ed introduzione a Java programmi descrizioni di algoritmi effettuate tramite linguaggi di programmazione lo stesso algoritmo, fissato un linguaggio di programmazione, può essere
Linguistica Computazionale: esercitazioni
Esercitazione 1 Felice Dell'Orletta ItaliaNLP Lab (www.italianlp.it) presso Istituto di Linguistica Computazionale A. Zampolli CNR felice.dellorletta@ilc.cnr.it 24 settembre 2014 Linguistica Computazionale:
Il Software programmabili programma algoritmo
Il Software La proprietà fondamentale dei calcolatori e` quella di essere programmabili cioè in grado di svolgere compiti diversi a seconda delle istruzioni fornite dall utente mediante un programma, ossia
Edge e Segmentazione
Edge e Segmentazione Stefano Ferrari Università degli Studi di Milano stefanoferrari@unimiit Tecniche di calcolo e sistemi operativi e informatica anno accademico 2017 2018 Segmentazione di immagini Molte
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calibrazione intrinseca Spesso risulta utile calibrare la sola componente intrinseca di un sistema di visione (matrice K), e non si dispone di oggetti di forma
Informatica Problema Algoritmo Programma
Informatica Problema Algoritmo Programma 2^ PARTE I linguaggi di programmazione I linguaggi di programmazione si possono suddividere fondamentalmente in tre categorie: 1. Linguaggio Macchina 2. Linguaggio
Anno accademico
RICHIAMI PER IL CORSO DI ANALISI NUMERICA PROF R MORANDI Anno accademico 28 29 1 RICHIAMI: PRECISIONE FINITA (USO DEL CALCOLATORE) IN UN CALCOLATORE UNA QUALUNQUE INFORMAZIONE VIENE RAPPRESENTA- TA COME
Cos è un algoritmo. Si dice algoritmo la descrizione di un metodo di soluzione di un problema che sia
Programmazione Un programma descrive al computer, in estremo dettaglio, la sequenza di passi necessari a svolgere un particolare compito L attività di progettare e realizzare un programma è detta programmazione
"Utilizzo della marchiatura elettronica nel sistema NILDE per la protezione del copyright" Bolzano 22 Maggio 2008
"Utilizzo della marchiatura elettronica nel sistema NILDE per la protezione del copyright" Bolzano 22 Maggio 2008 Ludovico Ciacci - Mauro Barni Silvana Mangiaracina Cosimo Alfarano Progetto Watermark in
Nozioni Base di Linux
Nozioni Base di Linux Shahram Rahatlou http://www.roma1.infn.it/people/rahatlou/labcalc/ Laboratorio di Calcolo Lezione 2 Hardware Sistema Operativo Software Routine e programmi di base per interagire
SEGMENTAZIONE DI IMMAGINI. Elaborazione dei Segnali Multimediali Raffaele Gaetano 06 Maggio 2014
SEGMENTAZIONE DI IMMAGINI Elaborazione dei Segnali Multimediali Raffaele Gaetano 06 Maggio 2014 DEFINIZIONE La segmentazione è un processo di basso livello utile a molte applicazioni basate sull elaborazione
1/55. Statistica descrittiva
1/55 Statistica descrittiva Organizzare e rappresentare i dati I dati vanno raccolti, analizzati ed elaborati con le tecniche appropriate (organizzazione dei dati). I dati vanno poi interpretati e valutati
Esercitazione N.1 per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Filtro notch e canna d organo
Esercitazione N.1 per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Filtro notch e canna d organo 5 ottobre 2006 1 Scopo dell esercitazione Quest esercitazione è divisa in due parti: simulazione di un tubo
MS Visual Studio: Linea di Comando
MS Visual Studio: Linea di Comando Aprire una shell di DOS tramite: Start MS VisualStudio 2010 Visual Studio Tools è una normale shell di DOS con aggiunte al path ed alle variabili d ambiente Digitare