Conversione dallo spazio colore del dispositivo allo spazio srgb

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Conversione dallo spazio colore del dispositivo allo spazio srgb"

Transcript

1 Conversione dallo spazio colore del dispositivo allo spazio srgb Imagg Digitale, aa Simone Bianco

2 Lo scopo dell esercizio è convertire un immage dal formato RAW di uno scanner nello spazio colore srgb Vi viene fornita un immage RAW di una scena all terno della quale è presente un target colorato composto da 24 patch. Del target vi vengono fornite le riflettanze di tutte le patch di cui è composto Vi vengono forniti oltre la distribuzione spettrale di potenza dell illumante sotto cui si vuole rendere la scena (D65) e le curve di color matchg (XYZ) 2

3 Step 1: estrazione dei valori RGB (nello spazio RAW) delle patch del target colorato Il primo passo è andare ad estrarre (manualmente o automaticamente) i valori medi di ognuna delle 24 patch. Le riflettanze sono fornite ordate per righe, qudi bisogna estrarre nello stesso orde i valori delle patch

4 Prima di estrarre i valori medi di ogni patch colorata è consigliato convertire l immage a valori double nell tervallo [0,1] (eventualmente assicurandosi oltre che il mimo e il massimo cocidano rispettivamente con 0 e 1) 4

5 Step 2: Calcolo dei valori di riferimento del target Come già detto, del target vi vengono fornite le riflettanze. Grazie ai valori tabulati dell illumante sotto cui vogliamo rendere la scena (D65) e le curve di color matchg è possibile ottenerne le coordate nello spazio colore XYZ. Da questo spazio è possibile spostarsi con delle trasformazioni standardizzate praticamente tutti gli altri spazi colore. Selezionatene uno comodo per le operazioni successive (si veda particolare lo step 3) 5

6 Step 2: Learizzazione RAW to srgb Sfruttare l formazione che l ultima riga del target è composta da solamente patch neutre per effettuare la learizzazione dei dati acquisiti dal dispositivo E fatti possibile che il dispositivo applichi nativamente una correzione gamma, oppure che la risposta del sensore sia non-leare Stimare la correzione gamma (è possibile farlo solamente per il canale G vs Y) Applicare la trasformazione ottenuta al target 6

7 Step 3: Calcolo della matrice di conversione tra valori estratti e valori obiettivo Detti RGB i valori estratti e RGBout i valori obiettivo, dobbiamo trovare la trasformazione M che meglio approssima la relazione RGBout=RGB*M Dato che RGB=[RG B], la matrice M sarà di dimensione 3x3 Per calcolare la migliore matrice nel senso dei mimi quadrati, esiste il comando Matlab pv per il calcolo della pseudoversa. (guardare la documentazione per capirne l utilizzo). 7

8 Esplicitamente, quello che viene calcolato è: RGB out ( RGB (( RGB ) = T ) T RGB RGB RGB M out = ( RGB ) 1 ( RGB ) T ) RGB T RGB M out = M Consiglio sullo spazio dove calcolare le coordate RGBout: La scelta più semplice è calcolarle nello spazio XYZ, qudi la vostra matrice M vi farà ottenere un immage nello spazio colore XYZ. Da qui dovrete poi spostarvi srgb (fortunatamente la trasformazione è standardizzata) Una scelta alternativa è calcolarle direttamente nello spazio srgb o nella sua variante learizzata (viene fornita la funzione srgb2lrgb). Per fare questo i valori teorici delle riflettanze del target vanno prima convertite questo spazio. 8

9 Step 5: Valutazione della qualità del risultato ottenuto Convertire i valori teorici e i valori estratti e trasformati con le trasformazioni ricavate nello spazio colore CIELab e qui calcolarne l errore percepito con la metrica E94 9

10 AGGIUNTA: Una volta completato l tero esercizio, è possibile provare trasformazioni di conversione RAW to srgb più complesse. Nello step 3, abbiamo fatti assunto che la trasformazione tra questi spazi colore sia leare, fatti abbiamo posto RGB=[RG B] È anche possibile utilizzare trasformazioni polomiali, semplicemente espandendo polomialmente i valori estratti, ad es. si supponga di voler utilizzare un polomio di grado 2, allora avremmo: RGB=[RG B R 2 G 2 B 2 1R*GR*BG*B] 10

5.7 Esercizi (V Settimana)

5.7 Esercizi (V Settimana) 5.7 Esercizi (V Settimana) 7 5.7 Esercizi (V Settimana) 5.7. Sia data f :(R 3 ) (R 3 ) da f(a,b,c) =(a + b, b, a + b + c). Si scriva la f sotto forma del prodotto di un vettore riga per una matrice A;.

Dettagli

determinante della sottomatrice ottenuta da A cancellando la i-esima riga e la j-esima colonna

determinante della sottomatrice ottenuta da A cancellando la i-esima riga e la j-esima colonna Data una matrice quadrata A di ordine n si definisce minore complementare m ij dell elemento generico a ij della matrice A il determinante della sottomatrice ottenuta da A cancellando la i-esima riga e

Dettagli

Analisi del Segnale per le Telecomunicazioni Seconda esercitazione di laboratorio

Analisi del Segnale per le Telecomunicazioni Seconda esercitazione di laboratorio Analisi del Segnale per le Telecomunicazioni Seconda esercitazione di laboratorio 24 aprile 2009 Indice 1 Descrizione breve 1 2 Compito dello studente 2 2.1 Interfaccia dicomprimi edecomprimi..............

Dettagli

SISTEMI INFORMATIVI GEOGRAFICI IN GEO- LOGIA

SISTEMI INFORMATIVI GEOGRAFICI IN GEO- LOGIA MARIA TERESA MELIS SISTEMI INFORMATIVI GEOGRAFICI IN GEO- LOGIA titimelis@unica.it ANNO ACCADEMICO 2017/ 2018 LEZIONE 5 IL MODELLO DI DATI RASTER E LA GEOREFEREN- ZIAZIONE Corso di Sistemi Informativi

Dettagli

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (69AA) A.A. 06/7 - Prova del 07-07-07 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate. Problema

Dettagli

Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)

Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss) Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica

Dettagli

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale

Dettagli

FONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio

FONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio FONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: generazione di numeri casuali Il comando che permette di generare una matrice (n r,n c ) composta da

Dettagli

Fondamenti di Segnali e Trasmissione Quarto laboratorio

Fondamenti di Segnali e Trasmissione Quarto laboratorio Fondamenti di Segnali e Trasmissione Quarto laboratorio MATLAB: generazione di numeri casuali Il comando che permette di generare una matrice (nr,nc) composta da numeri casuali, con distribuzione di probabilità

Dettagli

AL DI LA DELLE IMMAGINI

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

Dettagli

Operatore delta. Introduciamo un operatore che rappresenta una piccola variazione della grandezza fisica F.

Operatore delta. Introduciamo un operatore che rappresenta una piccola variazione della grandezza fisica F. Prof.. Di Muro Operatore delta Introduciamo un operatore che rappresenta una piccola variazione della grandezza fisica F. F = F fale F iziale se n è una costante n = 0 fatti la costante non varia. Questo

Dettagli

Algebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale

Algebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale Algebra lineare e geometria AA. -7 Appunti sul cambio di base in uno spazio vettoriale Matrice di un applicazione lineare Siano V e W due spazi vettoriali su un campo K {R, C}, entrambi finitamente generati,

Dettagli

EQUAZIONI DIFFERENZIALI

EQUAZIONI DIFFERENZIALI EQUAZIONI DIFFERENZIALI Si consideri il problema di Cauchy y'(t) t y, y() y(t) t e. t, la cui soluzione esatta è PARTE a. Approssimare il problema di Cauchy con il metodo di Eulero Esplicito b. Eseguire

Dettagli

Esercizi di introduzione alla programmazione

Esercizi di introduzione alla programmazione Esercizi di introduzione alla programmazione Federico Reghenzani Informatica ed Elementi di Informatica Medica 2017-18 1 Esercizi di codifica 1.1 Conversione da base 10 a un altra base Trovare x: 203 10

Dettagli

05. Determinare una base ortonormale per ognuno dei seguenti spazi vettoriali.

05. Determinare una base ortonormale per ognuno dei seguenti spazi vettoriali. T.1 BASI ORTONORMALI, MATRICI ORTOGONALI 01. Sia V il sottospazio di IR 3 generato dalla base B : (1, 0, 2), (0, 2, 1). Verificare che anche C : (1, 2, 1), (1, 4, 0) è base per V e ortonormalizzare le

Dettagli

Variabili Aleatorie Multiple

Variabili Aleatorie Multiple Variabili Aleatorie Multiple v.a. multiple - Esercizio 1 Consideriamo l estrazione con reimmissione di palline colorate da un urna contenente 5 palline bianche, 15 verdi, e 10 rosse. 1) Calcolare la probabilità

Dettagli

CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI

CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,

Dettagli

Distribuzione normale

Distribuzione normale Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata

Dettagli

Algebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale

Algebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale Algebra lineare e geometria AA. 8-9 Appunti sul cambio di base in uno spazio vettoriale Matrice di un applicazione lineare Siano V e W due spazi vettoriali su un campo K {R, C}, entrambi finitamente generati,

Dettagli

Indice. Percentili Decili Quartili Ranghi Percentili

Indice. Percentili Decili Quartili Ranghi Percentili Indici di Posizione Indice Percentili Decili Quartili Ranghi Percentili quartile; con tale termine si intende una determinata percentuale di dati della distribuzione. I percentili, i quartili, i decili

Dettagli

Laboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.

Laboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n. 5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema

Dettagli

Modulo 1: Le I.C.T. UD 1.3c: La Codifica Digitale dei Suoni

Modulo 1: Le I.C.T. UD 1.3c: La Codifica Digitale dei Suoni Modulo 1: Le I.C.T. : La Codifica Digitale dei Suoni Prof. Alberto Postiglione Corso di Informatica Generale (AA 07-08) Corso di Laurea in Scienze della Comunicazione Università degli Studi di Salerno

Dettagli

(f o -f a ) f a fo = frequenza osservata fa = frequenza attesa per effetto del caso (cioè se è vera l'ipotesi nulla) DISEGNI CON UNA SOLA VARIABILE

(f o -f a ) f a fo = frequenza osservata fa = frequenza attesa per effetto del caso (cioè se è vera l'ipotesi nulla) DISEGNI CON UNA SOLA VARIABILE IL TEST DEL CHI 2 (2) Consente di verificare ipotesi su: a) relazioni tra variabili nella popolazione b) differenze tra popolazioni relative a: distribuzioni di frequenza Livello di misura dei dati: scala

Dettagli

Segmentazione di immagini in scala di grigio basata su clustering

Segmentazione di immagini in scala di grigio basata su clustering Segmentazione di immagini in scala di grigio basata su clustering Davide Anastasia, Nicola Cogotti 24 gennaio 06 1 Analisi del problema La segmentazione di immagini consiste nella suddivisione in un certo

Dettagli

Matrici. 3. Costruire le seguenti matrici, contarne gli elementi non nulli e visualizzarle con spy: . B 10x10 = ; D 7x7 =

Matrici. 3. Costruire le seguenti matrici, contarne gli elementi non nulli e visualizzarle con spy: . B 10x10 = ; D 7x7 = Matrici diag, tril, triu. Sia v il vettore colonna casuale di lunghezza. Calcolare: diag(v), diag (v,), diag (v,-), diag(v,), diag(v,-). Sia A la matrice magica x. Calcolare: tril(a), tril(a, ), tril(a,

Dettagli

Complementi di Matematica e Calcolo Numerico A.A Laboratorio 6 Metodi iterativi per sistemi lineari

Complementi di Matematica e Calcolo Numerico A.A Laboratorio 6 Metodi iterativi per sistemi lineari Complementi di Matematica e Calcolo Numerico A.A. 2017-2018 Laboratorio 6 Metodi iterativi per sistemi lineari Dati una matrice A R N N non singolare e un vettore b R N, un metodo iterativo per la risoluzione

Dettagli

Elaborazione dei dati

Elaborazione dei dati Elaborazione dei dati Corso di Laurea Magistrale in SIT&TLR a.a. 2009/10 Ing. Claudio La Mantia pkt006-179-3.0 4/5 info@planetek.it rgomenti della lezione 1. nalisi delle immagini multispettrali 2. nalisi

Dettagli

Geometria A. Università degli Studi di Trento Corso di laurea in Matematica A.A. 2017/ Maggio 2018 Prova Intermedia

Geometria A. Università degli Studi di Trento Corso di laurea in Matematica A.A. 2017/ Maggio 2018 Prova Intermedia Geometria A Università degli Studi di Trento Corso di laurea in Matematica A.A. 7/8 Maggio 8 Prova Intermedia Il tempo per la prova è di ore. Durante la prova non è permesso l uso di appunti e libri. Esercizio

Dettagli

64=8 radice perché 8 2 = 64

64=8 radice perché 8 2 = 64 RADICI E NUMERI IRRAZIONALI 1. Che cosa vuol dire estrarre la radice quadrata di un numero? Estrarre la radice quadrata di un numero vuol dire calcolare quel numero, che elevato al quadrato, dà per risultato

Dettagli

Determinante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico ,

Determinante. Elisabetta Colombo. Determinante. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico , Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, 1 n=2 2 3 con le 4 n=2 n=2 con le Ad ogni matrice quadrata A = (a ij ) j=1...n i=1...n di ordine n si può associare

Dettagli

ESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante.

ESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante. ESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante. Test di uguaglianza delle medie di gruppo SELF_EFF COLL_EFF COIN_LAV IMPEGNO SODDISF CAP_IST COLLEGHI Lambda di Wilks

Dettagli

3. Matrici e algebra lineare in MATLAB

3. Matrici e algebra lineare in MATLAB 3. Matrici e algebra lineare in MATLAB Riferimenti bibliografici Getting Started with MATLAB, Version 7, The MathWorks, www.mathworks.com (Capitolo 2) Mathematics, Version 7, The MathWorks, www.mathworks.com

Dettagli

Esercizi proposti di Analisi Numerica

Esercizi proposti di Analisi Numerica Esercizi proposti di Analisi Numerica Silvia Bonettini Dipartimento di Matematica, Università di Ferrara 30 gennaio 2012 1 Conversioni, operazioni di macchina e analisi dell errore 1. Convertire i numeri

Dettagli

Calcolo delle Probabilità e Statistica, Ing. Informatica e dell Automazione 22/2/2011

Calcolo delle Probabilità e Statistica, Ing. Informatica e dell Automazione 22/2/2011 Calcolo delle Probabilità e Statistica, Ing. Informatica e dell Automazione //0 Il seguente esercizio va svolto su questo foglio prestampato. Esercizio. In un urna ci sono 8 palline etichettate con numeri

Dettagli

Variabile, costante ed espressione

Variabile, costante ed espressione Variabile, costante ed espressione All interno di un programma un informazione può essere organizzata in vari modi: Variabile Costante Espressione Le variabili a loro volta possono essere: scalari vettori

Dettagli

0.1 Soluzioni Esercitazione III, del 21/10/2008

0.1 Soluzioni Esercitazione III, del 21/10/2008 1 0.1 Soluzioni Esercitazione III, del 21/10/2008 Esercizio 0.1.1. Risolvere il sistema lineare x + y + z = 1 2x + 3y + 2z = 0 x + 2y z = 0 Il determinante della matrice incompleta è 2 e quindi il sistema

Dettagli

L6 Visual Tracking. Corso di Visione Artificiale Ing. Matteo Panciroli ANNO ACCADEMICO DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE

L6 Visual Tracking. Corso di Visione Artificiale Ing. Matteo Panciroli ANNO ACCADEMICO DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE L6 Visual Tracking Corso di Visione Artificiale Ing. ANNO ACCADEMICO 2011-2012 Assegnamento Progettare e sviluppare un applicazione che permetta l inseguimento

Dettagli

Laboratorio di Segnali e Sistemi A. A. 2009/ Lezione 5: Immagini

Laboratorio di Segnali e Sistemi A. A. 2009/ Lezione 5: Immagini Laboratorio di Segnali e Sistemi A. A. 2009/ 2010 Lezione 5: Immagini 28 maggio 2010 Introduzione Immagini: risultato di un sistema di acquisizione/elaborazione/visualizzazione della radiazione EM visibile

Dettagli

Rango di una matrice e teorema di Rouché-Capelli

Rango di una matrice e teorema di Rouché-Capelli Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è

Dettagli

elaborazione di base

elaborazione di base Pre-elaborazione elaborazione di base Corso di Laurea Magistrale in SIT&TLR a.a. 2009/10 Ing. Claudio La Mantia pkt006-179-3.0 3/5 info@planetek.it INDICE Generalità Correzioni radiometriche Correzioni

Dettagli

MISURATORE DI DISTANZA DIGITALE AD ULTRASUONI Digital ultrasonic distance measurer MKC-55. Manuale d uso Users Manual

MISURATORE DI DISTANZA DIGITALE AD ULTRASUONI Digital ultrasonic distance measurer MKC-55. Manuale d uso Users Manual MISURATORE DI DISTANZA DIGITALE AD ULTRASUONI Digital ultrasonic distance measurer MKC-55 545700295 Manuale d uso Users Manual Leggere attentamente questo manuale prima dell utilizzo Read this manual thoroughly

Dettagli

Esercizio 1. Esercizio 2

Esercizio 1. Esercizio 2 Sia data la matrice A A(α) = Esercizio α 2 2α 2 2, α R.) determinare per quali valori del parametro reale α é verificata la condizione necessaria e sufficiente di convergenza per il metodo di Jacobi;.2)

Dettagli

Distribuzione Normale

Distribuzione Normale Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di

Dettagli

0.1 Soluzioni esercitazione IV, del 28/10/2008

0.1 Soluzioni esercitazione IV, del 28/10/2008 1 0.1 Soluzioni esercitazione IV, del 28/10/2008 Esercizio 0.1.1. Risolvere, usando il teorema di Cramer, i seguenti sistemi lineari 2x + y + z = 0 x + 3z = 1 x y z = 1 kx + y z = 1 x y + 2z = 1 2x + 2y

Dettagli

Corso di Laurea in Informatica. Dipartimento di Scienze Fisiche -- Università di Napoli Federico II. Colori. Sistemi Informativi Multimediali

Corso di Laurea in Informatica. Dipartimento di Scienze Fisiche -- Università di Napoli Federico II. Colori. Sistemi Informativi Multimediali Colori 1 La Percezione dei Colori Immanuel Kant (Königsberg,, 1724-1804) 1804) tratta il fenomeno (Phainomenon)) percepito secondo quello che appare e non nella sua reale essenza 2 Rappresentazione dei

Dettagli

Anno 4 Matrice inversa

Anno 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

Dettagli

Implementazione degli algoritmi.

Implementazione degli algoritmi. Implementazione degli algoritmi. 4.1. Introduzione. In questo capitolo sarà discussa l implementazione software per l ambiente MATLAB 6.1 che è stata fatta degli algoritmi di identificazione presentati

Dettagli

Matrici.h Definizione dei tipi #define MAXROWS 10 #define MAXCOLS 10 #define ELEMENT int #define ELEMENTFORMAT "%d" Tipo degli elementi della matrice

Matrici.h Definizione dei tipi #define MAXROWS 10 #define MAXCOLS 10 #define ELEMENT int #define ELEMENTFORMAT %d Tipo degli elementi della matrice Matrici Un po di esercizi sulle matrici Semplici Lettura e scrittura Calcolo della trasposta Media difficoltà Calcolo del determinante Difficili Soluzione di sistemi lineari È veramente difficile? 1 Matrici.h

Dettagli

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 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

Dettagli

Matrici. Matrici.h Definizione dei tipi. Un po di esercizi sulle matrici Semplici. Media difficoltà. Difficili

Matrici. Matrici.h Definizione dei tipi. Un po di esercizi sulle matrici Semplici. Media difficoltà. Difficili Matrici Un po di esercizi sulle matrici Semplici Lettura e scrittura Calcolo della trasposta Media difficoltà Calcolo del determinante Difficili Soluzione di sistemi lineari È veramente difficile? 1 Matrici.h

Dettagli

Criteri di Valutazione della scheda (solo a carattere indicativo)

Criteri di Valutazione della scheda (solo a carattere indicativo) Criteri di Valutazione della scheda (solo a carattere indicativo) Previsioni - A Sono state fatte le previsioni e discussi i valori attesi insieme al ragionamento con cui sono stati calcolati? E stata

Dettagli

Elaborazione dei dati. pkt /9

Elaborazione dei dati. pkt /9 Elaborazione dei dati pkt006-89-1.0 4/9 1 Argomenti 1. Analisi delle immagini multispettrali 2. Analisi dell istogramma e enfatizzazione del contrasto 3. Trasformata RGB-IHS 4. Filtraggio 5. Estrazione

Dettagli

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 206/7 - Prova del 207-09-08 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.

Dettagli

nb3-derivata_numerica Derivata numerica

nb3-derivata_numerica Derivata numerica nb3-derivata_numerica October 16, 2017 Derivata numerica Vogliamo calcolare la derivata di una funzione f(x) in un dato punto x. Sappiamo dalla definizione che dobbiamo calcolare un rapporto incrementale

Dettagli

Università degli Studi di Brescia Dipartimento DICATA. Università degli Studi di Brescia. Giorgio Vassena. Lorenzo Cavallari

Università degli Studi di Brescia Dipartimento DICATA. Università degli Studi di Brescia. Giorgio Vassena. Lorenzo Cavallari Il laser per il rilevamento e la certificazione dimensionale delle geometrie di invasi idroelettrici e la misurazione della evoluzione delle fessurazioni superficiali dei paramenti in calcestruzzo armato

Dettagli

ISTITUTO COMPRENSIVO SAN VENANZO

ISTITUTO COMPRENSIVO SAN VENANZO ISTITUTO COMPRENSIVO SAN VENANZO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE II SECONDARIA I GRADO MACRO INDICA TORI OBIETTIVI DI APPRENDIMENTO Curricolo verticale OBIETTIVI DI APPRENDIMENTO I QUADRIMESTRE

Dettagli

1 Trasformazione di vettori e 1-forme per cambiamenti

1 Trasformazione di vettori e 1-forme per cambiamenti PRIMA ESERCITAZIONE Trasformazione di vettori e -forme per cambiamenti di coordinate Consideriamo lo spazio di Minkowski in coordinate cartesiane {x } (x,x,x 2,x 3 ). La sua metrica è ds 2 (dx ) 2 +(dx

Dettagli

La capacità fotosintetica delle piante coltivate su terreno trattato con Bio Aksxter

La capacità fotosintetica delle piante coltivate su terreno trattato con Bio Aksxter La capacità fotosintetica delle piante coltivate su terreno trattato con Bio Aksxter INTRODUZIONE Lo spettro della luce visibile e costituito da radiazioni aventi lunghezze d onda comprese tra 400 a 700

Dettagli

Matrici Un po di esercizi sulle matrici Semplici Lettura e scrittura Calcolo della trasposta Media difficoltà Calcolo l del determinante t È Difficili

Matrici Un po di esercizi sulle matrici Semplici Lettura e scrittura Calcolo della trasposta Media difficoltà Calcolo l del determinante t È Difficili Matrici Un po di esercizi sulle matrici Semplici Lettura e scrittura Calcolo della trasposta Media difficoltà Calcolo l del determinante t È Difficili Soluzione di sistemi lineari È veramente difficile?

Dettagli

... b 2 X 2. . b N X N. a 11 a 12.. a 1N a 21 a 22.. a 2N A =. a N1... a NN

... b 2 X 2. . b N X N. a 11 a 12.. a 1N a 21 a 22.. a 2N A =. a N1... a NN Matrici Un po di esercizi sulle matrici Semplici Lettura e scrittura Calcolo della trasposta Media difficoltà Calcolo l del determinante t È veramente Difficili difficile? Soluzione di sistemi lineari

Dettagli

8 Introduzione MATLAB

8 Introduzione MATLAB 8.1 Basi Per pulire il workspace (eliminare tutte le variabili esistenti): 1 clear Per pulire la finestra dei comandi (command window): 1 clc In MATLAB non è necessario dichiarare le variabili ed esse

Dettagli

ISTITUTO OMNICOMPRENSIVO ALTO ORVIETANO FABRO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE II SECONDARIA I GRADO

ISTITUTO OMNICOMPRENSIVO ALTO ORVIETANO FABRO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE II SECONDARIA I GRADO ISTITUTO OMNICOMPRENSIVO ALTO ORVIETANO FABRO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE II SECONDARIA I GRADO MACRO INDICA TORI OBIETTIVI DI APPRENDIMENTO Curricolo verticale OBIETTIVI DI APPRENDIMENTO

Dettagli

Cenni di fotogrammetria LE IMMAGINI DIGITALI

Cenni di fotogrammetria LE IMMAGINI DIGITALI Cenni di fotogrammetria LE IMMAGINI DIGITALI Hardcopy fotogrammetry: è la fotogrammetria che usa immagini di tipo analogico Softcopy fotogrammetry: è la fotogrammetria che usa immagini di tipo digitale

Dettagli

8 Introduzione MATLAB

8 Introduzione MATLAB 8.1 Basi Per pulire il workspace (eliminare tutte le variabili esistenti): 1 clear Per pulire la finestra dei comandi (command window): 1 clc In MATLAB non è necessario dichiarare le variabili ed esse

Dettagli

1 1, { x1 2x 2 + x 3 = 0 2x 2 8x 3 = 1 x 1 x 4 = = 0

1 1, { x1 2x 2 + x 3 = 0 2x 2 8x 3 = 1 x 1 x 4 = = 0 a.a. 5-6 Esercizi. Sistemi lineari. Soluzioni.. Determinare quali delle quaterne, 3,, sono soluzioni del sistema di tre equazioni in 4 incognite { x x + x 3 = x 8x 3 = x x 4 =. Sol. Sostituendo ad x, x,

Dettagli

Calcolo Numerico (CdS in Matematica) A.A. 2012/13

Calcolo Numerico (CdS in Matematica) A.A. 2012/13 Calcolo Numerico (CdS in Matematica) A.A. 2012/13 Esercitazione di Laboratorio sulla risoluzione di sistemi di equazioni lineari Parte 1. Fattorizzazione di matrici Scrivere una funzione Matlab che implementi

Dettagli

Esercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A =

Esercitazione di Calcolo Numerico 1 27 Maggio Calcolare la fattorizzazione P A = LU della matrice A = Esercitazione di Calcolo Numerico 1 27 Maggio 29 1. Calcolare la fattorizzazione P A = LU della matrice 1 2 3 A = 2 3 3, ed utilizzarla per risolvere il sistema lineare Ax = b, con b = (1, 2,, 16) T. 2.

Dettagli

Sottospazi vettoriali

Sottospazi vettoriali Capitolo 6 Sottospazi vettoriali 6.1 Introduzione Riprendiamo un argomento già studiato ampiamente nel corso di Geometria, i sottospazi vettoriali di uno spazio vettoriale. Ci limiteremo a darne la definizione,

Dettagli

Foglio Esercizi A (interpolazione, approssimazione, integrazione)

Foglio Esercizi A (interpolazione, approssimazione, integrazione) Foglio Esercizi A (interpolazione, approssimazione, integrazione) Esercizio cos( ) +, [,π ] Costruire una approssimazione f ( ) di f () utilizzando elemento di ermite a nodi non equispaziati (, π, π )

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n

Dettagli

STATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo

STATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)

Dettagli

Ricerca obiettivo. Pag. 1

Ricerca obiettivo. Pag. 1 Ricerca obiettivo La ricerca obiettivo è un risolutore di un problema. Come problema imponiamo la ricerca del punto di intersezione tra due grafici di funzioni. Creiamo il grafico della funzione espressa

Dettagli

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si

Dettagli

2 STEP : SVILUPPO ESPERIENZA DI APPRENDIMENTO 2 lezioni da 2 ore ciascuna

2 STEP : SVILUPPO ESPERIENZA DI APPRENDIMENTO 2 lezioni da 2 ore ciascuna 2 STEP : SVILUPPO ESPERIENZA DI APPRENDIMENTO 2 lezioni da 2 ore ciascuna Un foglio di calcolo è un particolare software (solitamente si fa riferimento a Microsoft Excel) che permette di eseguire calcoli

Dettagli

Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi

Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Esercizio 1 Data la variabile casuale X con funzione di densità f(x) = 2x, per 0 x 1; f(x) = 0 per x [0, 1], determinare: a) P( - 0,5 < X< 0,7) b)

Dettagli

Laboratorio di Calcolo Numerico Laboratorio 10: Norme di vettori e matrici, autovalori

Laboratorio di Calcolo Numerico Laboratorio 10: Norme di vettori e matrici, autovalori Laboratorio di Calcolo Numerico Laboratorio 10: Norme di vettori e matrici, autovalori Claudia Zoccarato E-mail: claudia.zoccarato@unipd.it Dispense: Moodle Dipartimento ICEA 10 Maggio 2017 Stampa di Vettori

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 015-016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per la

Dettagli

Metodo di Quine-McCluskey. Algoritmo. Sommario. Sommario. M. Favalli

Metodo di Quine-McCluskey. Algoritmo. Sommario. Sommario. M. Favalli Sommario Metodo di Quine-McCluskey M. Favalli Engineering Department in Ferrara 2 3 Sommario Analisi e sintesi dei sistemi digitali / Algoritmo Analisi e sintesi dei sistemi digitali 2 / 2 3 Metodo esatto

Dettagli

Teoria dei Circuiti Esercitazione di Laboratorio Due-porte e circuiti equivalenti di Thevenin e Norton

Teoria dei Circuiti Esercitazione di Laboratorio Due-porte e circuiti equivalenti di Thevenin e Norton Teoria dei Circuiti Esercitazione di Laboratorio Due-porte e circuiti equivalenti di Thevenin e Norton Esercizio 1? Si determini tramite misure la descrizione del due porte tramite matrice resistenza o

Dettagli

Introduzione alla programmazione

Introduzione alla programmazione Introduzione alla programmazione Minimo tra due numeri Minimo tra tre numeri Equazione di secondo grado Minimo tra n numeri Media aritmetica di n numeri Calcolo del fattoriale Numeri di Fibonacci Conversione

Dettagli

13 Le funzioni di ricerca e riferimento

13 Le funzioni di ricerca e riferimento 13 Le funzioni di ricerca e riferimento Come si evince dal titolo della presente lezione queste funzioni permettono di cercare un valore in una tabella di riferimento e riportarlo in un altra posizione

Dettagli

Matlab permette di disegnare facilmente dei grafici La prima cosa da fare è costruire una nuova figura :

Matlab permette di disegnare facilmente dei grafici La prima cosa da fare è costruire una nuova figura : Matlab permette di disegnare facilmente dei grafici La prima cosa da fare è costruire una nuova figura : figure() La funzione figure apre una nuova finestra In cui verrà inserito il disegno In molti casi,

Dettagli

1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.

1 Introduzione alle matrici quadrate 2 2 a coefficienti in R. 1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,

Dettagli

APPELLO SCRITTO DI PROGRAMMAZIONE 1 CORSO DI LAUREA IN MATEMATICA UNIVERSITÀ DEGLI STUDI DI MILANO VI.2015

APPELLO SCRITTO DI PROGRAMMAZIONE 1 CORSO DI LAUREA IN MATEMATICA UNIVERSITÀ DEGLI STUDI DI MILANO VI.2015 APPELLO SCRITTO DI PROGRAMMAZIONE 1 CORSO DI LAUREA IN MATEMATICA UNIVERSITÀ DEGLI STUDI DI MILANO 2014 2015 15.VI.2015 VINCENZO MARRA Indice Esercizio 1 1 Definizione dei tipi P e T, e calcolo dell area.

Dettagli

BREVE RIEPILOGO SULLE FRAZIONI

BREVE RIEPILOGO SULLE FRAZIONI BREVE RIEPILOGO SULLE FRAZIONI ---> Numeratore = numero di parti uguali considerate Linea di frazione Denominatore = numero di parti uguali in cui è diviso l'intero la frazione si

Dettagli

1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso

1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso Domanda 1 1. Si scriva una function Matlab che implementa il seguente metodo di punto fisso x n+1 = x n f(x n), n = 0, 1, 2,... K dove x 0 è il punto iniziale, f(x) = x 3 cos(x) e K è una costante assegnata.

Dettagli

Conversione del Codice dell amministrazione digitale in formato Read the Docs

Conversione del Codice dell amministrazione digitale in formato Read the Docs Conversione del Codice dell amministrazione digitale in formato Read the Docs Release version: latest 2018, AgID, Team Digitale 06 feb 2018 Indice 1 Panoramica del processo di conversione 3 1.1 Creazione

Dettagli

Esercitazione ENS su processi casuali (13 e 14 Maggio 2008)

Esercitazione 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

Dettagli

L ALGORITMO DEL SIMPLESSO REVISIONATO

L ALGORITMO DEL SIMPLESSO REVISIONATO L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e

Dettagli

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: esercitazione 7 p. 1/13 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: 20-05-2004 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it

Dettagli

Metodi di Analisi dei Dati Sperimentali. AA 2009/2010 Pier Luca Maffettone. Elementi di Matlab

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

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Laboratorio di Matematica Computazionale A.A Lab. 5

Laboratorio di Matematica Computazionale A.A Lab. 5 Laboratorio di Matematica Computazionale A.A. -8 Lab. Costruzione e Manipolazione di Matrici diag tril triu nnz find spy. Sia v il vettore colonna casuale di lunghezza. Calcolare: diag(v) diag (v) diag

Dettagli

Teorema del Limite Centrale

Teorema del Limite Centrale Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione

Dettagli

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. II Esonero - 10 Gennaio 2014

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. II Esonero - 10 Gennaio 2014 UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 II Esonero - 10 Gennaio 2014 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,

Dettagli

Calcolo Numerico I - a.a Laboratorio 9 - Sistemi lineari

Calcolo Numerico I - a.a Laboratorio 9 - Sistemi lineari Calcolo Numerico I - a.a. 200-20 Laboratorio 9 - Sistemi lineari Fattorizzazione di Cholesky Se A R n n è una matrice simmetrica definita positiva, allora esiste una matrice R R n n triangolare superiore

Dettagli

Principi di Programmazione Prova del 10/6/2008 (ore 10.30)

Principi di Programmazione Prova del 10/6/2008 (ore 10.30) Prova del 10/6/2008 (ore 10.30) Scrivere (commentandole) le linee di codice Matlab per costruire i seguenti vettori (5x1): e il vettore di numeri complessi C tali che il singolo elemento c k ha come parte

Dettagli