ΜΕΤΑΠΤΥΧΙΑΚΟ ΔΙΠΛΩΜΑ
|
|
- Ἀβραάμ Ζάππας
- 6 χρόνια πριν
- Προβολές:
Transcript
1 ΜΕΤΑΠΤΥΧΙΑΚΟ ΔΙΠΛΩΜΑ 01 10/02/2017 Unknown Assignment 3 ΟΜΑΔΑ 2 Δημήτρης Βοσκάκης (mth76@edu.teicrete.gr) Νικόλαος Βαρδάκης (mth75@edu.teicrete.gr) ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ Κ.Αλέξανδρος Μακρής Page1
2 Contents Exercise Θεωρητική Ανάλυση... 3 Ανάπτυξη του Μαθηματικού Μοντέλου και ερμηνεία του προγράμματος... 3 Εφαρμογές Αποτελέσματα... 6 Exercise Θεωρητική Ανάλυση Ανάπτυξη του Μαθηματικού Μοντέλου στο πρόγραμμα Εφαρμογές Αποτελέσματα Βιβλιογραφική Αναφορά: Page2
3 02 10/02/2017 Unknown Exercise 1 a) Develop a simple 'blob' detector. The detector takes as arguments an image and the blob radius and return the detected blob positions. The detector should use the LoG filter so the possible detections are the local minima and maxima of the filter response. b) Add an extra parameter to the detector to select either: i) dark blobs, ii) light blobs, or iii) both. c) Ext the detector so instead of a single radius it accepts a range (min, max). Test the detector firstly in the images 'black_dots.jpg', 'white_dots.jpg' and then also in 'coins.tiff' and 'circles_%%.jpg'. Present the results by showing the detected blobs in the initial images. Θεωρητική Ανάλυση Η αρχή ανίχνευσης των Blob βασίζεται στο φιλτράρισμα της εικόνας με την συνάρτηση Λαπλασιανή της Γκαουσιανής LoG με διάφορες Τυπικές Αποκλίσεις. Η ακτίνα που αντιστοιχεί στην Τυπική Απόκλιση που δίνει μέγιστη απόκριση του φιλτραρίσματος είναι και ακτίνα ενός Blob. Για ευκολότερη σύγκριση των αποκρίσεων, κάθε φιλτράρισμα με την LoG τοποθετείται πάνω από το προηγούμενο έτσι ώστε να δημιρουργηθεί ένας τρισδιάστατος πίνακας. Ανάπτυξη του Μαθηματικού Μοντέλου και ερμηνεία του προγράμματος Ο παρακάτω βρόγχος ορίζει την εικόνα I όπου πρόκειται να ανιχνευθούν τα Blob με τη μορφή μενού. Σε κάθε εικόνα έχει οριστεί ένα διάνυσμα r=rmin:rstep:rmax και ένας συντελεστής ct που θα χρησιμοποιηθεί αργότερα για το threshold, έτσι ώστε να ανιχνευθούν περισσότερα Blob. Έπειτα καλεί τη συνάρτηση BlobDetector(I, r, ct) που ανιχνεύει τα Blob. while (1) button = menu('choose image:', 'circles_01.jpg', 'circles_02.jpg', 'circles_03.jpg',... 'circles_04.jpg','circles_05.jpg', 'black_dots.jpg', 'white_dots.jpg',... 'coin_01.tiff', 'coin_02.tiff','coins.tiff', 'CLOSE'); switch button case 1 clear, close all, basefilename = 'circles_01.jpg'; rmin=8; rmax=80; rstep=4; ct=0.2; % Threshold coefficient case 2 clear, close all, basefilename = 'circles_02.jpg'; rmin=8; rmax=80; rstep=4; ct=0.2; % Threshold coefficient case 3 clear, close all, basefilename = 'circles_03.jpg'; rmin=8; rmax=112; Page3
4 rstep=8; ct=0.2; % Threshold coefficient case 4 clear, close all, basefilename = 'circles_04.jpg'; rmin=8; rmax=80; rstep=4; ct=0.88; % Threshold coefficient case 5 clear, close all, basefilename = 'circles_05.jpg'; rmin=8; rmax=80; rstep=4; ct=0.2; % Threshold coefficient case 6 clear, close all, basefilename = 'black_dots.jpg'; rmin=6; rmax=56; rstep=10; ct=0.8; % Threshold coefficient case 7 clear, close all, basefilename = 'white_dots.jpg'; rmin=18; rmax=48; rstep=10; ct=0.8; % Threshold coefficient case 8 clear, close all, basefilename = 'coin_01.tiff'; rmin=2; rmax=34; rstep=1; ct=0.8; % Threshold coefficient case 9 clear, close all, basefilename = 'coin_02.tiff'; rmin=2; rmax=34; rstep=1; ct=0.8; % Threshold coefficient case 10 clear, close all, basefilename = 'coins.tiff'; rmin=2; rmax=58; rstep=1; ct=0.8; % Threshold coefficient case 11 break; r=rmin:rstep:rmax; I = imread(basefilename); BlobDetector(I, r, ct); Για την BlobDetector(I, r, ct): rmin=r(1); rstep=r(2)-r(1); rmax=r(numel(r)); si=size(i); nsi=numel(si); switch nsi case 3 Ig = double(rgb2gray(i)); case 2 Ig = double(i); % Filter image with LoG sig=size(ig); Page4
5 sigx=sig(1); sigy=sig(2); Μετατρέπει την εικόνα σε Gray Scale και λαμβάνει τις διαστάσεις της. nr = numel(r); s=r/sqrt(2); Ορίζει μια Τυπική Απόκλιση για κάθε ακτίνα σύμφωνα με τον τύπο: σ=r/sqrt(2). Ο βρόγχος: hsize = 6*[round(max(s)) round(max(s))]; for k=1:nr; % Ftiaxnei se ka8e epipedo thn LoG h = (s(k).^2).*fspecial('log', hsize, s(k)); Igb(:,:,k) = imfilter(ig,h); %Gray Image with LoG Filter φιλτράρει με την LoG την εικόνα με διάφορες Τυπικές Αποκλίσεις. Τα αποτελέσματα τα τοποθετεί στον πίνακα Igb, όπου κάθε επίπεδό του αντιστοιχεί στο φιλτράρισμα μιας τυπικής Απόκλισης, και κατά συνέπεια μιας ακτίνας Blob. Με την εντολή: button2 = menu('choose Blob type:', 'Light Blobs', 'Dark Blobs', 'All Blobs',... 'All cases in subplot'); και τον έλεγχο: switch button2 ο χρήστης μπορεί να επιλέξει αν ο BlobDetectror θα του εμφανίσει τα Φωτεινά Blob, τα Σκούρα Blob, όλα τα Blob ή όλα τα παραπάνω υπό μορφή subplot. Σε περίπτωση που το button2 = 1, δηλαδή ο χρήστης έχει επιλέξει τα φωτεινά Blob τρέχουν οι παρακάτω εντολές: figure(1) imshow(i); title('original Image.'); figure(2) BW = logical(igb<-thr); Στον πίνακα BW βάζει 1 όπου ισχύει: Igb<-thr. Αυτά τα σημεία είναι τα Φωτεινά Blob ss = regionprops(bw, 'centroid'); centroids = cat(1, ss.centroid); Φτιάχνει τα κέντρα Βάρους των κοντινών φωτεινών Blob. imshow(bw(:,:,1)) Εμφανίζει τα κέντρα. hold on plot(centroids(:,1), centroids(:,2), 'b*') hold off Εμφανίζει τα κέντρα των Blob. kc=round(centroids(:,3)); rc=rmin+(kc-1)*rstep; Βρίσκει το επίπεδο που ανήκουν τα κέντρα και σε ποια ακτίνα αντιστοιχούν title('light blobs centers'); figure(3) circ = insertshape(i,'circle',[centroids(:,1), centroids(:,2), rc],'color','y'); imshow(circ); title(sprintf('light Blobs from rmin=%d to rmax=%d with rstep=%d', rmin,rmax, rstep)); Σχεδιάζει κύκλους με τα παραπάνω κέντρα και τις αντίστοιχες ακτίνες. Ομοίως και για τις άλλες περιπτώσεις: Η συνθήκη «BW = logical(igb>thr);» βρίσκει τα σκοτεινά Blob και η συνθήκη «BW = logical(igb>thr Igb<-thr);» τα βρίσκει όλα. Page5
6 Εφαρμογές Αποτελέσματα Για την εικόνα: circles_01.jpg Page6
7 Για την εικόνα: circles_02.jpg Για την εικόνα: circles_03.jpg Page7
8 Για την εικόνα: circles_04.jpg Για την εικόνα: circles_05.jpg Για την εικόνα: black_dots.jpg Page8
9 Για την εικόνα: white_dots.jpg Page9
10 Για την εικόνα: coin_01.tiff Για την εικόνα: coin_02.tiff Page10
11 Για την εικόνα: coins.tiff Page11
12 03 10/02/2017 Unknown Exercise 2 a) Develop a system that detects circular objects of known radius r in an image. For their detection you should implement the Hough transform. Visualize the detected objects on the initial image. Test your system using the images 'coins.tiff' and 'circles_%%.jpg'. b) Ext your system to detect circular objects within a given radius interval rmin-rmax. c) Use the gradient orientation to rer your system more robust to noise. Θεωρητική Ανάλυση O μετασχηματισμός Ηough είναι μια αποδοτική μέθοδος εξαγωγής χαρακτηριστικών γνωρισμάτων που χρησιμοποιούνται στην ανάλυση εικόνας. Σκοπός της συγκεκριμένης τεχνικής είναι η εύρεση λεπτομερειών μιας εικόνας με την διαδικασία της ψηφοφορίας. Η διαδικασία αυτή λαμβάνει μέρος σε ένα χώρο παραμέτρων όπου τα τοπικά μέγιστα στην εικόνας λαμβάνουν το μεγαλύτερο ποσοστό ψήφου. Ανάπτυξη του Μαθηματικού Μοντέλου στο πρόγραμμα. clear all;close all;clc img=imread('coins.tiff');%circles_01.jpg % img=rgb2gray(img); Imbin=edge(img); rmin=30;rmax=30; r=rmin:rmax; %r=50; thresh=rmax+pi; Όπως βλέπουμε από τον κώδικα παραπάνω διαβάζει την εικόνα στην πορεία μέσω της εντολής edge βρίσκει τις ακμές της εικόνας και τέλος ορίζει το διάνυσμα της εικονας που θέλουμε να του δώσουμε μάζι με το threshold που θα το χρησιμοποίησουμε παρακάτω. Μετά ορίζουμε το Gradient Orientation της εικόνας κάνοντας τις ίδιες ενέργειες που διδαχθήκαμε στο προηγούμενο μάθημα. %%%% Iplogismos Gradient magnitude & direcrtion %%%%%% % h=fspecial('gaussian',6,1); % I=im2double(img); % I=imfilter(I,h,'conv'); % sobx=[-1 0 1;-2 0 2;-1 0 1];%sobel παραγωγιση % soby=[1 2 1;0 0 0; ];%sobel παραγωγιση % N=im2double(I); % Grax=imfilter(N,sobx); % Gray=imfilter(N,soby); % Gradient=sqrt((Grax.*Grax)+(Gray.*Gray)); % theta=((atan2(gray,grax))*180)/pi; %Μετατροπή του gradient direction σε μοίρες. % [a b]=size(gradient); % for i=1:a Page12
13 % for j=1:b % if Gradient(i,j)>0.7 % NG(i,j)=1; % else % NG(i,j)=0; % % % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Το συγκεκριμένο κομμάτι της άσκησης είναι το πιο νευραλγικό γιατί εδώ αρχικοποιούμε τον πίνακα Hough όπου εκεί μέσα θα ψηφίσει αργότερα το πρόγραμμα με σκοπό να βρούμε τα τοπικά μέγιστα.πιο συγκεκριμένα: Α)Παίρνει τις συτεταγμένες των άσσων από τον πίνακα των ακμών. Β)Ορίζει το όριο ώστε να μην βγεί εκτός εικόνας κατά τη μέτρηση Γ)Χρησιμοποιεί τον τύπο του κύκλου χ^2+y^2=r^2 και βρίσκει τις πιθανά κέτρα της εικόνας ψηφίζοντας στον πίνακα Hough Δ)Στην πορεία βρίσκει τα τοπικά μέγιστα από τον πίνακα Hough και τα συγκρίνει,αυτά που πληρούν την συνθήκη είναι τα κέντρα της εικόνας for rad=1:length(r) %Psifizei Accumulator = zeros(size(imbin)); % arxikopoiei ton pinaka hough [yim xim] = find(imbin); % find x,y of edge pixels %%%[yim xim] = find(ng); numrow = size(imbin,1); % arithmos grammwn numcol = size(imbin,2); % arithmow sthlwn r2 = r.^2; % kanei tin praksi apeuthias for cnt = 1:numel(xIm) low=xim(cnt)-r(rad); high=xim(cnt)+r(rad); if (low<1) low=1; if (high>numcol) high=numcol; for x0 = low:high Page13
14 yoffset = sqrt(r2(rad)-(xim(cnt)-x0)^2); y01 = round(yim(cnt)-yoffset); y02 = round(yim(cnt)+yoffset); if y01 < numrow && y01 >= 1 Accumulator(y01,x0) = Accumulator(y01,x0)+1; if y02 < numrow && y02 >= 1 Accumulator(y02,x0) = Accumulator(y02,x0)+1; % VRiskei topika megista y0detect = []; x0detect = []; AccumulatorbinaryMax = imregionalmax(accumulator); [Potential_y0 Potential_x0] = find(accumulatorbinarymax == 1); Accumulatortemp = Accumulator - thresh; %vazei to threshold for cnt = 1:numel(Potential_y0) if Accumulatortemp(Potential_y0(cnt),Potential_x0(cnt)) >= 0 y0detect = [y0detect;potential_y0(cnt)]; x0detect = [x0detect;potential_x0(cnt)]; Στο παρακάτω κομμάτι του κώδικα επειδή είναι λογικό ο κώδικας να έβρισκε και άλλα κέντρα κοντά στα υπόλοιπα τότε ορίσαμε μια συνθήκη όπου τοποθετεί στα υπόλοιπα κέντρα την τιμή -1 με σκοπό να κρατήσουμε ένα μόνο κέντρο. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% [a b]=size(x0detect); j=1; for i=1:(a-1) if abs(x0detect(i+1)-x0detect(i))<8 && abs(y0detect(i+1)-y0detect(i))<8 T(j,1)=x0detect(i); T(j,2)=y0detect(i); x0detect(i)=-1; Page14
15 y0detect(i)=-1; j=j+1; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Για τον εντοπισμό των κύκλων ορίσαμε συνθήκη έτσι ώστε αν η τετμημένη και η τεταγμένη των κέντρων είναι διάφορο του -1 τότε να εμφανίζει τα κέντρα που βρήκαμε παραπάνω.στη συνέχεια αφαιρεί τις αρνητικές τιμές και δημιουργεί πίνακα ακτίνων ίσο με τον αριθμό των κέντρων που βρίσκει κάθε φορά. %%%%%%%%-----entopismos twn blobs-----%%%%%%%%%%%%% x0detect1=[];y0detect1=[]; for t=1:numel(x0detect) if (y0detect(t) > 0 && x0detect(t) > 0) % Afairei tis arnitikes times x0detect1= [x0detect1;x0detect(t)]; y0detect1= [y0detect1;y0detect(t)]; rr=0; for d=1:length(x0detect1) rr(d)=r(rad); rr=rr'; Τέλος στο συγκεκριμένο κομμάτι της άσκησης για δική μας επαλήθευση εμφανίζουμε τα κέντρα που βρίσκει ανάλογα με την ακτίνα που ψάχνει κάθε φορά,την εικόνα του πίνακα Hough με τα τοπικά μέγιστα που έχει βρει και τους κυκλους με την εκαστοτε ακτινα. % %%%%%%%%-----entopismos kentrwn kiklwn KAI emfanisi hough pinaka-----%%%%%%%%%%%%% figure(); imshow(imbinary),title(sprintf('kentra me akrina r=%d',r(rad))); hold on; plot(x0detect(:),y0detect(:),'x','linewidth',2,'color','r '); % figure; % imagesc(accumulator); figure circ = insertshape(img,'circle',[x0detect1(:), y0detect1(:), rr(:)],'color','r'); imshow(circ),title(sprintf('kentra me akrina r=%d',r(rad))); Page15
16 Εφαρμογές Αποτελέσματα A)Για την εικόνα: coins.tiff 04 10/02/2017 Unknown Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=30 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=29 Page16
17 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=28 B)Για την εικόνα circles_01.jpg Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=48 Page17
18 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=47 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=46 Page18
19 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=45 Γ)Για την εικόνα circles_03.jpg Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=69 Page19
20 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=68 Page20
21 Δ) Στην παρακάτων εικόνα (circles_01.jpg) βλέπουμε εμφάνιση του κέντρου του κυκλου μέσω του Gradient όπουμας ζητήθηκε στο 3 ο υποερώτημα ορίζοντας κάποιες παραμέτρους όπως: -Gauss size(6 ) Και sigma(1) αφού γνωρίζουμε ότι το μέγεθος πρέπει να είναι 6 φορές μεγαλύτερο του sigma -Threshold του Gradient >0.7 -Τέλος με διάνυσμα ακτίνας Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=46 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=45 Page21
22 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=44 Page22
23 E)Στην παρακάτων εικόνα (circles_03.jpg)βλέπουμε εμφάνιση του κέντρου του κυκλου μέσω του Gradient όπουμας ζητήθηκε στο 3 ο υποερώτημα ορίζοντας κάποιες παραμέτρους όπως: -Gauss size(12 ) Και sigma(2) αφού γνωρίζουμε ότι το μέγεθος πρέπει να είναι 6 φορές μεγαλύτερο του sigma -Threshold του Gradient >0.3 -Τέλος με εύρος ακτίνας Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=80 Page23
24 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=79 Εκτίμηση κέντρων και εμφάνιση κύκλων για ακτίνα r=78 Page24
25 Βιβλιογραφική Αναφορά: 1. Forsyth 22.1, Szeliski A.2, 4.3.2, Lectures Alexandros Makris Page25
26 Annotations ΕΙΔΙΚΕΥΣΗΣ Assignment 3 Ρομποτικησ, Αυτοματισμου Κ Α Ι 01 Unknown Unknown Page 1 10/2/ :13 B:8.5/10 02 Unknown Unknown Page 3 10/2/ :00 3/3 03 Unknown Unknown Page 12 10/2/ :13 5.5/7 04 Unknown Unknown Page 16 10/2/ :10 -Me ton tropo pou entopizete tous kuklous (local max gia kathe r xwrista) den einai dunato na ginei swsta se diafores aktines to opoio fainetai sta peiramata. -Leipei i optikopoiisi tou xwrou Hough.
ADVANCES IN DIGITAL AND COMPUTER VISION
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ ΚΑΙ ΡΟΜΠΟΤΙΚΗΣ 01 10/02/2017 Unknown ΕΡΓΑΣΙΑ 3 ADVANCES IN DIGITAL AND COMPUTER VISION ΣΠΟΥΔΑΣΤΕΣ: ΓΕΡΜΕΝΗΣ ΕΥΑΓΓΕΛΟΣ
Διαβάστε περισσότεραΜΗΧΑΝΙΚΗ ΟΡΑΣΗ. 3η ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ & ΡΟΜΠΟΤΙΚΗΣ 01 ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ 3η ΕΡΓΑΣΙΑ ΣΠΟΥΔΑΣΤΕΣ:
Διαβάστε περισσότεραΔιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών. «Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και. Ρομποτικής» Assignment 2
Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών «Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής» ΜΑΘΗΜΑ Μηχανική Όραση ΑΝΑΦΟΡΑ ΕΡΓΑΣΙΑΣ Assignment 2 ΣΠΟΥΔΑΣΤΕΣ Λεμωνιά Κατερίνα Πορφυράκης Μανώλης
Διαβάστε περισσότεραΜΕΤΑΠΤΥΧΙΑΚΟ ΔΙΠΛΩΜΑ
ΜΕΤΑΠΤΥΧΙΑΚΟ ΔΙΠΛΩΜΑ Assignment 2 ΟΜΑΔΑ 2 Δημήτρης Βοσκάκης (mth76@edu.teicrete.gr) Νικόλαος Βαρδάκης (mth75@edu.teicrete.gr) ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ Κ.Αλέξανδρος Μακρής Page1 Contents Exercise 1... 3 Θεωρητική
Διαβάστε περισσότεραΜΗΧΑΝΙΚΗ ΟΡΑΣΗ. 2η ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ & ΡΟΜΠΟΤΙΚΗΣ ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ 2η ΕΡΓΑΣΙΑ ΣΠΟΥΔΑΣΤΕΣ:
Διαβάστε περισσότεραADVANCES IN DIGITAL AND COMPUTER VISION
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ ΚΑΙ ΡΟΜΠΟΤΙΚΗΣ ΕΡΓΑΣΙΑ 2 ADVANCES IN DIGITAL AND COMPUTER VISION ΣΠΟΥΔΑΣΤΕΣ: ΓΕΡΜΕΝΗΣ ΕΥΑΓΓΕΛΟΣ (Α.Μ.: ΜΗ77) ΠΑΠΑΔΟΠΟΥΛΟΣ
Διαβάστε περισσότεραΖΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής
ΖΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ ΕΡΓΑΣΙΑ 1 ΣΠΟΥΔΑΣΤΕΣ: ΥΠΕΥΘΗΝΟΣ ΚΑΘΗΓΗΤΗΣ : ΒΛΑΧΑΚΗΣ ΜΙΧΑΛΗΣ(Α.Μ:ΜΗ81) ΓΛΑΜΠΕΔΑΚΗΣ
Διαβάστε περισσότεραΕργαστήριο ADICV2. Image filtering. Κώστας Μαριάς
Εργαστήριο ADICV2 Image filtering Κώστας Μαριάς Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Matlab Σκοπός εργαστηρίου Θα φτιάξουμε ένα ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) σε matlab Στη συνέχεια θα
Διαβάστε περισσότεραΕργαστήριο ADICV1. Image Boundary detection and filtering. Κώστας Μαριάς 13/3/2017
Εργαστήριο ADICV1 Image Boundary detection and filtering Κώστας Μαριάς 13/3/2017 Boundary Detection 2 Γείτονες και περίγραμμα εικόνας Ορίζουμε ως V το σύνολο των τιμών εντάσεων εικόνας για να ορίσουμε
Διαβάστε περισσότεραΜάθημα: Μηχανική Όραση
Μάθημα: Μηχανική Όραση Εργασία 2: Advances in Digital Imaging and Computer Vision Ομάδα χρηστών 2 : Τσαγκαράκης Νίκος, Καραμήτρος Κώστας Εισαγωγή Σκοπός της άσκησης, είναι να εξοικειωθούμε με κάποιες βασικές
Διαβάστε περισσότερα6-Aνίχνευση. Ακμών - Περιγράμματος
6-Aνίχνευση Ακμών - Περιγράμματος Ανίχνευση ακμών Μετατροπή 2 εικόνας σε σύνολο ακμών Εξαγωγή βασικών χαρακτηριστικών της εικόνας Πιο «συμπαγής» αναπαράσταση Ανίχνευση ακμών Στόχος: ανίχνευση ασυνεχειών
Διαβάστε περισσότεραΜΑΘΗΜΑ 2, Έλεγχος ροής προγράμματος ΒΑΣΙΚΗ ΣΥΝΤΑΞΗ:
ΜΑΘΗΜΑ 2, 080312 Έλεγχος ροής προγράμματος Μπορούμε να χρησιμοποιήσουμε μια σειρά από λογικούς ελέγχους (συγκρίσεις) και με βάση το αποτέλεσμά τους γίνεται η λήψη αποφάσεων για τη συνέχεια του προγράμματος
Διαβάστε περισσότεραΕργαστήριο ADICV3. Image filtering, Point Processing and Histogram Equalisation. Κώστας Μαριάς 20/3/2017
Εργαστήριο ADICV3 Image filtering, Point Processing and Histogram Equalisation Κώστας Μαριάς 20/3/2017 Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab Σκοπός εργαστηρίου Θα φτιάξουμε
Διαβάστε περισσότεραD. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004.
D. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004. 1/45 Τι είναι ο SIFT-Γενικά Scale-invariant feature transform detect and
Διαβάστε περισσότεραHow to register an account with the Hellenic Community of Sheffield.
How to register an account with the Hellenic Community of Sheffield. (1) EN: Go to address GR: Πηγαίνετε στη διεύθυνση: http://www.helleniccommunityofsheffield.com (2) EN: At the bottom of the page, click
Διαβάστε περισσότεραΕργαστήριο ADICV2 Labs 2-6
Εργαστήριο ADICV2 Labs 2-6 Image filtering Κώστας Μαριάς Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab Σκοπός εργαστηρίου Θα φτιάξουμε ένα ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) σε matlab
Διαβάστε περισσότεραAssignment 1. ι ό αος α ά ς Page1
Α Α Α Η Assignment 1 Ο Α Α ή ς ο ά ς (mth76@edu.teicrete.gr) ι ό αος α ά ς (mth75@edu.teicrete.gr) Π.Α έ α Π ος Α α ής Page1 Contents Assignment 1... 3 Exercise 1... 3 ι ή Α ά... 3 φα ο ές Α ο έ α α...
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Διάλεξη 5 Κώστας Μαριάς kmarias@staff.teicrete.gr 24/4/2017 1 Αναφορές An Introduction to Digital Image Processing with Matlab, Alasdair McAndrew N. Papamarkos,
Διαβάστε περισσότεραDynamic types, Lambda calculus machines Section and Practice Problems Apr 21 22, 2016
Harvard School of Engineering and Applied Sciences CS 152: Programming Languages Dynamic types, Lambda calculus machines Apr 21 22, 2016 1 Dynamic types and contracts (a) To make sure you understand the
Διαβάστε περισσότερα3.4 SUM AND DIFFERENCE FORMULAS. NOTE: cos(α+β) cos α + cos β cos(α-β) cos α -cos β
3.4 SUM AND DIFFERENCE FORMULAS Page Theorem cos(αβ cos α cos β -sin α cos(α-β cos α cos β sin α NOTE: cos(αβ cos α cos β cos(α-β cos α -cos β Proof of cos(α-β cos α cos β sin α Let s use a unit circle
Διαβάστε περισσότεραWork12 REMARKS script file lab10 ask1-5 tabbing, ls2, urlparse, times, dates_correct
Work12 REMARKS script le lab10 ask1-5 tabbing, ls2, urlparse, times, dates_correct #Username : imanousi #lename : tabbing.imanousi #To script eisagei ena tab sthn arxh kathe grammhs #tou arxeiou pou dinetai
Διαβάστε περισσότεραΜΗΧΑΝΙΚΗ ΟΡΑΣΗ. 1η ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ & ΡΟΜΠΟΤΙΚΗΣ ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ 1η ΕΡΓΑΣΙΑ ΣΠΟΥΔΑΣΤΕΣ:
Διαβάστε περισσότεραΕργαστήριο ADICV. Fourier transform, frequency domain filtering and image restoration. Κώστας Μαριάς 3/4/2017
Εργαστήριο ADICV Fourier transform, frequency domain filtering and image restoration Κώστας Μαριάς 3/4/2017 Fourier Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab ΠΑΡΑΔΕΙΓΜΑΤΑ ΦΙΛΤΡΩΝ ΔΙΑΚΡΙΤΟΣ
Διαβάστε περισσότεραHomework 3 Solutions
Homework 3 Solutions Igor Yanovsky (Math 151A TA) Problem 1: Compute the absolute error and relative error in approximations of p by p. (Use calculator!) a) p π, p 22/7; b) p π, p 3.141. Solution: For
Διαβάστε περισσότεραInstruction Execution Times
1 C Execution Times InThisAppendix... Introduction DL330 Execution Times DL330P Execution Times DL340 Execution Times C-2 Execution Times Introduction Data Registers This appendix contains several tables
Διαβάστε περισσότεραΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 19/5/2007
Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Αν κάπου κάνετε κάποιες υποθέσεις να αναφερθούν στη σχετική ερώτηση. Όλα τα αρχεία που αναφέρονται στα προβλήματα βρίσκονται στον ίδιο φάκελο με το εκτελέσιμο
Διαβάστε περισσότεραD. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004.
D. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004. Εισαγωγικά: SIFT~Harris Harris Detector: Δεν είναι ανεξάρτητος της κλίμακας
Διαβάστε περισσότεραΚατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση
ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία
Διαβάστε περισσότεραΜάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας. Ένας αποδεκτός ορισμός της ακμής είναι ο ακόλουθος: «Το σύνορο μεταξύ δύο ομοιογενών περιοχών με
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΕΝΑ ΦΛΟΚΑ Επίκουρος Καθηγήτρια Τµήµα Φυσικής, Τοµέας Φυσικής Περιβάλλοντος- Μετεωρολογίας ΓΕΝΙΚΟΙ ΟΡΙΣΜΟΙ Πληθυσµός Σύνολο ατόµων ή αντικειµένων στα οποία αναφέρονται
Διαβάστε περισσότεραΜάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας Προς το παρόν δεν υπάρχει ακόμα ένας ευρέως αποδεκτός ορισμός της ακμής. Εδώ θα θεωρούμε ως ακμή:
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΜΕ ΤΟ ΚΙΤ ΡΟΜΠΟΤΙΚΗΣ LEGO MINDSTORMS EV3
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΜΕ ΤΟ ΚΙΤ ΡΟΜΠΟΤΙΚΗΣ LEGO MINDSTORMS EV3 Μάθημα 7ο: Επαναλαμβανόμενες ενέργειες (Loops) Σύλλογος Εκπαιδευτικών Πληροφορικής Χίου ΑΝΤΙΚΕΙΜΕΝΑ ΜΑΘΗΣΗΣ 1. Τι σημαίνει η επανάληψη 2. Πώς χρησιμοποιείται
Διαβάστε περισσότεραAreas and Lengths in Polar Coordinates
Kiryl Tsishchanka Areas and Lengths in Polar Coordinates In this section we develop the formula for the area of a region whose boundary is given by a polar equation. We need to use the formula for the
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 4 th part 12/3/2018 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Βασικές έννοιες επεξεργασίας Φιλτράρισμα στο χωρικό
Διαβάστε περισσότεραFSM Toolkit Exercises
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Τμήμα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Τομέας Τηλεπικοινωνιών Αναπληρωτής Καθηγητής: Αλέξανδρος Ποταμιάνος Ονοματεπώνυμο: Α Μ : ΗΜΕΡΟΜΗΝΙΑ: ΤΗΛ 413 : Συστήματα Επικοινωνίας
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Πεδί α
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Βάση δεδομένων είναι συσχετισμένα μεταξύ τους δεδομένα, οργανωμένα σε μορφή πίνακα. Οι γραμμές του πίνακα αποτελούν τις εγγραφές και περιλαμβάνουν τις πληροφορίες για μια οντότητα. Οι
Διαβάστε περισσότεραΔομημένος Προγραμματισμός. Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων
Δομημένος Προγραμματισμός Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων www.bpis.teicrete.gr Τμήμα Επιχειρηματικού Σχεδιασμού και Πληροφοριακών Συστημάτων www.bpis.teicrete.gr 2 Ένθετες
Διαβάστε περισσότερα2 Composition. Invertible Mappings
Arkansas Tech University MATH 4033: Elementary Modern Algebra Dr. Marcel B. Finan Composition. Invertible Mappings In this section we discuss two procedures for creating new mappings from old ones, namely,
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Ακμές και περιγράμματα Ακμές και περιγράμματα Γενικά Μεγάλο τμήμα της πληροφορίας που γίνεται αντιληπτή
Διαβάστε περισσότεραAreas and Lengths in Polar Coordinates
Kiryl Tsishchanka Areas and Lengths in Polar Coordinates In this section we develop the formula for the area of a region whose boundary is given by a polar equation. We need to use the formula for the
Διαβάστε περισσότεραReferences. Chapter 10 The Hough and Distance Transforms
References Chapter 10 The Hough and Distance Transforms An Introduction to Digital Image Processing with MATLAB https://en.wikipedia.org/wiki/circle_hough_transform Μετασχηματισμός HOUGH ΤΕΧΝΗΤΗ Kostas
Διαβάστε περισσότεραΕιδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Χαρακτηριστικά Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα
Διαβάστε περισσότεραΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011. Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών.
1 ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011 2 Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών. Ενδεδειγμένες και αξιόπιστες μέθοδοι αποτύπωσης Εμπειρικές Τοπογραφικές
Διαβάστε περισσότερα5-1. Industrial Vision. Machine Vision Systems : Image Acquisition Image processing Analysis/Exploitation
5 Industrial Vision Machine Vision Systems : Image Acquisition Image processing Analysis/Exploitation 5- Image processing Y (colomns) 35 3 38 3 5 35 69 8 3 38 3 3 69 79 39 3 3 33 9 37 6 77 X (rows) 7 38
Διαβάστε περισσότεραΑΣΚΗΣΗ 4: ΟΜΕΣ ΒΑΣΙΚΩΝ ΒΡΟΧΩΝ
ΑΣΚΗΣΗ 4: ΟΜΕΣ ΒΑΣΙΚΩΝ ΒΡΟΧΩΝ Σκοπός της Άσκησης Ο σκοπός αυτής της εργαστηριακής άσκησης είναι η χρήση των βασικών βρόχων της Γλώσσας Προγραµµατισµού C οι οποίοι χρησιµοποιούνται για την εκτέλεση µιας
Διαβάστε περισσότεραΗ εντολή if-else. Η απλή μορφή της εντολής if είναι η ακόλουθη: if (συνθήκη) { Η γενική μορφή της εντολής ifelse. εντολή_1; εντολή_2;..
Επιλογή - Επανάληψη Η εντολή if-else Ο τελεστής παράστασης συνθήκης H εντολή switch Η εντολές for και while Η εντολή do-while Η εντολές break - continue - goto Μαθηματικές συναρτήσεις Λέξεις κλειδιά στη
Διαβάστε περισσότεραADVANCES IN DIGITAL AND COMPUTER VISION
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ ΚΑΙ ΡΟΜΠΟΤΙΚΗΣ ΕΡΓΑΣΙΑ 1 η ADVANCES IN DIGITAL AND COMPUTER VISION ΣΠΟΥΔΑΣΤΕΣ: ΓΕΡΜΕΝΗΣ ΕΥΑΓΓΕΛΟΣ (Α.Μ.: ΜΗ77) ΠΑΠΑΔΟΠΟΥΛΟΣ
Διαβάστε περισσότεραΧρονικές σειρές 8 o μάθημα: ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΣΤΗ MATLAB (2)
Χρονικές σειρές 8 o μάθημα: ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΣΤΗ MATLAB (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
Διαβάστε περισσότεραΜΕΛΕΤΗ Σ.Α.Ε. µε χρήση του CONTROL SYSTEM TOOLBOX του MATLAB
Σ.Ν.. ΕΡΓΑΣΤΗΡΙΑ ΗΛΕΚΤΡΟΤΕΧΝΙΑΣ ο Έτος ΘΕΩΡΙΑ ΚΥΚΛΩΜΑΤΩΝ ΙΙ ΜΕΛΕΤΗ Σ.Α.Ε. µε χρήση του CONTROL SYSTEM TOOLBOX του MATLAB - Σύντοµη εισαγωγή στο Control System Toolbox - Παρουσίαση Εφαρµογών ( συνοδεύεται
Διαβάστε περισσότεραΠρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής
Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής Να γραφεί πρόγραμμα το οποίο δέχεται ως είσοδο μια ακολουθία S από n (n 40) ακέραιους αριθμούς και επιστρέφει ως έξοδο δύο ακολουθίες από θετικούς ακέραιους
Διαβάστε περισσότεραΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Τμημα Πληροφορικης και Τηλεματικης Τσάμη Παναγιώτα ΑΜ: 20833 ΚΑΤΑΝΕΜΗΜΕΝΑ ΣΥΣΤΗΜΑΤΑ Άσκηση 1 Αθήνα 13-12-2011 Αναφορά Ενότητα 1 A Δημιουργήστε στο φλοιό 3 εντολές (alias) που η
Διαβάστε περισσότεραΑπλός Προγραµµατισµός στην R
Κεφάλαιο 5 Απλός Προγραµµατισµός στην R Η έννοια του προγραµµατισµού στην R ϐασίζεται στη δηµιουργία καινούργιων συναρτήσεων οι οποίες ϑα χρησιµοποιηθούν για περαιτέρω ανάπτυξη της γλώσσας. Το κύριο δοµικό
Διαβάστε περισσότεραApproximation of distance between locations on earth given by latitude and longitude
Approximation of distance between locations on earth given by latitude and longitude Jan Behrens 2012-12-31 In this paper we shall provide a method to approximate distances between two points on earth
Διαβάστε περισσότεραΑβδέλαρου Κωνσταντίνα
ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ Αβδέλαρου Κωνσταντίνα 1 η Εργασία στο μάθημα Λειτουργικά Συστήματα Ταύρος, 9 Δεκεμβρίου 2014 Άσκηση 1.1 Το shell script που δημιουργήθηκε είναι:
Διαβάστε περισσότεραΗ-Υ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. Εργαστήριο 3 Εντολές Επιλογής. Γιώργος Λαμπρινίδης Η - Υ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ 1
Η-Υ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Εργαστήριο 3 Εντολές Επιλογής Γιώργος Λαμπρινίδης 1 Ασκησεις Εργατηρίου 2 30/10/2015 2 /* File: pososto.c */ #include main() {double timi, pososto, teliki; printf("dwse tin
Διαβάστε περισσότεραCHAPTER 25 SOLVING EQUATIONS BY ITERATIVE METHODS
CHAPTER 5 SOLVING EQUATIONS BY ITERATIVE METHODS EXERCISE 104 Page 8 1. Find the positive root of the equation x + 3x 5 = 0, correct to 3 significant figures, using the method of bisection. Let f(x) =
Διαβάστε περισσότεραΟδηγίες Αγοράς Ηλεκτρονικού Βιβλίου Instructions for Buying an ebook
Οδηγίες Αγοράς Ηλεκτρονικού Βιβλίου Instructions for Buying an ebook Βήμα 1: Step 1: Βρείτε το βιβλίο που θα θέλατε να αγοράσετε και πατήστε Add to Cart, για να το προσθέσετε στο καλάθι σας. Αυτόματα θα
Διαβάστε περισσότεραCHAPTER 12: PERIMETER, AREA, CIRCUMFERENCE, AND 12.1 INTRODUCTION TO GEOMETRIC 12.2 PERIMETER: SQUARES, RECTANGLES,
CHAPTER : PERIMETER, AREA, CIRCUMFERENCE, AND SIGNED FRACTIONS. INTRODUCTION TO GEOMETRIC MEASUREMENTS p. -3. PERIMETER: SQUARES, RECTANGLES, TRIANGLES p. 4-5.3 AREA: SQUARES, RECTANGLES, TRIANGLES p.
Διαβάστε περισσότεραΣΥΝΑΡΤΗΣΕΙΣ Παραδείγματα χρήσης συναρτήσεων
ΣΥΝΑΡΤΗΣΕΙΣ Παραδείγματα χρήσης συναρτήσεων ΠΟΛΛΕΣ ΕΝΤΟΛΕΣ ΕΠΙΣΤΡΟΦΗΣ Να γραφτεί ένα πρόγραμμα που να διπλασιάζει ένα ποσό που του δίνει ο χρήστης μεταξύ 0 και 1000. Να ελέγχει εάν το ποσό που εισήχθη
Διαβάστε περισσότεραST5224: Advanced Statistical Theory II
ST5224: Advanced Statistical Theory II 2014/2015: Semester II Tutorial 7 1. Let X be a sample from a population P and consider testing hypotheses H 0 : P = P 0 versus H 1 : P = P 1, where P j is a known
Διαβάστε περισσότεραΕισαγωγή στην Αριθμητική Ανάλυση
Εισαγωγή στην Αριθμητική Ανάλυση Εισαγωγή στη MATLAB ΔΙΔΑΣΚΩΝ: ΓΕΩΡΓΙΟΣ ΑΚΡΙΒΗΣ ΒΟΗΘΟΙ: ΔΗΜΗΤΡΙΑΔΗΣ ΣΩΚΡΑΤΗΣ, ΣΚΟΡΔΑ ΕΛΕΝΗ E-MAIL: SDIMITRIADIS@CS.UOI.GR, ESKORDA@CS.UOI.GR Τι είναι Matlab Είναι ένα περιβάλλον
Διαβάστε περισσότεραΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6/5/2006
Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Ολοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα είναι μικρότεροι το 1000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Διάρκεια: 3,5 ώρες Καλή
Διαβάστε περισσότεραΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΡΓΑΣΤΗΡΙΟ 3 ΕΡΓΑΣΤΗΡΙΟ 3 ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΒΑΣΙΚΕΣ ΔΟΜΕΣ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΔΗΜΙΟΥΡΓΙΑ ΔΙΑΝΥΣΜΑΤΩΝ Χ (ΤΕΤΜΗΜΕΝΩΝ) ΚΑΙ Υ (ΤΕΤΑΓΜΕΝΩΝ) ΤΩΝ ΣΗΜΕΙΩΝ
Διαβάστε περισσότεραThe Simply Typed Lambda Calculus
Type Inference Instead of writing type annotations, can we use an algorithm to infer what the type annotations should be? That depends on the type system. For simple type systems the answer is yes, and
Διαβάστε περισσότερα0 Τα ηλεκτρικά κυκλώματα ως συστήματα Παράδειγμα Ηλεκτρ. Συστήματος πρώτης τάξης: κύκλωμα «RC» με Εξοδο
L. DRITSAS 2008/2009 0 Τα ηλεκτρικά κυκλώματα ως συστήματα...2 1 Παράδειγμα Ηλεκτρ. Συστήματος πρώτης τάξης: κύκλωμα «RC» με Εξοδο στον πυκνωτή (=Low Pass Filter - LPF)...4... Καταστατικές Εξισώσεις «RC»...4...
Διαβάστε περισσότεραMath221: HW# 1 solutions
Math: HW# solutions Andy Royston October, 5 7.5.7, 3 rd Ed. We have a n = b n = a = fxdx = xdx =, x cos nxdx = x sin nx n sin nxdx n = cos nx n = n n, x sin nxdx = x cos nx n + cos nxdx n cos n = + sin
Διαβάστε περισσότεραΠτυχιακή Εργασι α «Εκτι μήσή τής ποιο τήτας εικο νων με τήν χρή σή τεχνήτων νευρωνικων δικτυ ων»
Ανώτατο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ανατολικής Μακεδονίας και Θράκης Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής Πτυχιακή Εργασι α «Εκτι μήσή τής ποιο τήτας εικο νων με τήν χρή σή τεχνήτων
Διαβάστε περισσότεραOther Test Constructions: Likelihood Ratio & Bayes Tests
Other Test Constructions: Likelihood Ratio & Bayes Tests Side-Note: So far we have seen a few approaches for creating tests such as Neyman-Pearson Lemma ( most powerful tests of H 0 : θ = θ 0 vs H 1 :
Διαβάστε περισσότεραΑριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 3)
Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 3) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Δρ. Δημήτρης Βαρσάμης Αριθμητικές Μέθοδοι (E 3) Σεπτέμβριος 2015
Διαβάστε περισσότεραΠρογραμματισμός και Χρήση Ηλεκτρονικών Υπολογιστών - Βασικά Εργαλεία Λογισμικού
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΙΚΟ ΚΕΝΤΡΟ Προγραμματισμός και Χρήση Ηλεκτρονικών Υπολογιστών - Βασικά Εργαλεία Λογισμικού Μάθημα 9ο Aντώνης Σπυρόπουλος Σφάλματα στρογγυλοποίησης
Διαβάστε περισσότεραModbus basic setup notes for IO-Link AL1xxx Master Block
n Modbus has four tables/registers where data is stored along with their associated addresses. We will be using the holding registers from address 40001 to 49999 that are R/W 16 bit/word. Two tables that
Διαβάστε περισσότερα3. ΕΝΤΟΛΕΣ ΕΛΕΓΧΟΥ (Β' μέρος: switch και :? )
3. ΕΝΤΟΛΕΣ ΕΛΕΓΧΟΥ (Β' μέρος: switch και :? ) 3.1 Η εντολή switch case Στην περίπτωση που θέλουμε να εξετάσουμε πολλές διαφορετικές τιμές, θα αναγκαζόμασταν να φτιάξουμε ένα κώδικα που θα περιέχει πολλά
Διαβάστε περισσότεραΔιάλεξη 3: Προγραμματισμός σε JAVA I. Διδάσκων: Παναγιώτης Ανδρέου
Διάλεξη 3: Προγραμματισμός σε JAVA I Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Εισαγωγή στις έννοιες: - Στοιχειώδης Προγραμματισμός - Προγραμματισμός με Συνθήκες - Προγραμματισμός με Βρόγχους
Διαβάστε περισσότεραΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ
ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΕΠ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επεξεργασία Ιατρικών Εικόνων
Διαβάστε περισσότεραΗ Υ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. Εργαστήριο 6 Εντολές Επανάληψης Ασκήσεις. Γιώργος Λαμπρινίδης
Η Υ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Εργαστήριο 6 Εντολές Επανάληψης Ασκήσεις Γιώργος Λαμπρινίδης lamprinidis@pharm.uoa.gr Ασκήσεις Εμπέδωσης στις εντολές επανάληψης Σε αυτό το εργαστήριο θα δούμε στην πράξη: Πόσο χρήσιμες
Διαβάστε περισσότεραw o = R 1 p. (1) R = p =. = 1
Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-570: Στατιστική Επεξεργασία Σήµατος 205 ιδάσκων : Α. Μουχτάρης Τριτη Σειρά Ασκήσεων Λύσεις Ασκηση 3. 5.2 (a) From the Wiener-Hopf equation we have:
Διαβάστε περισσότεραΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24/3/2007
Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Όλοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα μικρότεροι του 10000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Αν κάπου κάνετε κάποιες υποθέσεις
Διαβάστε περισσότεραΕπεξεργασία εικόνας. Μιχάλης ρακόπουλος. Υπολογιστική Επιστήµη & Τεχνολογία, #08
Επεξεργασία εικόνας Μιχάλης ρακόπουλος Υπολογιστική Επιστήµη & Τεχνολογία, #08 1 Επεξεργασία εικόνας Βασικό ανάγνωσµα: Η ενότητα 12.4 από το ϐιβλίο των Van Loan και Fan. Επεξεργασία εικόνας Μ. ρακόπουλος
Διαβάστε περισσότεραDigital Image Processing
Digital Image Processing Αποκατάσταση εικόνας Αφαίρεση Θορύβου Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Αποκατάσταση
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 4b 24/4/2017 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Μετασχηματισμός Fourier Εφαρμογές 2 Περιοδικός Θόρυβος
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ & ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ
ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ & ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ Μέρος 4ο ΝΙΚΟΛΑΟΣ ΣΤΕΡΓΙΟΥΛΑΣ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ 1 ΟΙ ΤΕΛΕΣΤΕΣ ΣΥΓΚΡΙΣΗΣ Με τους τελεστές σύγκρισης, συγκρίνουμε τις
Διαβάστε περισσότεραHY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems
HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems Ημερομηνία Παράδοσης: 0/1/017 την ώρα του μαθήματος ή με email: mkarabin@csd.uoc.gr Γενικές Οδηγίες α) Επιτρέπεται η αναζήτηση στο Internet και στην βιβλιοθήκη
Διαβάστε περισσότεραΑσκήσεις 5ο Μάθημα - Λύσεις
Ασκήσεις 5ο Μάθημα - Λύσεις Άσκηση 1: Γράψτε ένα πρόγραμμα σε γλώσσα C το οποίο να διαβάζει ένα ακέραιο αριθμό και να υπολογίζει: - Αν ο αριθμός είναι μεγαλύτερος του 10 - Αν ο αριθμός είναι θετικός -
Διαβάστε περισσότεραFractional Colorings and Zykov Products of graphs
Fractional Colorings and Zykov Products of graphs Who? Nichole Schimanski When? July 27, 2011 Graphs A graph, G, consists of a vertex set, V (G), and an edge set, E(G). V (G) is any finite set E(G) is
Διαβάστε περισσότεραΕισαγωγή στον Προγραμματισμό με C++
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Εισαγωγή στον Προγραμματισμό με C++ Ενότητα # 6: Συναρτήσεις Κωνσταντίνος Κουκουλέτσος Τμήμα Αυτοματισμού Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραSecond Order RLC Filters
ECEN 60 Circuits/Electronics Spring 007-0-07 P. Mathys Second Order RLC Filters RLC Lowpass Filter A passive RLC lowpass filter (LPF) circuit is shown in the following schematic. R L C v O (t) Using phasor
Διαβάστε περισσότεραSection 7.6 Double and Half Angle Formulas
09 Section 7. Double and Half Angle Fmulas To derive the double-angles fmulas, we will use the sum of two angles fmulas that we developed in the last section. We will let α θ and β θ: cos(θ) cos(θ + θ)
Διαβάστε περισσότεραΑΤΣΑΛΑΚΗ ΞΑΝΘΟΥΛΑ ΕΡΓΑΣΤΗΡΙΟ 2
EXERSICE 1 #include #define ROWS 20 #define COLUMNS 5 int better(int array[][columns],int rows); int main(void) int rows,grades[rows][columns],i,j,k=0,l=0; printf("\nhow many students are there
Διαβάστε περισσότεραΕισαγωγή στον Προγραμματισμό Python Μάθημα 3: πίνακες και βρόγχος επανάληψης for (για) Νοέμβριος 2014 Χ. Αλεξανδράκη, Γ.
Εισαγωγή στον Προγραμματισμό Python Μάθημα 3: πίνακες και βρόγχος επανάληψης for (για) Νοέμβριος 2014 Χ. Αλεξανδράκη, Γ. Δημητρακάκης Πίνακες/Λίστες Σε πολλές περιπτώσεις στον προγραμματισμό υπάρχει η
Διαβάστε περισσότεραb. Use the parametrization from (a) to compute the area of S a as S a ds. Be sure to substitute for ds!
MTH U341 urface Integrals, tokes theorem, the divergence theorem To be turned in Wed., Dec. 1. 1. Let be the sphere of radius a, x 2 + y 2 + z 2 a 2. a. Use spherical coordinates (with ρ a) to parametrize.
Διαβάστε περισσότεραNotes on the Open Economy
Notes on the Open Econom Ben J. Heijdra Universit of Groningen April 24 Introduction In this note we stud the two-countr model of Table.4 in more detail. restated here for convenience. The model is Table.4.
Διαβάστε περισσότεραΗΜΥ 100 Εισαγωγή στην Τεχνολογία ιάλεξη 17
ΗΜΥ 100 Εισαγωγή στην Τεχνολογία ιάλεξη 17 10 Νοεµβρίου, 2006 Γεώργιος Έλληνας Επίκουρος Καθηγητής ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΑ ΘΕΜΑΤΑ
Διαβάστε περισσότεραΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ
ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ Π. ΑΣΒΕΣΤΑΣ Επ. Καθηγητής Τμήμα Μηχανικών Βιοϊατρικής Τεχνολογίας ΤΕΙ Αθήνας Email: pasv@teiath.gr ΠΕΡΙΕΧΟΜΕΝΑ Αναπαράσταση εικόνας Ιστόγραμμα Εξισορρόπηση ιστογράμματος Κατωφλίωση
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Εισαγωγή στον Προγραμματισμό. Ενότητα 8: Συναρτήσεις. Κ.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Εισαγωγή στον Προγραμματισμό Ενότητα 8: Συναρτήσεις Κ. Κουκουλέτσος Τμήμα: Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ
H O G feature descriptor global feature the most common algorithm associated with person detection Με τα Ιστογράμματα της Βάθμωσης (Gradient) μετράμε τον προσανατολισμό και την ένταση της βάθμωσης σε μία
Διαβάστε περισσότεραΝοέμβριος 2013 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/57
Νοέμβριος 3 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ /57 Ακμή ή περίγραμμα (edge) σε μια εικόνα Χ ij ορίζεται ως το σύνολο των σημείων στη θέση i,j της εικόνας, όπου παρατηρείται μία σημαντική
Διαβάστε περισσότεραRepeated measures Επαναληπτικές μετρήσεις
ΠΡΟΒΛΗΜΑ Στο αρχείο δεδομένων diavitis.sav καταγράφεται η ποσότητα γλυκόζης στο αίμα 10 ασθενών στην αρχή της χορήγησης μιας θεραπείας, μετά από ένα μήνα και μετά από δύο μήνες. Μελετήστε την επίδραση
Διαβάστε περισσότεραCHAPTER 48 APPLICATIONS OF MATRICES AND DETERMINANTS
CHAPTER 48 APPLICATIONS OF MATRICES AND DETERMINANTS EXERCISE 01 Page 545 1. Use matrices to solve: 3x + 4y x + 5y + 7 3x + 4y x + 5y 7 Hence, 3 4 x 0 5 y 7 The inverse of 3 4 5 is: 1 5 4 1 5 4 15 8 3
Διαβάστε περισσότερα1) Formulation of the Problem as a Linear Programming Model
1) Formulation of the Problem as a Linear Programming Model Let xi = the amount of money invested in each of the potential investments in, where (i=1,2, ) x1 = the amount of money invested in Savings Account
Διαβάστε περισσότεραDERIVATION OF MILES EQUATION FOR AN APPLIED FORCE Revision C
DERIVATION OF MILES EQUATION FOR AN APPLIED FORCE Revision C By Tom Irvine Email: tomirvine@aol.com August 6, 8 Introduction The obective is to derive a Miles equation which gives the overall response
Διαβάστε περισσότερα