Komputerowe przetwarzanie obrazu Laboratorium 5

Wielkość: px
Rozpocząć pokaz od strony:

Download "Komputerowe przetwarzanie obrazu Laboratorium 5"

Transkrypt

1 Komputerowe przetwarzanie obrazu Laboratorium 5 Przykład 1 Histogram obrazu a dobór progu binaryzacji. Na podstawie charakterystyki histogramu wybrano dwa różne progi binaryzacji (120 oraz 180). Proszę ocenić rezultaty wykonanych operacji. L1=imread('portret.jpg') imshow(l1) set(gcf,'color',([1 1 1])); grid; imhist(l1); ylabel('ilość pikseli', 'FontSize',15,'FontName','Arial CE') L2a=L1>120; imshow(l2a); L2b=L1>180; imshow(l2b) Przykład 2 Wyznaczenie progu za pomocą algorytmu Otsu. L1=imread('portret.jpg') imshow(l1) set(gcf,'color',([1 1 1])); grid; imhist(l1); ylabel('ilość pikseli', 'FontSize',15,'FontName','Arial CE') level = graythresh(l1); L2 = im2bw(l1,level); imshow(l2) GRAYTHRESH Compute global image threshold using Otsu's method. LEVEL = GRAYTHRESH(I) computes a global threshold (LEVEL) that can be used to convert an intensity image to a binary image with IM2BW. LEVEL is a normalized intensity value that lies in the range [0, 1]. GRAYTHRESH uses Otsu's method, which chooses the threshold to minimize the intraclass variance of the thresholded black and white pixels. Zadanie 1 Proszę wybrać dowolny obraz i na podstawie analizy histogramu spróbować dobrać optymalny próg binaryzacji. Czy dla każdego obrazu jest to możliwe? Następnie dobrać próg przy zastosowaniu algorytmu Otsu. Zadanie 2 Na podstawie analizy histogramu obrazu "cells1.bmp" proszę spróbować wybrać dwa progi (górny i dolny) tak, aby wyróżnić kontury komórek. Ćwiczenie należy wykonać metodą "prób i błędów". Przykład 3 Dodawanie dwóch obrazów monochromatycznych o takiej samej rozdzielczości [L1a,map1a] = imread('gory.bmp'); imshow(l1a,map1a); imshow(ind2gray(l1a,map1a)); L1a=double(ind2gray(L1a,map1a))/255;

2 imshow(l1b,map1b) imshow(ind2gray(l1b,map1b)); L1b=double(ind2gray(L1b,map1b))/255; L2a=L1a+L1b; imshow(mat2gray(l2a)) MAT2GRAY Convert matrix to intensity image. I = MAT2GRAY(A,[AMIN AMAX]) converts the matrix A to the intensity image I. The returned matrix I contains values in the range 0.0 (black) to 1.0 (full intensity or white). AMIN and AMAX are the values in A that correspond to 0.0 and 1.0 in I. Values less than AMIN become 0.0, and values greater than AMAX become 1.0. I = MAT2GRAY(A) sets the values of AMIN and AMAX to the minimum and maximum values in A. Przykład 4 Dodawanie dwóch obrazów o różnej rozdzielczości: L1a=L1a(201:650,101:700); %wycięcie odpowiedniego fragmentu obrazu imshow(l1b) L2a=L1a+L1b; imshow(mat2gray(l2a)) Uwaga: Jeżeli obrazy różnią się rozmiarami, należy z większego obrazu wyciąć odpowiedni fragment. Przykład 5 Mieszanie obrazów z różną wagą: L1a=L1a(201:650,101:700); imshow(l1b) L2a=imlincomb(0.3,L1a,0.7,L1b); % suma wag dodawanych obrazów musi być równa 1 imshow(l2a) Mieszanie dwóch obrazów z różną wagą (wagi zmieniają się co 1 sekundę: L1a=L1a(201:650,101:700); for i=0:0.05:1 L2=imlincomb(i,L1a,1-i,L1b);

3 imshow(l2); title(['l1a',mat2str(i*100),'%',' + L1b',mat2str((1- i)*100),'%']); pause(1) end Przykład 6 Funkcja "imadd" pozwala dodać stałą wartość do obrazu lub dodać dwa obrazy do siebie. Dodawanie wartości 80 do obrazu: L1 = imread('portret.jpg'); imshow(l1); L2 = imadd(l1,80); Zadanie 3 Proszę dodać dwa dowolne obrazy za pomocą funkcji "imadd", pamiętając o warunku zgodności wymiarów macierzy. Przykład 7 Odejmowanie dwóch obrazów monochromatycznych (obraz ukryty): L1a=L1a(201:650,101:700)>128; L1c=0.05*double(L1a)/ *double(L1b)/255; imshow(l1c); L2=mat2gray(L1c-0.95*double(L1b)/255); Zadanie 4 Proszę wykonać odejmowanie dwóch obrazów przy użyciu funkcji "imabsdiff". Następnie zmienić kolejność obrazów źródłowych i zaobserwować czy jest różnica w obrazie wynikowym. Zadanie 5 Proszę wypróbować odejmowanie dwóch obrazów przy użyciu funkcji "imsubtract". Czy zmiana kolejności obrazów źródłowych pociąga za sobą różnicę w obrazie wynikowym? Przykład 8 Mnożenie i dzielenie różnych obrazów ma niewielkie zastosowanie praktyczne. Operacje tego typu mogą być przydatne do odfiltrowywania zbędnej informacji (np: szumu). W fotografii krajobrazowej dalsze plany tracą wyrazistość ze względu na mgłę, która jest widoczna w kanale niebieskim. Mnożenie kanałów zielonego i czerwonego (za pomocą funkcji "immultiply") pozwoli na wyodrębnienie zieleni. L1r=double(L1(:,:,1))/255; imshow(l1r); L1g=double(L1(:,:,2))/255; imshow(l1g); L1b=double(L1(:,:,3))/255; L2=immultiply(L1g,L1r);

4 imshow(l2,[]); Zadanie 6 Proszę zastosować dzielenie kanału zielonego przez niebieski za pomocą funkcji "imdivide". Przykład 9 Wyznaczanie minimum i maksimum z dwóch obrazów dla każdego z pikseli w odpowiadającym sobie położeniu: L1r=double(L1(:,:,1))/255; imshow(l1r); L1g=double(L1(:,:,2))/255; imshow(l1g); L1b=double(L1(:,:,3))/255; L2a=max(L1g,L1b); L2b=min(L1g,L1b); imshow(l2a); imshow(l2b); Przykład 10 Operacja logiczna NOT dla obrazu binarnego oraz monochromatycznego: L1a=L1>0.5; L2a=~(L1a); imshow(l2a); imshow(bitcmp(uint8(l1*255),8)); Dopełnienie obrazu uzyskane przy zastosowaniu funkcji "imcomplement": imshow(l1); L2=imcomplement(L1); imshow(l2); Sposób 3 Identyczny obraz wynikowy uzyskany przez odwrócenie palety "Grayscale": ('Color', 'w'); imshow(l1); colormap(gray(256)); colorbar; ('Color', 'w'); imshow(l1); colormap(flipud(gray(256))); colorbar;

5 Przykład 11 Iloczyn logiczny obrazów binarnych: L1a=imread('wykr_10.tif'); imshow(l1a); L1b=imread('wykr_14.tif'); L2=L1a&L1b; L1a=imread('wykr_10.tif'); imshow(l1a); L1b=imread('wykr_14.tif'); L2=bitand(L1a,L1b); Zadanie 7 Bazując na powyższym przykładzie proszę wykonać operacje OR, XOR, SUB. Przykład 12 Iloczyn logiczny obrazów monochromatycznych: L1r=L1(:,:,1); imshow(l1r); L1g=L1(:,:,2); imshow(l1g); L1b=L1(:,:,3); L2=bitand(L1r,L1g);

Zygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab

Zygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab Zygmunt Wróbel i Robert Koprowski Praktyka przetwarzania obrazów w programie Matlab EXIT 2004 Wstęp 7 CZĘŚĆ I 9 OBRAZ ORAZ JEGO DYSKRETNA STRUKTURA 9 1. Obraz w programie Matlab 11 1.1. Reprezentacja obrazu

Bardziej szczegółowo

9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie

9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie 9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie Obrazy binarne to takie, które mają tylko dwa poziomy szarości: 0 i 1 lub 0 i 255. ImageJ wykorzystuje to drugie rozwiązanie - obrazy

Bardziej szczegółowo

Analiza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Analiza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Analiza obrazu komputerowego wykład 3 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Binaryzacja Binaryzacja jest jedną z ważniejszych ż czynności punktowego przetwarzania obrazów. Poprzedza prawie zawsze

Bardziej szczegółowo

Przetwarzanie obrazów wykład 2

Przetwarzanie obrazów wykład 2 Przetwarzanie obrazów wykład 2 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Etapy obróbki pozyskanego obrazu Obróbka wstępna

Bardziej szczegółowo

Arytmetyka komputera. Na podstawie podręcznika Urządzenia techniki komputerowej Tomasza Marciniuka. Opracował: Kamil Kowalski klasa III TI

Arytmetyka komputera. Na podstawie podręcznika Urządzenia techniki komputerowej Tomasza Marciniuka. Opracował: Kamil Kowalski klasa III TI Arytmetyka komputera Na podstawie podręcznika Urządzenia techniki komputerowej Tomasza Marciniuka Opracował: Kamil Kowalski klasa III TI Spis treści 1. Jednostki informacyjne 2. Systemy liczbowe 2.1. System

Bardziej szczegółowo

Raport. Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010

Raport. Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010 Raport Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010 1. Wykrywanie krawędzi 1.0. Obraz oryginalny 1. 1.1. Sobel. Parametry: domyślne. 1.2. Prewitt. Parametry: domyślne. 1.3. Roberts. Parametry: domyślne.

Bardziej szczegółowo

Gimp Grafika rastrowa (konwersatorium)

Gimp Grafika rastrowa (konwersatorium) GIMP Grafika rastrowa Zjazd 1 Prowadzący: mgr Agnieszka Paradzińska 17 listopad 2013 Gimp Grafika rastrowa (konwersatorium) Przed przystąpieniem do omawiania cyfrowego przetwarzania obrazów niezbędne jest

Bardziej szczegółowo

Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych

Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych 1 Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych 1. Podstawowe operacje logiczne dla cyfr binarnych Jeśli cyfry 0 i 1 potraktujemy tak, jak wartości logiczne fałsz i prawda, to działanie

Bardziej szczegółowo

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Wyższa Szkoła Informatyki Stosowanej i Zarządzania Wyższa Szkoła Informatyki Stosowanej i Zarządzania Grupa ID308, Zespół 11 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 6 Temat: Operacje sąsiedztwa wyostrzanie obrazu Wykonali: 1. Mikołaj Janeczek

Bardziej szczegółowo

Wykonawca: PIOTR DOMALEWSKI. Termin oddania sprawozdania: 30.08

Wykonawca: PIOTR DOMALEWSKI. Termin oddania sprawozdania: 30.08 SPRAWOZDANIE Z LABORATORIUM Przedmiot: KOMUNIKACJA CZŁOWIEK KOMPUTER Temat ćwiczenia: ZNACZENIE BARWY W PROJEKTOWANIU INTERFEJSU UŻYTKOWNIKA Kierunek: Informatyka Tryb / semestr: Zaoczne / VI Termin wykonania

Bardziej szczegółowo

Programowanie. programowania. Klasa 3 Lekcja 9 PASCAL & C++

Programowanie. programowania. Klasa 3 Lekcja 9 PASCAL & C++ Programowanie Wstęp p do programowania Klasa 3 Lekcja 9 PASCAL & C++ Język programowania Do przedstawiania algorytmów w postaci programów służą języki programowania. Tylko algorytm zapisany w postaci programu

Bardziej szczegółowo

i ruchów użytkownika komputera za i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Promotor: dr Adrian Horzyk

i ruchów użytkownika komputera za i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Promotor: dr Adrian Horzyk System śledzenia oczu, twarzy i ruchów użytkownika komputera za pośrednictwem kamery internetowej i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Mirosław ł Słysz Promotor:

Bardziej szczegółowo

Konstruowanie Baz Danych SQL UNION, INTERSECT, EXCEPT

Konstruowanie Baz Danych SQL UNION, INTERSECT, EXCEPT Studia podyplomowe Inżynieria oprogramowania współfinansowane przez Unię Europejska w ramach Europejskiego Funduszu Społecznego Projekt Studia podyplomowe z zakresu wytwarzania oprogramowania oraz zarządzania

Bardziej szczegółowo

Instrukcje Laboratoryjne

Instrukcje Laboratoryjne Instrukcje Laboratoryjne Metody cyfrowego przetwarzania informacji multimedialnej 23/4 Laboratorium Treści programowe: Wprowadzenie w problematykę laboratorium, przedstawienie celów, treści programowych

Bardziej szczegółowo

ARYTMETYKA BINARNA. Dziesiątkowy system pozycyjny nie jest jedynym sposobem kodowania liczb z jakim mamy na co dzień do czynienia.

ARYTMETYKA BINARNA. Dziesiątkowy system pozycyjny nie jest jedynym sposobem kodowania liczb z jakim mamy na co dzień do czynienia. ARYTMETYKA BINARNA ROZWINIĘCIE DWÓJKOWE Jednym z najlepiej znanych sposobów kodowania informacji zawartej w liczbach jest kodowanie w dziesiątkowym systemie pozycyjnym, w którym dla przedstawienia liczb

Bardziej szczegółowo

Python wstęp do programowania dla użytkowników WCSS

Python wstęp do programowania dla użytkowników WCSS Python wstęp do programowania dla użytkowników WCSS Dr inż. Krzysztof Berezowski Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej Wprowadzenie CHARAKTERYSTYKA JĘZYKA Filozofia języka

Bardziej szczegółowo

CUDA Median Filter filtr medianowy wykorzystujący bibliotekę CUDA sprawozdanie z projektu

CUDA Median Filter filtr medianowy wykorzystujący bibliotekę CUDA sprawozdanie z projektu CUDA Median Filter filtr medianowy wykorzystujący bibliotekę CUDA sprawozdanie z projektu inż. Daniel Solarz Wydział Fizyki i Informatyki Stosowanej AGH 1. Cel projektu. Celem projektu było napisanie wtyczki

Bardziej szczegółowo

Kiedy i czy konieczne?

Kiedy i czy konieczne? Bazy Danych Kiedy i czy konieczne? Zastanów się: czy często wykonujesz te same czynności? czy wielokrotnie musisz tworzyć i wypełniać dokumenty do siebie podobne (faktury, oferty, raporty itp.) czy ciągle

Bardziej szczegółowo

dr in. Artur Bernat, KMP, WM., PKos., wykład wstpny (rodowisko Matlab), strona: 1

dr in. Artur Bernat, KMP, WM., PKos., wykład wstpny (rodowisko Matlab), strona: 1 dr in. Artur Bernat, KMP, WM., PKos., wykład wstpny (rodowisko Matlab), strona: 1 Wykład wstpny (II) > z Podstaw Przetwarzania Informacji

Bardziej szczegółowo

Ś Ó Ć ć ć Ź ć Ć Ź ć Ś ć ć ć Ś ć Ź ć Ś Ź Ź ć ć ć ź ć ć ź Ź ć ć Ź ć Ś ć ć ć Ś ć Ź ć Ź ć ć ć ź Ś ć Ź ć Ź ć Ź ć Ź ć Ź Ś Ś ć ć Ś Ć ź Ę Ź Ź Ś Ć Ą Ó Ę Ó Ó Ą Ś Ę Ź Ó Ó Ę Ę Ź Ą Ó Ą Ą Ą Ą Ą Ś ć ć ć Ń Ó Ć ź ć ć Ś

Bardziej szczegółowo

Wstęp do programowania

Wstęp do programowania Wstęp do programowania Podstawowe konstrukcje programistyczne Paweł Daniluk Wydział Fizyki Jesień 2013 P. Daniluk (Wydział Fizyki) WP w. II Jesień 2013 1 / 34 Przypomnienie Programowanie imperatywne Program

Bardziej szczegółowo

Jacek Szlachciak. Urządzenia wirtualne systemu wieloparametrycznego

Jacek Szlachciak. Urządzenia wirtualne systemu wieloparametrycznego Jacek Szlachciak Urządzenia wirtualne systemu wieloparametrycznego Warszawa, 2009 1 1. Spektrometryczny przetwornik analogowo-cyfrowy (spectroscopy ADC) - wzmocnienie sygnału wejściowego (Conversion Gain

Bardziej szczegółowo

EGARA 2011. Adam Małyszko FORS. POLAND - KRAKÓW 2-3 12 2011r

EGARA 2011. Adam Małyszko FORS. POLAND - KRAKÓW 2-3 12 2011r EGARA 2011 Adam Małyszko FORS POLAND - KRAKÓW 2-3 12 2011r HISTORIA ELV / HISTORY ELV 1992r. 5 Program działań na rzecz ochrony środowiska / EAP (Environmental Action Plan) 1994r. Strategia dobrowolnego

Bardziej szczegółowo

PRAKTYKA PRZETWARZANIA OBRAZU W PROGRAMIE MATLAB

PRAKTYKA PRZETWARZANIA OBRAZU W PROGRAMIE MATLAB Zygmunt Wróbel Robert Koprowski PRAKTYKA PRZETWARZANIA OBRAZU W PROGRAMIE MATLAB EXIT 2004 2 3 SPIS TREŚCI Wstęp 7 CZĘŚĆ I 9 OBRAZ ORAZ JEGO DYSKRETNA STRUKTURA 9 1. Obraz w programie Matlab 11 1.1. Reprezentacja

Bardziej szczegółowo

Zabawa z grak z programem Scilab. Jacek Tabor

Zabawa z grak z programem Scilab. Jacek Tabor Zabawa z grak z programem Scilab Jacek Tabor Rozdziaª 1 Operacje na obrazach 1.1 Elementy statystyki w analizie muzyki i zdj : histogram Statystyka = nauka sªu» ca do opisu, przetwarzania i interpretacji

Bardziej szczegółowo

GIS w nauce. Poznań 01-03.06.2015. Analiza obiektowa (GEOBIA) obrazów teledetekcyjnych pod kątem detekcji przemian środowiska. mgr inż.

GIS w nauce. Poznań 01-03.06.2015. Analiza obiektowa (GEOBIA) obrazów teledetekcyjnych pod kątem detekcji przemian środowiska. mgr inż. GIS w nauce Poznań 01-03.06.2015 Analiza obiektowa (GEOBIA) obrazów teledetekcyjnych pod kątem detekcji przemian środowiska mgr inż. Paweł Hawryło dr hab. inż. Piotr Wężyk dr inż. Marta Szostak Laboratorium

Bardziej szczegółowo

Techniki wizualizacji. Ćwiczenie 2. Obraz cyfrowy w komputerze

Techniki wizualizacji. Ćwiczenie 2. Obraz cyfrowy w komputerze Doc. dr inż. Jacek Jarnicki Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej jacek.jarnicki@pwr.wroc.pl Techniki wizualizacji Ćwiczenie 2 Obraz cyfrowy w komputerze Celem ćwiczenia

Bardziej szczegółowo

Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3)

Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3) Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (3) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna

Bardziej szczegółowo

RBD Relacyjne Bazy Danych

RBD Relacyjne Bazy Danych Wykład 7 RBD Relacyjne Bazy Danych Bazy Danych - A. Dawid 2011 1 Selekcja σ C (R) W wyniku zastosowania operatora selekcji do relacji R powstaje nowa relacja T do której należy pewien podzbiór krotek relacji

Bardziej szczegółowo

OCENA POWTARZALNOŚCI WYNIKÓW ILOŚCIOWEJ OCENY STRUKTURY

OCENA POWTARZALNOŚCI WYNIKÓW ILOŚCIOWEJ OCENY STRUKTURY 79/21 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 21(2/2) ARCHIVES OF FOUNDARY Year 2006, Volume 6, Nº 21 (2/2) PAN Katowice PL ISSN 1642-5308 OCENA POWTARZALNOŚCI WYNIKÓW ILOŚCIOWEJ OCENY STRUKTURY L.

Bardziej szczegółowo

Planning and Cabling Networks

Planning and Cabling Networks Planning and Cabling Networks Network Fundamentals Chapter 10 Version 4.0 1 Projektowanie okablowania i sieci Podstawy sieci Rozdział 10 Version 4.0 2 Objectives Identify the basic network media required

Bardziej szczegółowo

JAVA. Platforma JSE: Środowiska programistyczne dla języka Java. Wstęp do programowania w języku obiektowym. Opracował: Andrzej Nowak

JAVA. Platforma JSE: Środowiska programistyczne dla języka Java. Wstęp do programowania w języku obiektowym. Opracował: Andrzej Nowak JAVA Wstęp do programowania w języku obiektowym Bibliografia: JAVA Szkoła programowania, D. Trajkowska Ćwiczenia praktyczne JAVA. Wydanie III,M. Lis Platforma JSE: Opracował: Andrzej Nowak JSE (Java Standard

Bardziej szczegółowo

ANALIZA I INDEKSOWANIE MULTIMEDIÓW (AIM)

ANALIZA I INDEKSOWANIE MULTIMEDIÓW (AIM) ANALIZA I INDEKSOWANIE MULTIMEDIÓW (AIM) LABORATORIUM 5 - LOKALIZACJA OBIEKTÓW METODĄ HISTOGRAMU KOLORU 1. WYBÓR LOKALIZOWANEGO OBIEKTU Pierwszy etap laboratorium polega na wybraniu lokalizowanego obiektu.

Bardziej szczegółowo

Cała prawda o plikach grafiki rastrowej

Cała prawda o plikach grafiki rastrowej ~ 1 ~ Cała prawda o plikach grafiki rastrowej Grafika rastrowa to rodzaj grafiki zapisywanej na dysku w postaci bitmapy, czyli zbioru pikseli. W edytorach grafiki rastrowej możliwa jest edycja na poziomie

Bardziej szczegółowo

Grafika komputerowa. Zajęcia IX

Grafika komputerowa. Zajęcia IX Grafika komputerowa Zajęcia IX Ćwiczenie 1 Usuwanie efektu czerwonych oczu Celem ćwiczenia jest usunięcie efektu czerwonych oczu u osób występujących na zdjęciu tak, aby plik wynikowy wyglądał jak wzor_1.jpg

Bardziej szczegółowo

Luty 2001 Algorytmy (7) 2000/2001 s-rg@siwy.il.pw.edu.pl

Luty 2001 Algorytmy (7) 2000/2001 s-rg@siwy.il.pw.edu.pl System dziesiętny 7 * 10 4 + 3 * 10 3 + 0 * 10 2 + 5 *10 1 + 1 * 10 0 = 73051 Liczba 10 w tym zapisie nazywa się podstawą systemu liczenia. Jeśli liczba 73051 byłaby zapisana w systemie ósemkowym, co powinniśmy

Bardziej szczegółowo

Cyfrowe przetwarzanie sygnałów. Wykład. Podstawowe przekształcenia morfologiczne. dr inż. Robert Kazała

Cyfrowe przetwarzanie sygnałów. Wykład. Podstawowe przekształcenia morfologiczne. dr inż. Robert Kazała Cyfrowe przetwarzanie sygnałów Wykład Podstawowe przekształcenia morfologiczne dr inż. Robert Kazała Przekształcenia morfologiczne Przekształcenia podobne do filtrów, z tym że element obrazu nie jest modyfikowany

Bardziej szczegółowo

Wyższa Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT

Wyższa Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT Wyższa Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT Grupa ID306, Zespół 5 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 1 Temat: Akwizycja i przetwarzanie

Bardziej szczegółowo

Zasady wystawiania ocen klasyfikacyjnych szkoła podstawowa.

Zasady wystawiania ocen klasyfikacyjnych szkoła podstawowa. Zasady wystawiania ocen klasyfikacyjnych szkoła podstawowa. Oceny klasyfikacyjne śródroczne i końcoworoczne ustalone są według skali: stopień niedostateczny 1 stopień dopuszczający 2 stopień dostateczny

Bardziej szczegółowo

Zapis liczb binarnych ze znakiem

Zapis liczb binarnych ze znakiem Zapis liczb binarnych ze znakiem W tej prezentacji: Zapis Znak-Moduł (ZM) Zapis uzupełnień do 1 (U1) Zapis uzupełnień do 2 (U2) Zapis Znak-Moduł (ZM) Koncepcyjnie zapis znak - moduł (w skrócie ZM - ang.

Bardziej szczegółowo

SYLABUS ECCC MOD U Ł : C S M2 GR A F I K A KO M P U T E R O W A PO Z I O M: PO D S T A W O W Y (A)

SYLABUS ECCC MOD U Ł : C S M2 GR A F I K A KO M P U T E R O W A PO Z I O M: PO D S T A W O W Y (A) SYLABUS ECCC MOD U Ł : C S M2 GR A F I K A KO M P U T E R O W A PO Z I O M: PO D S T A W O W Y (A) GRUPA KOMPETENCJI KOMPETENCJE OBJĘTE STANDARDEM ECCC 1. Teoria grafiki komputerowej 1.1. Podstawowe pojęcia

Bardziej szczegółowo

3.3.1. Metoda znak-moduł (ZM)

3.3.1. Metoda znak-moduł (ZM) 3.3. Zapis liczb binarnych ze znakiem 1 0-1 0 1 : 1 0 0 1 1 0 1 1 0 1 0 0 0 0 1 0 0 0 1 reszta 0 0 0 0 0 0 0 1 3.3. Zapis liczb binarnych ze znakiem W systemie dziesiętnym liczby ujemne opatrzone są specjalnym

Bardziej szczegółowo

FORMUŁY AUTOSUMOWANIE SUMA

FORMUŁY AUTOSUMOWANIE SUMA Wskazówki do wykonania Ćwiczenia 1, ocena sprawdzianu (Excel 2007) Autor: dr Mariusz Giero 1. Pobierz plik do pracy. W pracy należy wykonać obliczenia we wszystkich żółtych polach oraz utworzyć wykresy

Bardziej szczegółowo

Podstawowe definicje Z czego składa się system ekspertowy? Wnioskowanie: wprzód, wstecz, mieszane

Podstawowe definicje Z czego składa się system ekspertowy? Wnioskowanie: wprzód, wstecz, mieszane Podstawowe definicje Z czego składa się system ekspertowy? Wnioskowanie: wprzód, wstecz, mieszane Tworzymy system ekspertowy 1. Wstępna analiza i definicja dziedziny problemu. W tym: poznanie wiedzy dziedzinowej

Bardziej szczegółowo

Przestrzenne bazy danych Podstawy języka SQL

Przestrzenne bazy danych Podstawy języka SQL Przestrzenne bazy danych Podstawy języka SQL Stanisława Porzycka-Strzelczyk porzycka@agh.edu.pl home.agh.edu.pl/~porzycka Konsultacje: wtorek godzina 16-17, p. 350 A (budynek A0) 1 SQL Język SQL (ang.structured

Bardziej szczegółowo

2 Przygotował: mgr inż. Maciej Lasota

2 Przygotował: mgr inż. Maciej Lasota Laboratorium nr 2 1/7 Język C Instrukcja laboratoryjna Temat: Wprowadzenie do języka C 2 Przygotował: mgr inż. Maciej Lasota 1) Wprowadzenie do języka C. Język C jest językiem programowania ogólnego zastosowania

Bardziej szczegółowo

Techniki multimedialne

Techniki multimedialne Techniki multimedialne Digitalizacja podstawą rozwoju systemów multimedialnych. Digitalizacja czyli obróbka cyfrowa oznacza przetwarzanie wszystkich typów informacji - słów, dźwięków, ilustracji, wideo

Bardziej szczegółowo

Proposal of thesis topic for mgr in. (MSE) programme in Telecommunications and Computer Science

Proposal of thesis topic for mgr in. (MSE) programme in Telecommunications and Computer Science Proposal of thesis topic for mgr in (MSE) programme 1 Topic: Monte Carlo Method used for a prognosis of a selected technological process 2 Supervisor: Dr in Małgorzata Langer 3 Auxiliary supervisor: 4

Bardziej szczegółowo

Zarządzanie sieciami telekomunikacyjnymi

Zarządzanie sieciami telekomunikacyjnymi SNMP Protocol The Simple Network Management Protocol (SNMP) is an application layer protocol that facilitates the exchange of management information between network devices. It is part of the Transmission

Bardziej szczegółowo

KARTA PRZEDMIOTU WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI CELE PRZEDMIOTU

KARTA PRZEDMIOTU WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI CELE PRZEDMIOTU UWAGA! Karta przedmiotu nie jest zatwierdzona! Wydział Mechaniczny PWR KARTA PRZEDMIOTU Nazwa w języku polskim: Metody numeryczne Nazwa w języku angielskim: Numerical Methods Kierunek studiów (jeśli dotyczy):

Bardziej szczegółowo

RADIO DISTURBANCE Zakłócenia radioelektryczne

RADIO DISTURBANCE Zakłócenia radioelektryczne AKREDYTOWANE LABORATORIUM BADAWCZE Page (Strona) 2 of (Stron) 9 Following requirements should be taken into account in the case of making use of Test Report and giving information about the tests performed

Bardziej szczegółowo

Wstęp do Informatyki i Programowania (kierunek matematyka stosowana)

Wstęp do Informatyki i Programowania (kierunek matematyka stosowana) Wstęp do Informatyki i Programowania (kierunek matematyka stosowana) Jacek Cichoń Przemysław Kobylański Instytut Matematyki i Informatyki Politechnika Wrocławska Na podstawie: M.Summerfield.Python 3. Kompletne

Bardziej szczegółowo

Elektroniczny podręcznik Selection Drzwi przesuwne i składane

Elektroniczny podręcznik Selection Drzwi przesuwne i składane Elektroniczny podręcznik Selection Drzwi przesuwne i składane Wersja: 1.0 Nazwa: Tematy: PL_Przesuwne-Składane_V1.PDF 1 Konstrukcje drzwi przesuwnych i składanych w SelectionProfessional...2 1.1 Zróżnicowanie

Bardziej szczegółowo

Podstawowe definicje statystyczne

Podstawowe definicje statystyczne Podstawowe definicje statystyczne 1. Definicje podstawowych wskaźników statystycznych Do opisu wyników surowych (w punktach, w skali procentowej) stosuje się następujące wskaźniki statystyczne: wynik minimalny

Bardziej szczegółowo

1.1. Pozycyjne systemy liczbowe

1.1. Pozycyjne systemy liczbowe 1.1. Pozycyjne systemy liczbowe Systemami liczenia nazywa się sposób tworzenia liczb ze znaków cyfrowych oraz zbiór reguł umożliwiających wykonywanie operacji arytmetycznych na liczbach. Dla dowolnego

Bardziej szczegółowo

TECHNICAL CATALOGUE WHITEHEART MALLEABLE CAST IRON FITTINGS EE

TECHNICAL CATALOGUE WHITEHEART MALLEABLE CAST IRON FITTINGS EE TECHNICAL CATALOGUE WHITEHEART MALLEABLE CAST IRON FITTINGS EE Poland GENERAL INFORMATION USE Whiteheart malleable cast iron fittings brand EE are used in threaded pipe joints, particularly in water, gas,

Bardziej szczegółowo

Architektura komputerów. Asembler procesorów rodziny x86

Architektura komputerów. Asembler procesorów rodziny x86 Architektura komputerów Asembler procesorów rodziny x86 Architektura komputerów Asembler procesorów rodziny x86 Rozkazy mikroprocesora Rozkazy mikroprocesora 8086 można podzielić na siedem funkcjonalnych

Bardziej szczegółowo

PROMOTION - Flexible Ducts and Accessories - FLX-REKU P13.1/2013

PROMOTION - Flexible Ducts and Accessories - FLX-REKU P13.1/2013 PROMOTION - Flexible Ducts and Accessories - FLX-REKU P13.1/2013 Offer conditions: Offer is valid until 08.11.2013 or end of stock The offer quantity is lilited All prices are EXW When placing an order

Bardziej szczegółowo

Laboratorium. Szyfrowanie algorytmami Vernam a oraz Vigenere a z wykorzystaniem systemu zaimplementowanego w układzie

Laboratorium. Szyfrowanie algorytmami Vernam a oraz Vigenere a z wykorzystaniem systemu zaimplementowanego w układzie Laboratorium Szyfrowanie algorytmami Vernam a oraz Vigenere a z wykorzystaniem systemu zaimplementowanego w układzie programowalnym FPGA. 1. Zasada działania algorytmów Algorytm Vernam a wykorzystuje funkcję

Bardziej szczegółowo

SKRYPTY. Zadanie: Wyznaczyć wartość wyrażenia arytmetycznego

SKRYPTY. Zadanie: Wyznaczyć wartość wyrażenia arytmetycznego 1 SKRYPTY Zadanie: Wyznaczyć wartość wyrażenia arytmetycznego z = 1 y + 1+ ( x + 2) 3 x 2 + x sin y y + 1 2 dla danych wartości x = 12.5 i y = 9.87. Zadanie to można rozwiązać: wpisując dane i wzór wyrażenia

Bardziej szczegółowo

Ż Ł ć ć ź ź Ś Ó ćę Ę Ą Ę ć Ę ć Ń Ż ć ć Ż ć ć ć ć ć ć ć ć ć Ź ć ć Ę ć ć ć Ą ć Ż ć Ł Ż ć Ę ć ć ć ć ć ć ć ć Ż ć Ż ć ć ć ć ć Ż ć Ą Ź ć Ą ź Ż ć ć ć ć ć Ź ź Ź ć Ż Ź Ż Ź Ź ć Ż ć Ę Ł Ż ć ź Ż ć ć ź ć ć ć ź Ż Ę

Bardziej szczegółowo

ć ŚĆ Ś Ż Ś ć ć ŚĆ ć ć ć Ś ź ź Ł Ń Ź ź ć Ś ć Ę Ś ź ć Ó ć ć Ś Ś Ś Ł Ś ć ć Ł ć ŚĆ Ś ź Ś Ś Ś Ś ć ć Ł ć Ę Ę ć Ś Ś ć Ś Ę ć Ę Ś Ś Ś Ś Ś Ś ć ć Ś Ż ć ć ć ć ć ć ć ć ć Ę Ż ć ć Ś Ś ź Ś Ś Ę Ł Ń ć Ę ć Ś ć Ż ć Ę Ę Ę

Bardziej szczegółowo

ż Ść Ś Ś Ś Ś Ę Ą Ę ź Ę Ę ć ć Ź Ć Ó Ę Ę Ń Ś Ą ć Ę ć ć ćę ż ż ć Ó ż Ę Ń Ą Ą Ż Ę Ę Ść ć ż Ż ż Ż ć Ż ź Ę Ść Ż Ę Ść Ś ż Ń Ą ż Ę ż ż Ś ż ż Ó Ś Ę Ó ź ż ż ć ż Ś ż Ś ć ż ż Ś Ś ć Ż Ż Ó ż Ż Ż Ś Ś Ś ć Ź ż Ś Ś ć Ą

Bardziej szczegółowo

Pracownia Komputerowa wyk ad IV

Pracownia Komputerowa wyk ad IV Pracownia Komputerowa wykad IV dr Magdalena Posiadaa-Zezula Magdalena.Posiadala@fuw.edu.pl http://www.fuw.edu.pl/~mposiada Magdalena.Posiadala@fuw.edu.pl 1 Reprezentacje liczb i znaków Liczby: Reprezentacja

Bardziej szczegółowo

Kwerendy (zapytania) wybierające

Kwerendy (zapytania) wybierające Access 2. Kwerendy (zapytania) wybierające Kwerendy wybierające (nazywane też zapytaniami wybierającymi) są podstawowymi obiektami w MS Access służącymi do wyszukiwania danych w tabelach. W wyniku uruchomienia

Bardziej szczegółowo

SPRAWDZIAN UMIEJĘTNOŚCI MATEMATYCZNYCH

SPRAWDZIAN UMIEJĘTNOŚCI MATEMATYCZNYCH SPRAWDZIAN UMIEJĘTNOŚCI MATEMATYCZNYCH PO KLASIE 3 SZKOŁY PODSTAWOWEJ Autor: Grażyna Wójcicka Konsultacje: Weronika Janiszewska, Joanna Zagórska, Maria Zaorska, Tomasz Zaorski imię i nazwisko 1 Zapisz

Bardziej szczegółowo

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y.

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. FUNKCJE LICZBOWE Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. Innymi słowy f X Y = {(x, y) : x X oraz y Y }, o ile (x, y) f oraz (x, z) f pociąga

Bardziej szczegółowo

dolar tylko przed numerem wiersza, a następnie tylko przed literą kolumny.

dolar tylko przed numerem wiersza, a następnie tylko przed literą kolumny. Wskazówki do wykonania Ćwiczenia 0, przypomnienie (Excel 2007) Autor: dr Mariusz Giero 1. Pobieramy plik z linku przypomnienie. Należy obliczyć wartości w komórkach zaznaczonych żółtym kolorem. 2. Obliczenie

Bardziej szczegółowo

Jak przygotować pliki gotowe do publikacji w sieci za pomocą DigitLabu?

Jak przygotować pliki gotowe do publikacji w sieci za pomocą DigitLabu? Jak przygotować pliki gotowe do publikacji w sieci za pomocą DigitLabu? Po zainstalowaniu DigitLabu na komputerze otrzymujemy pakiet programów niezbędnych do przygotowania cyfrowych wersji obiektów tekstowych.

Bardziej szczegółowo

Właściwości i metody obiektu Comment Właściwości

Właściwości i metody obiektu Comment Właściwości Właściwości i metody obiektu Comment Właściwości Właściwość Czy można zmieniać Opis Application nie Zwraca nazwę aplikacji, która utworzyła komentarz Author nie Zwraca nazwę osoby, która utworzyła komentarz

Bardziej szczegółowo

Analiza Sieci Społecznych Pajek

Analiza Sieci Społecznych Pajek Analiza Sieci Społecznych Pajek Dominik Batorski Instytut Socjologii UW 25 marca 2005 1 Wprowadzenie Regularności we wzorach relacji często są nazywane strukturą. Analiza sieci społecznych jest zbiorem

Bardziej szczegółowo

Żurek INFOBroker. Szkolenia warsztaty konsultacje MS Excel. www.excel.jzurek.com. tel. 601 517 216

Żurek INFOBroker. Szkolenia warsztaty konsultacje MS Excel. www.excel.jzurek.com. tel. 601 517 216 Żurek INFOBroker Szkolenia warsztaty konsultacje MS Excel www.excel.jzurek.com tel. 601 517 216 MS Excel szkolenie dla początkujących i laików (program ramowy): o zastosowanie i budowa programu - do czego

Bardziej szczegółowo

Kurs logiki rozmytej - pomoc. Wojciech Szybisty

Kurs logiki rozmytej - pomoc. Wojciech Szybisty Kurs logiki rozmytej - pomoc Wojciech Szybisty 2009 Spis treści 1 Wymagania 3 2 Zawartość strony internetowej 3 3 Obsługa apletów 6 3.1 Aplet Rodzaje funkcji przynależności...................... 6 3.2

Bardziej szczegółowo

WENYLATORY PROMIENIOWE ROOF-MOUNTED CENTRIFUGAL DACHOWE WPD FAN WPD

WENYLATORY PROMIENIOWE ROOF-MOUNTED CENTRIFUGAL DACHOWE WPD FAN WPD WENYATORY PROMIENIOWE ROOF-MOUNTED CENTRIFUGA DACHOWE WPD FAN WPD Wentylatory promieniowe dachowe typu WPD przeznaczone są do Roof-mounted centrifugal fans type WPD are intended wentylacji wyciągowej pomieszczeń

Bardziej szczegółowo

Zastosowanie zobrazowań SAR w ochronie środowiska. ćwiczenia II

Zastosowanie zobrazowań SAR w ochronie środowiska. ćwiczenia II Zastosowanie zobrazowań SAR w ochronie środowiska ćwiczenia II Satelitarna interferometria radarowa Sentinel-1 Toolbox owprowadzenie do programu Sentinel-1 Toolbox. Podczas zajęć wykorzystywane będę obrazy

Bardziej szczegółowo

Język skryptowy: Laboratorium 1. Wprowadzenie do języka Python

Język skryptowy: Laboratorium 1. Wprowadzenie do języka Python Język skryptowy: Laboratorium 1. Wprowadzenie do języka Python Język PYTHON Podstawowe informacje Python to język skryptowy, interpretowany - co oznacza, że piszemy skrypt, a następnie wykonujemy go za

Bardziej szczegółowo

Obliczanie czasów miejscowych słonecznych i czasów strefowych. 1h = 15 0

Obliczanie czasów miejscowych słonecznych i czasów strefowych. 1h = 15 0 Obliczanie czasów miejscowych słonecznych i czasów strefowych. Kilka słów wstępnych Ziemia obraca się z zachodu na wschód. W ciągu 24 godzin obróci się o 360 0. Jeżeli podzielimy 360 0 na 24 godziny otrzymamy

Bardziej szczegółowo

Algorytmika i Programowanie VBA 1 - podstawy

Algorytmika i Programowanie VBA 1 - podstawy Algorytmika i Programowanie VBA 1 - podstawy Tomasz Sokół ZZI, IL, PW Czas START uruchamianie środowiska VBA w Excelu Alt-F11 lub Narzędzia / Makra / Edytor Visual Basic konfiguracja środowiska VBA przy

Bardziej szczegółowo

Grafika 3D program POV-Ray - 94 -

Grafika 3D program POV-Ray - 94 - Temat 12: Polecenie blob parametry i zastosowanie do tworzenia obiektów. Użycie polecenia blob (kropla) jest wygodnym sposobem tworzenia gładkiego przejścia pomiędzy bryłami (kulami lub walcami). Możemy

Bardziej szczegółowo

ń ę ń ę ń ę ń ę ę ę ę ę ź ń ź Ś ę Ł ń ę ę ń ę ń ę ę ę ę ę ę ź ę ę Ż ę ŚĆ ę Ż ń ń ę ń ę ę ę ę ę ź ę ę Ś Ś Ś Ś ź ę ń ę ę Ź ń Ś Ś ę ń ę ę ę ę ę ź ń ŚĆ Ś ń ń ń Ą ń ę ę ŚĆ ę Ż ę ń ę ę ę ę ę ź ń Ś Ś ź Ś Ł ę

Bardziej szczegółowo

Wstęp do informatyki. Maszyna RAM. Schemat logiczny komputera. Maszyna RAM. RAM: szczegóły. Realizacja algorytmu przez komputer

Wstęp do informatyki. Maszyna RAM. Schemat logiczny komputera. Maszyna RAM. RAM: szczegóły. Realizacja algorytmu przez komputer Realizacja algorytmu przez komputer Wstęp do informatyki Wykład UniwersytetWrocławski 0 Tydzień temu: opis algorytmu w języku zrozumiałym dla człowieka: schemat blokowy, pseudokod. Dziś: schemat logiczny

Bardziej szczegółowo

ŚREDNIA WAŻONA - REGULAMIN OCENIANIA W GIMNAZJUM

ŚREDNIA WAŻONA - REGULAMIN OCENIANIA W GIMNAZJUM ŚREDNIA WAŻONA - REGULAMIN OCENIANIA W GIMNAZJUM Podstawą do wystawienia oceny okresowej oraz oceny końcoworocznej gimnazjum jest średnia ważona obliczona w następujący sposób: 1. Każdej ocenie śródokresowej

Bardziej szczegółowo

WYBÓR PUNKTÓW POMIAROWYCH

WYBÓR PUNKTÓW POMIAROWYCH Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika

Bardziej szczegółowo

Widoczność zmiennych Czy wartości każdej zmiennej można zmieniać w dowolnym miejscu kodu? Czy można zadeklarować dwie zmienne o takich samych nazwach?

Widoczność zmiennych Czy wartości każdej zmiennej można zmieniać w dowolnym miejscu kodu? Czy można zadeklarować dwie zmienne o takich samych nazwach? Część XVIII C++ Funkcje Widoczność zmiennych Czy wartości każdej zmiennej można zmieniać w dowolnym miejscu kodu? Czy można zadeklarować dwie zmienne o takich samych nazwach? Umiemy już podzielić nasz

Bardziej szczegółowo

1. CZYM JEST SERIALIZACJA

1. CZYM JEST SERIALIZACJA SERIALIZACJA O CZYM POWIEMY? 1. Czym jest serializacja? 2. Jak przeprowadzić proces serializacji? 3. Jak przeprowadzić proces deserializacji? 4. Serializacja własnych klas. 5. Dobre praktyki. 6. SoapFormatter.

Bardziej szczegółowo

1 2 3 4 5 6 7 8 9 10 2 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 3 6 11 1 12 7 1 2 5 4 3 9 10 8 18 20 21 22 23 24 25 26

Bardziej szczegółowo

Lean management w procesie obsługi klienta

Lean management w procesie obsługi klienta Lean management w procesie obsługi klienta Lean Management oznacza sprawne a zarazem efektywne kosztowe wykonywanie wszystkich działań w firmie przy założeniu minimalizacji strat, minimalizacji stanów

Bardziej szczegółowo

Plan wyk ladu. Kodowanie informacji. Systemy addytywne. Definicja i klasyfikacja. Systemy liczbowe. prof. dr hab. inż.

Plan wyk ladu. Kodowanie informacji. Systemy addytywne. Definicja i klasyfikacja. Systemy liczbowe. prof. dr hab. inż. Plan wyk ladu Systemy liczbowe Poznań, rok akademicki 2008/2009 1 Plan wyk ladu 2 Systemy liczbowe Systemy liczbowe Systemy pozycyjno-wagowe y 3 Przeliczanie liczb Algorytm Hornera Rozwini ecie liczby

Bardziej szczegółowo

PN-EN 1515 DIN 2509 DIN 2510 PN-H 74302

PN-EN 1515 DIN 2509 DIN 2510 PN-H 74302 do połączeń kołnierzowych PN-EN 1515 DIN 2509 DIN 2510 PN-H 74302 W bogatej ofercie firmy ASMET obok typowych elementów złącznych znajdują się wyroby śrubowe i inne elementy o niestandardowych rozmiarach

Bardziej szczegółowo

Hurtownie danych. Przetwarzanie zapytań. http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU

Hurtownie danych. Przetwarzanie zapytań. http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU Hurtownie danych Przetwarzanie zapytań. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU Magazyny danych operacyjnych, źródła Centralna hurtownia danych Hurtownie

Bardziej szczegółowo

TUTORIAL Jak stworzyć prawidłową animację na telebim?

TUTORIAL Jak stworzyć prawidłową animację na telebim? Konkurs historyczny Patria Nostra TUTORIAL Jak stworzyć prawidłową animację na telebim? 1. ANIMACJA Zacznijmy może od tego czym jest animacja? Jest to nic innego jak sekwencja obrazów o zmiennej zawartości,

Bardziej szczegółowo

ELF. system: pokój młodzieżowy / teenagers room MEBLE MŁODZIEŻOWE / YOUTH ROOM FURNITURE ELF

ELF. system: pokój młodzieżowy / teenagers room MEBLE MŁODZIEŻOWE / YOUTH ROOM FURNITURE ELF 144 Nowoczesny system mebli młodzieżowych jest nie tylko funkcjonalny, ale także dzięki wzornictwu niezwykły. Sprawdza się nawet w najmniejszych pomieszczeniach. Poszczególne bryły mebli mają kształty

Bardziej szczegółowo

Optymalizacja zapytań. Proces przetwarzania i obliczania wyniku zapytania (wyrażenia algebry relacji) w SZBD

Optymalizacja zapytań. Proces przetwarzania i obliczania wyniku zapytania (wyrażenia algebry relacji) w SZBD Optymalizacja zapytań Proces przetwarzania i obliczania wyniku zapytania (wyrażenia algebry relacji) w SZBD Elementy optymalizacji Analiza zapytania i przekształcenie go do lepszej postaci. Oszacowanie

Bardziej szczegółowo

Krytyczne czynniki sukcesu w zarządzaniu projektami

Krytyczne czynniki sukcesu w zarządzaniu projektami Seweryn SPAŁEK Krytyczne czynniki sukcesu w zarządzaniu projektami MONOGRAFIA Wydawnictwo Politechniki Śląskiej Gliwice 2004 SPIS TREŚCI WPROWADZENIE 5 1. ZARZĄDZANIE PROJEKTAMI W ORGANIZACJI 13 1.1. Zarządzanie

Bardziej szczegółowo

Scenariusz 13 załącznik nr 1 interaktywna waga instrukcja do ćwiczenia

Scenariusz 13 załącznik nr 1 interaktywna waga instrukcja do ćwiczenia Scenariusz 13 załącznik nr 1 interaktywna waga instrukcja do ćwiczenia Podstawowe informacje Interaktywna waga to ćwiczenie umożliwiajace wprowadzenie tematu równa pierwszego stopnia w sposób oparty na

Bardziej szczegółowo

ALGORYTM PRZETWARZANIA OBRAZU DETEKCJA I ANALIZA OBSZARÓW IMAGE PROCESSING ALGORITHM BLOB DETECTION AND ANALYSIS

ALGORYTM PRZETWARZANIA OBRAZU DETEKCJA I ANALIZA OBSZARÓW IMAGE PROCESSING ALGORITHM BLOB DETECTION AND ANALYSIS ELEKTRYKA 203 Zeszyt 2-3 (226-227) Rok LIX Marek SZYMCZAK Politechnika Śląska w Gliwicach ALGORYTM PRZETWARZANIA OBRAZU DETEKCJA I ANALIZA OBSZARÓW Streszczenie. W artykule przedstawiono algorytm przetwarzania

Bardziej szczegółowo