7.1. Bevezetés. Számítógépes képelemzés 1. speciális szakismeretek birtokában lehetséges.

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "7.1. Bevezetés. Számítógépes képelemzés 1. speciális szakismeretek birtokában lehetséges."

Átírás

1 Számítógépes képelemzés 1 7. SZÁMÍTÓGÉPES KÉPELEMZÉS 7.1. Bevezetés Ebben a fejezetben a számítógépes képfeldolgozás és a képelemzés alapjait kívánjuk bemutatni. Elõször is tisztáznunk kell ezeknek a fogalmaknak a jelentését. A képfeldolgozás alkalmával a képek olyan típusú átalakítását végezzük el, amikor a lényeges információkat a lényegtelentõl különválasztjuk. Ilyen átalakítás során lehet kiszûrni az elektronmikroszkópos képeken meglévõ háttér zajt vagy ezzel a módszerrel lehet a felvételek készítése során keletkezõ elektromos zavarokat elválasztani az anyag szerkezetét bemutató képektõl. A másik lényeges fogalom a képelemzés, ami nem más, mint a képek számszerû adatokkal történõ jellemzése. Azt is mondhatjuk, hogy ekkor végezzük el a kép információ tartalmának mennyiségi interpretációját. Az így nyert paramétereket az adott képi környezetbe visszahelyezve még értelmeznünk is szükséges, ez az ún. képértelmezés *. A képelemzés a mindennapi életben is gyakran elõfordul. Amikor egy helyiség falának területét megbecsüljük azért, hogy tapétát vásároljunk, vagy egy mérõedényben meghatározzuk a folyadék magasságát, esetleg egy térképen végzünk távolságbecslést, akkor tulajdonképpen képelemzést végzünk ( ábra). Természetesen a képek számszerû adatokkal történõ jellemzésének a biológiában, az ásványtanban, a kohászatban, a zoológiában, a botanikában, a félvezetõk területén van az igazi jelentõsége. Amikor egy alacsony karbon tartalmú acél ferrit szemcse méretét kívánjuk megbecsülni, vagy egy karbon szálakkal erõsített alumínium mátrixú kompozitot akarunk jellemezni ( ábra), esetleg egy biológiai metszet azonosítását vagy ásványtani csiszolat értelmezését szeretnénk elvégezni, a számítógépes képelemzés módszereihez fordulunk. A képelemzés az ipar, a mezõgazdaság és a tudományos kutatás területén is használatos. Amikor a termékek minõségellenõrzését végezzük, vagy éppen gépalkatrészek összeszerelését akarjuk segíteni látó robotokkal, vagy esetleg a mûholdak segítségével készült térképeket, ûrfelvé- * A képek, illetve a képek adatainak értelmezése csak az adott szakterületre vonatkozó speciális szakismeretek birtokában lehetséges.

2 2 Számítógépes képelemzés teleket kívánunk jellemezni szintén a képfeldolgozást, képelemzést alkalmazzuk ábra. Képelemzés a mindennapi életben ábra. Képelemzés az anyagtudományban (a) ferrites acél, N=100X, (b) karbon szálas kompozit, a szálak elhelyezkedésére jellemzõ hatósugár szerinti vázszerkezettel (Szalai Ibolya, 2000) 7.2. Az emberi látás alapjai Mielõtt részletesen foglalkoznánk a képfeldolgozás mûveleteivel, hasznos megismernünk az emberi látás alapjait. Ugyanis nagyon sok hasonlóság figyelhetõ meg a két terület között. A látás során öt különbözõ információt érzékelünk: a tárgyak világosságát, a tárgyak színét, a tárgyak alakját, a tárgyak mozgását és a tárgyak térbeliségét. A látás legfontosabb eszköze az emberi szem, amelynek sematikus rajzát a ábra mutatja. Amikor a szemünk egy pontot élesen lát, akkor errõl az ún. fixált pontról a fénysugár a szaruhártyán (cornea), a

3 Számítógépes képelemzés 3 csarnokvízen és a szemlencsén keresztül jut a szemünkbe. A közegeken áthaladva mindenütt érvényes a fénytörésre vonatkozó Snellius-Descartes törvény, ami azt jelenti, hogy a beesési szög (α) és a törési szög (β) szinuszainak hányadosa az adott közegre jellemzõ fizikai állandó az ún. törésmutató (n): sinα n = (7.2-1) sin β ábra. Az emberi szem felépítése A tárgy képe az emberi szem lencserendszerén keresztül a látóidegre vetül, ahol egy valódi, kicsinyített, fordított állású kép jön létre. Az emberi szem belsejét a retina borítja, amelynek két jellegzetes területe a látó gödör * és az ún. vakfolt. Míg a látógödörben a legélesebb a látás, addig a vakfolton nincsenek látóidegek (Ganong (1994)). A lencsét tartó izmok a lencse görbületét változtatva változtatják annak fókusztávolságát, így a szemünk különbözõ távolságban lévõ tárgyak képét tudja a retinára vetíteni. A lencsék fénytörõ képességét dioptriával fejezzük ki, ami nem más, mint a méterben kifejezett fókusztávolság * fovea centralis

4 4 Számítógépes képelemzés reciproka. Míg a szaruhártya fénytörõ képessége dioptria, addig a szemlencse fiatalabb korban kb dioptria törõképességgel rendelkezik. A szem mûködéséhez az is hozzátartozik, hogy a szivárványhártya vagy más néven iris a pupillát szûkítõ izmokból áll, amely képes a szembe jutó fény mennyiségét szabályozni. A retinán a fény fotonok érzékelésére alkalmas pálcikák ( rodes ) és csapok ( comes ) találhatók. Az érzékelés alapja, hogy a szemünkben lévõ csapok és pálcikák ( ábra) egy fotokémiai folyamat révén a fény fotonokat elektromos impulzussá alakítják, s ez jut el az idegpályákon keresztül az agy látókérgébe. A pálcikák teljes mennyisége kb. 120 millió, s ezek képesek akár egyetlen fény foton érzékelésére is, de közepes intenzitású fénynél már telítõdnek. Így a pálcikák felelõsek a világosság, fényintenzitás érzékeléséért, valamint a sötétben történõ látásért. Ugyanakkor a pálcikák színek érzékelésére nem alkalmasak ábra. A pálcika és a csap vázlatos képe

5 Számítógépes képelemzés 5 A csapok száma kb. 6 millió, ezek kisebb fény érzékenységûek, de a nagy fényintenzitású tartományban mûködnek. A csapok és a pálcikák ilyen irányú különbségét a ábra mutatja. A sötétben eltöltött idõ függvényében láthatjuk a legkisebb hatásos fényintenzitás értékét. Amennyiben 4-5 percet töltünk el a sötét szobában, viszonylag nagy intenzitású fény szükséges ahhoz, hogy lássunk, ekkor a csapok lépnek mûködésbe. Nagyjából perc múlva bekövetkezik az ún. sötét adaptáció, mikor egészen kis intenzitású fény érzékelésére is képesek vagyunk, s ezt a pálcikáknak köszönhetjük ábra. A sötét adaptáció A csapok felelõsek a színes látásért is. A retinában tulajdonképpen háromféle csap van: a vörös (red), a zöld (green) és a kék (blue) hullámhosszúságú fényre legérzékenyebb csap. A szelektivitás viszonylagos, például egy zöld típusú csap, vörös fénnyel is ingerelhetõ, de ehhez jóval nagyobb intenzitású fényre van szükség. Azt, hogy a különbözõ csapok milyen spektrális eloszlású fény érzékelésére alkalmasak a ábra mutatja *. * A vörös szín érzékelését végzõ csapok jele P (protos), míg a zöld D (deuteros) ill. a kékt (tritos) jelet visel.

6 6 Számítógépes képelemzés ábra. A különbözõ csapok által érzékelt fény spektruma. A kék hullámhossz tartományban érzékeny csapok neve: tritos, míg a zöld csap deuteros és a vörös pedig protos. A pálcikák és a csapok mennyiségének eloszlása a retina mentén a látógödörtõl mért szög függvényében nagyon különleges ( ábra). Ugyanis a látógödörben egyáltalán nincsen pálcika, ott csak csapok találhatók, s ott van a hatmillió csap kb. 80 % a! Éppen ezért a látógödör alkalmas a legélesebb, valamint színekben is a leggazdagabb érzékelésére. A pálcikák mennyisége a perifériákon valamelyest nõ, itt viszont a csapok mennyisége minimális. A vakfoltban sem csap, sem pálcika nem található. A szemlencsét mozgató izmok az agy parancsára arra törekednek, hogy a kép mindig a látó gödörben legyen. Ugyanis az optikai ingerületeket továbbító idegrostok száma 1-1,2 millió körül van, így a látógödörben az idegsejtek és az ideg-rostok közötti áttétel 1:1 körüli, míg a retina más részein ez az áttétel 100:1. Ebbõl következik, hogy már a retinában van bizonyos mértékû képfeldolgozás, és így az agyba fõként az élekre, a hirtelen változásokra jutó információ jut.

7 Számítógépes képelemzés ábra. A csapok és a pálcikák száma a látógödörtõl mért szög függvényében A két szem optikai tengelye egymástól mm távolságban van. A térbeli látásnak az a lényege, hogy a fókuszban lévõ tárgy képe a látógödörbe vetül, míg az ettõl távolabb lévõ tárgy a retinának az egyik felére (nazális), míg a közeli pont a retina másik (temporális) részére ( ábra). A tanulási folyamat során az agyunk elsajátította, hogy a retina nazális részén lévõ tárgyak a fixált ponttól távolabb vannak. Minél nagyobb a retinán leképzett tárgyrészletek közötti távolság, annál közelebbinek érzékeljük a fókuszban lévõ tárgyak környezetét.

8 8 Számítógépes képelemzés ábra. A térbeli látás

9 Számítógépes képelemzés 9 Az emberi látást a következõ paraméterekkel jellemezhetjük: a) Geometriai felbontás. Az a legkisebb látószög, amely mellett sötét alapon lévõ két világos pont még éppen nem olvad egybe. Ennek nagysága függ a fény hullámhosszúságától, zöld fényben a legjobb a felbontás: 0,5 1,0 szögperc *. b) Fényintenzitás felbontás. Azt a fényerõsség intervallumot jelenti, amelyben a szemünk mûködni képes. Ez az intervallum hihetetlenül nagy ( ábra), tudniillik a kétszeres fényerõsség változás, csak természetes logaritmus kettõ-szeres fényérzet növekedést eredményez. Vagyis a százszoros fényerõsség változás csak 4,6 (ln 100) szoros fényérzet erõsödést hoz létre. c) Színfelbontás. A színárnyalatok elkülönítésének képessége. Errõl a késõbbiekben lesz szó. d) Idõbeni felbontás. A recehártyánkon megjelenõ képek nem tûnnek el azonnal, az 1/8 másodpercnél rövidebb ideig tartó képek összeolvadnak az érzékelésünkben. Így az 1/15 másodpercnél rövidebb idõre fel villanó képeket nem tudjuk elkülöníteni, ezt használjuk ki a televíziós képek továbbításakor, amikor másodpercenként állóképet látunk, amit folyamatos mozgásként érzékelünk. * A kényelmes olvasás szemtávolságában 250 [mm], ez az érték 0,07 0,15 [mm] pontok közötti távolságot jelent.

10 10 Számítógépes képelemzés ábra. A szemünk által érzékelhetõ fényintenzitás értékek Az emberi szem [nm] hullámhosszúságú tartományban érzékeli a fényt, ami a természetben elõforduló elektromágneses sugárzásoknak csak keskeny tartománya ( ábra). Az agyunkban keletkezõ színérzetet a valóságban elõforduló szín három jellemzõje befolyásolja:

11 Számítógépes képelemzés 11 1) Színárnyalat (hue) a fény hullámhosszúságától függ. A szemünk kb. 200-féle színárnyalat megkülönböztetésére képes. 2) Világosság vagy fényintenzitás (intensity) a fényforrás által kibocsátott fotonok mennyisége, illetve az egységnyi felületre beérkezõ E=hν * energiájú fotonok száma. Például a barna szín spektrális eloszlása a sárgával azonos, de más a világosság értéke. Átlagosan mintegy ötszáz intenzitásfokozatot tudunk a szemünkkel megkülönböztetni. 3) Telítettség (saturation) a fehér összetevõ mennyiségétõl függ. A spektrum-színek 100 %-os telítettségûek, nincs fehér összetevõjük. Ugyanakkor például a rózsaszín néhány százalékban fehér összetevõt tartalmazó vörös. Az átlagos szem húsz különbözõ telítettségi fokozatot tud elkülöníteni. * Minden ν frekvenciájú (λ hullámhosszúságú) elektromágneses sugárzás E = hν = h c/λ energiával rendelkezik, ahol h a Planck-féle állandó, c pedig a fénysebesség.

12 12 Számítógépes képelemzés ábra. A különbözõ elektromágneses sugárzások hullámhosszúsága A színárnyalat, a világosság, és a telítettség jellemzésére a színfát használjuk. Ezt mutatja a ábra.

13 Számítógépes képelemzés ábra. A színfa Amennyiben a tárgy által kibocsátott fény spektruma ϕ(λ), az egyes csapok érzékenységi függvénye pedig p(λ), d(λ) és t(λ), akkor a szemünk által érzéklet színérzetet az alábbi integrál fejezi ki: P = D = T = 780nm 380nm 780nm 380nm 780nm 380nm ϕ( λ)p( λ) dλ; ϕ( λ)d( λ) dλ; ϕ( λ)t( λ) dλ; (7.2-2) ahol: P, D, T a protos, deuteros illetve tritos típusú csapok kimenõ jele, p(λ), d(λ), t(λ) az egyes csapok spektrális érzékenysége, ϕ(λ) a csapokat megvilágító fény spektrális eloszlása. A csapok az õket megvilágító fényt a spektrális érzékenységüknek megfelelõen elnyelik, s az elnyelt energiának megfelelõ ingert továbbítják az agyba. A P, D, T ingerek egymáshoz viszonyított értékei alapján alakul ki a színérzet. Amennyiben ez az integrál azonos, hiába különbözõ a tárgyak által visszavert fény spektrális hullámhossz eloszlása, szemünk azokat nem képes megkülönböztetni. Egyébként a tárgyak valóságban azért lesznek különbözõ színûek (színárnyalatúak), mert a rájuk esõ fénysugárzás

14 14 Számítógépes képelemzés színét módosítja a felületük hullámhossztól függõ - fényvisszaverõ képessége. A tárgyak színét a fényforrás spektrális eloszlásának és a tárgy felületére jellemzõ spektrális reflektancia függvénynek a szorzata határozza meg. A következõkben bemutatjuk az emberi látás néhány olyan jellegzetességét, amelyeknek a képi információk feldolgozásakor különös jelentõsége van: a) A geometriai felbontóképesség a hullámhossz függvénye ( ábra), amely zöld fény esetén maximumot mutat. A látható színtartomány széleihez közelebb esõ színek esetén ez a felbontóképesség romlik. b) A relatív fényérzékenység is a hullámhossz függvénye, amennyiben különbözõ hullámhosszúságú fényforrás ugyanolyan intenzitású fényt bocsát ki, a zöld fényforrást érzékeljük fényesebbnek ( ábra). Itt is a vörös és a kék tartományban kisebb az érzékenység ábra. A relatív felbontóképesség

15 Számítógépes képelemzés ábra. A relatív érzékenység c) Összetett alakzatok érzékelésekor törekszünk a folytonosságra, a d) ábra a) képét egy négyszögvonalból és egy görbe szakaszból összetevõdõnek látjuk és nem három különbözõ geometriai idomnak. Keressük a zárt alakzatokat, a e) ábra b) rajza nem egy folyamatos vonalnak látszik, hanem két zárt formának. Törekszünk a szimmetria felismerésére a f) ábra c) képét nem W és M betûkbõl összetevõdõnek, hanem egy szimmetrikus vonalcsoportnak tekintjük. Képesek vagyunk az élek meghosszabbítására, így geometriai alakzatokat láthatunk ott, ahol azok a valóságban nem léteznek ( ábra). Egymással érintkezõ sötét és világos képmezõ részletek határvonala mentén a sötétebb rész még sötétebbnek a világost még világosabbnak látjuk, ez az ún. Machféle jelenség ( ábra).

16 16 Számítógépes képelemzés ábra. Összetett alakzatok a) folytonosság érzékelése, b) zárt alakzatok, c) szimmetria felismerése ábra. Viruális alakzatok érzékelése az élek meghosszabbításával a) virtuális háromszög, b) hatágú csillag, c) HÉT felirat

17 Számítógépes képelemzés ábra. A Mach-féle jelenség

18 18 Számítógépes képelemzés A mindennapi életben többször találkozunk olyan jelenséggel, amely elsõ látásra megtéveszt bennünket. Ezt nevezzük optikai csalódásnak *. Ilyen optikai csalódások: hosszúsági csalódások, iránycsalódások, nagyságbeli csalódások, távlati csalódás, valamint az ún. szétsugárzási jelenség és a többértelmûség. Ezekre mutatunk be példákat a következõkben. Hosszúsági csalódások ( ábra). A vonalszakaszok szemünk által érzékelt hosszúságát a vonalszakaszokra rajzolt osztás, a környezetben lévõ más szakaszok hosszúsága vagy a nyilak dõlési iránya egyaránt befolyásolja. A vízszintes hasábokból álló négyszöget keskenyebbnek érzékeljük, mint a függõleges hasábokból összerakottat. A függõlegesen álló hasábokat a valóságosnál szélesebbnek látjuk. A ferde téglalap átlóit az iránytól függõ távolságúra becsüljük. Alakváltozás ( ábra). A tárgyak látszólagos alakját befolyásolja, hogy milyen irányú vonalak közé helyezzük. A Poggendorff-féle optikai csalódás az a jelenség, amikor egy vastagabb vonallal rajzolt geometriai idomba befutó ferde vonalak látszólag nem folyamatosan, hanem egy kicsit eltolódva folytatódnak. Ennek oka, hogy a szemünk a vastag vonalon kicsit tovább fut, így a vékonyabb vonal folyamatossága megszakad. Az egymással párhuzamosan futó vastagabb egyenesek a ferde vékonyabb vonalak hatására látszólag összetartanak. Méret csalódások. Az azonos méretû köröket látszólag különbözõnek látjuk ( ábra) attól függõen, hogy milyen környezetben helyezkednek el. A négyzetek mérete is megváltozhat, amint ellipszis darabokat rajzolunk a négyzetek végére ( ábra). Ezeknek a jelenségeknek az a magyarázata, hogy a szemünk sosem mozdulatlan, hanem akkor is végez rezgéseket, mikor szándékunk szerint egy pontra nézünk. A különbözõ geometriai alakzatok hatására hol a szélen, hol a középpontban látunk, és így az eredeti formák módosulnak. Kontraszthatás ( ábra). A sötét háttérben megjelenõ világos mintákat mindig nagyobbnak látjuk, mint a világos alapon lévõ sötét mintát. Ezt a jelenséget világossági kontrasztnak nevezzük. Másik esetben a fekete-fehér vonalak alkotta rácsot nézve a keresztezõdésekben a valóságban nem létezõ szürke foltokat veszünk észre. Többértelmûség ( ábra). Egy kép környezetét huzamosabb ideig figyelve hol az egyik, hol a másik részlet kerülhet elõtérbe, ami az összképben jelentõs változást okoz. Ha a tárgy vagy ábra kiemelkedik, a háttér vagy alap elmosódottá válik. Ilyen többértelmû kép a Rubin-ábra vagy a Necker-kocka. * A jelenséget másképpen vizuális illúziónak nevezzük.

19 Számítógépes képelemzés ábra. Hosszúsági csalódások a) hosszúsági csalódás, b) hasábok méretének torzulása, c) ferde téglalap átlóinak látszólagos hoszúsága

20 20 Számítógépes képelemzés ábra. Alakváltozás a) alakváltozás ferde vonalak között, b) Poggendorf-féle optikai csalódás, c) párhuzamos vonalak torzulása

21 Számítógépes képelemzés ábra. Nagyságbeli csalódás körök esetén ábra. Nagyságbeli csalódás különbözõ síkidomoknál a) körök, b) négyzetek

22 22 Számítógépes képelemzés ábra. Fehér és fekete idomok a) szétsugárzás, b) kontraszt a) b) ábra. Többértelmûség a) Necker- féle kocka, b) Rubin ábra

23 Számítógépes képelemzés A képfeldolgozás története Elsõ generációs rendszerek Amikor létrejött a televízió a TV-kamerák segítségével lehetõvé vált a képek elektromos jelekké való átalakítása. Az automatikus képelemzõ rendszerek kialakulása gyakorlatilag ekkor kezdõdött. Az elsõ rendszerek egy TV-kamerából és egy analóg feketedés mérõ mûszerbõl álltak ( ábra) A kvantitatív televíziós mikroszkóp (Quantitative Television Microscope), amelyet a Metals Research Ltd. fejlesztett ki (Underwood(1970)), nem volt képes egyedi objektumok mérésére, csupán arra szolgált, hogy meghatározza a teljes látótérben elõforduló sötét világos területek arányát ábra. Kvantítatív televiziós mikroszkóp A technológia további fejlesztésével ez a kvantitatív televíziós mikroszkóp alkalmassá vált objektumok elemzésére is. A mérés alapja az volt, hogy a TV vonalak hányszor metszettek bele ezekbe az objektumokba. Ezeknek az adatoknak az összegyûjtésével lehetett az objektumok darabszámát és kerületét meghatározni. Ezzel megnyílt az út a modern képelemzõ rendszerek kifejlesztéséhez. Persze ezen az úton még számos problémát kellett megoldani, mint például azt, hogy ha az objektum két vagy több nyúlvánnyal rendelkezett, akkor az elektronsugár az objektumba kétszer vagy háromszor metszett, és így a darabszám több volt a valóságosnál.

24 24 Számítógépes képelemzés 1968-ban Bausch & Lomb kidolgozta az elsõ képelemzõ rendszert, amely a fekete-fehér képet mikro-számítógép segítségével tárolta. Ebben az idõben a számítógépek memóriája még nem volt eléggé fejlett, ezért nem a teljes képet, hanem csak a szürke szintek átmeneteit (A) rögzítették a berendezésben ( ábra). Ezzel a képi információk jelentõs tömörítését lehetett elérni, s a rendszer már alkalmas volt egyedi objektumok vizsgálatára is. Második generáció ábra. Képek tömörítése A Bausch & Lomb továbbfejlesztette rendszerét és létrejött a Quantimet 720, az elsõ teljesen digitális elven mûködõ képelemzõ. A berendezés a képet egyedi képpontok (pixel) formájában tárolta, minden egyes képpont 64 különbözõ szürkeségi szinttel rendelkezhetett. Ebben az idõben a számítógép memóriák még eléggé egyszerûek voltak ( ), így a Quantimet alacsony frissítési sebességet használt (10 kép/másodperc). A hetvenes évek elején kezdtek megjelenni az egyre korszerûbb számítógépek, és így a képelemzõ rendszerek is tovább fejlõdtek, képesek voltak egyre több paraméter meghatározására, és az egyedi objektumok minél teljesebb jellemzésére ben a LEITZ radikálisan megváltoztatta az addig alkalmazott technológiát, s létrehozta a LEITZ TAS rendszert. A berendezés teljesen új koncepció szerint épült fel, amelynek alapja az a matematikai morfológia volt, amelyet az Ecole de Mines de Paris munkatársai dolgoztak ki. Ekkor

25 Számítógépes képelemzés 25 vezették be a képfeldolgozás legfontosabb alapmûveleteit: az eróziót, a dilatációt és a vázszerkezet elõállítását. Az erózió/dilatáció segítségével a képelemek (objektumok) méretét egy-egy képponttal csökkenteni/bõvíteni lehet, míg a vázszerkezet elõállítása (szkeletonizáció) egy olyan sok lépésbõl álló eróziót, aminek a végeredménye az objektum egy képpont szélességû vázszerkezete ( ábra). A mûveletek végrehajtásával illetve kombinációjával lehetõvé vált a képek még teljesebb elemzése. Harmadik generáció ábra. Morfológiai mûveletek között a Kontron és a Cambridge kifejlesztette a teljesen szoftver alapú képelemzõ berendezést ( ábra). Ez a rendszer a teljes képet rögzíti a számítógép memóriájában. Így lehetõség van az eredeti (szürke) képek szûrésére, valamint az átalakított képek közötti logikai mûveletek elvégzésére. A szoftverek különbözõ algoritmusokat használnak a képek detektálására, mérésére, illetve az objektumok megkülönböztetésére. A nyolcvanas években tovább fejlõdtek a komputerek, növekedett a memória, s a mûveleti sebesség. A képelemzõ rendszerek sebessége is növekedett: százszor gyorsabbak lettek, mint a hetvenes években. A képek mérete 512x512 vagy 1024x1024 képpont (pixel) volt. A számítógépeknek egy szürke kép átalakítására 5-60 másodpercre volt szükségük, míg egy gyors Fourier transzformációt (FFT Fast Fourier Transform) 10 másodperc alatt tudtak elvégezni. A kutatólaboratóriumokban és a minõségellenõrzõ központokban ez a sebesség nem volt elegendõ a napi rutin vizsgálatokhoz.

26 26 Számítógépes képelemzés Negyedik generáció ábra. Szoftver alapú képelemzõ A képfeldolgozás és az elemzés sebességének a növelésére több lehetõség kínálkozott. Az egyik esetben a képek rögzítését és a különbözõ képfeldolgozó mûveleteket egy megfelelõ célszámítógép, hardver segítségével végezték el. A speciális integrált áramkörök képesek voltak a képek gyors feldolgozására, szûrésére, az objektumok megkülönböztetésére és a mérésre. Ezekhez az ún. morfológiai processzorokhoz kapcsolt személyi számítógépek csupán az adatok kiolvasását, és a mûveletek irányítását végezték el. Ilyen hardver-alapú képelemzõket az IBM, a Macintosh, a VAX, a SUN fejlesztett ki. Ezen rendszerek hátránya volt, hogy a hardver-alapú integrált áramköröket nehezen lehetett adaptálni a különbözõ alkalmazásokhoz, rendszerint a C nyelven megírt képfeldolgozó programokat nem lehetett módosítani. Annak érdekében, hogy a képfeldolgozás mûvelete mégis felhasználóbarát maradjon, a C nyelvû programokat grafikus felhasználói felülettel kombinálták. Az utóbbiakat személyi számítógépeken futtatták. Ilyen rendszert fejlesztett ki a Clemex Technologies is.

27 Számítógépes képelemzés ábra. Képelemzõ és morfológiai processzor Ötödik generáció A személyi számítógépek memóriájának és a CPU sebességének növekedésével lehetõvé vált a szoftver-alapú képelemzõ további fejlesztése. Az ötödik generációs eszközök olyan személyi számítógépek, amelyekben képfeldolgozó kártyát helyeznek el a videokamerák jelének átalakítására és a képek számítógépen való tárolására. Az újabban kifejlesztett teljesen digitális kamerákhoz már ezekre a képfeldolgozó kártyákra ( frame grabber card ) sincsen szükség, mert a képi információt a szabványos párhuzamos porton keresztül is képes a számítógép fogadni. Ezzel a fejlesztéssel a képfeldolgozó rendszerek a kutatólaboratóriumok és az ipari üzemek világából a mindennapi élet területére kerültek át. Újabb fejlõdést az intelligens-rendszerek megjelenése adhat, amelyek a feldolgozott képek alapján már tanulni is képesek, s nemcsak passzív, hanem aktív módon tudják elvégezni a képek feldolgozását, osztályozását.

28 28 Számítógépes képelemzés 7.4. Digitális képfeldolgozás Bevezetés Ebben a fejezetben a képfeldolgozás és a matematikai morfológia azon mûveleteit mutatjuk be, amelyek a gyakorlati képelemzés során kiemelt fontosságúak. Nem nélkülözhetõk az egyes sztereológiai paraméterek mérésekor és nem hagyhatók figyelmen kívül azok értelmezésénél sem. Akár egy egyszerû zajszûrésrõl legyen szó, akár egy összetettebb szemcsehatár-meghatározás legyen terítéken, a szükségtelenül eltávolított, vagy tévesen bevitt információ mind-mind a mérési eredmények megbízhatóságát rontja. A képfeldolgozás alkalmazásakor érvényes általános elv, hogy a kevesebb - jobb, ám maga a szubjektív választás többnyire nem nélkülözhetõ. Itt foglalkozunk a képek mérésre történõ elõkészítésével, ám nem elemezzük a kívánt pontosság eléréséhez statisztikailag szükséges sokaságot (részben a paraméterek sokrétûsége, részben a könyv véges terjedelme miatt), így nem kerül sor az egyes képelemzési hibák számszerûsítésére sem. Ugyancsak nem térünk ki az egyes automatikus képelemzõk, illetve képelemzõ-szoftverek (vö. negyedik és ötödik generáció) számítástechnikai hátterére sem, ugyanis ez eszközönként változó. Ezeket azonban érdemes figyelembe venni legyen szó akár az egyes mért paraméterek közötti korrelációról, akár a mérési hibák számszerûsítésérõl. A paraméterek közötti korreláció gyakran a szoftverek mûködésének eredménye, mivel ezek egy-egy paramétert valamely másik mért értékbõl számítanak, s így mindkettõt "mérni" szükségtelen. Hasonlóan nem elemezzük a veszteséges tömörítéssel elmentett képek hibáit sem. Az egyes matematikai - matematikai morfológiai bizonyításokat, indoklásokat a lehetõségekhez mérten mellõzzük: megpróbáljuk minél gyakorlatiasabban megközelíteni a képfeldolgozást. Felhívjuk azonban a figyelmet arra, hogy a téma (tekintsük akár a konvolúciós elveket, a Fourier-transzformációs módszereket, vagy akár a képtömörítés, esetleg a morfológiai képátalakítások témakörét) kivételesen széles matematikai háttérrel rendelkezik, amelynek irodalma több kötetre rúg (Serra, 1982). Röviden a fogalmakról: "pixel" alatt képpontot (picture element), "bináris kép" alatt két színbõl (fekete és fehér) álló képet, "digitális kép" alatt pedig képpontok alkotta (amelyek 2 n szürkeségi szintûek lehetnek, n=8,9,10, ) képet értünk.

29 Számítógépes képelemzés A képelemzés folyamata A képelemzés célja a jellemzõ paraméterek pontos és reprodukálható mérése. Ez legkönnyebben számítógéppel végezhetõ el, az alábbi lépésekben (mint ahogy errõl az elõzõ fejezetben már volt szó): 1) Képbevitel: a képek elektronikus formában történõ elõállítása, függetlenül a beviteli eszköztõl, amely lehet videokamera, digitális fényképezõ, scanner, videomagnó, stb. 2) A szürkekép elõállítása, digitalizálása: szürkeségi szintek hozzárendelése a kép egyes intenzitás értékeihez vagy egyes színeihez (RGB/XYZ színrendszerek). 3) Szürkekép-átalakítások: a vizsgálni kívánt jellegzetességek, objektumok kihangsúlyozása annak érdekében, hogy azokat még pontosabban detektálhassuk. 4) Szegmentálás (detektálás): az objektumok és a háttér elkülönítése valamilyen tulajdonságuk (pl. szürkeségi szintjük) alapján, aminek eredményeképpen bináris kép áll elõ. 5) Bináris transzformációk: az objektumok átalakítása, a mérendõ jellegzetességek elvi értelmezésüket leginkább megközelítõ alakra hozása (pl. a képen összetapadt, de a valóságban különálló szemcsék szétválasztása). 6) A kívánt mérés elvégzése, az eredmények értelmezése és dokumentálása. Az elõzõ fejezetben a képbevitelt és a szürkekép elõállítását (1 és 2 pontok) már részletesen bemutattuk, most a szürkekép-átalakításokat, a szegmentálást, a bináris átalakításokat és a mérést tekintjük át. Mielõtt erre rátérnénk, a teljesség kedvéért érintjük a képek tömörítésének témakörét: magyar nyelven is elérhetõ több olyan képfeldolgozással foglalkozó szakkönyv, amelyben a témakör matematikai háttere, hibaanalízise részletesen megtalálható (Álló (1985), Berke (1996, 2000)). Digitális képtömörítésrõl van szó - az eredmény tehát bizonyos matematikai algoritmusok számítógépes implementációja során áll elõ és elsõsorban az adatátvitel és a képarchiválás-dokumentálás fokozódó igénye miatt szükséges. A kép hordozta információ tárolása az egyes számítógépes képformátumokban nem egyformán helytakarékos. Definiáljuk a redundancia fogalmát az adat fogalmán keresztül: adat az, ami az információt hor-

30 30 Számítógépes képelemzés dozza, így redundánsnak nevezzük azt az adathalmazt, amely nem a legkevesebb adattal jellemzi ugyanazt az információt. Több vállfaját különböztethetjük meg, így például: 1) Kódolási redundancia: ha csak 0 és 255 szürkeségi szint van, az egy byte/képpont helyett ugyanazon képet 0 és 1 értékekkel kódolva egy bit/képpont arány érhetõ el. 2) Képi redundancia: homogén háttér elõtt azonos színû objektumok esetén elegendõ a határvonalakat tárolni, jó tömörítés érhetõ el, ha a határoló vonalak végigjárása során a lépéseknél az elõzõ lépéshez viszonyított irányt tároljuk, valamint akkor, ha az alakzatok szabályosak. 3) Pszichovizuális redundancia: az emberi szem számára információt nem hordozó adatok elhagyásával tömörítés lehetséges (24 bites tárolás csökkentése, zajszûrés, méretcsökkentés). Fontos kihangsúlyozni, hogy a képek tömörítése elsõsorban a redundáns információ kiszûrésével lehetséges. Definiáljuk a tömörítési arány fogalmát a tömörítés utáni adatmennyiség és az azt megelõzõ adatmennyiség hányadosaként. Ez az egyik legfontosabb jellemzõ, ami az egyes tömörítõ-eljárásokat rangsorolja, míg a másik a tömörítés során fellépõ információveszteség. Információveszteség szempontjából megkülönböztethetünk veszteségmentes és veszteséges tömörítési módszereket. Veszteségmentes tömörítési mód például a változó hosszúságú kódolás és a kontúrkövetés. A változó hosszúságú kódolás azon alapul, hogy amíg a szürkeségi szint értékei széles tartományban vehetnek fel értékeket, ezen értékek változásai általában zajszegény képeken keskeny értékkészletû, 0 átlagértékû függvénnyel jellemezhetõk. Azaz minél nagyobb a különbség abszolút értéke, annál kisebb valószínûséggel fordul elõ. Így a gyakoribb értékekhez a rendelkezésre álló készletbõl rövid kódot, a ritkábban elõfordulókhoz hosszabbat rendelünk, a kódolt eredmény tároló igénye az eredetinél kisebb lesz. A kontúrkövetés során azt használjuk ki, hogy míg a kontúr egy (x,y) pontja 8 biten adott, a további pontok ehhez viszonyított iránya már 3 biten tárolható. Veszteséges tömörítéssel jóval nagyobb tömörítési arányt érhetünk el, mivel a látvány változatlansága mellett bizonyos részletek elhanyagolhatók. Ez a képelemzõ munka szempontjából kisebb jelentõséggel bír, ugyanis egy, a mikroszerkezetrõl készült felvétel kvantitatív kiértékelése esetén nem a látvány minõsége az elsõdleges szempont. A legfontosabb talán a jpeg-szabvány, a diszkrét cosinus-transzformáció egyik legjellegzetesebb alkalmazási módja: ekkor a kép transzformáltjából a gyors vál-

31 Számítógépes képelemzés 31 tozásokért felelõs nagyfrekvenciás tagokat elhanyagolva jutunk kisebb tárterületet igénylõ formához, anélkül, hogy a látvány érdemben romlana Szürkekép-átalakító mûveletek A szürkekép elnevezés - a hétköznapi szóhasználatban fekete-fehér kép - arra utal, hogy a képpont mátrix értékei csak világosságkódokat tartalmaznak, azaz a fekete-fehér intervallumon belül különbözõ szürkeségi szintek alkotják a képet. Ez nagyban leegyszerûsíti az elvégzendõ matematikai mûveleteket, attól függõen, hogy 256, 512, 1024, stb. szürkeségi szintre bontottuk fel az adott képet. Színes képek elemzésére e helyütt nem térünk ki, csupán megemlítjük, hogy hasonló mûveleteket végezhetünk a színes kép három színsávja közül külön-külön bármelyiken, mivel a telítetlenséget szürkeségi szintként is felfoghatjuk. Az egyes színsávokban végzett mûveletek kombinációjaként rengeteg információhoz juthatunk. Ennek tárgyalása meghaladja e könyv kereteit. E módszereket napjainkban egyre kiterjedtebben alkalmazzák biológiai és orvostudományi szövetképek elemzésekor. Kiemeljük, hogy léteznek összefüggések színes képek szürkeképként történõ elemzésére, ekkor az egyes színekhez (színsáv-kombinációkhoz) egyegy szürkeségi szintet rendelünk, átalakításokat végzünk, majd az eredményt visszaalakítjuk a hozzárendelési táblázat alapján (Serra (2000)). A digitalizált képek gyakran nem olyan minõségûek, hogy bármiféle átalakítás nélkül méréseket végezhessünk rajtuk (elektromos zaj; szenynyezõdés; csiszolási, maratási hibák, stb.). Ezért szükséges "kijelölnünk", detektálnunk a kép kívánt tartományait, amelyeket azután számszerûen jellemezhetünk. Ezt nevezzük bináris képpé alakításnak, vagy szegmentálásnak, és többnyire - mivel ez a legkézenfekvõbb megoldás - egy-egy szürkeségi szint alatti illetve feletti képpontok elkülönítését értjük alatta. Ekkor a szürkekép átalakító mûveletek célja, hogy az objektumokat, amelyeket mérni kívánunk egy szürkeségi szintre hozzuk, esetleg egy szürkeségi szint-tartományba transzformáljuk. A szegmentálás azonban nem csak a küszöbértékeken keresztül valósítható meg: lehetséges az objektumok más jellemzõjük alapján történõ elkülönítése is, pl. textúra, morfológia. Erre jó példa a lemezes szerkezet azonosítása a periodikus textúra alapján. Ez a szegmentálás azonban nem más, mint egy olyan morfológiai transzformáció, amely az adott textúrát adott szürkeségi szintre alakítja, míg másokat változatlanul hagy. Így a

32 32 Számítógépes képelemzés továbbiakban a szürkeségi szint alapján történõ szegmentálásra, az ún. detektálásra szorítkozunk. Érdekesség, hogy léteznek "tanítható" képelemzõ rendszerek is: ezek a felhasználó által megjelölt tartományok sajátosságai alapján azonosítják a többi hasonló tartományt (Komenda (2000)). Megjegyzendõ, hogy sok probléma megoldható mind szürkeképen, mind bináris képen végzett mûveletek segítségével. A szürkeképátalakítások elõnye, hogy a kép teljes információtartalma figyelembe vehetõ, még a binárissá konvertálás elõtt. Szürkekép-átalakításokat a fentiekkel összhangban tehát akkor használunk, ha az elõállított bináris kép információtartalma eltér az eredetitõl táblázat. Szürkekép- és bináris átalakítások Probléma Megoldási lehetõség * "Lyukas" alakzatok Lyukkeresõ és -kitöltõ algoritmusok mind a szürke-, mind a bináris képen Szakadozott határok Nyitás, Zárás, bármelyik képen Zaj Nyitás a bináris képen; Nyitás fehér, Zárás fekete zaj esetén, a szürkeképen Érintkezõ részecskék Zárás a bináris, Vízválasztó-transzformáció a szürkeképen Az objektumok különbözõgradiens, ezt követõen Detektálás szürkeségi szintûek Szegmentálás szürkeségi szint szerint Ez az ún. detektálás, amely nem más, mint a kép figyelembe venni és elhanyagolni kívánt tartományainak elkülönítése. Értelemszerûen három eset lehetséges: valamely adott szürkeségi szint alatt megtartani a képpontokat, s a többit nem figyelembe venni, ennek inverzeként megtartani az adott szint felettieket, valamint két megadott szint közé esõ képpontokat megkeresni s a továbbiakban ezeket figyelembe venni. A detektálást követõen a képpontok szürkeségi szintjérõl már nem beszélhetünk: az egyes képpontokhoz 0 vagy 1 értéket rendeltünk (amelyeket egy egyszerû inverz képzéssel egymással megcserélhetünk, ha a komplementer halmazon kívánunk mûveleteket végezni). A detektálás a kép- A képátalakító mûveleteket a késõbbiekben részletesen bemutatjuk.

33 Számítógépes képelemzés 33 elemzési folyamat egyik legegyszerûbb, ugyanakkor talán a legkritikusabb pontja: mivel ekkor történik a mérendõ objektumok körvonalainak, határainak kijelölése ugyanakkor szubjektivitást is hordoz, ami a megfelelõ elõzetes szürkekép-átalakítással csökkenthetõ. Look-Up Table (LUT) transzformációk Más néven pontbeli intenzitás-transzformációk, általában egy meghatározott függvénykapcsolatot hajtanak végre az adott pontbeli szürkeségi szinten, így az eredmény csupán az adott pont kiindulási értékétõl függ, szomszédaitól nem. A kapcsolat gyakran matematikai (logaritmus, négyzet, négyzetgyök, exponenciális, komplementer képzés - azaz inverz kép elõállítása, stb.), ide tartozik a gamma-korrekció is: ( S ij S ) output max ( Sij ) = 1 S input max 1 γ (7.4-1) valamint a hisztogram-transzformációk, így a kiegyenlítés is. Az index nélküli S max ill. S min az ábrázolási tartomány határait jelentik (8 bites felbontásnál 0 ill. 255), míg ij indexszel az átalakítás elõtti (input) és utáni (output) kép pontjait jelöltük. Az eredményt az aktuálisan megjeleníthetõ, általában szürkeségi szint-tartományba skálázzuk át, ahol a 0 a fekete, 255 a fehér szintjét jelöli: output ( S ) S ij ( S ) input max ij = 1 (7.4-2) max ( Sij ) Maga a detektálás is egyfajta pontbeli intenzitás-transzformáció. E módszerek célja gyakran csupán a kép megjelenítésének javítása, például a teljes szürkeségi tartomány kihasználásával (STRETCHING, mint hisztogram-transzformáció): ( S ) ( S ) ( S S input min input output ij ij max min min ij ) = ( S S ) + (7.4-3) max input min input ( Sij ) ( Sij ) Hisztogram alatt azt a diagramot értjük, amelynek vízszintes tengelyén a szürkeségi szinteket, függõleges tengelyén az adott szinthez tartozó képpontok számát ábrázoljuk. Stretching nyújtás.

34 34 Számítógépes képelemzés Megemlítjük, hogy a stretching ellentéteként az ún. SHRINKING az alábbi mûvelettel állítható elõ: S S ( S S max min output input min input min ij ) = (( S ) ( S ) ) max min ij ij + (7.4-4) input input ( Sij ) ( Sij ) A fényerõ módosítása (angol berendezéseken BRIGHTNESS ) a hisztogram eltolását jelenti, anélkül, hogy annak alakja megváltozna. A hisztogram-kiegyenlítés (EQUALIZATION ) egy elterjedt módszer a gyenge kontrasztú képek javítására, funkciójában tehát a stretching-hez hasonlít, ám gyakran kellemesebb látványt eredményez - fõként makrofényképek javításakor hasznos. Eredményként a lehetõ legegyenletesebb hisztogramot kapjuk (míg a stretching során a hisztogram általános alakja változatlan marad). A hisztogram-kiegyenlítés során az átalakítást alábbi lépéssorozatban hajthatjuk végre: 1) Állítsuk elõ a szürkeségi skála egyes értékeihez tartozó kumulatív összegeket! 2) Normáljuk az értékeket a 0..1 tartományba (osztás a képpontok számával)! 3) Szorozzuk meg ezen értékeket a maximális szürkeségi szinttel (8 bites képnél 255)! 4) A szorzat kerekített értékeit sorban rendeljük az egyes szürkeségi szintekhez! Mivel az eloszlásfüggvény a szürkeségi szintek függvényében monoton növekvõ, többé-kevésbé egyenessel közelíthetõ görbét kapunk, s így az output hisztogram közel egyenletes eloszlást tükröz. A hisztogramkiegyenlítés a szürkekép hisztogramjának módosítását jelenti annak érdekében, hogy az egyes szürkeségi tartományokba azonos darabszámú képpont essen. Bár alacsony kontrasztú képeken ez látványos javulást eredményez, az aktuális szürkeségi felbontás valójában nem javul, sõt, romolhat, mert általában több, azt megelõzõen különbözõ szürkeségi szint kerül ugyanazon értékre. A LUT transzformációkat gyakran valamilyen aritmetikai mûvelet követi, amely tulajdonképpen a négy számtani alapmûvelet elvégzését jelenti - értelemszerûen két input képbõl egy outputot elõállítva (amelyek Shrinking összehúzás. Brightness világosság. Equalization kiegyenlítés.

35 Számítógépes képelemzés 35 közül az egyik gyakran az eredeti, a másik pedig a transzformált kép). A transzformációt célszerûen megválasztva rengeteg, általunk nem kívánt információt szûrhetünk ki a képbõl. Egyébként maga a LUT kifejezés a számítástechnikai megvalósítás következménye, mivel a gyakorlatban a 256-féle szürkeségi szinthez tartozó 256-féle hozzárendelést kiszámítani és ezt követõen az egyes képpont értékeket kicserélni jóval kevesebb számítási igényel, mint minden egyes pontban elvégezni magát a transzformációt. Így például az invertálás a gyakorlatban a ábra szerint zajlik: ábra. Invertálás LUT transzformáció segítségével a) eredeti képmátrix részlete, b) táblázat, c) módosított képmátrix részlete Az LUT transzformációk másik csoportja jól szemléltethetõ egy olyan diagramon, ahol az input - output szürkeségi szintek hozzárendelését egyetlen görbe mutatja: az 1-el történõ szorzás tehát 45 fokos egyenesként, míg a kontraszt növelése - minthogy ez is egy pontbeli intenzitás-transzformáció - az egyenes meredekségének növekedéseként jelenik meg ( ábra).

36 36 Számítógépes képelemzés ábra. LUT transzformáció átviteli függvénye Az "Auto Contrast" transzformáció nem egyéb, mint a kép szürkeségi szintjének átkalibrálása a tartományba az elõzõekben már említett egyenlet szerint. Hasonlóan az elõbbiekhez, az álszínes, "pszeudocolor" képek elõállítása ugyancsak LUT transzformáció: ha nagyon kis szürkeségi szintbeli különbségek (2-3) vizuális érzékeltetésére van szükség. A szem nagy színfelbontását kihasználva színezhetjük a képet, amivel a különbség azonnal nyilvánvalóvá válik ( ábra).

37 Számítógépes képelemzés ábra. Nem valódi színes (pszeud-color) képek elõállítása LUT transzformációval a) eredeti képmátrix részlete, b) táblázat a monitorral Végül, de nem utolsó sorban némiképp különállóként tárgyaljuk a háttérkorrekciót (shading correction). A megvilágítási vagy lencsehibákból adódó háttér hatásának kiküszöbölése érdekében a képelemzõ berendezések lehetõséget biztosítanak egy teljesen üres látómezõ (a gyakorlatban egy tükör) látványának elmentésére, amelyet - mint korrekciós tényezõt - felhasználva a késõbbiekben az elemzett képek valódi látványát jelenítik meg. Ez pusztán az illetõ korrigálandó képpont helyzetétõl függõ érték kivonását jelenti az elemzendõ kép szürkeségi szintjeibõl. Ekkor tehát nem output szürkeségi szintek hozzárendelése történik input szürkeségi szintekhez, hanem kivonandó szürkeségi szinteket rendelünk az egyes képpontok xy koordinátáihoz.

38 38 Számítógépes képelemzés Konvolúció A konvolúciós képátalakító mûvelet során a képpontok szürkeségi szintjét a szomszédok figyelembe vételével módosítjuk az alábbi módon. Helyezzük egy m x m méretû "kernel" (másképpen konvolúciós mátrix) középsõ elemét az input kép elsõ pontjára ( ábra), szorozzuk meg a kép minden, a mátrixszal lefedett pontját a mátrix megfelelõ elemével, az eredményt normáljuk, végül helyettesítsük ezzel az értékkel az m x m szomszédság középsõ elemét (ez lesz az output szürkeségi szint a középsõ képpontnak megfelelõ helyen). Ezt követõen léptessük a mátrixot az input kép következõ pontjára és így tovább ábra. A konvolúció mûvelete a) eredeti képmátrix részlete, b) konvolúciós mátrix (kernel) Egyenlettel kifejezve: módosított 2 1 m S 5 = kisi (7.4-5) N i= 1 Itt N a normalizációs konstans, amely gyakran a konvolúciós mátrix elemeinek összege, de általános esetben bármilyen nullától különbözõ érték lehet. A konvolúciós kernelekre gyakran a szûrõ elnevezéssel hivatkozunk, ugyanis sok zajszûrõ, vagyis átlagoló kernelt alkalmazunk a gyakorlatban. Az átlagolás (AVERAGING, ábra), lágyítás (SMOOTHING, és ábra), élkiemelés (EDGE DETECTION, ábra), élesítés (SHARPENING, ábra) igen jó példák arra, hogy milyen álta-

39 Számítógépes képelemzés 39 lánosan használható mûveletek végezhetõk el az adott pont környezetében lévõ szürkeségi értékek figyelembe vételével. Az átlagolás és a lágyítás hasonló mûveletek, az átlagolás során az egyes képpontok súlyozása azonos, egységnyi, míg lágyításnál a súlyozás biztosít lehetõséget a környezetbõl figyelembe veendõ pontok megadására és hatásának számszerûsítésére. A kernel hatásának mértéke az átlagolt terület nagyságától, azaz a kernel méretétõl is függ. Az élkiemelés (Laplace-, Sobel-kernelek, stb.) értelemszerûen az élek megkeresésére használatosak, függetlenül attól, hogy ez az él egy szemcsehatár, amelyiknek mindkét oldalán azonos szemcse van, avagy második fázisú részecske kontúrja, eltérõ fázisok között. a) eredeti kép b) kernel c) módosított kép ábra. Átlagolás, N=9 a) eredeti kép, b) kernel, c) módosított kép ábra. Lágyítás Gauss-típusú szûrõvel

40 40 Számítógépes képelemzés a) eredeti kép b) kernel c) módosított kép ábra. Súlyozott-átlag kernel alkalmazása, N=3 Az élkiemelõ kernelek a képpontok szürkeségi szintje közötti különbséget veszik figyelembe a kép egyes irányaiban: a ábrán bemutatott kernel a képpont bal és jobb oldala közti különbséget számítja, így a függõleges éleket keresi meg. Az él két oldalán a szürkeségi szint negatív helyettesítési értékhez vezethet: ekkor az értékek abszolút értékét vehetjük figyelembe, vagy átskálázhatjuk a szürkeségi szintek értékeit úgy, hogy pl a negatív, a pozitív értékeket tartalmazza. a) eredeti kép b) kernel c) módosított kép ábra. Függõleges él keresõ kernel

41 Számítógépes képelemzés 41 Egy másik érdekes élkiemelõ kernel a Sobel-operátor ( ábra), amely a vízszintes éleket keresi meg, de 45 fokonként körbeforgatható, így más irányokban is alkalmazható. Az egyes irányokban kapott eredmények összevetésével a maximumot meghatározva kivételesen jó élképhez juthatunk. Általánosan: azon kernelek, amelyek elemeinek összege 0, élkiemelõ kerneleknek tekinthetõk, ugyanakkor a kapott eredmény nagyban függ az egyes elemek elhelyezkedésétõl. a) eredeti kép b) kernel c) módosított kép ábra. Sobel-típusú horizontális él keresõ kernel Az élesítés nagyon szemléletes és tetszetõs eredményt ad, bár az output gyakran zajosabbá válik, ami meglehetõsen szûk korlátok közé szorítja ezen kernelek alkalmazhatóságát. A kernelek nagyon hasonlatosak az élkiemelésnél használatosakhoz, ekkor az elemek összege többnyire egy, ám ekkor a középsõ elem - az élesítés kívánt mértékétõl függõen - túlhangsúlyozott ( ábra ).

42 42 Számítógépes képelemzés a) eredeti kép b) kernel c) módosított kép ábra. Élesítõ kernel (a Scanning elektronmikroszkópos felvételt Kovács Árpád készítette) Szürkeképek morfológiai transzformációi Morfológiai transzformációk során az egyes képpontok szürkeségi szintjét ugyancsak szomszédaitól függõen változtatjuk meg, a bináris képek esetén logikai mûveletek, míg a szürkeképeknél "kisebb" / "nagyobb" relációk segítségével. A morfológiai transzformációk elõnye, hogy a lényegtelen információ kiküszöbölése megbízható módon zajlik, szemben a konvolúcióval, ahol a látvány átalakítása többnyire - bár kevésbé hangsúlyosan - megõrzi a lényegtelen részleteket. A gyakorlat azt mutatja, amennyiben pontos és megismételhetõ mérések elvégzése a cél, a legtöbb képelemzési probléma során a morfológiai transzformáció biztosítja a legmegbízhatóbb eredményt. Meg kell jegyeznünk, hogy mindezek ellenére nincs olyan mûveletsorozat, amely mindig kiemeli az objektumokat, azaz nem létezik általános érvényû eljárás. A módszer mindig a vizsgálat céljától, tárgyától, az elõkészítés és a képalkotás módjától függ. Szerencsére. Hiszen így alkalmasan megválasztott módszerekkel más és más információk nyerhetõk ugyanazon szerkezetrõl, még alaposabban jellemezve ezáltal magát az anyagot. Másrészt, bár lehetséges egy-egy próbatípushoz általános megoldást felállítani, mindig található olyan kép, amelyen az adott mûveletsorozat nem alkalmazható. Így tehát a morfológiai transzformációk célja nem egyetlen általános képátalakító-technika kialakítása, hanem a széleskörû alkalmazhatóság. Az alábbiakban áttekinjük a legygyakrabban alkalmazott morfológiai transzformációkat.

43 Számítógépes képelemzés 43 Az inferior (INF) és a superior (SUP) mûveletek eredménye két kép összehasonlításából adódik - értelemszerûen képpontonként történõ öszszevetésükkel. Az INF ill. SUP mûvelet az adott helyen álló képpont output szürkeségi szintjének rendre a két input kép megfelelõ képpontjainak szürkeségi szintje közül a kisebbiket ill. nagyobbikat rendeli. A leggyakoribb morfológiai transzformációk az erózió és a dilatáció. A figyelembe vett szomszédság méretét és alakját egy ún. szerkezeti elem ( ábra), leggyakrabban egy 3x3-as négyzet jelöli ki. Így a szürkekép eróziója nem más, mint egy-egy pixel értékének helyettesítése az önmaga és nyolc szomszédja által alkotott csoport szürkeségi értékeinek minimumával, míg dilatáció során a maximumával. A morfológiai transzformációk általános jellemzõje, hogy megfordíthatatlanok: egy erodált kép eredetijét nem kaphatjuk vissza inverz mûvelettel, a dilatációval. Ezt a tulajdonságot gyakran kihasználjuk komplex képek átalakításakor (opening, closing, stb.). Az erózió és a dilatáció más megközelítésben komplementer mûveletek: miközben a háttér erodálódik, az objektumok dilatációját figyelhetjük meg ( ábra) ábra. Morfológiai transzformációk szerkezeti elemei

44 44 Számítógépes képelemzés a) eredeti kép b) erodált kép c) eredeti kép d) dilatált kép ábra. Az erózió és a dilatáció eredménye a szürke képen

45 Számítógépes képelemzés 45 Szürkeségi szint Szürkeségi szint Képpont Képpont a) eredeti profil részlete b) erodált profil részlete Szürkeségi szint Szürkeségi szint Képpont Képpont c) eredeti profil részlete d) dilatált profil részlete ábra. Az erózió és a dilatáció hatása a szürkeségi profilokra A szürkeségi profilok valamely kép adott képsorán szemléltetik a szürkeségi szintek változását. A ábra mutatja, hogy a dilatáció nem eredményez (nem eredményezhet) magasabb szürkeségi szintet a képen, mint az eredeti maximuma, míg az erózió nem generál alacsonyabb szintet a kép minimumánál. Az opening, és a closing mûveletek az erózióból és a dilatációból származtathatók: a "nyitás" az erózió és az ekvivalens dilatáció, míg a "zárás" a dilatáció és az ekvivalens erózió egymást követõ végrehajtásából tevõdik össze. Az ekvivalens kifejezéssel arra utalunk, hogy nem fel- Elõfordulhat az az eset, hogy egy szürkeségi profilon a minimum csökkenését vagy a maximum növekedését látjuk ekkor az alkalmazott szerkezeti elem kétirányú kiterjedése miatt a figyelembe vett lokális minimum, illetve maximum nem az ábrázolt képsorban volt. A kép szürkeségi hisztogramján ez mindig tapasztalható.

46 46 Számítógépes képelemzés tétlenül egyetlen alkalommal történik a mûvelet; lehetséges két eróziót követõ két dilatáció végrehajtása is, de ekkor más eredményt kapunk, és így tovább. Az opening az apró és világos objektumokat távolítja el, míg a closing az apró, sötét jellegzetességek eltüntetésére használható ( ábra). Az objektumok mérete az alkalmazott eróziók és dilatációk számától, valamint a szerkezeti elem alakjától és méretétõl függ. A szürkeségi hisztogram úgy változik, hogy nyitás során a kép nem lehet világosabb, mint az eredeti volt, azaz a szürkeségi szintek összege (a hisztogram alatti terület) legfeljebb megegyezik az eredetivel. a) eredeti kép b) nyitással módosított kép c) eredeti kép d) zárással módosított kép ábra. Nyitás és zárás

Épületvillamosság laboratórium. Villámvédelemi felfogó-rendszer hatásosságának vizsgálata

Épületvillamosság laboratórium. Villámvédelemi felfogó-rendszer hatásosságának vizsgálata Budapesti Műszaki és Gazdaságtudományi Egyetem Villamos Energetika Tanszék Nagyfeszültségű Technika és Berendezések Csoport Épületvillamosság laboratórium Villámvédelemi felfogó-rendszer hatásosságának

Részletesebben

Digitális fényképezés. Látás, színkeverés, CCD érzékelők, digitális fényképezőgépek

Digitális fényképezés. Látás, színkeverés, CCD érzékelők, digitális fényképezőgépek Digitális fényképezés Látás, színkeverés, CCD érzékelők, digitális fényképezőgépek A fény elektromágneses hullám. A látható fény hullámhossza: 380 780 nm. A fény hullámhosszát színként érzékeljük. Terjedési

Részletesebben

Korszerű geodéziai adatfeldolgozás Kulcsár Attila

Korszerű geodéziai adatfeldolgozás Kulcsár Attila Korszerű geodéziai adatfeldolgozás Kulcsár Attila Nyugat-Magyarországi Egyetem Geoinformatikai Főiskolai Kar Térinformatika Tanszék 8000 Székesfehérvár, Pirosalma -3 Tel/fax: (22) 348 27 E-mail: a.kulcsar@geo.info.hu.

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA, MATEmATIkA I 15 XV DIFFERENCIÁLSZÁmÍTÁS 1 DERIVÁLT, deriválás Az f függvény deriváltján az (1) határértéket értjük (feltéve, hogy az létezik és véges) Az függvény deriváltjának jelölései:,,,,,

Részletesebben

[MECHANIKA- HAJLÍTÁS]

[MECHANIKA- HAJLÍTÁS] 2010. Eötvös Loránd Szakközép és Szakiskola Molnár István [MECHANIKA- HAJLÍTÁS] 1 A hajlításra való méretezést sok helyen lehet használni, sok mechanikai probléma modelljét vissza lehet vezetni a hajlítás

Részletesebben

tetszőleges időpillanatban értelmezhető végtelen sok időpont értéke egy véges tartományban bármilyen értéket felvehet végtelen sok érték

tetszőleges időpillanatban értelmezhető végtelen sok időpont értéke egy véges tartományban bármilyen értéket felvehet végtelen sok érték Elektronika 2 tetszőleges időpillanatban értelmezhető végtelen sok időpont értéke egy véges tartományban bármilyen értéket felvehet végtelen sok érték Diszkrét időpillanatokban értelmezhető (időszakaszos)

Részletesebben

Bár a digitális technológia nagyon sokat fejlődött, van még olyan dolog, amit a digitális fényképezőgépek nem tudnak: minden körülmények között

Bár a digitális technológia nagyon sokat fejlődött, van még olyan dolog, amit a digitális fényképezőgépek nem tudnak: minden körülmények között Dr. Nyári Tibor Bár a digitális technológia nagyon sokat fejlődött, van még olyan dolog, amit a digitális fényképezőgépek nem tudnak: minden körülmények között tökéletes színeket visszaadni. A digitális

Részletesebben

Mágneses szuszceptibilitás vizsgálata

Mágneses szuszceptibilitás vizsgálata Mágneses szuszceptibilitás vizsgálata Mérést végezte: Gál Veronika I. A mérés elmélete Az anyagok külső mágnesen tér hatására polarizálódnak. Általában az anyagok mágnesezhetőségét az M mágnesezettség

Részletesebben

Kép részlet kivágás útvonalak létrehozása és szerkesztése útvonalak kijelöléssé alakítása Kijelölés > Lágy szél

Kép részlet kivágás útvonalak létrehozása és szerkesztése útvonalak kijelöléssé alakítása Kijelölés > Lágy szél Kép részlet kivágás 2. Az útvonalak létrehozása és szerkesztése eszközzel rajzoljuk körbe a kijelölésre szánt részt 3. Az Útvonalak palettán kattintsunk az útvonalak kijelöléssé alakítása gomra. 4. Most

Részletesebben

EPER E-KATA integráció

EPER E-KATA integráció EPER E-KATA integráció 1. Összhang a Hivatalban A hivatalban használt szoftverek összekapcsolása, integrálása révén az egyes osztályok, nyilvántartások között egyezőség jön létre. Mit is jelent az integráció?

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek megoldásához!

Részletesebben

A jelenség magyarázata. Fényszórás mérése. A dipólus keletkezése. Oszcilláló dipólusok. A megfigyelhető jelenségek. A fény elektromágneses hullám.

A jelenség magyarázata. Fényszórás mérése. A dipólus keletkezése. Oszcilláló dipólusok. A megfigyelhető jelenségek. A fény elektromágneses hullám. Fényszórás mérése A jelenség magyarázata A megfigyelhető jelenségek A fény elektromágneses hullám. Az elektromos tér töltésekre erőhatást fejt ki. A dipólus keletkezése Dipólusok: a pozitív és a negatív

Részletesebben

A LÁTÁS BIOFIZIKÁJA. D szem = 63 dioptria, D kornea = 40, D lencse = 15+ Rövidlátás myopia, Asztigmatizmus cilinderes lencse

A LÁTÁS BIOFIZIKÁJA. D szem = 63 dioptria, D kornea = 40, D lencse = 15+ Rövidlátás myopia, Asztigmatizmus cilinderes lencse A LÁTÁS BIOFIZIKÁJA A SZÍNLÁTÁS ELMÉLETE ELEKTRORETINOGRAM Két kérdés: Sötétben minden tehén fekete Lehet-e teniszt játszani sötétben kivilágított hálóval, vonalakkal, ütőkkel és labdával? A szem törőközegei

Részletesebben

FENNTARTHATÓ FEJLŐDÉS

FENNTARTHATÓ FEJLŐDÉS FENNTARTHATÓ FEJLŐDÉS Kump Edina ÖKO-Pack Nonprofit Kft. E-mail: edina@okopack.hu Web: www.okopack.hu Dunaújváros, 2014. november 07. A FENNTARTHATÓ FEJLŐDÉS FOGALMA A fenntartható fejlődés a fejlődés

Részletesebben

Osztályozó és Javító vizsga témakörei matematikából 9. osztály 2. félév

Osztályozó és Javító vizsga témakörei matematikából 9. osztály 2. félév Osztályozó és Javító vizsga témakörei matematikából 9. osztály 2. félév IV. Háromszögek, négyszögek, sokszögek Pontok, egyenesek, síkok és ezek kölcsönös helyzete Néhány alapvető geometriai fogalom A háromszögekről.

Részletesebben

Ha a síkot egyenes vagy görbe vonalakkal feldaraboljuk, akkor síkidomokat kapunk.

Ha a síkot egyenes vagy görbe vonalakkal feldaraboljuk, akkor síkidomokat kapunk. Síkidomok Ha a síkot egyenes vagy görbe vonalakkal feldaraboljuk, akkor síkidomokat kapunk. A határoló vonalak által bezárt síkrész a síkidom területe. A síkidomok határoló vonalak szerint lehetnek szabályos

Részletesebben

Az aktiválódásoknak azonban itt még nincs vége, ugyanis az aktiválódások 30 évenként ismétlődnek!

Az aktiválódásoknak azonban itt még nincs vége, ugyanis az aktiválódások 30 évenként ismétlődnek! 1 Mindannyiunk életében előfordulnak jelentős évek, amikor is egy-egy esemény hatására a sorsunk új irányt vesz. Bár ezen események többségének ott és akkor kevésbé tulajdonítunk jelentőséget, csak idővel,

Részletesebben

2006.8.17. HU Az Európai Unió Hivatalos Lapja. 13. cikk Útmutató

2006.8.17. HU Az Európai Unió Hivatalos Lapja. 13. cikk Útmutató 2006.8.17. HU Az Európai Unió Hivatalos Lapja C 193 E/207 13. cikk Útmutató Ezen irányelv alkalmazásának megkönnyítése érdekében a Bizottság kidolgoz egy útmutatót a 4. és 5. cikkek, valamint az 1. és

Részletesebben

Az abortusz a magyar közvéleményben

Az abortusz a magyar közvéleményben Az abortusz a magyar közvéleményben Országos felmérés a egyesület számára Módszer: országos reprezentatív felmérés a 18 éves és idősebb lakosság 1200 fős mintájának személyes megkérdezésével a Medián-Omnibusz

Részletesebben

1. Metrótörténet. A feladat folytatása a következő oldalon található. Informatika emelt szint. m2_blaha.jpg, m3_nagyvaradter.jpg és m4_furopajzs.jpg.

1. Metrótörténet. A feladat folytatása a következő oldalon található. Informatika emelt szint. m2_blaha.jpg, m3_nagyvaradter.jpg és m4_furopajzs.jpg. 1. Metrótörténet A fővárosi metróhálózat a tömegközlekedés gerincét adja. A vonalak építésének története egészen a XIX. század végéig nyúlik vissza. Feladata, hogy készítse el a négy metróvonal történetét

Részletesebben

Conjoint-analízis példa (egyszerűsített)

Conjoint-analízis példa (egyszerűsített) Conjoint-analízis példa (egyszerűsített) Az eljárás meghatározza, hogy a fogyasztók a vásárlás szempontjából lényeges terméktulajdonságoknak mekkora relatív fontosságot tulajdonítanak és megadja a tulajdonságok

Részletesebben

Javítóvizsga témakörei matematika tantárgyból

Javítóvizsga témakörei matematika tantárgyból 9.osztály Halmazok: - ismerje és használja a halmazok megadásának különböző módjait, a halmaz elemének fogalmát - halmazműveletek : ismerje és alkalmazza gyakorlati és matematikai feladatokban a következő

Részletesebben

Mehet!...És működik! Non-szpot televíziós hirdetési megjelenések hatékonysági vizsgálata. Az r-time és a TNS Hoffmann által végzett kutatás

Mehet!...És működik! Non-szpot televíziós hirdetési megjelenések hatékonysági vizsgálata. Az r-time és a TNS Hoffmann által végzett kutatás Mehet!...És működik! Non-szpot televíziós hirdetési megjelenések hatékonysági vizsgálata Az r-time és a TNS Hoffmann által végzett kutatás 2002-2010: stabil szponzorációs részarány Televíziós reklámbevételek

Részletesebben

Pozitron-emissziós tomográf (PET) mire való és hogyan működik?

Pozitron-emissziós tomográf (PET) mire való és hogyan működik? Pozitron-emissziós tomográf (PET) mire való és hogyan működik? Major Péter Atomoktól csillagokig, 2011. nov. 10. Vázlat Mi az hogy Tomográf? (fajták, képek) Milyen tomográfok vannak, miért van ennyi? Milyen

Részletesebben

Jelek tanulmányozása

Jelek tanulmányozása Jelek tanulmányozása A gyakorlat célja A gyakorlat célja a jelekkel való műveletek megismerése, a MATLAB környezet használata a jelek vizsgálatára. Elméleti bevezető Alapműveletek jelekkel Amplitudó módosítás

Részletesebben

Azonosító jel: Matematika emelt szint

Azonosító jel: Matematika emelt szint I. 1. Hatjegyű pozitív egész számokat képezünk úgy, hogy a képzett számban szereplő számjegy annyiszor fordul elő, amekkora a számjegy. Hány ilyen hatjegyű szám képezhető? 11 pont írásbeli vizsga 1012

Részletesebben

Párhuzamos programozás

Párhuzamos programozás Párhuzamos programozás Rendezések Készítette: Györkő Péter EHA: GYPMABT.ELTE Nappali tagozat Programtervező matematikus szak Budapest, 2009 május 9. Bevezetés A számítástechnikában felmerülő problémák

Részletesebben

Üzembehelyezıi leírás

Üzembehelyezıi leírás Üzembehelyezıi leírás MADE IN ITALY TECHNIKAI ADATOK Falra szerelve Lefedettség 15 m, 90 Mikrohullámú frekvencia 10.525 GHz Jelfeldolgozás DSP(Digital Signal Processing) Érzékelési távolság 3-15 m Érzékelési

Részletesebben

http://www.olcsoweboldal.hu ingyenes tanulmány GOOGLE INSIGHTS FOR SEARCH

http://www.olcsoweboldal.hu ingyenes tanulmány GOOGLE INSIGHTS FOR SEARCH 2008. augusztus 5-én elindult a Google Insights for Search, ami betekintést nyújt a keresőt használók tömegeinek lelkivilágába, és időben-térben szemlélteti is, amit tud róluk. Az alapja a Google Trends,

Részletesebben

Programozás I. - 9. gyakorlat

Programozás I. - 9. gyakorlat Programozás I. - 9. gyakorlat Mutatók, dinamikus memóriakezelés Tar Péter 1 Pannon Egyetem M szaki Informatikai Kar Rendszer- és Számítástudományi Tanszék Utolsó frissítés: November 9, 2009 1 tar@dcs.vein.hu

Részletesebben

A környezettan tantárgy intelligencia fejlesztő lehetőségei

A környezettan tantárgy intelligencia fejlesztő lehetőségei A környezettan tantárgy intelligencia fejlesztő lehetőségei Készítette: Pék Krisztina biológia környezettan szak Belső konzulens: Dr. Schróth Ágnes Külső konzulens: Dr. Széphalmi Ágnes A szakdolgozatom

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Geometria IV.

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Geometria IV. Geometria IV. 1. Szerkessz egy adott körhöz egy adott külső ponton átmenő érintőket! Jelöljük az adott kört k val, a kör középpontját O val, az adott külső pontot pedig P vel. A szerkesztéshez azt használjuk

Részletesebben

Programozható irányítóberendezések és szenzorrendszerek ZH. Távadók. Érdemjegy

Programozható irányítóberendezések és szenzorrendszerek ZH. Távadók. Érdemjegy Név Neptun-kód Hallgató aláírása 0-15 pont: elégtelen (1) 16-21 pont: elégséges (2) 22-27 pont: közepes (3) 28-33 pont: jó (4) 34-40 pont: jeles (5) Érzékelők jellemzése Hőmérsékletérzékelés Erő- és nyomásmérés

Részletesebben

Egységes jelátalakítók

Egységes jelátalakítók 6. Laboratóriumi gyakorlat Egységes jelátalakítók 1. A gyakorlat célja Egységes feszültség és egységes áram jelformáló áramkörök tanulmányozása, átviteli karakterisztikák felvétele, terhelésfüggőségük

Részletesebben

1. forduló. MEGOLDÁSOK Pontszerző Matematikaverseny 2015/2016-os tanév

1. forduló. MEGOLDÁSOK Pontszerző Matematikaverseny 2015/2016-os tanév MEGOLDÁSOK Pontszerző Matematikaverseny 2015/2016-os tanév 1. forduló 1. feladat: Jancsi és Juliska Matematikai Memory-t játszik. A játék lényege, hogy négyzet alakú kártyákra vagy műveletsorokat írnak

Részletesebben

Áramlástechnikai gépek soros és párhuzamos üzeme, grafikus és numerikus megoldási módszerek (13. fejezet)

Áramlástechnikai gépek soros és párhuzamos üzeme, grafikus és numerikus megoldási módszerek (13. fejezet) Áramlástechnikai gépek soros és párhuzamos üzeme, grafikus és numerikus megoldási módszerek (3. fejezet). Egy H I = 70 m - 50000 s /m 5 Q jelleggörbéjű szivattyú a H c = 0 m + 0000 s /m 5 Q jelleggörbéjű

Részletesebben

INFORMÁCIÓS MEMORANDUM

INFORMÁCIÓS MEMORANDUM INFORMÁCIÓS MEMORANDUM Kőkút út 7., Hrsz.: 2939/1 3200 GYÖNGYÖS MAGYARORSZÁG INGATLAN SZ.: 008 2011. július Rev.01 Page 1 of 6 Megye Régió Heves Mátra / Gyöngyös Lakosság száma Kb. 35.000 Autópálya csatlakozás

Részletesebben

Kiskunmajsa Város Önkormányzatának partnertérképe

Kiskunmajsa Város Önkormányzatának partnertérképe Kiskunmajsa Város Önkormányzatának partnertérképe Kiskunmajsa Város Önkormányzatának potenciális partnerei Helyi vállalkozások Kiskunmajsa Város Önkormányzata számára a lehetséges vállalati partnerek feltérképezéséhez

Részletesebben

#instagramads Az első tapasztalatok. Contact: Eva Drienyovszki Senior Search Specialist eva.drienyovszki@mecglobal.com

#instagramads Az első tapasztalatok. Contact: Eva Drienyovszki Senior Search Specialist eva.drienyovszki@mecglobal.com #instagramads Az első tapasztalatok Contact: Eva Drienyovszki Senior Search Specialist eva.drienyovszki@mecglobal.com 2010. július 16. Az első fotó az Instagramon 2011. január 27. Az első hashtaggel ellátott

Részletesebben

Analízis elo adások. Vajda István. 2012. október 3. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem)

Analízis elo adások. Vajda István. 2012. október 3. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem) Vajda István Neumann János Informatika Kar Óbudai Egyetem / 40 Fogalmak A függvények értelmezése Definíció: Az (A, B ; R ) bináris relációt függvénynek nevezzük, ha bármely a A -hoz pontosan egy olyan

Részletesebben

HÁLÓZATSEMLEGESSÉG - EGYSÉGES INTERNET SZOLGÁLTATÁS-LEÍRÓ TÁBLÁZAT

HÁLÓZATSEMLEGESSÉG - EGYSÉGES INTERNET SZOLGÁLTATÁS-LEÍRÓ TÁBLÁZAT HÁLÓZATSEMLEGESSÉG - EGYSÉGES INTERNET SZOLGÁLTATÁS-LEÍRÓ TÁBLÁZAT - 2016.04.01 után kötött szerződésekre Díjcsomag neve Go Go+ Go EU Go EU+ Kínált letöltési sebesség - 3G 42 Mbit/s 42 Mbit/s 42 Mbit/s

Részletesebben

Egyszerű áramkörök vizsgálata

Egyszerű áramkörök vizsgálata A kísérlet célkitűzései: Egyszerű áramkörök összeállításának gyakorlása, a mérőműszerek helyes használatának elsajátítása. Eszközszükséglet: Elektromos áramkör készlet (kapcsolótábla, áramköri elemek)

Részletesebben

Bevezetés a lágy számítás módszereibe

Bevezetés a lágy számítás módszereibe BLSZM-07 p. 1/10 Bevezetés a lágy számítás módszereibe Nem fuzzy halmaz kimenetű fuzzy irányítási rendszerek Egy víztisztító berendezés szabályozását megvalósító modell Viselkedésijósló tervezési példa

Részletesebben

Statisztika 2016. március 11. A csoport Neptun kód

Statisztika 2016. március 11. A csoport Neptun kód Statisztika 2016. március 11. A csoport Név Neptun kód 1. Egy közösségben az élelmiszerre fordított kiadások az alábbiak szerint alakultak: osszeg (ezer Ft) csalad(db) 20 7 20:1 30 12 30:1 40 20 40:1 50

Részletesebben

Beszámoló: a kompetenciamérés eredményének javítását célzó intézkedési tervben foglaltak megvalósításáról. Őcsény, 2015. november 20.

Beszámoló: a kompetenciamérés eredményének javítását célzó intézkedési tervben foglaltak megvalósításáról. Őcsény, 2015. november 20. Őcsényi Perczel Mór Általános Iskola székhelye: 7143 Őcsény, Perczel Mór utca 1. Tel: 74/496-782 e-mail: amk.ocseny@altisk-ocseny.sulinet.hu Ikt.sz.: /2015. OM: 036345 Ügyintéző: Ősze Józsefné Ügyintézés

Részletesebben

A táblázatkezelő felépítése

A táblázatkezelő felépítése A táblázatkezelés A táblázatkezelő felépítése A táblázatkezelő felépítése Címsor: A munkafüzet címét mutatja, és a program nevét, amivel megnyitottam. Menüszalag: A menüsor segítségével használhatjuk az

Részletesebben

A közraktározási piac 2015. évi adatai

A közraktározási piac 2015. évi adatai A közraktározási piac 2015. évi adatai Az alább közölt adatok forrása a közraktározás-felügyeleti tevékenység során végzett adatgyűjtés és adatfeldolgozás. A közraktározási piac szereplőinek csekély száma

Részletesebben

A döntő feladatai. valós számok!

A döntő feladatai. valós számok! OKTV 006/007. A döntő feladatai. Legyenek az x ( a + d ) x + ad bc 0 egyenlet gyökei az x és x valós számok! Bizonyítsa be, hogy ekkor az y ( a + d + abc + bcd ) y + ( ad bc) 0 egyenlet gyökei az y x és

Részletesebben

Hőszivattyú. Zöldparázs Kft

Hőszivattyú. Zöldparázs Kft Hőszivattyú Ez az előadás 2010.szeptember 20-án hangzott el. Mivel az internetes keresők hosszú időre megőrzik a dokumentumokat, vegye figyelembe, hogy az idő múlásával egyes technikai megoldások elavulttá

Részletesebben

Koordináta - geometria I.

Koordináta - geometria I. Koordináta - geometria I. DEFINÍCIÓ: (Helyvektor) A derékszögű koordináta - rendszerben a pont helyvektora az origóból a pontba mutató vektor. TÉTEL: Ha i az (1; 0) és j a (0; 1) pont helyvektora, akkor

Részletesebben

Ablakok használata. 1. ábra Programablak

Ablakok használata. 1. ábra Programablak Ha elindítunk egy programot, az egy Ablakban jelenik meg. A program az üzeneteit szintén egy újabb ablakban írja ki számunkra. Mindig ablakokban dolgozunk. Az ismertetett operációs rendszer is az Ablakok

Részletesebben

Földrajzi helymeghatározás

Földrajzi helymeghatározás A mérés megnevezése, célkitűzései: Földrajzi fokhálózat jelentősége és használata a gyakorlatban Eszközszükséglet: Szükséges anyagok: narancs Szükséges eszközök: GPS készülék, földgömb, földrajz atlasz,

Részletesebben

A TŰZVÉDELMI TERVEZÉS FOLYAMATA. Dr. Takács Lajos Gábor okl. építészmérnök BME Építészmérnöki Kar Épületszerkezettani Tanszék

A TŰZVÉDELMI TERVEZÉS FOLYAMATA. Dr. Takács Lajos Gábor okl. építészmérnök BME Építészmérnöki Kar Épületszerkezettani Tanszék A TŰZVÉDELMI TERVEZÉS FOLYAMATA Dr. Takács Lajos Gábor okl. építészmérnök BME Építészmérnöki Kar Épületszerkezettani Tanszék BME Épít Épületsze TŰZVÉDELMI TERVEZÉSI FELADATOK A tűzvédelmi tervezési tevékenység

Részletesebben

Adatok ábrázolása, adattípusok. Összefoglalás

Adatok ábrázolása, adattípusok. Összefoglalás Adatok ábrázolása, adattípusok Összefoglalás Adatok ábrázolása, adattípusok Számítógépes rendszerek működés: információfeldolgozás IPO: input-process-output modell információ tárolása adatok formájában

Részletesebben

Programozás alapjai Bevezetés

Programozás alapjai Bevezetés Programozás alapjai Bevezetés Miskolci Egyetem Általános Informatikai Tanszék Programozás alapjai Bevezetés SWF1 / 1 Tartalom A gépi kódú programozás és hátrányai Amagasszintÿ programozási nyelv fogalma

Részletesebben

31 521 09 1000 00 00 Gépi forgácsoló Gépi forgácsoló

31 521 09 1000 00 00 Gépi forgácsoló Gépi forgácsoló Az Országos Képzési Jegyzékről és az Országos Képzési Jegyzékbe történő felvétel és törlés eljárási rendjéről szóló 133/2010. (IV. 22.) Korm. rendelet alapján. Szakképesítés, szakképesítés-elágazás, rész-szakképesítés,

Részletesebben

Vektoros elemzés végrehajtása QGIS GRASS moduljával 1.7 dr. Siki Zoltán

Vektoros elemzés végrehajtása QGIS GRASS moduljával 1.7 dr. Siki Zoltán Vektoros elemzés végrehajtása QGIS GRASS moduljával 1.7 dr. Siki Zoltán Egy mintapéldán keresztül mutatjuk be a GRASS vektoros elemzési műveleteit. Az elemzési mintafeladat során gumipitypang termesztésére

Részletesebben

A 27/2012 (VIII. 27.) NGM rendelet (12/2013 (III.28) NGM rendelet által módosított) szakmai és vizsgakövetelménye alapján.

A 27/2012 (VIII. 27.) NGM rendelet (12/2013 (III.28) NGM rendelet által módosított) szakmai és vizsgakövetelménye alapján. A 27/2012 (VIII. 27.) NGM rendelet (12/2013 (III.28) NGM rendelet által módosított) szakmai és vizsgakövetelménye alapján. Szakképesítés, azonosító száma és megnevezése 35 582 03 Hűtő-, klíma- és hőszivattyú

Részletesebben

Termékkatalógus 2016.

Termékkatalógus 2016. Hasítókúp kínálatunk 70, 90, valamint 120 mm átmérőjű hasítókúpokból áll. Átmérő (mm) Hossz (mm) 70 220 90 250 120 300 Az összes kúp edzett, cserélhető véggel szerelt. A kúp anyaga: 20MnCr5 Póthegyek anyaga:

Részletesebben

54 481 01 1000 00 00 CAD-CAM

54 481 01 1000 00 00 CAD-CAM Az Országos Képzési Jegyzékről és az Országos Képzési Jegyzékbe történő felvétel és törlés eljárási rendjéről szóló 133/2010. (IV. 22.) Korm. rendelet alapján. Szakképesítés, szakképesítés-elágazás, rész-szakképesítés,

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Trigonometria

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Trigonometria 005-05 MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Trigonometria A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett

Részletesebben

[GVMGS11MNC] Gazdaságstatisztika

[GVMGS11MNC] Gazdaságstatisztika [GVMGS11MNC] Gazdaságstatisztika 4 előadás Főátlagok összehasonlítása http://uni-obudahu/users/koczyl/gazdasagstatisztikahtm Kóczy Á László KGK-VMI Viszonyszámok (emlékeztető) Jelenség színvonalának vizsgálata

Részletesebben

G Szabályfelismerés 2.2. 2. feladatcsomag

G Szabályfelismerés 2.2. 2. feladatcsomag ÖSSZEFÜÉSEK Szabályfelismerés 2.2 Alapfeladat Szabályfelismerés 2. feladatcsomag összefüggés-felismerő képesség fejlesztése szabályfelismeréssel megkezdett sorozat folytatása a felismert szabály alapján

Részletesebben

Dräger X-pect 8320 Védőszemüveg

Dräger X-pect 8320 Védőszemüveg 8320 Védőszemüveg Az új generáció: 8320 szemüvegek. Fantasztikus kialakítás, ultra könnyű súly és a legjobb komfortérzet intenzív használat esetén is. Az 8320 napszemüvegként is kapható. D-33520-2009 02

Részletesebben

Dr. Schuster György. 2014. február 21. Real-time operációs rendszerek RTOS

Dr. Schuster György. 2014. február 21. Real-time operációs rendszerek RTOS Real-time operációs rendszerek RTOS 2014. február 21. Az ütemező (Scheduler) Az operációs rendszer azon része (kódszelete), mely valamilyen konkurens hozzáférés-elosztási problémát próbál implementálni.

Részletesebben

1. Mintapélda, amikor a fenék lekerekítési sugár (Rb) kicsi

1. Mintapélda, amikor a fenék lekerekítési sugár (Rb) kicsi 1 Mélyhúzott edény teríték méretének meghatározása 1. Mintapélda, amikor a fenék lekerekítési sugár (Rb) kicsi A mélyhúzott edény kiindulási teríték átmérőjének meghatározása a térfogat-állandóság alapján

Részletesebben

Amit a Hőátbocsátási tényezőről tudni kell

Amit a Hőátbocsátási tényezőről tudni kell Amit a Hőátbocsátási tényezőről tudni kell Úton-útfélen mindenki róla beszél, már amikor épületekről van szó. A tervezéskor találkozunk vele először, majd az építkezéstől az épület lakhatási engedélyének

Részletesebben

54 211 01 0000 00 00 Alkalmazott fotográfus Alkalmazott fotográfus

54 211 01 0000 00 00 Alkalmazott fotográfus Alkalmazott fotográfus 1646-06 fényképezés utómunkálatainak elvégzése gyakorlati feladat megoldásának ismertetése, megvédése 10/2007 (II. 27.) SzMM rendelettel módosított 1/2006 (II. 17.) OM rendelet Országos Képzési Jegyzékről

Részletesebben

Fúvókás sugárbefúvó cső DSA-RR

Fúvókás sugárbefúvó cső DSA-RR Fúvókás sugárbefúvó cső DSA-RR Ferdinand Schad KG Steigstraße 25-27 D-78600 Kolbingen Telefon +49 (0) 74 63-980 - 0 Telefax +49 (0) 74 63-980 - 200 info@schako.de www.schako.de Tartalom Leírás... 3 Kialakítás...

Részletesebben

Házi dolgozat. Minta a házi dolgozat formai és tartalmi követelményeihez. Készítette: (név+osztály) Iskola: (az iskola teljes neve)

Házi dolgozat. Minta a házi dolgozat formai és tartalmi követelményeihez. Készítette: (név+osztály) Iskola: (az iskola teljes neve) Házi dolgozat Minta a házi dolgozat formai és tartalmi követelményeihez Készítette: (név+osztály) Iskola: (az iskola teljes neve) Dátum: (aktuális dátum) Tartalom Itt kezdődik a címbeli anyag érdemi kifejtése...

Részletesebben

Számítógépes vírusok

Számítógépes vírusok A vírus fogalma A számítógépes vírus olyan szoftver, mely képes önmaga megsokszorozására és terjesztésére. A vírus célja általában a számítógép rendeltetésszerű működésének megzavarása, esetleg a gép tönkretétele,

Részletesebben

2011. március 9. Dr. Vincze Szilvia

2011. március 9. Dr. Vincze Szilvia . márius 9. Dr. Vinze Szilvia Tartalomjegyzék.) Elemi bázistranszformáió.) Elemi bázistranszformáió alkalmazásai.) Lineáris függőség/függetlenség meghatározása.) Kompatibilitás vizsgálata.) Mátri/vektorrendszer

Részletesebben

BOLYAI MATEMATIKA CSAPATVERSENY ORSZÁGOS DÖNTŐ SZÓBELI (2012. NOVEMBER 24.) 3. osztály

BOLYAI MATEMATIKA CSAPATVERSENY ORSZÁGOS DÖNTŐ SZÓBELI (2012. NOVEMBER 24.) 3. osztály 3. osztály Két szám összege 33. Mennyi ennek a két számnak a különbsége, ha az egyik kétszerese a másiknak? Hány olyan háromjegyű szám van, amelyben a számjegyek összege legalább 25? 4. osztály A Zimrili

Részletesebben

Ultrahangos mérőfej XRS-5. Használati utasítás SITRANS. XRS-5 mérőfej Használati utasítás

Ultrahangos mérőfej XRS-5. Használati utasítás SITRANS. XRS-5 mérőfej Használati utasítás Ultrahangos mérőfej XRS-5 Használati utasítás SITRANS 1 Tartalom Ismertető... 3 Áttekintés... 3 Külső méretek... 4 Telepítés... 5 Elektromos bekötések... 7 Közvetlen csatlakoztatás... 7 Kábel toldás...

Részletesebben

ADATBÁZIS-KEZELÉS. Funkcionális függés, normál formák

ADATBÁZIS-KEZELÉS. Funkcionális függés, normál formák ADATBÁZIS-KEZELÉS Funkcionális függés, normál formák KARBANTARTÁSI ANOMÁLIÁK beszúrási anomáliák törlési anomáliák módosítási anomáliák DOLG_PROJ(Dszsz, Pszám, Dnév, Pnév, Órák) 2 MÓDOSÍTÁSI ANOMÁLIÁK

Részletesebben

Agrárgazdasági Kutató Intézet Piac-árinformációs Szolgálat. Borpiaci információk. III. évfolyam / 7. szám 2005. április 28. 14-15.

Agrárgazdasági Kutató Intézet Piac-árinformációs Szolgálat. Borpiaci információk. III. évfolyam / 7. szám 2005. április 28. 14-15. A K I Borpiaci információk III. évfolyam / 7. szám 25. április 28. 14- Bor piaci jelentés Borpiaci információk 1-4. táblázat, 1-8. ábra: Belföldi értékesítési-árak és mennyiségi adatok 2. oldal 3-7. oldal

Részletesebben

Lécgerenda. 1. ábra. 2. ábra

Lécgerenda. 1. ábra. 2. ábra Lécgerenda Egy korábbi dolgozatunkban melynek címe: Karimás csőillesztés már szóltunk arról, hogy a szeezetek számításaiban néha célszerű lehet a diszkrét mennyiségeket folyto - nosan megoszló mennyiségekkel

Részletesebben

Ipari és vasúti szénkefék

Ipari és vasúti szénkefék www.schunk-group.com Ipari és vasúti szénkefék A legjelentősebb anyagminőségek fizikai tulajdonságai A legjelentősebb anyagminőségek fizikai tulajdonságai A szénkefetestként használt szén és grafit anyagminőségek

Részletesebben

IKU WORLD KOCKA Játékszabály. IKU WORLD Gondolkodásfejlesztő Vállalkozás

IKU WORLD KOCKA Játékszabály. IKU WORLD Gondolkodásfejlesztő Vállalkozás NN IKU WORLD KOCKA Játékszabály MAGYAR OLASZ IKU WORLD Gondolkodásfejlesztő Vállalkozás IKU WORLD KOCKA Logikai társasjáték Egy új játék, melyet sokféleképpen lehet használni: kirakójáték, társasjáték,

Részletesebben

Dinamikus geometriai programok

Dinamikus geometriai programok 2011 október 22. Eszköz és médium (fotó: http://sliderulemuseum.com) Enter MTM1007L információ: zeus.nyf.hu/ kovacsz feladatok: moodle.nyf.hu Reform mozgalmak A formális matematikát az életkori sajátosságoknak

Részletesebben

Az informatika oktatás téveszméi

Az informatika oktatás téveszméi Az informatika oktatás Az informatika definíciója Definíció-1: az informatika az információ keletkezésével, továbbításával, tárolásával, feldolgozásával foglalkozó tudomány. Definíció-2: informatika =

Részletesebben

ORSZÁGOS KÖRNYEZETEGÉSZSÉGÜGYI INTÉZET

ORSZÁGOS KÖRNYEZETEGÉSZSÉGÜGYI INTÉZET ORSZÁGOS KÖRNYEZETEGÉSZSÉGÜGYI INTÉZET 197 Budapest, Gyáli út 2-6. Levélcím: 1437 Budapest Pf.: 839 Telefon: (6-1) 476-11 Fax: (6-1) 21-148 http://efrirk.antsz.hu/oki/ A PARLAGFŰ POLLENSZÓRÁSÁNAK ALAKULÁSA

Részletesebben

Lineáris algebra gyakorlat

Lineáris algebra gyakorlat Lineáris algebra gyakorlat 3 gyakorlat Gyakorlatvezet : Bogya Norbert 2012 február 27 Bogya Norbert Lineáris algebra gyakorlat (3 gyakorlat) Tartalom Egyenletrendszerek Cramer-szabály 1 Egyenletrendszerek

Részletesebben

Shared IMAP beállítása magyar nyelvű webmailes felületen

Shared IMAP beállítása magyar nyelvű webmailes felületen Shared IMAP beállítása magyar nyelvű webmailes felületen A következő ismertető segítséget nyújt a szervezeti cím küldőként való beállításában a caesar Webmailes felületén. Ahhoz, hogy a Shared Imaphoz

Részletesebben

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten RACIONÁLIS TÖRTFÜGGVÉNYEK INTEGRÁLJA Készítette: Gábor Szakmai felel s: Gábor Vázlat

Részletesebben

Analízis elo adások. Vajda István. 2012. szeptember 24. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem)

Analízis elo adások. Vajda István. 2012. szeptember 24. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem) Vajda István Neumann János Informatika Kar Óbudai Egyetem 1/8 A halmaz alapfogalom, tehát nem definiáljuk. Jelölés: A halmazokat általában nyomtatott nagybetu vel jelöljük Egy H halmazt akkor tekintünk

Részletesebben

HWDEV-02A GSM TERMOSZTÁT

HWDEV-02A GSM TERMOSZTÁT HWDEV-02A GSM TERMOSZTÁT 2010 HASZNÁLATI ÚTMUTATÓ A termosztát egy beépített mobiltelefonnal rendelkezik. Ez fogadja az Ön hívását ha felhívja a termosztát telefonszámát. Érdemes ezt a telefonszámot felírni

Részletesebben

SZAKÁLL SÁNDOR, ÁsVÁNY- És kőzettan ALAPJAI

SZAKÁLL SÁNDOR, ÁsVÁNY- És kőzettan ALAPJAI SZAKÁLL SÁNDOR, ÁsVÁNY- És kőzettan ALAPJAI 12 KRISTÁLYkÉMIA XII. KÖTÉsTÍPUsOK A KRIsTÁLYOKBAN 1. KÉMIAI KÖTÉsEK Valamennyi kötéstípus az atommag és az elektronok, illetve az elektronok egymás közötti

Részletesebben

MEZŐGAZDASÁGI ALAPISMERETEK ÉRETTSÉGI VIZSGA II. A VIZSGA LEÍRÁSA

MEZŐGAZDASÁGI ALAPISMERETEK ÉRETTSÉGI VIZSGA II. A VIZSGA LEÍRÁSA A vizsga részei MEZŐGAZDASÁGI ALAPISMERETEK ÉRETTSÉGI VIZSGA II. A VIZSGA LEÍRÁSA Középszint Emelt szint 180 perc 15 perc 240 perc 20 perc 100 pont 50 pont 100 pont 50 pont A vizsgán használható segédeszközök

Részletesebben

Algebra es sz amelm elet 3 el oad as Rel aci ok Waldhauser Tam as 2014 oszi f el ev

Algebra es sz amelm elet 3 el oad as Rel aci ok Waldhauser Tam as 2014 oszi f el ev Algebra és számelmélet 3 előadás Relációk Waldhauser Tamás 2014 őszi félév Relációk reláció lat. 1. kapcsolat, viszony; összefüggés vmivel 2. viszonylat, vonatkozás reláció lat. 3. mat halmazok elemei

Részletesebben

Növelhető-e a hazai szélerőmű kapacitás energiatárolás alkalmazása esetén?

Növelhető-e a hazai szélerőmű kapacitás energiatárolás alkalmazása esetén? Növelhető-e a hazai szélerőmű kapacitás energiatárolás alkalmazása esetén? Okos hálózatok, okos mérés konferencia Magyar Regula 2012 2012. március 21. Hartmann Bálint, Dr. Dán András Villamos Energetika

Részletesebben

&CONTOURING. Art of. The STROBING

&CONTOURING. Art of. The STROBING The Art of Art.-Nr. 298000.54 STROBING &CONTOURING ICB innovative cosmetic brands GmbH Gaußstraße 13 / 85757 Karlsfeld/Germany Phone: +49 (0) 8131 390-05 www.make-up-factory.com A D E R M AT O L O G P

Részletesebben

Áramlás- és zárószelepek Logikai szelep Logikai szelepek (ÉS / VAGY) Katalógus füzetek

Áramlás- és zárószelepek Logikai szelep Logikai szelepek (ÉS / VAGY) Katalógus füzetek Áramlás- és zárószelepek Logikai szelep Katalógus füzetek 2 Áramlás- és zárószelepek Logikai szelep Váltószelep (VAGY) Qn = 80 l/min Alaplapos szelep csőcsatlakozással Sűrített levegő csatlakozás bemenet:

Részletesebben

1. Nyomásmérővel mérjük egy gőzvezeték nyomását. A hőmérő méréstartománya 0,00 250,00 kpa,

1. Nyomásmérővel mérjük egy gőzvezeték nyomását. A hőmérő méréstartománya 0,00 250,00 kpa, 1. Nyomásmérővel mérjük egy gőzvezeték nyomását. A hőmérő méréstartománya 0,0 250,0 kpa, pontossága 3% 2 osztás. Mekkora a relatív hibája a 50,0 kpa, illetve a 210,0 kpa értékek mérésének? rel. hiba_tt

Részletesebben

A kézbesítés rajtunk is múlik

A kézbesítés rajtunk is múlik A kézbesítés rajtunk is múlik 2014-01-07 15:03:50 Módosítva: 2014-01-07 20:50:26 Az utóbbi időben az elektronikus levelezés, a közösségi oldalak és a mobiltelefonok adta kommunikációs lehetőségek bővülésével

Részletesebben

B1: a tej pufferkapacitását B2: a tej fehérjéinek enzimatikus lebontását B3: a tej kalciumtartalmának meghatározását. B.Q1.A a víz ph-ja = [0,25 pont]

B1: a tej pufferkapacitását B2: a tej fehérjéinek enzimatikus lebontását B3: a tej kalciumtartalmának meghatározását. B.Q1.A a víz ph-ja = [0,25 pont] B feladat : Ebben a kísérleti részben vizsgáljuk, Összpontszám: 20 B1: a tej pufferkapacitását B2: a tej fehérjéinek enzimatikus lebontását B3: a tej kalciumtartalmának meghatározását B1 A tej pufferkapacitása

Részletesebben

Elektromos csatlakozások Multipol dugó Multipol csatlakozó kábellel. Katalógus füzetek

Elektromos csatlakozások Multipol dugó Multipol csatlakozó kábellel. Katalógus füzetek Elektromos csatlakozások Multipol dugó Multipol csatlakozó kábellel Katalógus füzetek 2 Elektromos csatlakozások Multipol dugó Multipol csatlakozó kábellel DIN 41612/IEC 603-2 (Form C/2) Összekötő kábel

Részletesebben

A Hozzárendelési feladat megoldása Magyar-módszerrel

A Hozzárendelési feladat megoldása Magyar-módszerrel A Hozzárendelési feladat megoldása Magyar-módszerrel Virtuális vállalat 2013-2014/1. félév 3. gyakorlat Dr. Kulcsár Gyula A Hozzárendelési feladat Adott meghatározott számú gép és ugyanannyi független

Részletesebben

2. OPTIKA 2.1. Elmélet 2.1.1. Geometriai optika

2. OPTIKA 2.1. Elmélet 2.1.1. Geometriai optika 2. OPTIKA 2.1. Elmélet Az optika tudománya a látás élményéből fejlődött ki. A tárgyakat azért látjuk, mert fényt bocsátanak ki, vagy a rájuk eső fényt visszaverik, és ezt a fényt a szemünk érzékeli. A

Részletesebben

Országos kompetenciamérés 2006

Országos kompetenciamérés 2006 Országos kompetenciamérés 2006 A SULINOVA Kht. jelentései alapján összeállította: Kovács Károly A tesztek alapvetı statisztikai jellemzıi, valamint a tesztfüzetek feladatai és azok jellemzıit bemutató

Részletesebben