Kapitel 1. Bildverarbeitung Was ist Bildverarbeitung? Typische Aufgaben der Bildverarbeitung
|
|
- Kornelius Ulrich Ackermann
- vor 8 Jahren
- Abrufe
Transkript
1 Kapitel 1 Kapitel 1 Einführung p. 1/40 Einführung Bildverarbeitung Was ist Bildverarbeitung? Typische Aufgaben der Bildverarbeitung Computer Vision Was ist Computer Vision? Typische Anwendungen von Computer Vision Klassifizierung von Computer Vision Aufgaben Warum ist Computer Vision so schwierig? Systemmodell für Computer Vision Visuelle Wahrnehmung Verwandte Gebiete Inhalt der Vorlesung Literaturhinweise
2 Kapitel 1 Einführung p. 2/40 Bildverarbeitung,,Ein Bild sagt mehr als tausend Worte Rasante Fortschritte in Bildsensorik und Computertechnologie: Hardware und Software für Verarbeitung von Bildern/Videos und neuerdings 3D-Visualisierung Anwendungen in Wissenschaft/Technik, Kunst, Unterhaltung, etc.
3 Kapitel 1 Einführung p. 2/40 Bildverarbeitung,,Ein Bild sagt mehr als tausend Worte Rasante Fortschritte in Bildsensorik und Computertechnologie: Hardware und Software für Verarbeitung von Bildern/Videos und neuerdings 3D-Visualisierung Anwendungen in Wissenschaft/Technik, Kunst, Unterhaltung, etc. Definition: Digitale Bildverarbeitung Anwendung eines Operators Ω, der ein Eingabebild f in ein Ergebnisbild g transformiert: g = Ω(f). Reduzierung von Bildstörungen; Veränderung von Bildern zur Unterstützung der Bildinterpretation durch Menschen und Rechner Bildkodierung zur effizienten Abspeicherung und Übertragung Veränderung von Bildern aus ästhetischer Sicht (z.b. rote Augen) Synthese aus mehrfachen Eingabenbildern (Bildregistrierung, Panoramabilder, 3D Videos) Digitale Wasserzeichen: Einfügung von Informationen direkt ins Bildmaterial
4 Kapitel 1 Einführung p. 3/40 BV-Aufgaben: Beispiele (1) Kontrastverstärkung (links) Entfernung periodischer Störungen (Mitte) Restaurierung (Bewegungsdegradation; rechts)
5 Kapitel 1 Einführung p. 4/40 BV-Aufgaben: Beispiele (2) Geometrische Bildtransformation (Dokumentanalyse, Sondereffekte)
6 Kapitel 1 Einführung p. 5/40 BV-Aufgaben: Beispiele (3) Morphing
7 Kapitel 1 Einführung p. 6/40 BV-Aufgaben: Beispiele (4) Bildregistrierung (medizinische Anwendungen, 3D-Modellbildung)
8 Kapitel 1 Einführung p. 7/40 BV-Aufgaben: Beispiele (5) Image inpainting
9 Kapitel 1 Einführung p. 8/40 BV-Aufgaben: Beispiele (6) Färben von Grauwertbildern (unten rechts: Original)
10 Kapitel 1 Einführung p. 9/40 BV-Aufgaben: Beispiele (7) Simulation von Sondereffekten, insb. im Gesichtsbereich, z.b. Gesichtsausdruck (oben links), Entfernung von Brillen bzw. roten Augen (oben rechts), Schielen (unten), Alterung, Karikatur, etc.
11 Kapitel 1 Einführung p. 10/40 BV-Aufgaben: Beispiele (8) Synthese von 3D Videos (Stereobilder): Farbkanal (links), Tiefenkanal (Mitte), autostereoskopisches 3D-Display
12 Kapitel 1 Einführung p. 11/40 Computer Vision (1) Sehen (Vision) Bildverstehen unmittelbare lebenswichtige tägliche Aufgaben, wie z.b. Orientierung in der Umwelt verantwortlich für Lernvorgänge, visuelles Vorstellungsvermögen, kreatives Denken, etc. Bildanalyse, Bildverstehen, Computersehen (engl. Image Analysis, Computer Vision, Image Understanding) Bildverstehen sucht nach technischen Lösungen für visuelle Problemstellungen. Bildverstehen ist ein Prozess. Man geht von einem Bild oder mehreren Bildern (Bildfolgen, Stereo, etc.) und einer Fragestellung aus. Resultat des Prozesses ist eine inhaltliche Beschreibung über die abgebildete Szene.
13 Kapitel 1 Einführung p. 12/40 Computer Vision (2) Aristotle would say that to see is to know what is where by looking. We wish to process visual information with computers so that we may know what is where in the world around us. D. Marr The goal of computer vision is to make useful decisions about real physical objects and scenes based on sensed images. L.G. Shapiro and G.C. Stockman
14 Kapitel 1 Einführung p. 13/40 Anwendungen (1) Medizin / Biologie: Segmentierung, Quantifizierung Bewegungskorrektur im PET-Scanner
15 Kapitel 1 Einführung p. 14/40 Anwendungen (3) Robotik (intelligente Roboter, Serviceroboter): Objekterkennung, -lokalisierung, und -sortierung; Hindernisvermeidung
16 Kapitel 1 Einführung p. 15/40 Anwendungen (2) Industrie (optische Qualitätskontrolle, Messaufgaben) Dokumentanalyse (papierloses Büro?)
17 Kapitel 1 Einführung p. 16/40 Anwendungen (3) Biometrie (Zutrittskontrolle: Sicherheit, wirtschaftliche Interessen): Personenidentifikation und -verifikation Unterschrift, Handgeometrie, Palmprint, Ohrgeometrie, Gangart, DNA Intelligente Benutzer-Schnittstelle
18 Kapitel 1 Einführung p. 17/40 Anwendungen (4) Autonome Fahrzeuge, intelligente Fahrhilfe Bilddatenbanken (inhaltsbasiertes Retrieval von Bildern und Videos)
19 Kapitel 1 Einführung p. 18/40 Anwendungen (5) 2.5-D Modellierung
20 Kapitel 1 Einführung p. 19/40 Anwendungen (6) Camera-based OCR (Optical Character Recognition) b) Cargo container code recognition; c) camera-based handwriting reco gnition; d) poster capturing; e) license plate reading; f) sign translation; g) whi teboard reading; h) road sign recognition
21 Kapitel 1 Einführung p. 20/40 Anwendungen (7) Mobile Computer Vision
22 Kapitel 1 Einführung p. 21/40 Klassen von CV-Aufgaben Aus aufgabenspezifischer Sicht lässt sich Compter Vision in die beiden folgenden Kategorien einteilen: Klassifikation von Bildern: gewünscht ist ein Klassenname (Typ) als Ergebnis (Teilgebiet der Mustererkennung). Beispiele: Schriftzeichenerkennung Qualitätskontrolle (gut/schlecht/unklar) medizinische Diagnose (gesund/krankheit A/Krankheit B/... /unklar) Interpretation von Bildern: hier wird eine allgemeine Beschreibung eines Bildes gefordert, z.b in Form von Einzelbestandteilen und deren Relationen. Beispiel: Geometrische Beschreibung der Umgebung zur Hindernisvermeidung.
23 Kapitel 1 Einführung p. 22/40 Was ist ein Bild? Bild = Matrix von Zahlen! Computer Vision gewinnt Semantik aus diesen Zahlen
24 Kapitel 1 Einführung p. 23/40 Warum ist Semantikgewinnung so schwierig (1) Beispiel: Semantik aus Intensitäten (Farben) nicht trivial
25 Kapitel 1 Einführung p. 23/40 Warum ist Semantikgewinnung so schwierig (1) Beispiel: Semantik aus Intensitäten (Farben) nicht trivial
26 Kapitel 1 Einführung p. 24/40 Warum ist Semantikgewinnung so schwierig (2) Beispiel: (Schwierig zu modellierende) Vielfalt der Welt vergrößert die Komplexität Was ist der Gesichts-Unterraum eines hochdimensionalen Vektorraums? Terrorist better not show their faces to our security system, or if they do they should were sunglasses. T. Pavlidis
27 Kapitel 1 Einführung p. 25/40 Systemmodell für Computer Vision (1) ein Binärbild (Bildpunkte) 4 Liniensegmente (low-level Merkmale) 2 Paare paralleler Liniensegmente (perzeptuelle Organisation, Gruppierung) ein Quadrat (Interpretation 1)
28 Kapitel 1 Einführung p. 25/40 Systemmodell für Computer Vision (1) ein Binärbild (Bildpunkte) 4 Liniensegmente (low-level Merkmale) 2 Paare paralleler Liniensegmente (perzeptuelle Organisation, Gruppierung) ein Quadrat (Interpretation 1) chinesisches Zeichen für Mund (Interpretation 2)
29 Kapitel 1 Einführung p. 25/40 Systemmodell für Computer Vision (1) ein Binärbild (Bildpunkte) 4 Liniensegmente (low-level Merkmale) 2 Paare paralleler Liniensegmente (perzeptuelle Organisation, Gruppierung) ein Quadrat (Interpretation 1) chinesisches Zeichen für Mund (Interpretation 2) ein Binärbild 2 Kreise und 10 Liniensegmente ein Auto
30 Kapitel 1 Einführung p. 25/40 Systemmodell für Computer Vision (1) Folgerung: ein Binärbild (Bildpunkte) 4 Liniensegmente (low-level Merkmale) 2 Paare paralleler Liniensegmente (perzeptuelle Organisation, Gruppierung) ein Quadrat (Interpretation 1) chinesisches Zeichen für Mund (Interpretation 2) ein Binärbild 2 Kreise und 10 Liniensegmente ein Auto Bildverstehen ist ein hierarchischer Prozess (low-, middle-, high-level) Bildinterpretation hängt von Fragestellung, Wissen und Erfahrung ab
31 Kapitel 1 Einführung p. 26/40 Systemmodell für Computer Vision (2) Beispiel: Erkennung von Tackern Grauwertbild Ausschnitt Kantendetektion Eckendetektion Erkennung und Lokalisierung
32 Kapitel 1 Einführung p. 27/40 Systemmodell für Computer Vision (3) digitalisiertes Bild abstrakte Darstellung des Bildes Welt SENSOR VORVERARBEITUNG SEGMENTIERUNG GRUPPIERUNG MERKMALSEXTRAKTION ERKENNUNG Ergebnis on-line Trainings-/ Lern- Stichprobe TRAINING LERNEN abstrakte Modelle der Bilder CAD-System off-line
33 Kapitel 1 Einführung p. 28/40 Systemmodell für Computer Vision (4) Vorverarbeitung, z.b.: Filterung des Bildes zur Störungsunterdrückung Segmentierung, z.b.: Trennung von Schrift und Hintergrund Liniendetektion (Objekt-Konturen) Regionendetektion (z.b. Flächen ähnlicher Farbe/Textur) Interest Points Gruppierung, z.b.: parallele Linien konvexe Polygone Merkmalsextraktion, z.b.: Flächeninhalt/Umfang einer Region Momente, Fourier-Deskriptoren usw. beliebig komplexe Beschreibungen Erkennung: Vergleich mit Modellbeschreibung (geometrisch, strukturell, statistisch)
34 Kapitel 1 Einführung p. 29/40 Visuelle Wahrnehmung (1) Letzter Schritt der Bildverarbeitung: Betrachten und Interpretieren des verarbeiteten Bildes durch Menschen; gewisses Verständnis der visuellen Wahrnehmung von Vorteil. Intensität: Physikalisch: Energie des eingefallenen Lichts pro Fläche und Zeit Physiologisch: wahrgenommene Helligkeit Intensität und Helligkeit sind zwar analoge Begriffe, stehen aber nicht in linearer Beziehung zueinander. Eine Intensitätsverdoppelung zieht nicht eine Verdoppelung der subjektiv wahrgenommenen Helligkeit nach sich.
35 Kapitel 1 Einführung p. 29/40 Visuelle Wahrnehmung (1) Letzter Schritt der Bildverarbeitung: Betrachten und Interpretieren des verarbeiteten Bildes durch Menschen; gewisses Verständnis der visuellen Wahrnehmung von Vorteil. Intensität: Physikalisch: Energie des eingefallenen Lichts pro Fläche und Zeit Physiologisch: wahrgenommene Helligkeit Intensität und Helligkeit sind zwar analoge Begriffe, stehen aber nicht in linearer Beziehung zueinander. Eine Intensitätsverdoppelung zieht nicht eine Verdoppelung der subjektiv wahrgenommenen Helligkeit nach sich. Das Sehen orientiert sich am Kontext
36 Kapitel 1 Einführung p. 30/40 Visuelle Wahrnehmung (2) The checker shadow illusion: Hat Quadrat B eine höhere Intensität als Quadrat A? Mensch: qualitativ / Rechner: quantitativ
37 Kapitel 1 Einführung p. 31/40 Visuelle Wahrnehmung (3) Mach band effect (E. Mach, 1906) Dargestellte (links) und wahrgenommene (rechts) Intensitätskurve: Auch bei Katzen und Affen wurden ähnliche Reaktionssignale registriert
38 Kapitel 1 Einführung p. 31/40 Visuelle Wahrnehmung (3) Mach band effect (E. Mach, 1906) Dargestellte (links) und wahrgenommene (rechts) Intensitätskurve: Auch bei Katzen und Affen wurden ähnliche Reaktionssignale registriert Optische Täuschungen Vorsichtig beim Schätzen und Vergleichen des Wahrgenommenen (Mensch/Rechner; qualitativ/quantitativ)
39 Kapitel 1 Einführung p. 32/40 Visuelle Wahrnehmung (4) Als großes Vorbild für CV/ME und KI gilt oft das menschliche Gehirn. Die meisten der heute verwendeten technischen Lösungen beruhen jedoch auf nicht biologisch-orientierten Methoden. Die Komplexität der Prozesse bei der menschlichen Wahrnehmung lässt sich z.b anhand der optischen Täuschung illustrieren.
40 Kapitel 1 Einführung p. 33/40 Visuelle Wahrnehmung (5) The rotating snake Illusion: (
41 Kapitel 1 Einführung p. 34/40 Visuelle Wahrnehmung (6) The Thatcher Illusion (P. Thompson, 1980):
42 Kapitel 1 Einführung p. 34/40 Visuelle Wahrnehmung (6) The Thatcher Illusion (P. Thompson, 1980):
43 Kapitel 1 Einführung p. 34/40 Visuelle Wahrnehmung (6) The Thatcher Illusion (P. Thompson, 1980): Bilder, die man aufhängt umgekehrt, mit dem Kopf nach unten, Fuß nach oben, ändern oft verwunderlich den Wert, weil ins Reich der Phantasie erhoben. Christian Morgenstein in Die Galgenlieder, 1905 Lernen (Training) ist wichtig für das Verstehen von Bildinhalt!
44 Kapitel 1 Einführung p. 35/40 Verwandte Gebiete Bildverarbeitung: Bild = Bild
45 Kapitel 1 Einführung p. 35/40 Verwandte Gebiete Bildverarbeitung: Bild = Bild Computer Vision: Bild = geometrische/inhaltliche Szenenbeschreibung, auch Image Understanding genannt; spezialisierte Teilgebiete: Machine Vision (vor allem industreille Bildanalyse), Robotic Vision
46 Kapitel 1 Einführung p. 35/40 Verwandte Gebiete Bildverarbeitung: Bild = Bild Computer Vision: Bild = geometrische/inhaltliche Szenenbeschreibung, auch Image Understanding genannt; spezialisierte Teilgebiete: Machine Vision (vor allem industreille Bildanalyse), Robotic Vision Mustererkennung (Musterklassifikation): Signal (Bild, Sprachsignal, etc.) = Klasse
47 Kapitel 1 Einführung p. 35/40 Verwandte Gebiete Bildverarbeitung: Bild = Bild Computer Vision: Bild = geometrische/inhaltliche Szenenbeschreibung, auch Image Understanding genannt; spezialisierte Teilgebiete: Machine Vision (vor allem industreille Bildanalyse), Robotic Vision Mustererkennung (Musterklassifikation): Signal (Bild, Sprachsignal, etc.) = Klasse Computergrafik: (geometrische) Szenenbeschreibung = Bild
48 Kapitel 1 Einführung p. 35/40 Verwandte Gebiete Bildverarbeitung: Bild = Bild Computer Vision: Bild = geometrische/inhaltliche Szenenbeschreibung, auch Image Understanding genannt; spezialisierte Teilgebiete: Machine Vision (vor allem industreille Bildanalyse), Robotic Vision Mustererkennung (Musterklassifikation): Signal (Bild, Sprachsignal, etc.) = Klasse Computergrafik: (geometrische) Szenenbeschreibung = Bild Künstliche Intelligenz: Schließen, Suchen, Planen, Lernen (mit Anwendungen auch in der Bildanalyse)
49 Kapitel 1 Einführung p. 35/40 Verwandte Gebiete Bildverarbeitung: Bild = Bild Computer Vision: Bild = geometrische/inhaltliche Szenenbeschreibung, auch Image Understanding genannt; spezialisierte Teilgebiete: Machine Vision (vor allem industreille Bildanalyse), Robotic Vision Mustererkennung (Musterklassifikation): Signal (Bild, Sprachsignal, etc.) = Klasse Computergrafik: (geometrische) Szenenbeschreibung = Bild Künstliche Intelligenz: Schließen, Suchen, Planen, Lernen (mit Anwendungen auch in der Bildanalyse) Wahrnehmungspsychologie, Neurophysiologie, etc.
50 Kapitel 1 Einführung p. 36/40 Inhalt der Vorlesung (1) Bildtransformationen Geometrische Transformationen Bildkompression Fourier-Transformation und Bildverarbeitung im Frequenzraum Verarbeitung von Farbbildern Wavelets Bildregistrierung Binärisierung und Verarbeitung von Binärbildern Morphologie Färben von Grauwertbildern Inpainting Verarbeitung von Gesichtsbildern
51 Kapitel 1 Einführung p. 37/40 Inhalt der Vorlesung (2) Kantendetektion Detektion von Konturen Tracking Bewegungsanalyse Bildsegmentierung Interest Points Inhaltsbasierte Suche in Bilddatenbanken Texturanalyse Gewinnung und Analyse von Tiefenbildern Shape-Analyse Kamerakalibrierung
52 Kapitel 1 Einführung p. 38/40 Inhalt der Vorlesung (3) Die Vorlesung hat einen einführenden Charakter Vertiefungs- bzw. Ergänzungsveranstaltungen Vorlesung Mustererkennung Vorlesung Computer Vision Vertiefung Vorlesung Medical Image Analysis Seminar bzw. Projektseminar
53 Kapitel 1 Einführung p. 39/40 Literaturhinweise (1) [1] Castleman, K.R. (Standardtext) Digital Image Processing, Prentice Hall, 1996 [2] Gonzales, R.C. / Woods, R.E. (Standardtext) Digital Image Processing, Second Edition, Prentice Hall, 2002 [3] Petrou, M. / Bosdogianni, O. (Q & A Stil) Image Processing: The Fundamentals, John Wiley & Sons Ltd., 1999 [4] Umbaugh, S.E. (Einführung in BV und BA) Computer Vision and Image Processing: A Practial Approach Using CVIPtools, Prentice Hall PTR, 1998 [5] Tönnies K.D. (Einführung in BV und BA) Grundlagen der Bildverarbeitung, Pearson Studium, 2005 [6] Russ, J.C. (praxisnah mit unzähligen Anwendungsbeispielen) The Image Processing Handbook, Fourth Edition, CRC Press, 2002
54 Kapitel 1 Einführung p. 40/40 Literaturhinweise (2) [1] Haralick, R.M. / Shapiro, L.G.: Computer and Robot Vision, Vol , Addison-Wesley, 1992 (mathematisch) [2] Jain, R. / Kasturi, R. / Schunk, B.G.: Machine Vision, McGraw-Hill, 1995 (Einführungstext) [3] Davies, E.R.: Machine Vision: Theory, Algorithms, Practicalities, 3nd Edition, Elsevier, 2005 (zahlreiche algorithmische und experimentelle Details) [4] Sonka, M. / Hlavac, V. / Boyle, R.: Image Processing, Analysis, and Machine Vision, 2nd Edition, PWS Publishing, 1999 (einführend und umfassend) [5] Shapiro, L.G. / Stockman, G.C.: Computer Vision, Prentice Hall, 2001 (Einführungstext) [6] Forsyth, D.A. / Ponce J.: Computer Vision: A Modern Approach, Prentice Hall, 2003
Einführung in Bildverarbeitung und Computervision
Einführung in Bildverarbeitung und Computervision Vorlesung 1: Grundlagen Dipl.-Math. Dimitri Ovrutskiy SS 2010 HTWdS Auf Basis der Vorlesungen von und mit Danksagung an Hr. Prof. Dr. J. Weikert Bildverarbeitung
Mehr$KNFXGTCTDGKVWPIWPF#NIQTKVJOGP 2TQH&T9QNHICPI-QPGP. Einführung. s. auch info_zum_kurs.html -QOOWPKMCVKQP
$KNFXGTCTDGKVWPIWPF#NIQTKVJOGP 2TQH&T9QNHICPI-QPGP Einführung s. auch info_zum_kurs.html SS06 1.1 Konen, Zielke -QOOWPKMCVKQP konen@gm.fh-koeln.de 5RTGEJUVWPFG OKVVYQEJU 7JT QFGTPCEJ8GTGKPDCTWPI'OCKN 4CWO#
MehrBildverstehen. Vorlesung an der TU Chemnitz SS 2013
Bildverstehen Vorlesung an der TU Chemnitz SS 2013 Johannes Steinmüller 1/B309 Tel.: 531 35198 stj@informatik.tu-chemnitz.de Seite zur Vorlesung: http://www.tu-chemnitz.de/informatik/ki/edu/biver/ Buch
MehrBildverarbeitung Herbstsemester. Binärbildanalyse
Bildverarbeitung Herbstsemester Herbstsemester 2010 2012 Binärbildanalyse 1 Inhalt Einführung Partikelfilterung und -analyse Auffinden von Regionen und Konturen Gruppenarbeit Erkennung von geometrischen
MehrAlgorithmische Geometrie
Algorithmische Geometrie 1-1 Inhaltsverzeichnis 1. Einführung 2. Basiskonzepte 3. Punktsuche 4. Voronoidiagramme und Delaunaytriangulierung 5. Allgemeine Suchstrukturen 1-2 1.1. Was ist? (Computational
MehrBildverarbeitung/Mustererkennung: Zusammenfassung und Ausblick
Bildverarbeitung/Mustererkennung: Zusammenfassung und Ausblick D. Schlesinger TUD/INF/KI/IS D. Schlesinger () BV/ME: Zusammenfassung 1 / 6 Organisatorisches Es gibt keine Scheine und keine bestanden Abschlüsse
Mehr3.1 Gedächtnis und Kognition 3.2 Lernen, Erinnern und Wiedererkennen
HCI 3 Gedächtnis und Lernen 3.1 Gedächtnis und Kognition 3.2 Lernen, Erinnern und Wiedererkennen BHT Berlin Ilse Schmiedecke 2010 Schwerer Kopf? Gehirn knapp 3 Pfund schwer ca. 2% der Körpermasse ca. 20%
MehrSuper-Resolution. Irena Kpogbezan & Moritz Brettschneider. Seminar Computational Photography
Super-Resolution Irena Kpogbezan & Moritz Brettschneider Seminar Computational Photography 1 Super-Resolution Was ist das? Vergrößerung der Auflösung von Bildern bei verbesserter Wahrnehmung von Informationen
MehrVorbereitungsaufgaben
Praktikum Bildverarbeitung / Bildinformationstechnik Versuch BV 4 / BIT 3: Mustererkennung Paddy Gadegast, CV00, 160967 Alexander Opel, CV00, 16075 Gruppe 3 Otto-von-Guericke Universität Magdeburg Fakultät
MehrKapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12
Kapitel 11* Kapitel11* Grundlagen ME p.1/12 Grundlagen ME Aufbau eines ME-Systems Entwicklung eines ME-Systems Kapitel11* Grundlagen ME p.2/12 Aufbau eines ME-Systems (1) on line Phase digitalisiertes
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrLIFO -Stärkenmanagement: Übungen und Spiele
LIFO -Stärkenmanagement: Übungen und Spiele Kirsten Möbius Mai 2011 1 Inhaltsangabe Übung zur Interpretation des LIFO - Fragebogens Übung zur Vertiefund der LIFO - Stile (Aufstellung) Übung zur Vertiefung
MehrGrundlagen der Videotechnik. Redundanz
Grundlagen der Videotechnik Redundanz Redundanz beruht auf: - statistischen Abhängigkeiten im Signal, - Information, die vorher schon gesendet wurde - generell eine Art Gedächtnis im Signal Beispiel: Ein
MehrGrafische Gestaltung von Websites. Seminar 2009
Grafische Gestaltung von Websites Seminar 2009 Visuelle Kommunikation ist die Übermittlung von Information in einer Weise, die über das Auge direkt oder indirekt wahrgenommen wird. Gestaltungslösung ist
MehrInformatik studieren an der Universität zu Lübeck
Informatik studieren an der Universität zu Lübeck Prof. Dr. Till Tantau Studiendekan Technisch-Naturwissenschaftliche Fakultät Universität zu Lübeck Das Informatik-Studium an der Uni Lübeck...... ist angewandter.
Mehr(C)opyright 2009 by Jochen Vajda
(C)opyright 2009 by Jochen Vajda Inhalt Einführung Darstellung des Verzeichnisbaums Statusleiste Überschreibenvon Dateien Ordnereinstellungen Suche Einleitung Der folgende Artikel vergleicht den Windows
MehrSeminar Seminarname SS 2003
Universität Karlsruhe (TH) Institut für Rechnerentwurf und Fehlertoleranz (IRF) Lehrstuhl Prof. Dr.-Ing. Dillmann Seminar Seminarname SS 2003 Beitragstitel Eva Muster Kaiserstraße 1 76133 Karlsruhe eva@muster.de
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg,
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg, Literatur Richard Hartle and Andrew Zisserman. Multiple View Geometr in computer vision, Cambridge Universit Press, 2 nd Ed., 23. O.D.
MehrANSPRECHPARTNER. Film Mathematik statt Rechnen (Quelle: Hochschule Merseburg) Prof. Dr. Axel Kilian Fachbereich Informatik und Kommunikationssysteme
ANSPRECHPARTNER Prof. Dr. Axel Kilian Fachbereich Informatik und Kommunikationssysteme Hochschule Merseburg axel.kilian@hs-merseburg.de Film Mathematik statt Rechnen (Quelle: Hochschule Merseburg) HOCHSCHULE
MehrIm Original veränderbare Word-Dateien
Computergrafik Bilder, Grafiken, Zeichnungen etc., die mithilfe von Computern hergestellt oder bearbeitet werden, bezeichnet man allgemein als Computergrafiken. Früher wurde streng zwischen Computergrafik
MehrVermessung und Verständnis von FFT Bildern
Vermessung und Verständnis von FFT Bildern Viele Auswertungen basieren auf der "Fast Fourier Transformation" FFT um die (ungewünschten) Regelmäßigkeiten im Schliffbild darzustellen. Die Fourier-Transformation
MehrUmgang mit Schaubildern am Beispiel Deutschland surft
-1- Umgang mit Schaubildern am Beispiel Deutschland surft Im Folgenden wird am Beispiel des Schaubildes Deutschland surft eine Lesestrategie vorgestellt. Die Checkliste zur Vorgehensweise kann im Unterricht
MehrWahrnehmung und wahrnehmungsgerechte Gestaltung
Wahrnehmung und wahrnehmungsgerechte Gestaltung 37 Gestalt in der Wahrnehmungspsychologie (1) Kants Idee des Vorwissens beeinflusste u.a. die Entwicklung der Gestaltpsychologie, der zufolge einige Aspekte
MehrXesar. Die vielfältige Sicherheitslösung
Xesar Die vielfältige Sicherheitslösung Xesar Die professionelle Lösung für Ihr Unternehmen Xesar Sicher und flexibel Xesar ist das vielseitige elektronische Schließsystem aus dem Hause EVVA. Komplexe
MehrGussnummern-Lesesystem
Gussnummern-Lesesystem Die Einzigartigkeit des visolution-systems liegt in der Verwendung von 3D- Bildverarbeitung. Bei dem Erstellen von Nummern auf Gussteilen kann die Qualität der Gussnummern sowohl
Mehroffene Netzwerke. In diesem Sinn wird auch interkulturelle Kompetenz eher als Prozess denn als Lernziel verstanden.
correct zu verstehen. Ohne Definitionen von interkultureller Kompetenz vorwegnehmen zu wollen: Vor allem gehört dazu, einen selbstbewussten Standpunkt in Bezug auf kulturelle Vielfalt und interkulturelles
MehrDie Anwendung von Work of Leaders in drei Schritten
BENUTZERHANDBUCH everything disg Work of Leaders Die Anwendung von Work of Leaders in drei Schritten Schritt 1: Vorab-Selbsteinschätzung Um für einen Teilnehmer ein Profil von Everything DiSG Work of Leaders
MehrDoing Business : China Do s und Don ts
Dr. Kraus & Partner Werner-von-Siemens-Str. 2-6 76646 Bruchsal Tel: 07251-989034 Fax: 07251-989035 http://www.kraus-und-partner.de Doing Business : China Do s und Don ts China Das Land der Mitte 2 Grundlegende
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrSeminar für Führungskräfte
Seminar für Führungskräfte Ich habe es mir zur Aufgabe gemacht, Menschen in ihrem persönlichen Wachstum zu fördern und ihre Potenziale an s Licht zu bringen. Diese für die persönlichen und jeweiligen Unternehmensziele
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrMozart House Vienna Logo Präsentation 2. 8. 2004
Logo Präsentation 2. 8. 2004 Erstellt für: Dr. Gerhard Vitek, Geschäftsführer Errichtungs- und Betriebs GmbH 1010 Wien, Universitätsstraße 11 Tel:+43 1 408 25 69 / 13 Fax:+43 1 408 25 69 / 97 e-mail: g.vitek@wienholding.at
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische
MehrAusgewählte Themen zu Bildverstehen und Mustererkennung. Challenges for Driver Assistance Systems Lane Detection. Christoph Bartenhagen.
Deckblatt Ausgewählte Themen zu Bildverstehen und Mustererkennung Lane Detection Christoph Bartenhagen 1 Agenda A Lane Detection B Vehicle Detection 2 Agenda Gliederung 1 Einleitung 2 Road Detection 3
MehrWoraus besteht ein Bild? 28.02.2008 (c) Winfried Heinkele 2006 2
Woraus besteht ein Bild? 28.02.2008 (c) Winfried Heinkele 2006 2 Was ist ein Pixel? Die durch das Objektiv einer Kamera auf einen Film oder einen elektronischen Bildsensor projizierte Wirklichkeit ist
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrNeue Arbeitswelten Bürokultur der Zukunft
Neue Arbeitswelten Bürokultur der Zukunft S. Mayer 1 Neue Arbeitswelten Bürokultur der Zukunft Sigrid Mayer Bene AG AT-Wien 2 Neue Arbeitswelten Bürokultur der Zukunft S. Mayer 11. Internationales Branchenforum
MehrPICALIKE API DOKUMENTATION
PICALIKE API DOKUMENTATION 2 INDEX EINFÜHRUNG PICALIKE 3 ABLAUF 3 VORAUSSETZUNG 4 PFLICHTFELDER 4 WEITERE FELDER 4 API 5 ÄHNLICHKEITSSUCHE 5 RECOMMENDOR 5 WEITERE EINSTELLUNGEN 6 KONTAKT 7 3 EINFÜHRUNG
MehrGI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen. Teil 1: Einführung: Wissensbasis und Ontologie.
GI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen Teil 1: Einführung: Wissensbasis und Ontologie Was ist eine Wissensbasis? Unterschied zur Datenbank: Datenbank: strukturiert
MehrProgrammieren für Ingenieure Sommer 2015. Ein Rechner. Rechner sind überall. Gerät, das mittels programmierbarer Rechenvorschriften Daten verarbeitet.
Programmieren für Ingenieure Sommer 2015 Andreas Zeller, Universität des Saarlandes Ein Rechner Gerät, das mittels programmierbarer Rechenvorschriften Daten verarbeitet. Rechner sind überall Ihr Rechner
MehrBildverarbeitung in der Qualitätskontrolle. Sebastian Zambal LEADING INNOVATIONS
Bildverarbeitung in der Qualitätskontrolle Sebastian Zambal LEADING INNOVATIONS Überblick Profactor Grundlagen Bildverarbeitung HW, SW, Methoden Inspektion Gussteilen Inspektion CFK, GFK Projekte EMVA-Studie:
MehrMesstechnik-Praktikum. Spektrumanalyse. Silvio Fuchs & Simon Stützer. c) Berechnen Sie mit FFT (z.b. ORIGIN) das entsprechende Frequenzspektrum.
Messtechnik-Praktikum 10.06.08 Spektrumanalyse Silvio Fuchs & Simon Stützer 1 Augabenstellung 1. a) Bauen Sie die Schaltung für eine Einweggleichrichtung entsprechend Abbildung 1 auf. Benutzen Sie dazu
MehrBachelor-Arbeiten am Lehrstuhl Informatik VII. Dr. Frank Weichert. frank.weichert@tu-dortmund.de. technische universität dortmund
Bachelor-Arbeiten am Lehrstuhl Dr. Frank Weichert frank.weichert@tu-.de F. Weichert Juli 2013 Bachelor Arbeiten am Lehrstuhl 1 Übersicht zum Lehrstuhl / Thematische Einordnung F. Weichert Juli 2013 Bachelor
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrStand 15. Oktober 2015. Fragen und Antworten
Stand 15. Oktober 2015 Fragen und Antworten Caritaspanel auf einen Blick (Link) Fragebogen als PDF (Link) Online-Befragung: https://www.skopos1.de/uc /caritaspanel/ 2 Hintergrund: Das IAB-Betriebspanel
MehrSkalierung des Ausgangssignals
Skalierung des Ausgangssignals Definition der Messkette Zur Bestimmung einer unbekannten Messgröße, wie z.b. Kraft, Drehmoment oder Beschleunigung, werden Sensoren eingesetzt. Sensoren stehen am Anfang
MehrWoche 1: Was ist NLP? Die Geschichte des NLP.
Woche 1: Was ist NLP? Die Geschichte des NLP. Liebe(r) Kursteilnehmer(in)! Im ersten Theorieteil der heutigen Woche beschäftigen wir uns mit der Entstehungsgeschichte des NLP. Zuerst aber eine Frage: Wissen
MehrGutes Leben was ist das?
Lukas Bayer Jahrgangsstufe 12 Im Hirschgarten 1 67435 Neustadt Kurfürst-Ruprecht-Gymnasium Landwehrstraße22 67433 Neustadt a. d. Weinstraße Gutes Leben was ist das? Gutes Leben für alle was genau ist das
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrBachelor-Studiengang Angewandte Informatik mit einem Fachanteil von 100%
Bachelor-Studiengang Angewandte Informatik mit einem Fachanteil von 100% an der Ruprecht-Karls-Universität Heidelberg http://www.informatik.uni-heidelberg.de/ Oktober 2015 Einige Begriffe Das Studium besteht
MehrHochschule Augsburg Fakultät Gestaltung. Gestaltungsgrundlagen
Hochschule Augsburg Fakultät Gestaltung Lehrbeauftragte: Sabine Karl Diplom-Designer (FH) Gestaltungsgrundlagen Visualisierung Sprache wird mit Hilfe von Grundformen (Balken, Quadrat, Kreis, Dreieck, Schrift)
MehrJan Parthey, Christin Seifert. 22. Mai 2003
Simulation Rekursiver Auto-Assoziativer Speicher (RAAM) durch Erweiterung eines klassischen Backpropagation-Simulators Jan Parthey, Christin Seifert jpar@hrz.tu-chemnitz.de, sech@hrz.tu-chemnitz.de 22.
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrProduktionsplanung und steuerung (SS 2011)
Produktionsplanung und steuerung (SS 2011) Teil 1 Sie arbeiten seit 6 Monaten als Wirtschaftsingenieur in einem mittelständischen Unternehmen in Mittelhessen. Das Unternehmen Möbel-Meier liefert die Büroaustattung
MehrGrundbegriffe der Wirtschaftsinformatik Informationssystem I
Informationssystem I Keine Definition [Stahlknecht, Hasenkamp (2002) und Mertens et al. (2000)] Ein System zur Beschaffung, Verarbeitung, Übertragung, Speicherung und/oder Bereitstellung von Informationen
Mehr2. Psychologische Fragen. Nicht genannt.
Checkliste für die Beurteilung psychologischer Gutachten durch Fachfremde Gliederung eines Gutachtens 1. Nennung des Auftraggebers und Fragestellung des Auftraggebers. 2. Psychologische Fragen. Nicht genannt.
Mehrmobifleet Beschreibung 1. Terminverwaltung in der Zentrale
mobifleet Beschreibung 1. Terminverwaltung in der Zentrale Die Termine werden wie bisher im Outlook verwaltet und erfasst. Der Außendienst selbst, wie auch andere Personen, die Termine für den Außendienst
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrBildauswertung in UAV
Bildauswertung in UAV Prof. Dr. Nailja Luth Prof. N. Luth Emden 2014-1 OTH Ost-Bayerische Technische Hochschule Amberg-Weiden Prof. N. Luth Emden 2014-2 Prof. Dr.-Ing. N. Luth: Vorlesung Bildverarbeitung
MehrDatenbanken Microsoft Access 2010
Datenbanken Microsoft Access 2010 Abfragen Mithilfe von Abfragen kann ich bestimmte Informationen aus einer/mehrerer Tabellen auswählen und nur diese anzeigen lassen die Daten einer/mehrerer Tabellen sortieren
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrAnwendungshinweise zur Anwendung der Soziometrie
Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren
MehrWasserfall-Ansätze zur Bildsegmentierung
Wasserfall-Ansätze zur Bildsegmentierung von Philipp Jester Seminar: Bildsegmentierung und Computer Vision 16.01.2006 Überblick 1. Problemstellung 2. Wiederholung: Wasserscheiden-Ansätze 3. Der Wasserfall-Ansatz
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
MehrProjektmanagement in der Spieleentwicklung
Projektmanagement in der Spieleentwicklung Inhalt 1. Warum brauche ich ein Projekt-Management? 2. Die Charaktere des Projektmanagement - Mastermind - Producer - Projektleiter 3. Schnittstellen definieren
MehrInformatik studieren an der Universität zu Lübeck
Informatik studieren an der Universität zu Lübeck Prof. Dr. Till Tantau Studiengangsleiter MINT Lübecker Schnuppertag 2011 Das Informatik-Studium an der Uni Lübeck...... ist angewandter. Ein Studium an
MehrKommentartext Medien sinnvoll nutzen
Kommentartext Medien sinnvoll nutzen 1. Kapitel: Wir alle nutzen Medien Das ist ein Computer. Und da ist einer. Auch das hier ist ein Computer. Wir alle kennen Computer und haben vielleicht auch schon
MehrElementare Bildverarbeitungsoperationen
1 Elementare Bildverarbeitungsoperationen - Kantenerkennung - 1 Einführung 2 Gradientenverfahren 3 Laplace-Verfahren 4 Canny-Verfahren 5 Literatur 1 Einführung 2 1 Einführung Kantenerkennung basiert auf
Mehrs.beat DAP-10X White Paper USB Stromversorgung am Apple Macintosh und deren Auswirkung
White Paper s.beat DAP-10X USB Stromversorgung am Apple Macintosh und deren Auswirkung Date: 19 May 2006 Version: 1.0 Sprache: Deutsch Disposition: öffentlich Dokument: sbeat_dap-10x_mac_information_2006-25-04_de.doc
MehrDie Wahlpflichtfächer. Operations Research Statistik/Ökonometrie. Optimierung linearer Modelle Statistische Analyseverfahren
Die Wahlpflichtfächer Operations Research Statistik/Ökonometrie Modellierung ökonomischer Sachverhalte mit mathematischen Mitteln Einsatz statistischer Modelle zur Erfassung und zur Auswertung von Daten
MehrTHE KNOWLEDGE PEOPLE. CompanyFlyer.indd 1 07.03.2016 11:48:05
THE KNOWLEDGE PEOPLE CompanyFlyer.indd 1 07.03.2016 11:48:05 BE SMART IT-CONSULTING Smartes IT-Consulting für die Zukunft: Agilität, Dynamische IT, Komplexitätsreduzierung, Cloud, Industrie 4.0, Big Data
MehrZeichen setzen, statt Rauch erzeugen! Tipps & Tricks für wirkungsvolle Fachanzeigen
Zeichen setzen, statt Rauch erzeugen! Tipps & Tricks für wirkungsvolle Fachanzeigen 20 Jahre Erfahrung in Markendiagnosen und Anzeigentests Bernhard Hebel hat durch Diagnosen von Marken und Anzeigentests
MehrLEst4-7, Ausschnitte aus dem Testinstrument
LEst4-7, Ausschnitte aus dem Testinstrument Test Institut für Bildungsevaluation, Assoziiertes Institut der Universität Zürich Urs Moser, Simone Berweger und Nicole Bayer Zürich, 2010 Ähnlichkeiten und
MehrPassung von Partnern: Der Einfluss von Persönlichkeitsmerkmalen auf Beziehungsqualitäten
Geisteswissenschaft Maxi Kirchner Passung von Partnern: Der Einfluss von Persönlichkeitsmerkmalen auf Beziehungsqualitäten Unter Verwendung der Studie "Personality and Social Network Effects on Romantic
MehrWie funktioniert automatisierte Übersetzung? Prof. Josef van Genabith (Deutsches Forschungszentrum für Künstliche Intelligenz)
Wie funktioniert automatisierte Übersetzung? Prof. Josef van Genabith (Deutsches Forschungszentrum für Künstliche Intelligenz) 1 Maschinelle Übersetzung (MÜ) Überblick: Warum MÜ: Datenmenge, Qualität und
MehrMathematik Akzentfach
Mathematik Akzentfach 1. Stundendotation Klasse 1. Klasse 2. Klasse 3. Klasse 4. Klasse Wochenlektionen 3 3 2. Didaktische Konzeption Überfachliche Kompetenzen Das Akzentfach Mathematik fördert besonders...
MehrResultate GfS-Umfrage November 2006. Wie bekannt ist das Phänomen Illettrismus bei der Schweizer Bevölkerung?
Resultate GfS-Umfrage November 2006 Wie bekannt ist das Phänomen Illettrismus bei der Schweizer Bevölkerung? Frage 1: Kennen Sie das Phänomen, dass Erwachsene fast nicht lesen und schreiben können, obwohl
MehrInverted Classroom für anspruchsvolle Themen
Inverted Classroom für anspruchsvolle Themen M. Pieper Smart Teaching Better Learning! Digitales Lehren und Lernen an Hochschulen Berlin, 29.10.2015 Grundsätzliche Anwendung von Vorlesungs-Podcasts Vorlesungs-Podcast,
MehrDigital Sensory Branding
Digital Sensory Branding,,Die Bildung der fünf Sinne ist eine Arbeit der ganzen Weltgeschichte Karl Marx 1818-1883 Die digitale Welt Die digitale Zukunft Digital Brand Management Digital Sensory Branding
MehrDas Werk einschließlich aller seiner Texte ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechts
Die Anzahl der Longiergurt-Ringe Marie Symbill Das Werk einschließlich aller seiner Texte ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechts ist ohne Zustimmung
MehrEinführung in die Robotik Analog-Digital und Digital-Analog Wandler
Einführung in die Robotik Analog-Digital und Digital-Analog Wandler Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 73 / 5 2453 mohamed.oubbati@uni-ulm.de 3.. 22 Analog-Digital (A/D) Wandler Digital
MehrGender Diversity. Werkstück einer Kulturanalyse in einem internationalen Unternehmen. Hamburg 2012
Gender Diversity Werkstück einer Kulturanalyse in einem internationalen Unternehmen Hamburg 2012 Ziel und Methodik der Studie Ziel der Studie war es, die Unternehmenskultur eines internationalen Konzerns
MehrFinden Sortieren Inspizieren. Wie moderne Bildverarbeitung den Verpackungsprozess beflügelt. Thomas Nepstad Produkt Marketing Manager
Finden Sortieren Inspizieren Wie moderne Bildverarbeitung den Verpackungsprozess beflügelt Thomas Nepstad Produkt Marketing Manager Agenda Wer ist Cognex? Vision in der Verpackungsindustrie Was sind die
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrComputergraphik & Digitale Bildverarbeitung
Übergangsbestimmungen für das Masterstudium Computergraphik & Digitale an der Technischen Universität Wien von der Studienkommission Informatik beschlossen am 20.9.2006 (1) Sofern nicht anderes angegeben
MehrVisualisierung in Natur- und Technikwissenschaften. 0. Einführung. Vorlesung: Mi, 11:15 12:45 + Fr, 9:15 10:45, INF 368 532 Prof. Dr.
Visualisierung in Natur- und Technikwissenschaften 0. Einführung Vorlesung: Mi, 11:15 12:45 + Fr, 9:15 10:45, INF 368 532 Prof. Dr. Heike Leitte Vertiefung Computergraphik und Visualisierung Jürgen Hesser
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
Mehr14 Schmiegeparabel und Freunde, Taylor-Reihe
14 Schmiegeparabel und Freunde, Taylor-Reihe Jörn Loviscach Versionsstand: 20. März 2012, 16:01 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html
MehrErfolg beginnt im Kopf
Erfolg beginnt im Kopf Wie Sie ausgeglichen bleiben und Ihre Ziele einfacher erreichen 8. VR-Unternehmerforum AGRAR Die Ausgangslage Am Markt 6 49406 Barnstorf Am Markt 6 49406 Barnstorf Alles verändert
MehrBilderzeugung Pixel. Daniela Glatz Jasmin Rießle. Sommersemester 2012
Bilderzeugung Pixel Daniela Glatz Jasmin Rießle Sommersemester 2012 Bilderzeugung Pixel Inhaltsverzeichnis Definition: Was ist ein Pixel? Aufbau eines digitalen Pixels Auflösung Interpolation Farbe Pixelanimation
MehrUnterrichtseinheit: Summative Aufgabe zur textuellen Dimension
Unterrichtseinheit: Summative Aufgabe zur textuellen Dimension Lernergebnisse 2.1, 2.2, 2.3 (vergleichende inhaltliche und linguistische Analyse bestimmter Textarten; Erkennen von Nicht-Äquivalenz und
MehrLacke. Farbe hat einen Namen: HORNBACH. Intelligentes Nummernsystem. Automatische Farbharmonien. Wunschfarbe online bestellen - So geht s:
Farbe hat einen Namen: HORNBACH Mit dem HORNBACH-Farbfächer ist man bei der Farbwahl auf der absolut sicheren Seite. Er ist nicht wie andere Fächer nach dem Regenbogen-Prinzip aufgebaut, sondern so konstruiert,
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: If-clauses - conditional sentences - Nie mehr Probleme mit Satzbau im Englischen! Das komplette Material finden Sie hier: School-Scout.de
MehrErstellung von Präsentationspostern
Erstellung von Präsentationspostern Grundlagen der Gestaltung Für die Gestaltung gibt es einige grundsätzliche Dinge. Ein Präsentationsposter ist etwas ganz Anderes als ein gedrucktes Erzeugnis das ich
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrVorlesung vom 18.04.2005 - Einführung in die geschäftsprozessorientierte Unternehmensführung
Vorlesung vom 18.04.2005 - Einführung in die geschäftsprozessorientierte Unternehmensführung 08.30 Begrüßung durch Dipl.-Kfm. Björn Simon organisatorische Grundlagen der Veranstaltung (Hinweis auf obligatorische
Mehr