Medicinska Bilder, TSBB31. Lab3: Mätvärden på Medicinska Bilder
|
|
- Anna-Karin Andreasson
- för 8 år sedan
- Visningar:
Transkript
1 Medicinska Bilder, TSBB3 Lab3: Mätvärden på Medicinska Bilder Maria Magnusson, Avdelningen för Datorseende Institutionen för Systemteknik Linköpings Universitet Introduktion I denna laboration ska vi göra olika mätningar på bilder. Laborationen behövs som förkunskap till den senare laboration om SPECT. Förberedelser inför laborationen Läs igenom hela laborationshandledningen noggrant. Valda delar av föreläsning 6 ger den teori som behövs. Lös förberedelseuppgifterna i lab-handledningen innan laborationstillfället! De är markerade med en pekande hand. 3 Laborationen 3. Start Laborationen kommer att ske i MATLAB 7.. Börja med att logga in och öppna ett terminal-fönster från bakgrunden. Ge därefter följande kommandon. % module rm matlab % module add matlab/7. % matlab > initcourse( TSBB3 );
2 Kommandot initcourse( TSBB3 ) sätter upp korrekta path :ar i MAT- LAB så att önskade filer hittas. De program som vi ska använda ligger på /site/edu/bb/medicinskabilder/. Kopiera filen /site/edu/bb/medicinskabilder/noise.m till din hemkatalog och kör programmet. En fyrdelad original-bild med gaussiskt brus visas till vänster och till höger visas resultatet av beräkning av lokala medelvärden på denna bild, se Fig.. Matlab-koden för detta program är: % Image and kernel size % ===================== 3 N = 8; 4 kernelsize = 5; 5 6 % Compose test image 7 % ================== 8 im = zeros(n,n); 9 im(:n/,:n/) = ; im(n/+:n,:n/) = ; im(:n/,n/+:n) = 7; im(n/+:n,n/+:n) = ; 3 4 % Add Gaussian noise with mean= and std= 5 % ========================================= 6 gnoise = * randn(n,n); 7 gnoiseim = im + gnoise; 8 9 % Compute measurements % ==================== kernel = ones(kernelsize,kernelsize); gaver = conv(gnoiseim, kernel, same )/(kernelsize^); 3 4 figure() 5 colormap(jet) 6 subplot(,,), imagesc(gnoiseim, [ ]) 7 axis image, colorbar 8 title( a) original image ) 9 subplot(,,), imagesc(gaver, [ ]) 3 axis image, colorbar 3 title( b) local mean ) 3. Mätvärden på bild med gaussiskt brus På hur stora omgivningar beräknar vi våra lokala medelvärden i detta fall? Uppskatta (stickprovs-)standardavvikelsen av originalbilden och visa den under originalbilden. Använd lika stora omgivningar som för beräkning av medelvärden. Nedan finns en tabell med värden i originalbilden. Enligt
3 a) original image b) local mean Figur : a) Testbild med pålagt gaussiskt brus. b) Lokalt medelvärde. Matlab-koden ovan är medelvärdena, 7,, i de fyra områdena och standardavvikelsen på det pålagda gaussiska bruset. Komplettera tabellen nedan ungefärligt genom att klicka i bilderna. Område övre vänster övre höger nedre vänster nedre höger värde 7 ett uppskattat medelvärde standardavvikelse en uppskattad standardavvikelse Hur lika bör de uppskattade värden vara de korrekta värdena? Välj mellan "exakt lika, ungefär lika och behöver inte vara lika. Fyll raden förväntat i tabellen nedan. Område övre vänster övre höger nedre vänster nedre höger värde 7 standardavvikelse förväntat ett uppskattat Uppskatta t av originalbilden och visa den snett under originalbilden. Använd lika stora omgivningar som för beräkning av medelvärden. Komplettera tabellen ovan genom att klicka i bilderna. 3
4 Hur lika bör de uppskattade n vara de korrekta värdena? Välj mellan "exakt lika, ungefär lika och behöver inte vara lika. 3.3 Mätvärden på bild med poissonbrus Poissonbrus är ju som bekant viktigt i medicinska sammanhang. Nu ska vi göra om mätningarna i avsnitt 3. på poissonbrus istället för gaussiskt brus. Vilka värden ska gälla för standardavvikelsen i de de fyra områdena med medelvärde, 7,,? Skapa nu en bild med Poissonbrus. Använd den approximativa metoden som beskrevs på föreläsningen. Skapa först approximativt Poissonbrus med hjälp av gaussiskt brus. Lokalisera därefter pixlar med negativa värden. I dessa pixlar: kasta tärningen igen tills ett positivt värde erhålls. Kodskelett för Poissonbrus finns i filen /site/edu/bb/medicinskabilder/poisson.m som ser ut så här: % pnoiseim should contain data added with approximate Poisson noise. 3 [y,x] = find(pnoiseim<); % Locate positions of negative values 4 for k = :size(y,) % Redo the calculation for these positions 5 posval = ; 6 while (posval==) 7 val = XXX; % Compute one new value. Replace XXX! 8 if (val>) 9 posval = ; end end pnoiseim(y(k),x(k)) = val; 3 end Resultatet ska se ut som i Fig.. 4
5 a) original image b) local mean Figur : a) Testbild med pålagt poissonbrus. b) Lokalt medelvärde. Beräkna nu na på samma sätt som i avsnitt 3. och fyll i tabellen nedan. Område övre vänster övre höger nedre vänster nedre höger värde 7 standardavvikelse förväntat ett uppskattat 3.4 Krympning och etikettering Kopiera filen /site/edu/bb/medicinskabilder/cvl.m till din hemkatalog och kör programmet. En binär bild med bokstäverna CVL visas till vänster och till höger visas resultatet av krympning (erosion) av två lager pixlar, se Fig. 3. original image eroded image Figur 3: a) Binär bild. b) Efter krympning (erosion) av två lager pixlar. 5
6 Matlab-koden för detta program är: load CVLim 3 SE = [ ; 4 ; 5 ; 6 ; 7 ]; 8 9 CVLerode = imerode(cvlim, SE); figure() colormap(gray) 3 subplot(,,), imagesc(cvlim, [ ]) 4 axis image, colorbar 5 title( original image ) 6 subplot(,,), imagesc(cvlerode, [ ]) 7 axis image, colorbar 8 title( eroded image ) I en senare lab ska vi göra denna operation i 3D. Kommandot imerode fungerar inte för 3D. I stället kan man gå direkt på definitionen med faltning. Använd då kommandot convn och ==. (För fullständighet skull vill vi nämna att för osymmetriska strukturelement ska faltning ersättas med korrelation.) Inbild och utbild ska vara lika stora så använd parametern same. Testa detta så att du får exakt samma bild som för imerode. Vad ger du för kommando? labelled image Figur 4: Etiketterad bild. 3 6
7 Vi ska nu etikettera bilden. Använd nedanstående Matlabkommandon då de fungerar även för 3D. Resultatet visas i Fig. 4. XXX = bwconncomp(cvlerode); CVLlabel = labelmatrix(xxx); Slutligen ska vi beräkna t inom boktaven C i den brusiga fyrdelade bilden vi hade från början. Området C fås enkelt ur den etiketterade bilden i Fig. 4. Hur då? Sedan kan vi beräkna t nästan på samma sätt som i avsnitt 3. och avsnitt 3.3. Kom dock ihåg att antalet pixlar som används för att för att uppskatta t varierar med positionen. Kontrollera att din bild liknar Fig. 5 och visa sedan för läraren. Blev hon/han nöjd? CV in C area Figur 5: CV-beräkning innanför bokstaven C. 3.5 Brus på verkliga röntgenbilder Jag hoppas kunna göra en uppgift på brus och verkliga röntgenbilder tills på måndag... 7
Medicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 25 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion
Läs merMedicinska Bilder, TSBB31. Lab: Mätvärden på Medicinska Bilder
Medicinska Bilder, TSBB3 Lab: Mätvärden på Medicinska Bilder Maria Magnusson, 22 Senaste updatering: september 27 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet Introduktion
Läs merMedicinska Bilder, TSBB31. Lab6: Mätningar på SPECT/CT-volymer
Medicinska Bilder, TSBB31 Lab6: Mätningar på SPECT/CT-volymer Maria Magnusson, 2012-2016 Avdelningen för Datorseende Institutionen för Systemteknik Linköpings Universitet 1 Introduktion I denna laboration
Läs merMedicinska Bilder, TSBB31. Lab7: Mätningar på SPECT/CT-volymer
Medicinska Bilder, TSBB31 Lab7: Mätningar på SPECT/CT-volymer Maria Magnusson, 2012-2018 Avdelningen för Datorseende Institutionen för Systemteknik Linköpings Universitet 1 Introduktion I denna laboration
Läs merSignal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.
Signal- och Bildbehandling, TSBB4 Laboration : Sampling och rekonstruktion. DFT. Maria Magnusson, 7-8 Avdelningen för Datorseende, Institutionen för Systemteknik, Linköpings Universitet Laboration. Förberedelser
Läs merFlerdimensionella signaler och system
Luleå tekniska universitet Avd för signalbehandling Magnus Sandell (reviderad av Frank Sjöberg) Flerdimensionell signalbehandling SMS033 Laboration 1 Flerdimensionella signaler och system Syfte: Den här
Läs merLaboration 1. Grafisk teknik Rastrering. Sasan Gooran (HT 2004)
Laboration 1 Grafisk teknik ------------------------------------- Rastrering Sasan Gooran (HT 2004) Introduktion 1.0 Introduktion Den här laborationen måste förberedas innan laborationstillfället. Ett
Läs merLaboration 2. Grafisk teknik (TNM059) Digital Rastrering. S. Gooran (VT2007)
Laboration 2 Grafisk teknik (TNM059) Digital Rastrering S. Gooran (VT2007) Introduktion Denna laboration handlar om rastrering och är tänkt att fungera som komplement till rastreringsföreläsningar och
Läs merSyftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR I, FMS 01, HT-07 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen, enkla punktskattningar
Läs merHistogramberäkning på en liten bild
Signal- och Bildbehandling FÖRELÄSNING Histogram och tröskelsättning Binär bildbehandling Morfologiska operationer Dilation (Expansion) och Erosion () och kombinationer Avståndskartor Mäta avstånd i bilder
Läs merSignaler, information & bilder, föreläsning 15
Signaler, information & bilder, föreläsning 5 Michael Felsberg Computer Vision Laboratory Department of Electrical Engineering michael.felsberg@liu.se Översikt Histogram och tröskelsättning Histogramutjämning
Läs merLaboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, FÖR I/PI, FMS 121/2, HT-3 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
Läs merLaboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
Läs merSimulering med ModelSim En kort introduktion
Linköpings universitet Institutionen för systemteknik Laborationer i digitalteknik Datorteknik 2017 Simulering med ModelSim En kort introduktion TSEA22 Digitalteknik D Linköpings universitet SE-581 83
Läs merLinjär algebra med tillämpningar, lab 1
Linjär algebra med tillämpningar, lab 1 Innehåll Per Jönsson Fakulteten för Teknik och Samhälle, 2013 Uppgifterna i denna laboration täcker kapitel 1-3 i läroboken. Läs igenom motsvarande kapitel. Sitt
Läs merTSBB14 Laboration: Intro till Matlab 1D
TSBB14 Laboration: Intro till Matlab 1D Utvecklad av Maria Magnusson med mycket hjälp av Lasse Alfredssons material i kursen Introduktionskurs i Matlab, TSKS08 Avdelningen för Datorseende, Institutionen
Läs merLaboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla punktskattningar
Lunds tekniska högskola Matematikcentrum Matematisk statistik Laboration 3 Matematisk statistik AK för CDIFysiker, FMS012/MASB03, HT15 Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla
Läs merKort-kort om utdelade användarkonton och datormiljön på NADA
Kort-kort om utdelade användarkonton och datormiljön på NADA UNIX-konto, användaridentitet Namn Du har fått ett konto med ett användarnamn bestående av prefixet ip99_ och ytterligare tre bokstäver. Dessa
Läs merLaboration: Grunderna i MATLAB
Laboration: Grunderna i MATLAB 25 augusti 2005 Grunderna i MATLAB Vad är MATLAB? MATLAB är ett interaktivt program för vetenskapliga beräkningar. Som användare ger du enkla kommandon och MATLAB levererar
Läs merOBS! Snabbinsatt Matlab-intro vissa fönsterhanteringsdetaljer kan vara fel men gör gärna Matlab-uppgifterna. DN1240, Numeriska metoder för OPEN1.
OBS! Snabbinsatt Matlab-intro vissa fönsterhanteringsdetaljer kan vara fel men gör gärna Matlab-uppgifterna. DN1240, Numeriska metoder för OPEN1. Laboration 0 del 1-3 (frivilliga delar) Del 1-3 (dvs upg
Läs merMatematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3. Laboration 2. Fördelningar och simulering
Matematikcentrum 1(6) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs VT2014, lp3 Laboration 2 Fördelningar och simulering Introduktion 2014-02-06 Syftet med laborationen är dels
Läs merMedicinska bilder. Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT. Fastställd av. Fastställandedatum
1(6) Medicinska bilder Programkurs 6 hp Medical Images TSBB31 Gäller från: 2018 VT Fastställd av Programnämnden för elektroteknik, fysik och matematik, EF Fastställandedatum LINKÖPINGS UNIVERSITET 2(6)
Läs merBilaga 4, Skapa grafiskt användargränssnitt med guide
Bilaga 4 Bil 4:1 Bilaga 4, Skapa grafiskt användargränssnitt med guide Enklast till en början är att vid MATLABS kommandoprompt skriva guide vilket ger dels ett figurfönster och det som kallas Guide Control
Läs merDN1212, Numeriska metoder & grundläggande programmering. Laboration 1 del 1-3 (frivilliga delar) Del 1-3 (dvs upg 1.1-1.17) behöver inte redovisas
DN1212, Numeriska metoder & grundläggande programmering för P1. Laboration 1 del 1-3 (frivilliga delar) Del 1-3 (dvs upg 1.1-1.17) behöver inte redovisas Introduktion till UNIX och MATLAB Del 1: UNIX och
Läs merSF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011
Avd. Matematisk statistik Tobias Rydén 2011-09-30 SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Förberedelser. Innan du går till laborationen, läs igenom den här handledningen. Repetera också i
Läs merLaboration med Minitab
MATEMATIK OCH STATISTIK NV1 2005 02 07 UPPSALA UNIVERSITET Matematiska institutionen Silvelyn Zwanzig, Tel. 471 31 84 Laboration med Minitab I denna laboration skall du få stifta bekantskap med ett statistiskt
Läs merDN1240, Numeriska metoder. Laboration 0 (frivilliga delar) (dvs uppgifterna behöver inte redovisas) Introduktion till UNIX och MATLAB
DN1240, Numeriska metoder för O1. Laboration 0 (frivilliga delar) (dvs uppgifterna behöver inte redovisas) Introduktion till UNIX och MATLAB Del 1: UNIX och kontoadministration Uppgift 1.1 Ni bör jobba
Läs merMMA132: Laboration 2 Matriser i MATLAB
MMA132: Laboration 2 Matriser i MATLAB Introduktion I den här labben skall vi lära oss hur man använder matriser och vektorer i MATLAB. Det är rekommerad att du ser till att ha laborationshandledningen
Läs merLab 1: Operationer på gråskalebilder
Lab 1: Operationer på gråskalebilder Maria Magnusson, 2016, 2017 Avdelningen för Datorseende, Institutionen för Systemteknik, Linköpings Universitet 1 Introduktion Läs igenom häftet innan laborationen.
Läs merBeräkningsverktyg HT07
Beräkningsverktyg HT07 Föreläsning 1, Kapitel 1 6 1.Introduktion till MATLAB 2.Tal och matematiska funktioner 3.Datatyper och variabler 4.Vektorer och matriser 5.Grafik och plottar 6.Programmering Introduktion
Läs merGitHub for Windows och GitShell
GitHub for Windows och GitShell En introduktion till programmen och de första grunderna i git. Det finns en tidigare introduktion. Den visar hur man skapar konto på git och använder GitHub for Windows
Läs merSignaler, information & bilder, föreläsning 15
Översikt Signaler, inormation & bilder, öreläsning 5 Michael Felsberg och Maria Magnusson Computer Vision Laborator (Datorseende) Department o Electrical Engineering (ISY) michael.elsberg@liu.se, maria.magnusson@liu.se
Läs merSimulering med ModelSim En kort introduktion
Linköpings universitet Institutionen för systemteknik Laborationer i digitalteknik Datorteknik 2018 Simulering med ModelSim En kort introduktion TSEA22 Digitalteknik D TSEA51 Digitalteknik Y TSEA52 Digitalteknik
Läs merSF1520, Numeriska Metoder och Grundläggande Programmering för K2 Lab1.
SF1520, Numeriska Metoder och Grundläggande Programmering för K2 Lab1. Denna labb är tänkt att öva datorhantering och öva inledande Matlab. Eftersom förkunskaperna varierar finns en del frivilliga uppgifter
Läs merLaboration 1 - Simplexmetoden och modellformulering
Linköpings universitet Optimeringslära grundkurs för Y Matematiska institutionen Laboration 1 Optimeringslära 29 januari 2017 Laboration 1 - Simplexmetoden och modellformulering Den första delen av laborationen
Läs merrepetera begreppen sannolikhetsfunktion, frekvensfunktion och fördelningsfunktion
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF25: MATEMATISK STATISTIK KOMPLETTERANDE PROJEKT DATORLABORATION 1, 14 NOVEMBER 2017 Syfte Syftet med dagens laboration är att du ska träna
Läs merLaboration: Grunderna i Matlab
Laboration: Grunderna i Matlab Att arbeta i kommandofönstret och enkel grafik Den här delen av laborationen handlar om hur man arbetar med kommandon direkt i Matlabs kommandofönster. Det kan liknas vid
Läs merDATORINTRODUKTION. Laboration E850-2000 ELEKTRO. UMEÅ UNIVERSITET Tillämpad fysik och elektronik Ulf Holmgren
UMEÅ UNIVERSITET Tillämpad fysik och elektronik Ulf Holmgren 2000-03-17 specialversion inför kursstart Elektronik och mätteknik 2000 DATORINTRODUKTION Laboration E850-2000 ELEKTRO Personalia: Namn: Kurs:
Läs merLaboration 2: 1 Syfte. 2 Väntevärde och varians hos en s.v. X med fördelningen F X (x) MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 Laboration 2: Om väntevärden och fördelningar 1 Syfte I denna laboration skall vi försöka
Läs merLaboration 1. "kompilera"-ikonen "exekvera"-ikonen
Programmerade system I1 Syfte Laboration 1. Syftet med denna laboration är dels att göra dej bekant med de verktyg som kan vara aktuella i programmeringsarbetet, dels ge en första inblick i att skriva
Läs merIntroduktion till MATLAB
29 augusti 2017 Introduktion till MATLAB 1 Inledning MATLAB är ett interaktivt program för numeriska beräkningar med matriser. Med enkla kommandon kan man till exempel utföra matrismultiplikation, beräkna
Läs merTANA17 Matematiska beräkningar med MATLAB för M, DPU. Fredrik Berntsson, Linköpings Universitet. 2 november 2015 Sida 1 / 23
TANA17 Matematiska beräkningar med MATLAB för M, DPU Fredrik Berntsson, Linköpings Universitet 2 november 2015 Sida 1 / 23 Föreläsning 2 Index. Kolon-notation. Vektoroperationer. Summor och medelvärden.
Läs merIntro till SPSS Kimmo Sorjonen (0811)
1 Intro till SPSS Kimmo Sorjonen (0811) 1. Att mata in data i SPSS 1. Klicka på ikonen för SPSS. 2. Välj alternativet Type in data och klicka på OK. 3. Databladet har två flikar: Data view och Variable
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 00-05-8 kl. -8 Lokaler: G, G Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 5 och 7. tel Hjälpmedel: Räknedosa, OH-film, medskickad formelsamling
Läs merSF1520, Numeriska Metoder och Grundläggande Programmering för K2 Lab1.
SF1520, Numeriska Metoder och Grundläggande Programmering för K2 Lab1. Denna labb är tänkt att öva datorhantering och öva inledande Matlab. Eftersom förkunskaperna varierar finns en del frivilliga uppgifter
Läs merLaboration 1. Grafisk produktion och tryckkvalitet (TNM015) Rastrering och objektiva kvalitetsmått. S. Gooran (VT2007)
Laboration 1 Grafisk produktion och tryckkvalitet (TNM015) Rastrering och objektiva kvalitetsmått S. Gooran (VT2007) Syfte: Denna laboration är till för att öka förståelsen för olika rastreringstekniker
Läs merSignal- och bildbehandling TSBB03
Tentamen i Signal- och bildbehandling TSBB03 Tid: 2006-05-3 kl. 8-2 Lokal: TER2 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9.40. tel 073-804 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merSF1900 Sannolikhetsteori och statistik, HT 2017 Laboration 1 för CINEK2
Matematisk Statistik SF1900 Sannolikhetsteori och statistik, HT 2017 Laboration 1 för CINEK2 1 Introduktion Denna laboration är inte poänggivande utan är till för den som vill bekanta sig med MATLAB. Fokusera
Läs merIntroduktion till Matlab
Introduktion till Matlab Inledande matematik, I1, ht10 1 Inledning Detta är en koncis beskrivning av de viktigaste delarna av Matlab. Till en början är det enkla beräkningar och grafik som intresserar
Läs merIndex. Vektorer och Elementvisa operationer. Summor och Medelvärden. Grafik i två eller tre dimensioner. Ytor. 20 januari 2016 Sida 1 / 26
TAIU07 Föreläsning 2 Index. Vektorer och Elementvisa operationer. Summor och Medelvärden. Grafik i två eller tre dimensioner. Ytor. 20 januari 2016 Sida 1 / 26 Matriselement och Index För att manipulera
Läs merTANA17 Matematiska beräkningar med Matlab
TANA17 Matematiska beräkningar med Matlab Laboration 1. Linjär Algebra och Avbildningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall
Läs merIT-körkort för språklärare. Modul 2: Blogg
IT-körkort för språklärare Modul 2: Blogg Innehåll Gloslista 2 Logga in på bloggen (punkt 1-3) 3 Skapa och redigera sidor och undersidor (punkt 4 och 5) 4 Infoga dokument (punkt 6 och 7) 7 Skapa inlägg
Läs merLjusets böjning & interferens
Ljusets böjning & interferens Laboration Innehåll 1 Förberedelseuppgifter 2 Laborationsuppgifter 3 Appendix Ljusets vågegenskaper Ljus kan liksom ljud beskrivas som vågrörelser och i den här laborationen
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: --, kl. - Lokaler: U, U, U Ansvarig lärare: Maria Magnusson besöker lokalen kl.. och. tel. Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film, sa och
Läs merDatorövning 2 Matlab/Simulink. Styr- och Reglerteknik för U3/EI2
Högskolan i Halmstad Sektionen för Informationsvetenskap, Dator- och Elektroteknik 08/ Thomas Munther Datorövning 2 Matlab/Simulink i Styr- och Reglerteknik för U3/EI2 Laborationen förutsätter en del förberedelser
Läs merLaboration 1: Beskrivande statistik
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 1 MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 Laboration 1: Beskrivande statistik 1 Syfte Syftet med den här laborationen
Läs merLaboration 3: Parameterskattning och Fördelningsanpassning
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 3 MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 Laboration 3: Parameterskattning och Fördelningsanpassning 1 Syfte Syftet
Läs merAtt göra före det schemalagda labpasset.
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik LABORATION 1 Laborationen avser att illustrera några grundläggande begrepp inom beskrivande statistik och explorativ dataanalys.
Läs merEn introduktion till MatLab
Chalmers tekniska högskola En introduktion till MatLab Gustafsson Gabriel gabgus@student.chalmers.se Johansson Việt Simon simoj@student.chalmers.se Författare: Norell Pontus npontus@student.chalmers.se
Läs merDATORÖVNING 5: SANNOLIKHETSFÖRDELNINGAR FÖR
DATORÖVNING 5: SANNOLIKHETSFÖRDELNINGAR FÖR STICKPROVSMEDELVÄRDEN I denna datorövning ska du använda Minitab för att slumpmässigt dra ett mindre antal observationer från ett större antal, och studera hur
Läs merInledning till OpenOffice Calculator Datorlära 2 FK2005
Inledning till OpenOffice Calculator Datorlära 2 FK2005 Mål Lära sig att skapa och använda ett räkneblad med OpenOffice Calculator Beräkna medelvärde och standardavvikelsen med räknebladet Producera en
Läs merKort-kort om utdelade användarkonton och datormiljön på NADA
Kort-kort om utdelade användarkonton och datormiljön på NADA UNIX-konto, användaridentitet Namn Du har fått ett konto med ett användarnamn bestående av prefixet ip98- och ytterligare tre bokstäver. Dessa
Läs merMatematikcentrum 1(5) Matematisk Statistik Lunds Universitet MASB11 HT Laboration P3-P4. Statistiska test
Matematikcentrum 1(5) Matematisk Statistik Lunds Universitet MASB11 HT-2009 Laboration P3-P4 Statistiska test MH:231 Grupp A: Tisdag 17/11-09, 8.15-10.00 och Måndag 23/11-09, 8.15-10.00 Grupp B: Tisdag
Läs merCTH/GU LABORATION 1 MVE /2013 Matematiska vetenskaper. Mer om grafritning
CTH/GU LABORATION 1 MVE16-1/13 Matematiska vetenskaper 1 Inledning Mer om grafritning Vi fortsätter att arbeta med Matlab i matematikkurserna. Denna laboration är i stor utsträckning en repetition och
Läs merFacit till Signal- och bildbehandling TSBB
Facit till Signal- och bildbehandling TSBB3 6-5-3 Maria Magnusson Seger, maria@isy.liu.se Kontinuerlig faltning (9p) a) Faltningsoperationen illustreras i figuren nedan. et gäller att x(t λ) e 4(t λ) u(t
Läs merAnslutning till unixsystem från windowslabben
Anslutning till unixsystem från windowslabben Håkan Jonsson Datalogi Institutionen för systemteknik Luleå tekniska universitet 8 september 2010 Sammanfattning Detta dokument beskriver hur man handgripligen
Läs merLaboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla punktskattningar
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 3 MATEMATISK STATISTIK AK FÖR CDIFYSIKER, FMS012/MASB03, HT12 Laboration 3: Stora talens lag, centrala gränsvärdessatsen och enkla
Läs merInstruktion för laboration 1
STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för matematisk statistik MD, ANL, TB (rev. JM, OE) SANNOLIKHETSTEORI I Instruktion för laboration 1 De skriftliga laborationsrapporterna skall vara
Läs merDD1310 Programmering för OPEN1 LAB1: Laborationer i Python läsåret 2011/2012
DD1310 Programmering för OPEN1 LAB1: Laborationer i Python läsåret 2011/2012 Räkna med att varje laboration kan ta upp till 10 timmar att göra. Du behöver alltså tillbringa en hel del tid i datorsalarna.
Läs merSwemaMultipoint Bruksanvisning
SWEMA AB Pepparvägen 27 123 56 FARSTA Tel: +46 8 94 00 90 E-mail: swema@swema.se Hemsida: www.swema.se SwemaMultipoint Bruksanvisning ver. JU20190424 1. Introduktion SwemaMulitipoint är en mjukvara för
Läs merDD1310 Programmeringsteknik för Open1 och Med2 Laborationer läsåret 2014/2015
DD1310 Programmeringsteknik för Open1 och Med2 Laborationer läsåret 2014/2015 Fyll i ditt namn och personnummer med bläck eller motsvarande. OBS: Om inte denna kvittenssida tas med vid redovisningen får
Läs merTentamen Bildanalys (TDBC30) 5p
Tentamen Bildanalys (TDBC30) 5p Skrivtid: 9-15 Hjälpmedel: kursboken Digital Image Processing Svara på alla frågor på nytt blad. Märk alla blad med namn och frågenummer. Disponera tiden mellan frågorna
Läs merIntroduktion till Word och Excel
Introduktion till Word och Excel HT 2006 Detta dokument baseras på Introduktion till datoranvändning för ingenjörsprogrammen skrivet av Stefan Pålsson 2005. Omarbetningen av detta dokument är gjord av
Läs merIntroduktion till Matlab
Introduktion till Matlab Analys och Linjär Algebra, del A, K1/Kf1/Bt1, ht10 1 Inledning Ni kommer använda Matlab i nästan alla kurser i utbildningen. I matematikkurserna kommer vi ha studio-övningar nästan
Läs merFörsättsblad till skriftlig tentamen vid Linköpings Universitet
Försättsblad till skriftlig tentamen vid Linköpings Universitet Datum för tentamen 24--3 Sal (2) R4 U5 Tid 4-8 Kurskod Provkod Kursnamn/benämning Provnamn/benämning Institution Antal uppgifter som ingår
Läs merSignal- och Bildbehandling, TSBB14 Laboration 1: Kontinuerliga signaler
Signal- och Bildbehandling, TSBB14 Laboration 1: Kontinuerliga signaler Anders Gustavsson 1997, Maria Magnusson 1998-2018 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings Universitet
Läs merPerfekt skärpa i Photoshop
Perfekt skärpa i Photoshop Lathunden innehåller viktiga nyckelbegrepp från kursen och alla riktvärden du behöver. Dessutom finns ett antal tips och förtydliganden som inte nämndes i kursen. Alla värden
Läs merDetta dokument skall ge en kortfattad introduktion till Jasmine installationen vid DSV.
Detta dokument skall ge en kortfattad introduktion till Jasmine installationen vid DSV. Kortfattat skall ni lära er följande. - Ni skall lära er att koppla upp er mot den lokala Jasmine databasen - Köra
Läs merträna på att använda olika grafiska metoder för att undersöka vilka fördelningar ett datamaterial kan komma från
Matematikcentrum Matematisk statistik MASB11: BIOSTATISTISK GRUNDKURS DATORLABORATION 1, 1 APRIL 215 FÖRDELNINGAR, SIMULERING OCH FÖRDELNINGSANPASSNING Syfte Syftet med dagens laboration är att du ska
Läs merAnvändarhantering Windows 7 I denna laboration kommer vi att skapa nya användare och grupper och titta på hur man hantera dessa.
Användarhantering Windows 7 I denna laboration kommer vi att skapa nya användare och grupper och titta på hur man hantera dessa. Antal: Enskilt Material: En dator med Windows 7 (Vista, Windows 8 eller
Läs merManual Produktion av presentationssynkar med PowerPoint och Producer
Centrum för Pedagogik, IKT och Lärande (PIL) Mälardalens högskola Peter Aspengren Tel: 021-103116 Manual Produktion av presentationssynkar med PowerPoint och Producer Gör din presentation Om du inte har
Läs merInstruktion för laboration 1
STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. för matematisk statistik ANL/TB SANNOLIKHETSTEORI I, HT07. Instruktion för laboration 1 De skrifliga laborationsrapporterna skall vara skrivna så att
Läs merEn kort introduktion till. FEM-analys
En kort introduktion till FEM-analys Kompendiet är framtaget som stöd till en laboration i kursen PPU203, Hållfasthetslära, och är en steg-för-steg-guide till grundläggande statisk FEM-analys. Som FEM-verktyg
Läs merAnsiktsigenkänning med MATLAB
Ansiktsigenkänning med MATLAB Avancerad bildbehandling Christoffer Dahl, Johannes Dahlgren, Semone Kallin Clarke, Michaela Ulvhammar 12/2/2012 Sammanfattning Uppgiften som gavs var att skapa ett system
Läs merMatematikcentrum 1(7) Matematisk Statistik Lunds Universitet Per-Erik Isberg. Laboration 1. Simulering
Matematikcentrum (7) Matematisk Statistik Lunds Universitet Per-Erik Isberg Laboration Simulering HT 006 Introduktion Syftet med laborationen är dels att vi skall bekanta oss med lite av de olika funktioner
Läs merLab 7, 48 steg till ett bättre liv i Unix-labbet
Lab 7, 48 steg till ett bättre liv i Unix-labbet Urban Liljedahl 13 december 2002 Instruktioner Mål Krav Utveckla förmågan att söka kunskap med hjälp litteratur och andra källor. Utveckla förmågan att
Läs merTillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW
Institutionen för data- och elektroteknik 004-03-15 Signalbehandling i Matlab och LabVIEW 1 Introduktion Vi skall i denna laboration bekanta oss med hur vi kan använda programmen Matlab och LabVIEW för
Läs merModellering av en Tankprocess
UPPSALA UNIVERSITET SYSTEMTEKNIK EKL och PSA 2002, AR 2004, BC2009 Modellering av dynamiska system Modellering av en Tankprocess Sammanfattning En tankprocess modelleras utifrån kända fysikaliska relationer.
Läs merSTOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 1: TIDSSERIER.
MATEMATISKA INSTITUTIONEN Tillämpad statistisk analys, GN STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB 2011-03-24 DATORLABORATION 1: TIDSSERIER. I Tarfala har man under en lång följd av
Läs merLABORATION 1. Syfte: Syftet med laborationen är att
LABORATION 1 Syfte: Syftet med laborationen är att ge övning i hur man kan använda det statistiska programpaketet Minitab för beskrivande statistik, grafisk framställning och sannolikhetsberäkningar, visa
Läs merMathematica. Utdata är Mathematicas svar på dina kommandon. Här ser vi svaret på kommandot från. , x
Mathematica Första kapitlet kommer att handla om Mathematica det matematiska verktyg, som vi ska lära oss hantera under denna kurs. Indata När du arbetar med Mathematica ger du indata i form av kommandon
Läs merATT RITA GRAFER MED KOMMANDOT "PLOT"
MATLAB, D-plot ATT RITA GRAFER MED KOMMANDOT "PLOT" Syntax: Vi börjar med det enklaste plot-kommandot i matlab,,där x är en vektor x- värden och y en vektor med LIKA MÅNGA motsvarande y-värden. Anta att
Läs merLaboration 1. "kompilera"-ikonen "exekvera"-ikonen
Syfte Laboration 1. Objektorienterad programmering, Z1 Syftet med denna laboration är dels att göra dej bekant med de verktyg som kan vara aktuella i programmeringsarbetet, dels ge en första inblick i
Läs merMatematikcentrum 1(7) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs HT2007. Laboration. Simulering
Matematikcentrum 1(7) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs HT007 Laboration Simulering Grupp A: 007-11-1, 8.15-.00 Grupp B: 007-11-1, 13.15-15.00 Introduktion Syftet
Läs merLjusets böjning & interferens
... Laboration Innehåll 1 Förberedelseuppgifter 2 Laborationsuppgifter Ljusets böjning & interferens Ljusets vågegenskaper Ljus kan liksom ljud beskrivas som vågrörelser och i den här laborationen ska
Läs merTEM Projekt Transformmetoder
TEM Projekt Transformmetoder Utförs av: Mikael Bodin 19940414 4314 William Sjöström 19940404 6956 Sammanfattning I denna laboration undersöks hur Fouriertransformering kan användas vid behandling och analysering
Läs merLAB 4. ORDINÄRA DIFFERENTIALEKVATIONER. 1 Inledning. 2 Eulers metod och Runge-Kuttas metod
TANA21+22/ 30 september 2016 LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER 1 Inledning Vi skall studera begynnelsevärdesproblem, både med avseende på stabilitet och noggrannhetens beroende av steglängden. Vi
Läs merwww.radonelektronik.se Bruksanvisning www.radonelektronik.se 2006-03 - 01
www.radonelektronik.se Bruksanvisning www.radonelektronik.se 2006-03 - 01 Beskrivning R1 gör exakt vad som krävs av en radonmätare. Vid en radonhalt på 200 Bq/m 3 tar det endast 4 timmar att uppnå en statistisk
Läs merLaboration 1: Elementära bildoperationer
Skolan för Datavetenskap och Kommunikation, KTH Danica Kragic, Tony Lindeberg 2D1421 Bildbehandling och Datorseende Laboration 1: Elementära bildoperationer Syftet med denna laboration är att du ska bekanta
Läs merSignal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler
Signal- och Bildbehandling, TSBB14 Laboration 2: Sampling och Tidsdiskreta signaler Anders Gustavsson 1997, Maria Magnusson 1998-2013 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings
Läs mer