AS Automaatio- ja systeemitekniikan projektityöt. Indosyaniinivihreä optisessa aivoverisuonikuvantamisessa: esitystekniikan kehittäminen

Koko: px
Aloita esitys sivulta:

Download "AS-0.3200 Automaatio- ja systeemitekniikan projektityöt. Indosyaniinivihreä optisessa aivoverisuonikuvantamisessa: esitystekniikan kehittäminen"

Transkriptio

1 TEKNILLINEN KORKEAKOULU Elektroniikan, tietoliikenteen ja automaation tiedekunta Automaatio- ja systeemitekniikka AS Automaatio- ja systeemitekniikan projektityöt Indosyaniinivihreä optisessa aivoverisuonikuvantamisessa: esitystekniikan kehittäminen Projektin aloitusaika: Projektin loppuaika: Dokumentin päiväys: Tehnyt: Martti Riuttamäki

2 Sisältö 1 Johdanto 3 2 Työn tavoitteet 4 3 Työn tulokset MATLAB:n m-tiedostot ja niillä muokattuja kuvia Kommentteja m-tiedostoista Simulink-mallit Ajastetut värikanavan muutokset Manuaaliset värikanavan muutokset Kommentteja Simulink-malleista Yhteenveto 15 5 Toteutunut aikataulu 16 6 Viitteet 17 7 Liitteet Liite 1. modifyimage4.m Liite 2. modifyimage6.m

3 1 Johdanto Tämän projektityön aiheena on indosyaniinivihreä -nimisen merkkiaineen avulla tehdyn verisuonikuvantamisen esitystekniikan kehittäminen. Indosyaniinivihreä on merkkiaine, joka uoresoi, eli synnyttää valoa, kun siihen kohdistetaan infrapunavaloa (800nm). Leikkauksissa indosyaniinivihreää käytetään sen vuoksi, että infrapuna-taajuinen valo läpäisee kudoksia hyvin, mikä mahdollistaa ihon alaisten kudosten ja verisuonten läpivalaisun. Käytännössä indosyaniinivihreää ruiskutetaan potilaan verenkiertoon, minkä jälkeen hänen kudoksiaan läpivalaistaan infrapunavalolla. Valon osuessa merkkiaineeseen, alkaa merkkiaiane uoresoida valoa, joka voidaan kuvata tarkoituksenmukaisella kameralla. [1] Projektityön aiheena on luoda katsaus MATLAB:n tarjoamiin mahdollisuuksiin muokata läpivalaistuista kudoksista otettuja kuvia havainnollisempaan muotoon. 3

4 2 Työn tavoitteet MATLAB:sta löytyy lukuisa joukko valmiita funktioita kuvankäsittelyyn. Näille funktioille yhteistä on se, että niillä voidaan tehdä kuville perustavanlaatuisia muunnoksia. Kehittyneempään kuvankäsittelyyn vaaditaan kuitenkin useiden valmiiden funktioiden käyttöä tai omien uusien funktioiden luomista. Tämän projektityön puitteissa ollaan käytetty ainoastaan MATLAB:n valmiita funktioita. Ongelmallista valmiiden funktioiden käytön suhteen oli se, että läpivalaistuista kudoksista otetuille kuville tulisi suorittaa monimutkaisia kuvankäsittelyoperaatioita, jotta kuvankäsittelyn hyöty maksimoituisi. Siinä missä tämä työ toimii pelkkänä esiselvityksenä, toisi edistyneempi kuvankäsittely mukanaan mahdollisuuden esimerkiksi etsiä ja erotella toisistaan kuvissa näkyvät valtimot ja laskimot. 4

5 3 Työn tulokset Työn tuloksena syntyi kaksi MATLAB:n valmiita funktioita yhdistelevää m-tiedostoa ja kaksi Simulink-mallia. Seuraavissa kappaleissa on kuvattuna m-tiedostojen sisältö sekä Simulink-mallit. 3.1 MATLAB:n m-tiedostot ja niillä muokattuja kuvia Projektin tuloksena syntyneissä m-tiedostoissa kutsutaan parametrina saadulle kuvalle yksinkertaisia muokkausoperaatioita. Ensimmäisessä m-tiedostossa (Liite 1) parametrikuva muutetaan ensin harmaasävykuvaksi, jonka jälkeen tasataan kuvan korkeimpia ja matalampia kontrastiarvoja[2]. Tämän menettelyn myötä esimerkiksi ylivalottuneesta kuvasta suodatetaan pois ylisuuret kirkkausarvot, jotta kuvan yksityiskohdat erottuisivat paremmin. Sen jälkeen kuvan värikartta muunnetaan, jolloin kuvasta tulee värillinen. Seuraavaksi kuvalle kutsutaan imtophat-funktiota [3], [4], jolla siitä suodatetaan pois keskivaaleita sävyjä. Lopuksi kuvasta tehdään binäärinen mustavalkokuva. Toinen m-tiedosto (Liite 2) eroaa ensimmäisestä siten, että siinä binääriseksi muutetusta kuvasta etsitään yhtenäisiä alueita bwlabel-funktiolla[5]. Omilla väreillään kuvattujen alueiden tulisi esittää valtimoita ja laskimoita. Tosin eri suonia ei pystytyä näin helposti erottamaan toisistaan, koska MATLAB:n bwlabel-funktio ei jostain syystä onnistunut erottelemaan kuvasta eri alueita kovinkaan mielekkäällä tavalla. Funktio bwlabel ottaa parametrikseen muutettavan matriisimuotoisen kuvan ja etsittävien alueiden lukumäärän (4 tai 8). Funktio ei kuitenkaan kyennyt erottelemaan selvästi erillisiä suurehkoja alueita omiksi saarekkeikseen, joten sen käytöstä ei tehtyjen testausten perusteella ollut juurikaan hyötyä. Seuraavassa on kaksi kuvasarjaa, jotka on tulostettu kutsumalla projektityössä luotuja m-funktioita testikäytössä olleesta ICG-videosta poimituille kahdelle pysäytyskuvalle. Molemmat m-tiedostot ottavat parametreikseen muokattavan kuvan tiedostopolun sekä sen värikartan[6], jonka mukaisesti parametrikuva värjätään sitä muokattaessa. 5

6 Seuraavassa kuvasarjassa on esitetty ensimmäinen testivideosta poimituista kuvista. Kuvasarjassa näkyy sekä muokkaamaton harmaasävykuva, että harmaasävykuvasta muokattuja kuvia (modifyimage4.m, Liite 1). Kuva 1: Ensimmäinen kuva (vas. yl.) on alkuperäinen harmaasävykyva, toinen kuva (oik. yl.) on alkuperäinen kuva, jonka kontrastia on muokattu. Kolmannessa kuvassa (vas. al.) on muokattu kontrastia sekä värikartta. Viimeinen kuva on binäärinen mustavalkokuva. 6

7 Seuraavassa kuvasarjassa on näytetty saman kuvan muunnoksia, kuin Kuvassa 1, mutta mukaan on lisätty mm. kuvan erillisten alueiden erottelu ja niiden värittäminen omilla väreillään (modifyimage6.m, Liite 2). Kuva 2: Tässä kuvasarjassa näkyy edellisen kuvasarjan tapaan muokatun kontrastin ja värikartan vaikutukset, mutta tällä kertaa värikartan muutos on esitetty erillisenä kuvana (vas. kesk.). Viimeisessä kuvassa (oik. al.) näkyy lisäksi tilanne, jossa binäärisestä kuvasta on eroteltu alueita ja merkitty ne eri värisiksi. 7

8 Kuvassa 3 on muokattuna toinen testivideosta napattu pysäytyskuva (modifyimage4.m, Liite 1). Kuva 3: Samat muokkaukset, kuin Kuvassa 1, mutta tällä kertaa kuvassa näkyy enemmän verisuonia, koska merkkiaineen konsentraatio on suurempi. 8

9 Kuvassa 4 on esitetty jälkimmäisen pysäytyskuvan muokkausta (modifyimage6.m, Liite 2). Kuva 4: Samat muokkauoperaatiot kuin kuvassa 2, mutta muokattava kuva on tässä kohtaa sama kuin Kuvassa Kommentteja m-tiedostoista Edellisen kappaleen kuvista voidaan nähdä se, että mitään mullistavaa kuvankäsittelyä värisuonikuville ei olla tehty. Silmään pistää etenkin puutteet erillisten alueiden värittämisessä, koska edes selvästi erillisiä alueita ei olla väritetty omilla väreillään. Tämä johtuu siitä, ettei käytetty bwlabel-funktio[5] osaa erotella mielekkäästi verisuonikuvista erillisiä alueita. Funktio bwlabel etsii kuvasta muotoja. Muoto on yhtenäinen kirkas alue. Toisaalta on kyseenalaista, kannattaako verisuonia erotella toisistaan pelkkien kirkkauden muutosten perusteella. Tällöin luokittelu tapahtuu sokeasti, eikä suonten jaottelu valtimoihin ja laskimoihin todennäköisesti onnistu. Huomattavasti edistyneemmän kuvankäsittelyn myötä valtimot ja laskimot voitaisiin erottaa toisistaan käyttämällä älykästä ajastusta, jossa videokuvassa näkyvien verisuonten kirkkausmuutoksista pääteltäisiin, mitkä suonet ovat valtimoita (kirkastuvat ensin) ja mitkä suonet ovat laskimoita (kirkastuvat pienellä viiveellä). Valtimoiden ja laskimoiden erittelu yksittäisistä kuvista ei tosin tällöinkään onnistuisi, koska erottelu olisi riippuvainen aikatiedosta. Seuraavassa kappaleessa on esitelty projektityön puitteissa tehtyjä videokuvan käsittelyyn kykeneviä Simulink-malleja, joissa on esitetty videokuvan toistoa ja esimerkiksi ajastusten käyttöä Simulink:ssä. 9

10 3.2 Simulink-mallit Edellä esitetyt MATLAB-tiedostot soveltuvat vain yksittäisten kuvien muokkaamiseen. Tässä kappaleessa on esitetty projektityössä tehdyt Simulink-mallit, joilla voidaan muokata liikkuvaa kuvaa. Tosin liikkuva kuva esitetään Simulink:ssä yksittäisinä kuvina. Siten edellisen kappaleen m-tiedostoja voitaisiin käyttää myös Simulink:ssä. Seuraavassa on esitetty Simulink-mallit, joista ensimmäisessä luetaan videotiedostosta muokkaamatonta videokuvaa, muutetaan videokuvan kontrastia sekä muutellaan värikanavia (RGB) ajastetusti. Jälkimmäisessä Simulink-mallissa käyttäjän on mahdollista valita käyttöön haluamansa värikanavat, jolloin tuloksena on esimerkiksi violetteja värisävyjä silloin, kun käytössä on punainen(r) ja sininen(b) värikanava Ajastetut värikanavan muutokset Ensimmäisessä Simulink-mallissa toistettavan muokatun kuvan värikanavien vaihdokset tapahtuvat ajastusti (malliin on lisätty kello ja vipuja). Seuraavassa on esitetty kuvia ajastetusti värikanavia muuttavasta Simulink-mallista. Kuva 5: Ajastetut värikanavan muutokset Simulink:ssä. Ensimmäisessä videossa (vas.) on alkuperäinen video, keskimmäisessä videon kontrastia on muokattu, ja viimeisessä lisäksi sen värikanavaa on muutettu. Aikaa videotoiston alusta on kuvan tapauksessa kulunut 3s. 10

11 Kuva 6: Ajastetut värikanavan muutokset Simulink:ssä. Ensimmäisessä videossa (vas.) on alkuperäinen video, keskimmäisessä videon kontrastia on muokattu, ja viimeisessä lisäksi sen värikanavaa on muutettu. Aikaa videotoiston alusta on kuvan tapauksessa kulunut 10s. 11

12 Kuva 7: Ajastetut värikanavan muutokset Simulink:ssä. Ensimmäisessä videossa (vas.) on alkuperäinen video, keskimmäisessä videon kontrastia on muokattu, ja viimeisessä lisäksi sen värikanavaa on muutettu. Aikaa videotoiston alusta on kuvan tapauksessa kulunut 15 s. 12

13 3.2.2 Manuaaliset värikanavan muutokset Toisessa Simulink-mallissa värikanavien muutokset tapahtuvat käyttäjän valinnan mukaan manuaalisesti. Käytettävien värikanavien valinta tehdään vivuilla(switch), joiden tilaa (on/o) voidaan muuttaa hiiren napin klikkauksin. Seuraavassa on kuva manuaalisten värikanavien vaihdosten mallista. Kuva 8: Manuaalinen värikanavien valinta. Ensimmäisessä videossa (vas.) on alkuperäinen video, keskimmäisessä videon kontrastia on muokattu, ja viimeisessä lisäksi sen värikanavaa on muutettu. Kuvan tapaksessa käytössä ovat vihreä(g) ja sininen(b) kanava Kommentteja Simulink-malleista Edellisten kappaleiden Simulink-mallit ovat lähinnä Simulink:n perustoimintoja esitteleviä äärimmilleen pelkistettyjä esimerkkejä. Ajastettuja värikanavien muutoksia esittelevässä mallissa värien lisäämisellä kuvasta saadaan hiukan havainnollisempi, koska ihmissilmän kyky erotella harmaasävyjä on hyvin rajoittunut. Tosin värien käyttöön ei tällöinkään liity juurikaan älykkyyttä, koska valtimoita ja laskimoita ei 13

14 edelleenkään erotella mitenkään toisistaan. Jälkimmäinen malli on vieläkin yksinkertaisempi sen ainoastaan tarjotessa käyttäjälle mahdollisuuden valita, minkä väristä videokuvaa hän katselee. 14

15 4 Yhteenveto Tämä projektityö tarjoaa lähtökohdan mahdollisesti tuleville samaa aihetta käsitteleville töille. Seuraavassa on listattuna projektin kuluessa kertyneitä havaintoja, jotka kannattaa ottaa huomioon jatkossa. - Windows tukee käyttöjärjestelmänä codeceja, joita myös MATLAB ja Simulink tarvitsevat pakattuja videoita toistettaessa. Pakkaamattomat videot ovat kohtuuttoman suurikokoisia ja raskaita prosessoida. - MATLAB:n valmiit funktiot eivät ilmeisesti riitä monimutkaisten verisuonikuvien käsittelyyn, vaan kuvanmuokkaus on tehtävä pikselitasolla. - MATLAB tarjoaa työkaluja reaaliaikaisen videokuvan käsittelyyn (Data Acquisition Toolbox) - Verisuonten luokittelu valtimoiksi ja laskimoiksi voitaisiin kenties tehdä tilakoneen avulla, jossa syötevideosta poimittaisiin kirkastuvia kohtia, ja niitä värjättäisiin ajastusta apuna käyttäen asteittain muuttuvilla värisävyillä. (Simulink:n State- ow Toolbox) - Mikäli ICG-kuvien käsittelystä halutaan saada taloudellista hyötyä, niin PC:n ja MATLAB:n sijaan kannattanee kuvankäsittelyssä käyttää kameraan liitettävää ohjelmoitavaa logiikkaa (FPGA), jolloin lopputulos on edullisempi, nopeampi(?) ja helpompi kaupallistaa. 15

16 5 Toteutunut aikataulu Seuraavassa on esitetty projektin tekoon kulunut aika. Tehtävä Kulunut aika [h] MATLAB:n m-tiedostojen teko 10 Simulink-mallien teko 20 Dokumentointi ja esitykset 15 Yhteensä 45 Tarkemmin eriteltynä eniten projektissa kului aikaa videotiedoston saattamiseen MAT- LAB:n tukemaan muotoon. Lisäksi TKK:n Windows-luokkien tietokoneiden codectuki paljastui melko puutteelliseksi, joten aikaa kului myös sopivia codec-muunnoksia tekevän ohjelman etsimiseen internetistä. 16

17 6 Viitteet Viitteet [1] TAU/memos/AUTOaivo/, viitattu [2] helpdesk/help/toolbox/images/index.html?/access/helpdesk/ help/toolbox/images/stretchlim.html, viitattu [3] helpdesk/help/toolbox/images/index.html?/access/helpdesk/ help/toolbox/images/imtophat.html, viitattu [4] helpdesk/help/toolbox/images/index.html?/access/helpdesk/ help/toolbox/images/strel.html, viitattu [5] helpdesk/help/toolbox/images/index.html?/access/helpdesk/ help/toolbox/images/bwlabel.html, viitattu [6] helpdesk/help/techdoc/index.html?/access/helpdesk/ help/techdoc/ref/colormap.html, viitattu

18 7 Liitteet 7.1 Liite 1. modifyimage4.m % Function modies the parameter image by: % (1) changing a parameter image to a grayscale -> show % (2) adjusting the resulting image's contrast (*) -> show % % (3) performing morphological top-hat ltering % (4) determining a proper level for thresholding % (5) converting image into black and white binary image by % thresholding -> show % (*) Also showing the contrast adjusted colormap manipulated % image. % % The function returns the black and white binary image, which % it has tried to sort into 4 dierent regions. function imout = modifyimage4(imin, cmap) grayscale = rgb2gray(imread(imin)); %(1) subplot(2, 2, 1) % Plotting as subimage (lets the image to have its original colormap % -> gray) subimage(grayscale) title('original image in grayscale'); % stretchlim is used to determine a proper latter and upper % limit for the contrast to be taken in account of input image. % The contrast values below the latter limit and values above % the upper limit are ignored: adjusted = imadjust(grayscale,stretchlim(grayscale),[], 1); %(2) subplot(2, 2, 2) subimage(adjusted) title('modied contrast'); subplot(2, 2, 3), imshow(adjusted), title('modied colormap and contrast'); tophat = imtophat(adjusted, strel('disk',35)); %(3) level = abs(graythresh(tophat)); %(4) binary = im2bw(tophat, level); %(5) imout = binary; subplot(2, 2, 4), imshow(binary), title('tophat ltered, binary image'); % Changing the colormap for all the images besides the 1st one colormap(cmap) %(2) 18

19 7.2 Liite 2. modifyimage6.m % Function modies the parameter image by: % (1) changing a parameter image to a grayscale -> show % (2) adjusting grayscale image's colormap (*) -> show % (3) adjusting the resulting image's contrast (*) -> show % % (4) performing morphological top-hat ltering % (5) determining a proper level for thresholding % (6) converting image into black and white binary image by % thresholding -> show % (7) seeking connected areas for representing them with % dierent colors -> sorts image into labels. % (8) converting image's label matrix into RGB image -> show % (*) Also showing the contrast adjusted colormap manipulated % image. % % The function returns the colored binary image, which it % has tried to sort into 4 dierent regions(bwlabel-function). function imout = modifyimage6(imin, cmap) grayscale = rgb2gray(imread(imin)); % (1) subplot(3, 2, 1) % Plotting as subimage (lets the image to have its original colormap % -> gray) subimage(grayscale) %(*) title('original image in grayscale'); % stretchlim is used to determine a proper latter and upper % limit for the contrast to be taken in account of input image. % The contrast values below the latter limit and values above % the upper limit are ignored: adjusted = imadjust(grayscale,stretchlim(grayscale),[], 1); % (3) subplot(3, 2, 2) subimage(adjusted) title('modied contrast'); subplot(3, 2, 3), imshow(grayscale) title('modied colormap'); subplot(3, 2, 4), imshow(adjusted), title('modied colormap and contrast'); tophat = imtophat(adjusted, strel('disk',35)); %(4) level = abs(graythresh(tophat)); %(5) binary = im2bw(tophat, level); %(6) 19

20 [labeled] = bwlabel(binary, 4); %(7) RGB_label = 'k', 'shue'); %(8) imout = RGB_label; subplot(3, 2, 5), imshow(binary), title('tophat ltered, binary image'); subplot(3, 2, 6), imshow(imout), title('tophat ltered, colored binary image'); % Changing the colormap for all the images besides the 1st one colormap(cmap) %(2) 20

S09 04 Kohteiden tunnistaminen 3D datasta

S09 04 Kohteiden tunnistaminen 3D datasta AS 0.3200 Automaatio ja systeemitekniikan projektityöt S09 04 Kohteiden tunnistaminen 3D datasta Loppuraportti 22.5.2009 Akseli Korhonen 1. Projektin esittely Projektin tavoitteena oli algoritmin kehittäminen

Lisätiedot

HAAGA-HELIA ammattikorkeakoulu Photoshop ohje 59 Väritilat, kanavat

HAAGA-HELIA ammattikorkeakoulu Photoshop ohje 59 Väritilat, kanavat HAAGA-HELIA ammattikorkeakoulu Photoshop ohje 59 VÄRIT Värimuokkain-ikkuna Työkalupaletin tai Color-paletin Foreground tai Background Color kuvaketta napsauttamalla saadaan näkyviin Color Picker-valintaikkuna

Lisätiedot

Vaatimusmäärittely Ohjelma-ajanvälitys komponentti

Vaatimusmäärittely Ohjelma-ajanvälitys komponentti Teknillinen korkeakoulu 51 Vaatimusmäärittely Ohjelma-ajanvälitys komponentti Versio Päiväys Tekijä Kuvaus 0.1 21.11.01 Oskari Pirttikoski Ensimmäinen versio 0.2 27.11.01 Oskari Pirttikoski Lisätty termit

Lisätiedot

S11-04 Kompaktikamerat stereokamerajärjestelmässä. Projektisuunnitelma

S11-04 Kompaktikamerat stereokamerajärjestelmässä. Projektisuunnitelma AS-0.3200 Automaatio- ja systeemitekniikan projektityöt S11-04 Kompaktikamerat stereokamerajärjestelmässä Projektisuunnitelma Ari-Matti Reinsalo Anssi Niemi 28.1.2011 Projektityön tavoite Projektityössä

Lisätiedot

Teknillinen korkeakoulu T-76.115 Tietojenkäsittelyopin ohjelmatyö. Testitapaukset - Koordinaattieditori

Teknillinen korkeakoulu T-76.115 Tietojenkäsittelyopin ohjelmatyö. Testitapaukset - Koordinaattieditori Testitapaukset - Koordinaattieditori Sisällysluettelo 1. Johdanto...3 2. Testattava järjestelmä...4 3. Toiminnallisuuden testitapaukset...5 3.1 Uuden projektin avaaminen...5 3.2 vaa olemassaoleva projekti...6

Lisätiedot

Zeon PDF Driver Trial

Zeon PDF Driver Trial Matlab-harjoitus 2: Kuvaajien piirto, skriptit ja funktiot. Matlabohjelmoinnin perusteita Numeerinen integrointi trapezoidaalimenetelmällä voidaan tehdä komennolla trapz. Esimerkki: Vaimenevan eksponentiaalin

Lisätiedot

(Kuva2) (Kuva 3 ja 4)

(Kuva2) (Kuva 3 ja 4) Navigointi (Kuva1) Perinteisestä ohjelmasta poiketen, GIMP käyttöliittymä muodostuu useasta ikkunasta. Siinä on pääikkuna, joka sisältää työstettävän kuvan sekä ylärivin dropdown valikkoina kaikki ohjelman

Lisätiedot

Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén

Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sonifikaatio Menetelmä Sovelluksia Mahdollisuuksia Ongelmia Sonifikaatiosovellus: NIR-spektroskopia kariesmittauksissa

Lisätiedot

KÄYTTÖOHJE. Servia. S solutions

KÄYTTÖOHJE. Servia. S solutions KÄYTTÖOHJE Servia S solutions Versio 1.0 Servia S solutions Servia Finland Oy PL 1188 (Microkatu 1) 70211 KUOPIO puh. (017) 441 2780 info@servia.fi www.servia.fi 2001 2004 Servia Finland Oy. Kaikki oikeudet

Lisätiedot

GIS-automatisointi ja ohjelmointi/skriptaus. Harri Antikainen

GIS-automatisointi ja ohjelmointi/skriptaus. Harri Antikainen GIS-automatisointi ja ohjelmointi/skriptaus Harri Antikainen Mistä nyt puhutaan? Automatisointi: Mikä tahansa tapa teettää tietokoneella asioita ilman että käyttäjän tarvitsee tehdä muuta kuin laittaa

Lisätiedot

Maastotietokannan torrent-jakelun shapefile-tiedostojen purkaminen zip-arkistoista Windows-komentojonoilla

Maastotietokannan torrent-jakelun shapefile-tiedostojen purkaminen zip-arkistoista Windows-komentojonoilla Maastotietokannan torrent-jakelun shapefile-tiedostojen purkaminen zip-arkistoista Windows-komentojonoilla Viimeksi muokattu 5. toukokuuta 2012 Maastotietokannan torrent-jakeluun sisältyy yli 5000 zip-arkistoa,

Lisätiedot

CABAS. Release Notes 5.4. Uusi kuvien ja dokumenttien käsittely

CABAS. Release Notes 5.4. Uusi kuvien ja dokumenttien käsittely Release Notes 5.4 CABAS Uusi kuvien ja dokumenttien käsittely Olemme päivittäneet ja nykyaikaistaneet CABASin kuvien ja dokumenttien käsittelyn. Nyt kuvia voi vetää hiiren osoittimella ja pudottaa ne kuvaluetteloon.

Lisätiedot

Matopeli C#:lla. Aram Abdulla Hassan. Ammattiopisto Tavastia. Opinnäytetyö

Matopeli C#:lla. Aram Abdulla Hassan. Ammattiopisto Tavastia. Opinnäytetyö Matopeli C#:lla Aram Abdulla Hassan Ammattiopisto Tavastia Opinnäytetyö Syksy 2014 1 Sisällysluettelo 1. Johdanto... 3 2. Projektin aihe: Matopeli C#:lla... 3 3. Projektissa käytetyt menetelmät ja työkalut

Lisätiedot

Tilastolliset ohjelmistot 805340A. Pinja Pikkuhookana

Tilastolliset ohjelmistot 805340A. Pinja Pikkuhookana Tilastolliset ohjelmistot 805340A Pinja Pikkuhookana Sisältö 1 SPSS 1.1 Yleistä 1.2 Aineiston syöttäminen 1.3 Aineistoon tutustuminen 1.4 Kuvien piirtäminen 1.5 Kuvien muokkaaminen 1.6 Aineistojen muokkaaminen

Lisätiedot

DOORSin Spreadsheet export/import

DOORSin Spreadsheet export/import DOORSin Spreadsheet export/import 17.10.2006 SoftQA Oy http/www.softqa.fi/ Pekka Mäkinen Pekka.Makinen@softqa.fi Tietojen siirto DOORSista ja DOORSiin Yhteistyökumppaneilla ei välttämättä ole käytössä

Lisätiedot

Luo mediaopas Tarinatallentimella

Luo mediaopas Tarinatallentimella Luo mediaopas Tarinatallentimella 2015 Tarinatallennin Tarinatallentimella voi helposti luoda mediaoppaita käytettäväksi älypuhelimilla. Sen avulla rakennat erilaisia kokonaisuuksia helposti ja hallitset

Lisätiedot

TL5503 DSK, laboraatiot (1.5 op) Kuvasignaalit. Jyrki Laitinen

TL5503 DSK, laboraatiot (1.5 op) Kuvasignaalit. Jyrki Laitinen TL553 DSK, laboraatiot (.5 op) Kuvasignaalit Jyrki Laitinen TL553 DSK, laboraatiot (.5 op), K25 Suorita oheisten ohjeiden mukaiset tehtävät Matlab- ja VCDemo-ohjelmistoja käyttäen. Kokoa erilliseen mittauspöytäkirjaan

Lisätiedot

Gimp JA MUUT KUVANKÄSITTELYOHJELMAT

Gimp JA MUUT KUVANKÄSITTELYOHJELMAT Gimp JA MUUT KUVANKÄSITTELYOHJELMAT Daniela Lund Ti07 A241227 Linux-järjstelmät 01.12.2009 MIKÄ ON KUVANKÄSITTELYOHJELMA? Kuvankäsittelyohjelma on tietokoneohjelma, jolla muokataan digitaalisessa muodossa

Lisätiedot

SIMULINK S-funktiot. SIMULINK S-funktiot

SIMULINK S-funktiot. SIMULINK S-funktiot S-funktio on ohjelmointikielellä (Matlab, C, Fortran) laadittu oma algoritmi tai dynaamisen järjestelmän kuvaus, jota voidaan käyttää Simulink-malleissa kuin mitä tahansa valmista lohkoa. S-funktion rakenne

Lisätiedot

S-114.3812 Laskennallinen Neurotiede

S-114.3812 Laskennallinen Neurotiede S-114.3812 Laskennallinen Neurotiede Laskuharjoitus 2 4.12.2006 Heikki Hyyti 60451P Tehtävä 1 Tehtävässä 1 piti tehdä lineaarista suodatusta kuvalle. Lähtötietoina käytettiin kuvassa 1 näkyvää harmaasävyistä

Lisätiedot

Asiakirjojen vertailu-kurssi

Asiakirjojen vertailu-kurssi Asiakirjojen vertailu-kurssi Revussa voi verrata keskenään kahta PDF:ää ja automaattisesti näyttää niiden väliset erot. Piirrosten ja kaaviokuvien vertailu sujuu siten helposti ja nopeasti. Kun haluat

Lisätiedot

DOORS Word DOORS 29.04.2004. SoftQA Pekka Mäkinen Pekka.Makinen@softqa.fi

DOORS Word DOORS 29.04.2004. SoftQA Pekka Mäkinen Pekka.Makinen@softqa.fi DOORS Word DOORS 29.04.2004 SoftQA Pekka Mäkinen Pekka.Makinen@softqa.fi Tietojen siirto DOORSista ja DOORSiin Yhteistyökumppaneilla ei välttämättä ole käytössä Telelogic DOORS -ohjelmistoa, jolloin vaatimusten

Lisätiedot

Google-työkalut: Dokumenttien jakaminen ja kommentointi

Google-työkalut: Dokumenttien jakaminen ja kommentointi Google-työkalut: Dokumenttien jakaminen ja kommentointi Dokumenttien jakaminen Google työkaluilla luodut dokumentit on jaettavissa muille käyttäjille Jaa painikkeella, joka sijaitsee työkalujen oikeassa

Lisätiedot

S-114.2720 Havaitseminen ja toiminta

S-114.2720 Havaitseminen ja toiminta S-114.2720 Havaitseminen ja toiminta Heikki Hyyti 60451P Harjoitustyö 2 visuaalinen prosessointi Treismanin FIT Kuva 1. Kuvassa on Treismanin kokeen ensimmäinen osio, jossa piti etsiä vihreätä T kirjainta.

Lisätiedot

Octave-opas. Mikä on Octave ja miksi? Asennus

Octave-opas. Mikä on Octave ja miksi? Asennus Octave-opas Mikä on Octave ja miksi? Asennus Käynnistys ja käyttöliittymä Komennot tiedostojen hallintaan SciTE-editor.m-tiedostot Ohjeita muualla Mikä on Octave ja miksi? Octave on numeeriseen laskentaan

Lisätiedot

Mitä on konvoluutio? Tutustu kuvankäsittelyyn

Mitä on konvoluutio? Tutustu kuvankäsittelyyn Mitä on konvoluutio? Tutustu kuvankäsittelyyn Tieteenpäivät 2015, Työohje Sami Varjo Johdanto Digitaalinen signaalienkäsittely on tullut osaksi arkipäiväämme niin, ettemme yleensä edes huomaa sen olemassa

Lisätiedot

PIKSELIT JA RESOLUUTIO

PIKSELIT JA RESOLUUTIO PIKSELIT JA RESOLUUTIO 22.2.2015 ATK Seniorit Mukanetti ry / Tuula P 2 Pikselit ja resoluutio Outoja sanoja Outoja käsitteitä Mikä resoluutio? Mikä pikseli? Mitä tarkoittavat? Miksi niitä on? Milloin tarvitaan?

Lisätiedot

LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä

LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä Esri Finland LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä November 2012 Janne Saarikko Agenda Lidar-aineistot ja ArcGIS 10.1 - Miten LAS-aineistoa voidaan hyödyntää? - Aineistojen hallinta LAS Dataset

Lisätiedot

ToteutusDokumentaatio. FotMana17

ToteutusDokumentaatio. FotMana17 ToteutusDokumentaatio FotMana17 Tekijä(t) Kimmo Kärki Kka v1.0 Päiväys: 7.9.2017 Tiivistelmä Tarkoituksena oli rakentaa Jalkapallomanageri järjestelmä, jolla voidaan pelata visuaalisesti manageripeliä.

Lisätiedot

4. Lausekielinen ohjelmointi 4.1

4. Lausekielinen ohjelmointi 4.1 4. Lausekielinen ohjelmointi 4.1 Sisällys Konekieli, symbolinen konekieli ja lausekieli. Lausekielestä konekieleksi: - Lähdekoodi, tekstitiedosto ja tekstieditorit. - Kääntäminen ja tulkinta. - Kääntäminen,

Lisätiedot

Videon tallentaminen Virtual Mapista

Videon tallentaminen Virtual Mapista Videon tallentaminen Virtual Mapista Kamera-ajon tekeminen Karkean kamera ajon teko onnistuu nopeammin Katseluohjelmassa (Navigointi > Näkymät > Tallenna polku). Liikeradan ja nopeuden tarkka hallinta

Lisätiedot

Laskuharjoitus 2 ( ): Tehtävien vastauksia

Laskuharjoitus 2 ( ): Tehtävien vastauksia TT12S1E Tietoliikenteen perusteet Metropolia/A. Koivumäki Laskuharjoitus 2 (11.9.2013): Tehtävien vastauksia 1. Eräässä kuvitteellisessa radioverkossa yhdessä radiokanavassa voi olla menossa samanaikaisesti

Lisätiedot

FinFamily PostgreSQL installation ( ) FinFamily PostgreSQL

FinFamily PostgreSQL installation ( ) FinFamily PostgreSQL FinFamily PostgreSQL 1 Sisällys / Contents FinFamily PostgreSQL... 1 1. Asenna PostgreSQL tietokanta / Install PostgreSQL database... 3 1.1. PostgreSQL tietokannasta / About the PostgreSQL database...

Lisätiedot

Nokia Pureview 808:lle ja muille

Nokia Pureview 808:lle ja muille QtMPVCamera monipuolinen kamera Nokia Pureview 808:lle ja muille Matti Vuori, www.mattivuori.net 2014-01-01 1(21) Sisällysluettelo 1/2 Mistä on kyse? 4 Kamerasta 5 Kuvausnäyttö 6 Style-valikko 7 Colour-valikko

Lisätiedot

KOTISIVUKONE ULKOASUEDITORI

KOTISIVUKONE ULKOASUEDITORI KOTISIVUKONE ULKOASUEDITORI Kun olet luonut itsellesi kotisivut, voit aloittaa ulkoasun yksityiskohtaisemman räätälöimisen. Kotisivukone tarjoaa helppokäyttöisen ulkoasueditorin, jonka avulla saat sivujen

Lisätiedot

Videokuvan siirtäminen kamerasta tietokoneelle Windows Movie Maker -ohjelman avulla

Videokuvan siirtäminen kamerasta tietokoneelle Windows Movie Maker -ohjelman avulla Videokuvan siirtäminen kamerasta tietokoneelle Windows Movie Maker -ohjelman avulla 1. Digivideokamera liitetään tietokoneeseen FireWire-piuhalla. (Liitännällä on useita eri nimiä: myös IEEE 1394, DV,

Lisätiedot

Hyvästä kuvasta hyvään kollaasiin. Siilinjärvi 17.5. ja 21.5.2010 Hannu Räisänen

Hyvästä kuvasta hyvään kollaasiin. Siilinjärvi 17.5. ja 21.5.2010 Hannu Räisänen Hyvästä kuvasta hyvään kollaasiin Siilinjärvi 17.5. ja 21.5.2010 Hannu Räisänen Copyright Hannu Räisänen 2010 1 Kuvankäsittely Copyright Hannu Räisänen 2010 2 Kuvankäsittelyn työskentelyjärjestys Kopioi

Lisätiedot

Pertti Pennanen DOKUMENTTI 1 (5) EDUPOLI ICTPro1 29.10.2013

Pertti Pennanen DOKUMENTTI 1 (5) EDUPOLI ICTPro1 29.10.2013 Virtualisointi Pertti Pennanen DOKUMENTTI 1 (5) SISÄLLYSLUETTELO Virtualisointi... 2 Virtualisointiohjelmia... 2 Virtualisointitapoja... 2 Verkkovirtualisointi... 2 Pertti Pennanen DOKUMENTTI 2 (5) Virtualisointi

Lisätiedot

Laskuharjoitus 9, tehtävä 6

Laskuharjoitus 9, tehtävä 6 Aalto-yliopiston perustieteiden korkeakoulu Jouni Pousi Systeemianalyysin laboratorio Mat-2.4129 Systeemien identifiointi Laskuharjoitus 9, tehtävä 6 Tämä ohje sisältää vaihtoehtoisen tavan laskuharjoituksen

Lisätiedot

1.3 Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä

1.3 Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä OULUN YLIOPISTO Tietojenkäsittelytieteiden laitos Johdatus ohjelmointiin 811122P (5 op.) 12.12.2005 Ohjelmointikieli on Java. Tentissä saa olla materiaali mukana. Tenttitulokset julkaistaan aikaisintaan

Lisätiedot

plot(f(x), x=-5..5, y=-10..10)

plot(f(x), x=-5..5, y=-10..10) [] Jokaisen suoritettavan rivin loppuun ; [] Desimaalierotin Maplessa on piste. [] Kommentteja koodin sekaan voi laittaa # -merkin avulla. Esim. #kommentti tähän [] Edelliseen tulokseen voi viitata merkillä

Lisätiedot

Käyttöohje. Painikkeet:

Käyttöohje. Painikkeet: Käyttöohje Painikkeet: 1. PLAY: Päällä/pois päältä Toisto/Pysäytys 2. M: Valinta/Vahvistus 3. ON/OFF: Virtapainike soittimen päällä 4 Vol+: Äänenvoimakkuuden lisäys 5 Vol-: Äänenvoimakkuuden vähennys :

Lisätiedot

Network to Get Work. Tehtäviä opiskelijoille Assignments for students. www.laurea.fi

Network to Get Work. Tehtäviä opiskelijoille Assignments for students. www.laurea.fi Network to Get Work Tehtäviä opiskelijoille Assignments for students www.laurea.fi Ohje henkilöstölle Instructions for Staff Seuraavassa on esitetty joukko tehtäviä, joista voit valita opiskelijaryhmällesi

Lisätiedot

Internet-pohjainen ryhmätyöympäristö

Internet-pohjainen ryhmätyöympäristö Menetelmäohje Internet-pohjainen ryhmätyöympäristö Riku Hurmalainen, 24.3.2002 Sisällysluettelo 1. Johdanto...3 2. Termit...4 3. Toteutus...5 3.1. Yleiskuvaus...5 3.2. Tekninen ratkaisu...5 3.3. Tietoturva...6

Lisätiedot

STEP 1 Tilaa ajattelulle

STEP 1 Tilaa ajattelulle Työkalu, jonka avulla opettaja voi suunnitella ja toteuttaa systemaattista ajattelutaitojen opettamista STEP 1 Tilaa ajattelulle Susan Granlund Euran Kirkonkylän koulu ja Kirsi Urmson Rauman normaalikoulu

Lisätiedot

2_1----~--~r--1.~--~--~--,.~~

2_1----~--~r--1.~--~--~--,.~~ K.Loberg FYSE420 DIGITAL ELECTRONICS 3.06.2011 1. Toteuta alia esitetyn sekvenssin tuottava asynkroninen pun. Anna heditefunktiot, siirtotaulukko ja kokonaistilataulukko ( exitation functions, transition

Lisätiedot

3D-kuvauksen tekniikat ja sovelluskohteet. Mikael Hornborg

3D-kuvauksen tekniikat ja sovelluskohteet. Mikael Hornborg 3D-kuvauksen tekniikat ja sovelluskohteet Mikael Hornborg Luennon sisältö 1. Optiset koordinaattimittauskoneet 2. 3D skannerit 3. Sovelluskohteet Johdanto Optiset mittaustekniikat perustuvat valoon ja

Lisätiedot

1.3Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä

1.3Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä OULUN YLIOPISTO Tietojenkäsittelytieteiden laitos Johdatus ohjelmointiin 81122P (4 ov.) 30.5.2005 Ohjelmointikieli on Java. Tentissä saa olla materiaali mukana. Tenttitulokset julkaistaan aikaisintaan

Lisätiedot

Digitaalisen tarinan koostaminen HTKS Tanja Välisalo

Digitaalisen tarinan koostaminen HTKS Tanja Välisalo Digitaalisen tarinan koostaminen HTKS152 17.2.2014 Tanja Välisalo Digitaalisen tarinan käytännön toteutus 1. Kuva-, ääni- ja videomateriaalin muokkaaminen 2. Digitaalisen tarinan koostaminen Editointi

Lisätiedot

LYTH-CONS CONSISTENCY TRANSMITTER

LYTH-CONS CONSISTENCY TRANSMITTER LYTH-CONS CONSISTENCY TRANSMITTER LYTH-INSTRUMENT OY has generate new consistency transmitter with blade-system to meet high technical requirements in Pulp&Paper industries. Insurmountable advantages are

Lisätiedot

Mendeley-esittely. Turun yliopiston kirjasto Syksy 2016

Mendeley-esittely. Turun yliopiston kirjasto Syksy 2016 Mendeley-esittely Turun yliopiston kirjasto Syksy 2016 Mikä Mendeley on? Ilmainen viitteidenhallintaohjelma (laajemmat säilytystilat maksavat erikseen) Ohjelma akateemiseen verkostoitumiseen Dokumenttien

Lisätiedot

Gimp alkeet XIII 9 luokan ATK-työt/HaJa Sivu 1 / 8. Tasot ja kanavat. Jynkänlahden koulu. Yleistä

Gimp alkeet XIII 9 luokan ATK-työt/HaJa Sivu 1 / 8. Tasot ja kanavat. Jynkänlahden koulu. Yleistä Gimp alkeet XIII 9 luokan ATK-työt/HaJa Sivu 1 / 8 Tasot ja kanavat Yleistä Tasot eli layerit ovat tärkeä osa nykyajan kuvankäsittelyä. Tasojen perusidea on se, että ne ovat läpinäkyviä "kalvoja", joita

Lisätiedot

TIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op. FT Ari Viinikainen

TIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op. FT Ari Viinikainen TIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op FT Ari Viinikainen Tietokoneen rakenne Keskusyksikkö, CPU Keskusmuisti Aritmeettislooginen yksikkö I/O-laitteet Kontrolliyksikkö Tyypillinen Von Neumann

Lisätiedot

HARJOITUS- PAKETTI A

HARJOITUS- PAKETTI A Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI A (6 pistettä) TUTA 19 Luento 3.Ennustaminen County General 1 piste The number of heart surgeries performed at County General Hospital

Lisätiedot

Noutaa ajoneuvotiedot Trafi-kyselyn kautta (mahdollistuu vuoden 2016 aikana)

Noutaa ajoneuvotiedot Trafi-kyselyn kautta (mahdollistuu vuoden 2016 aikana) 1 of Vahinkotarkastusappi Yleistietoa Appi Vahinkotarkastus on tarkoitettu CABAS-käyttäjille. Appi tekee vahinkotarkastuksesta helpompaa ja nopeampaa. Appia käytetään helpottamaan vahinkotarkastuksen tekoa-

Lisätiedot

Tässä ohjeessa käydään läpi sosiaalisen median verkkopalveluiden lisätoimintojen lisääminen verkkosivuillesi.

Tässä ohjeessa käydään läpi sosiaalisen median verkkopalveluiden lisätoimintojen lisääminen verkkosivuillesi. SOSIAALINEN MEDIA Tässä ohjeessa käydään läpi sosiaalisen median verkkopalveluiden lisätoimintojen lisääminen verkkosivuillesi. FACEBOOK Facebook mahdollistaa useiden erilaisten Social plugins -toimintojen

Lisätiedot

Opetusmateriaalin visuaalinen suunnittelu. Kirsi Nousiainen 27.5.2005

Opetusmateriaalin visuaalinen suunnittelu. Kirsi Nousiainen 27.5.2005 Opetusmateriaalin visuaalinen suunnittelu Kirsi Nousiainen 27.5.2005 Visuaalinen suunnittelu Ei ole koristelua Visuaalinen ilme vaikuttaa vastaanottokykyyn rauhallista jaksaa katsoa pitempään ja keskittyä

Lisätiedot

Tiedostonhallinta. Yleistä

Tiedostonhallinta. Yleistä Tiedostonhallinta Tiedostonhallinnan kautta voi muokata kaikkia näkymän tiedostoja. Sitä tarvitaan näkymien räätälöintiin ja joidenkin asetusten muuttamiseen. Yleistä Tiedostojen tarkastelu ja muokkaus

Lisätiedot

FETAL FIBROBLASTS, PASSAGE 10

FETAL FIBROBLASTS, PASSAGE 10 Double-stranded methylation patterns of a 104-bp L1 promoter in DNAs from fetal fibroblast passages 10, 14, 17, and 22 using barcoded hairpinbisulfite PCR. Fifteen L1 sequences were analyzed for passages

Lisätiedot

Kuvan käsittelyn vaiheet

Kuvan käsittelyn vaiheet Kuvan käsittelyn vaiheet Kuvan muodostus Kuva kaapataan analogisella tai digitaalisella kameralla [image acquisition]. Analoginen kuva digitoidaan. Digitoituun kuvaan otetaan tehtävän ratkaisun kannalta

Lisätiedot

GeoGebra-harjoituksia malu-opettajille

GeoGebra-harjoituksia malu-opettajille GeoGebra-harjoituksia malu-opettajille 1. Ohjelman kielen vaihtaminen Mikäli ohjelma ei syystä tai toisesta avaudu toivomallasi kielellä, voit vaihtaa ohjelman käyttöliittymän kielen seuraavasti: 2. Fonttikoon

Lisätiedot

Capacity Utilization

Capacity Utilization Capacity Utilization Tim Schöneberg 28th November Agenda Introduction Fixed and variable input ressources Technical capacity utilization Price based capacity utilization measure Long run and short run

Lisätiedot

Osoitin ja viittaus C++:ssa

Osoitin ja viittaus C++:ssa Osoitin ja viittaus C++:ssa Osoitin yksinkertaiseen tietotyyppiin Osoitin on muuttuja, joka sisältää jonkin toisen samantyyppisen muuttujan osoitteen. Ohessa on esimerkkiohjelma, jossa määritellään kokonaislukumuuttuja

Lisätiedot

Bounds on non-surjective cellular automata

Bounds on non-surjective cellular automata Bounds on non-surjective cellular automata Jarkko Kari Pascal Vanier Thomas Zeume University of Turku LIF Marseille Universität Hannover 27 august 2009 J. Kari, P. Vanier, T. Zeume (UTU) Bounds on non-surjective

Lisätiedot

Gimp+Karttapaikan 1:40 000 => 1:50 000. Pika ohje versio 0.5 09042007

Gimp+Karttapaikan 1:40 000 => 1:50 000. Pika ohje versio 0.5 09042007 Gimp+Karttapaikan 1:40 000 => 1:50 000 Pika ohje versio 0.5 09042007 1:50 000 kartan teko karttapaikan materiaalia & GIMP:iä hyväksikäyttäen 1. Tallenna karttapaikasta 1:40 000 kartta 2. Avaa se Gimpillä

Lisätiedot

TEEMA 2 TAULUKKODATAN KÄSITTELY JA TIEDON VISUALISOINTI LUENTO 4

TEEMA 2 TAULUKKODATAN KÄSITTELY JA TIEDON VISUALISOINTI LUENTO 4 TEEMA 2 TAULUKKODATAN KÄSITTELY JA TIEDON VISUALISOINTI LUENTO 4 TIEY4 Tietotekniikkataidot Kevät 2019 Juhani Linna 27.3.2019 Taustaa harjoituksiin 5 ja 6: 1. Harjoituksen 6 esittely 2. Taulukkolaskenta

Lisätiedot

MOBISITE-TYÖKALUN SISÄLTÄMÄT TOIMINNOT

MOBISITE-TYÖKALUN SISÄLTÄMÄT TOIMINNOT MOBISITE-TYÖKALU MobiSite on työkalu matkapuhelimeen soveltuvan mobiilisivuston rakentamiseen. AIMO-järjestelmän jatkuvasti päivittyvä päätelaitetunnistus tunnistaa useimmat puhelinmallit ja mukauttaa

Lisätiedot

S11-04 Kompaktikamerat stereokamerajärjestelmässä. Väliraportti

S11-04 Kompaktikamerat stereokamerajärjestelmässä. Väliraportti AS-0.3200 Automaatio- ja systeemitekniikan projektityöt S11-04 Kompaktikamerat stereokamerajärjestelmässä Väliraportti Ari-Matti Reinsalo Anssi Niemi 21.3.2011 Tämä väliraportti noudattaa projektisuunnitelman

Lisätiedot

TIEDONHAKU INTERNETISTÄ

TIEDONHAKU INTERNETISTÄ TIEDONHAKU INTERNETISTÄ Internetistä löytyy hyvin paljon tietoa. Tietoa ei ole mitenkään järjestetty, joten tiedonhaku voi olla hankalaa. Tieto myös muuttuu jatkuvasti. Tänään tehty tiedonhaku ei anna

Lisätiedot

Tiedonkeruu ja analysointi

Tiedonkeruu ja analysointi Tiedonkeruu ja analysointi ViDRoM Virtual Design of Rotating Machines Raine Viitala 30.9.2015 ViDRoM Virtual Design of Rotating Machines Mitataan dynaamista käyttäytymistä -> nopeuden funktiona Puhtaat

Lisätiedot

Tehdään laadukas painotuote

Tehdään laadukas painotuote Tehdään laadukas painotuote 8 vinkkiä valokuvien ottamisesta ja toimittamiseen painotuotteisiin 1. Kuvaa kameran parhailla asetuksilla Kuvien tarkkuuden ja tiedostopakkauksen vaikutukset ovat korostuneet

Lisätiedot

Kiipulan ammattiopisto. Liiketalous ja tietojenkäsittely. Erja Saarinen

Kiipulan ammattiopisto. Liiketalous ja tietojenkäsittely. Erja Saarinen Kiipulan ammattiopisto Liiketalous ja tietojenkäsittely Erja Saarinen 2 Sisällysluettelo 1. Johdanto... 3 2. Hyvät internetsivut... 3 3. Kuvien koko... 4 4. Sivujen lataus... 4 5. Sivukartta... 5 6. Sisältö...

Lisätiedot

Kuvankäsittely. DigiReWork Annamari Mäenhovi Kati Nieminen

Kuvankäsittely. DigiReWork Annamari Mäenhovi Kati Nieminen Kuvankäsittely DigiReWork 14.11.2017 Annamari Mäenhovi Kati Nieminen Työpajan sisältö Valokuvaamisen karkeat perusteet Kuvien ottamisen ja käyttämisen laillisuus Digitaalinen kuva Erityisvaatimukset alustoille

Lisätiedot

Teknillinen korkeakoulu T-76.115 Tietojenkäsittelyopin ohjelmatyö. Testitapaukset - Xlet

Teknillinen korkeakoulu T-76.115 Tietojenkäsittelyopin ohjelmatyö. Testitapaukset - Xlet Testitapaukset - Xlet Sisällysluettelo 1. Johdanto...3 2. Testattava järjestelmä...4 2.1 Koko järjestelmän yleiskuvaus...4 2.2 Xlet-demosovellus ja sen toimintaperiaate...5 3. Testitapaukset...6 3.1 Objektien

Lisätiedot

Digikuvan peruskäsittelyn. sittelyn työnkulku. Soukan Kamerat 22.1.2007. Soukan Kamerat/SV

Digikuvan peruskäsittelyn. sittelyn työnkulku. Soukan Kamerat 22.1.2007. Soukan Kamerat/SV Digikuvan peruskäsittelyn sittelyn työnkulku Soukan Kamerat 22.1.2007 Sisält ltö Digikuvan siirtäminen kamerasta tietokoneelle Skannaus Kuvan kääntäminen Värien säätö Sävyjen säätö Kuvan koko ja resoluutio

Lisätiedot

Mat Systeemien identifiointi, aihepiirit 1/4

Mat Systeemien identifiointi, aihepiirit 1/4 , aihepiirit 1/4 Dynaamisten systeemien matemaattinen mallintaminen ja analyysi Matlab (System Identification Toolbox), Simulink 1. Matemaattinen mallintaminen: Mallintamisen ja mallin määritelmät Fysikaalinen

Lisätiedot

Vanhankaupunginkosken ultraäänikuvaukset Simsonar Oy Pertti Paakkolanvaara

Vanhankaupunginkosken ultraäänikuvaukset Simsonar Oy Pertti Paakkolanvaara Vanhankaupunginkosken ultraäänikuvaukset 15.7. 14.11.2014 Simsonar Oy Pertti Paakkolanvaara Avaintulokset 2500 2000 Ylös vaellus pituusluokittain: 1500 1000 500 0 35-45 cm 45-60 cm 60-70 cm >70 cm 120

Lisätiedot

Vedä ja pudota Maamittauslaitoksen JPEG2000-ortoilmakuva GeoTIFF-muotoon

Vedä ja pudota Maamittauslaitoksen JPEG2000-ortoilmakuva GeoTIFF-muotoon Vedä ja pudota Maamittauslaitoksen JPEG2000-ortoilmakuva GeoTIFF-muotoon Jukka Rahkonen http://latuviitta.org Viimeksi muutettu 16. lokakuuta 2012 Tiivistelmä Latuviitta.ogr -sivuston palautteessa kaivattiin

Lisätiedot

SISÄLTÖ. Vuokko Vanhala-Nurmi, 2013 Excel jatko

SISÄLTÖ. Vuokko Vanhala-Nurmi, 2013 Excel jatko Excel 2013 Sisällysluettelo SISÄLTÖ PIVOT-TAULUKKO... 2 Pivot-taulukkoraportti... 2 Pivot-taulukon kokoaminen... 2 Pivot-taulukon muokkaaminen... 4 Kenttien otsikoiden ja jäsentelypainikkeiden piilottaminen...

Lisätiedot

METROPOLIAN PILVIPALVELUT OPETUKSESSA Google Apps for Education (GAFE)

METROPOLIAN PILVIPALVELUT OPETUKSESSA Google Apps for Education (GAFE) 1 Pepe Vilpas pertti.vilpas@metropolia.fi METROPOLIAN PILVIPALVELUT OPETUKSESSA Google Apps for Education (GAFE) Google Apps for Education (GAFE) on Google-yhtiön sovelluspaketti, joka on suunnattu erityisesti

Lisätiedot

www.kotisivukone.fi Pikaopas kotisivujen tekoon

www.kotisivukone.fi Pikaopas kotisivujen tekoon Kotisivut helposti! www.kotisivukone.fi Pikaopas kotisivujen tekoon Näin Kotisivukone toimii Kun olet avannut kotisivut Kotisivukoneella, tulet helppokäyttöiseen ylläpitotilaan ja voit heti aloittaa kotisivujen

Lisätiedot

21~--~--~r--1~~--~--~~r--1~

21~--~--~r--1~~--~--~~r--1~ - K.Loberg FYSE420 DIGITAL ELECTRONICS 13.05.2011 1. Toteuta alla esitetyn sekvenssin tuottava asynkroninen pun. Anna heratefunktiot, siirtotaulukko ja kokonaistilataulukko ( exitation functions, transition

Lisätiedot

S11-09 Control System for an. Autonomous Household Robot Platform

S11-09 Control System for an. Autonomous Household Robot Platform S11-09 Control System for an Autonomous Household Robot Platform Projektisuunnitelma AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Quang Doan Lauri T. Mäkelä 1 Kuvaus Projektin tavoitteena on

Lisätiedot

Curriculum. Gym card

Curriculum. Gym card A new school year Curriculum Fast Track Final Grading Gym card TET A new school year Work Ethic Detention Own work Organisation and independence Wilma TMU Support Services Well-Being CURRICULUM FAST TRACK

Lisätiedot

Moottorin kierrosnopeus Tämän harjoituksen jälkeen:

Moottorin kierrosnopeus Tämän harjoituksen jälkeen: Moottorin kierrosnopeus Tämän harjoituksen jälkeen: osaat määrittää moottorin kierrosnopeuden pulssianturin ja Counter-sisääntulon avulla, osaat siirtää manuaalisesti mittaustiedoston LabVIEW:sta MATLABiin,

Lisätiedot

Jakopinnat ja liikkuvan keernan pinnat 1, keerna jakopinnan tasalla

Jakopinnat ja liikkuvan keernan pinnat 1, keerna jakopinnan tasalla Jakopinnat ja liikkuvan keernan pinnat 1, keerna jakopinnan tasalla Tuula Höök, Tampereen teknillinen yliopisto Teoriatausta Muotin perusrakenne Ruisku tai painevalukappaleen rakenteen perusasiat: päästö,

Lisätiedot

ELOKUVATYÖKALUN KÄYTTÖ ANIMAATION LEIKKAAMISESSA. Kun aloitetaan uusi projekti, on se ensimmäisenä syytä tallentaa.

ELOKUVATYÖKALUN KÄYTTÖ ANIMAATION LEIKKAAMISESSA. Kun aloitetaan uusi projekti, on se ensimmäisenä syytä tallentaa. ELOKUVATYÖKALUN KÄYTTÖ ANIMAATION LEIKKAAMISESSA Kun aloitetaan uusi projekti, on se ensimmäisenä syytä tallentaa. Projekti kannattaa tallentaa muutenkin aina sillöin tällöin, jos käy niin ikävästi että

Lisätiedot

Lions Clubs International Piiri 107-C

Lions Clubs International Piiri 107-C Lions Clubs International Piiri 107-C Artikkelin julkaisu. Kuinka helppoa se itse asiassa onkaan. Jos osaa kirjoittaa sähköpostia, niin osaa laatia artikkelin myös piirin kotisivuille. Tee se itse, muut

Lisätiedot

Kuvaruudun striimaus tai nauhoitus. Open Broadcaster Software V.20. Tero Keso, Atso Arat & Niina Järvinen (muokattu )

Kuvaruudun striimaus tai nauhoitus. Open Broadcaster Software V.20. Tero Keso, Atso Arat & Niina Järvinen (muokattu ) Kuvaruudun striimaus tai nauhoitus Open Broadcaster Software V.20 Tero Keso, Atso Arat & Niina Järvinen (muokattu 28.11.2017) OBS 1 (12) Sisällysluettelo Mikä on OBS... 2 Ohjelman perusasetukset... 2 Tarvittavat

Lisätiedot

1. STEREOKUVAPARIN OTTAMINEN ANAGLYFIKUVIA VARTEN. Hyvien stereokuvien ottaminen edellyttää kahden perusasian ymmärtämistä.

1. STEREOKUVAPARIN OTTAMINEN ANAGLYFIKUVIA VARTEN. Hyvien stereokuvien ottaminen edellyttää kahden perusasian ymmärtämistä. 3-D ANAGLYFIKUVIEN TUOTTAMINEN Fotogrammetrian ja kaukokartoituksen laboratorio Teknillinen korkeakoulu Petri Rönnholm Perustyövaiheet: A. Ota stereokuvapari B. Poista vasemmasta kuvasta vihreä ja sininen

Lisätiedot

Esimerkkitehtäviä, A-osa

Esimerkkitehtäviä, A-osa Esimerkkitehtäviä, A-osa MAB1, harjaantuu käyttämään matematiikkaa jokapäiväisen elämän ongelmien ratkaisemisessa Jussi myy torilla marjoja. Erään asiakkaan ostokset maksavat 8,65e. Asiakas antaa Jussille

Lisätiedot

Kanta ja Kannan-vaihto

Kanta ja Kannan-vaihto ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V

Lisätiedot

13673 A6 12pp CIG Bro FIN v5 20/7/05 8:01 pm Page 1 Rekisteröitymisohje

13673 A6 12pp CIG Bro FIN v5 20/7/05 8:01 pm Page 1 Rekisteröitymisohje Rekisteröitymisohje CANON image GATEWAY Pääset mukaan digitaalikuvien maailmaan Internetin kautta CANON image GATEWAY - älykäs ja luova tapa saada paras hyöty Canon-digitaalikamerastasi ja Internetistä.

Lisätiedot

KÄYTTÖLIITTYMÄT. Visuaalinen suunnittelu

KÄYTTÖLIITTYMÄT. Visuaalinen suunnittelu KÄYTTÖLIITTYMÄT Visuaalinen suunnittelu MUISTETTAVA Yksinkertaisuus Selkeys Johdonmukaisuus Sommittelutyyli on säilytettävä samankaltaisen koko sivustossa Sivustolle yhtenäinen ulkoasu Miellyttävä ulkonäkö

Lisätiedot

Flow!Works Pikaohjeet

Flow!Works Pikaohjeet 1 Flow!Works Pikaohjeet FW 3.0.0 Piirtotyökalut Kynä Sivellin Kirjoituskynä Korostuskynä Loistekynä Kuviokynä Älykynä Elekynä Valitse Kuvion Piirtotoiminnot Täytä llä Leveys Pyyhekumi Pyyhi alku muoto

Lisätiedot

Gammaspektrometristen mittausten yhdistäminen testbed-dataan inversiotutkimuksessa

Gammaspektrometristen mittausten yhdistäminen testbed-dataan inversiotutkimuksessa Gammaspektrometristen mittausten yhdistäminen testbed-dataan inversiotutkimuksessa Satu Kuukankorpi, Markku Pentikäinen ja Harri Toivonen STUK - Säteilyturvakeskus Testbed workshop, 6.4.2006, Ilmatieteen

Lisätiedot

Luentoesimerkki: Riemannin integraali

Luentoesimerkki: Riemannin integraali Luentoesimerkki: Riemannin integraali Heikki Apiola, "New perpectives "-esitykseen lievästi muokattu Kurssi: Informaatioverkostot, keväällä Tässä (4..) käytetään "worksheet-modea", uudempaa "document mode"

Lisätiedot

T : Max-flow / min-cut -ongelmat

T : Max-flow / min-cut -ongelmat T-61.152: -ongelmat 4.3.2008 Sisältö 1 Määritelmät Esimerkki 2 Max-flow Graafin leikkaus Min-cut Max-flow:n ja min-cut:n yhteys 3 Perusajatus Pseudokoodi Tarkastelu 4 T-61.152: -ongelmat Virtausverkko

Lisätiedot

MALE ADULT FIBROBLAST LINE (82-6hTERT)

MALE ADULT FIBROBLAST LINE (82-6hTERT) Double-stranded methylation patterns of a 104-bp L1 promoter in DNAs from male and female fibroblasts, male leukocytes and female lymphoblastoid cells using hairpin-bisulfite PCR. Fifteen L1 sequences

Lisätiedot