Questions. Qu est-ce que le centre ou milieu d une forme? J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 1/31
|
|
- Marie-Hélène Gaumond
- il y a 7 ans
- Total affichages :
Transcription
1 Questions Qu est-ce que le centre ou milieu d une forme? un objet 3D son axe médian J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 1/31
2 Carte de distance, dilatation et axe median Jean Cousty & Hugues Talbot ISBS Morphologie Mathématique J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 2/31
3 Plan de la séance 1 Carte de distance 2 Dilatation & carte de distance 3 Axe médian J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 3/31
4 Carte de distance Distance Définition Une application d de E E dans R est une distance sur E si 1 x E, d(x, x) = 0 2 x, y E, x y = d(x, y) > 0 (positive) 3 x, y E, d(x, y) = d(y, x) (symétrie) 4 x, y, z E d(x, z) d(x, y) + d(y, z) (inégalité triangulaire) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 4/31
5 Carte de distance Exemples de distance sur Z x y x = (x i, x j ) = (2, 1) et y = (y i, y j ) = (5, 3) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 5/31
6 Carte de distance Exemples de distance sur Z x y x = (x i, x j ) = (2, 1) et y = (y i, y j ) = (5, 3) Distance euclidienne d e (x, y) = (y i x i ) 2 + (y j x j ) 2 = = 13 3, 6 J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 5/31
7 Carte de distance Exemples de distance sur Z x y x = (x i, x j ) = (2, 1) et y = (y i, y j ) = (5, 3) Distance euclidienne d e (x, y) = (y i x i ) 2 + (y j x j ) 2 = = 13 3, 6 Distance de Manhattan d 4 (x, y) = y i x i + y 2 x 2 = = 5 J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 5/31
8 Carte de distance Exemples de distance sur Z x y x = (x i, x j ) = (2, 1) et y = (y i, y j ) = (5, 3) Distance euclidienne d e (x, y) = (y i x i ) 2 + (y j x j ) 2 = = 13 3, 6 Distance de Manhattan d 4 (x, y) = y i x i + y 2 x 2 = = 5 Distance de Tchebychev D 8 (x, y) = max( y i x i, y j x j ) = max(3, 2) = 3 J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 5/31
9 Carte de distance Réseau non-orienté Un réseau R = (E, Γ, l) est non-orienté si 1 (E, Γ) est un graphe symétrique 2 (x, y) Γ l(x, y) = l(y, x) x y J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 6/31
10 Carte de distance Réseau non-orienté Un réseau R = (E, Γ, l) est non-orienté si 1 (E, Γ) est un graphe symétrique 2 (x, y) Γ l(x, y) = l(y, x) Si R est non-orienté, alors x, y E, L x (y) = L y (x) x y J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 6/31
11 Carte de distance Distance géodésique Propriété Soit R = (E, Γ, l) un réseau non-orienté à longueurs strictement positives Soit d R l application de E E dans R définie par x, y E, d R (x, y) = L x (y) = L y (x) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 7/31
12 Carte de distance Distance géodésique Propriété Soit R = (E, Γ, l) un réseau non-orienté à longueurs strictement positives Soit d R l application de E E dans R définie par x, y E, d R (x, y) = L x (y) = L y (x) Alors, l application d R est une distance sur E J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 7/31
13 Carte de distance Distance géodésique Propriété Soit R = (E, Γ, l) un réseau non-orienté à longueurs strictement positives Soit d R l application de E E dans R définie par x, y E, d R (x, y) = L x (y) = L y (x) Alors, l application d R est une distance sur E Définition Si R = (E, Γ, l) est un réseau non-orienté à longueurs strictement positives, la distance d R est appelé distance géodésique (dans R) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 7/31
14 Carte de distance Exemple de distance géodésique Longueur des arêtes rouges : 1 (horizontale et verticale) Longueur des arêtes bleues : 2 (diagonale) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 8/31
15 Carte de distance Exemple de distance géodésique x y Longueur des arêtes rouges : 1 (horizontale et verticale) Longueur des arêtes bleues : 2 (diagonale) d R (x, y) = , 8 J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 8/31
16 Carte de distance Carte de distance Définition Soit X E et d une distance sur E La carte de distance à X (pour la distance d) est l application D X de E dans R définie par y E, D X (y) = min{d(x, y) x X } J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 9/31
17 Carte de distance Exemple : Carte de distance géodésique x y 5 11 X : sommets blancs D X : nombres en gras, italique rouge J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 10/31
18 Carte de distance Carte de distance géodésique : algorithme Exercice. Proposer un algorithme dont les données sont un réseau R = (E, Γ, l) non-orienté à longueurs strictement positives, et un sous-ensemble X E de sommets et dont le résultat est la carte de distance D X à X (pour la distance géodésique d R ) Indication. Modifier un algorithme connu J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 11/31
19 Carte de distance Réseau à longueurs uniformes Définition Un réseau à longueurs uniformes est un réseau (E, Γ, l) tel que u Γ, l(u) = 1 J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 12/31
20 Carte de distance Exemple 2 : Carte de distance dans un réseau à longueur uniformes Exemple au tableau Remarque. d 4 = d R où R est le réseau à longueurs uniformes sur Z 2 donné par l élément structurant Γ 4 d 8 = d R où R est le réseau à longueurs uniformes sur Z 2 donné par l élément structurant Γ 8 J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 13/31
21 Carte de distance Illustration en image X (en nooir) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 14/31
22 Carte de distance Illustration en image Carte de distance à X (distance d 4 ) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 14/31
23 Carte de distance Carte de distance géodésique dans un réseau à longueurs uniformes : algorithme Exercice. Proposer un algorithme dont les données sont un réseau (E, Γ, l) non-orienté à longueurs uniformes, et un sous-ensemble X E de sommets et dont le résultat est la carte de distance D X à X (pour la distance d R ) Indication. Modifier l algorithme TRANS pour obtenir un algorithme en 0(n + m) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 15/31
24 Carte de distance Comparaison de cartes de distance Cartes de distance à X Z 2, contenant un unique point localisé au centre de l image d 4 d 8 distance géodésique d e (graphe rouge et bleu) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 16/31
25 Dilatation & carte de distance Rappel : opérateur de voisinage Soit d une certaine distance sur E δ r,d est l opérateur défini par X P(E), δ r,d (X ) = {x E y X, d(x, y) r} δ r,d (X ) peut être considéré comme un voisinage de X (de taille r, pour la distance d) X ψ r,d (X ) δ r,d (X ) δ r,d est une dilatation algébrique car il commute avec l union J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 17/31
26 Dilatation & carte de distance Rappel : dilatations par élément structurant Définition Soit Γ une application de E dans P(E) (E, Γ) est donc un graphe La dilatation (morphologique) δ Γ par Γ est l opérateur qui à tout X P(E) fait correspondre l ensemble δ Γ (X ) = X Γ = {Γ(x) x X } J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 18/31
27 Dilatation & carte de distance Rappel : dilatations par élément structurant Définition Soit Γ une application de E dans P(E) (E, Γ) est donc un graphe La dilatation (morphologique) δ Γ par Γ est l opérateur qui à tout X P(E) fait correspondre l ensemble δ Γ (X ) = X Γ = {Γ(x) x X } Exemple (dilatation itérée, i N) 1 δ 0 Γ (X ) = X 2 δ 1 Γ (X ) = δ Γ(δ 0 Γ (X )) = δ Γ(X ) 3 δ 2 Γ (X ) = δ Γ(δ 1 Γ (X )) = δ Γ(δ Γ (X )) 4 δ i Γ (X ) = δ Γ(δ i 1 Γ (X )) = δ Γ (... δ Γ (X )...) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 18/31
28 Dilatation & carte de distance Application voisinage et carte de distance Propriété Soit d une distance quelconque sur E, soit r R X E, δ r,d (X ) = {x E D X (x) R} X E, δr,d (X ) = {x E D X (x) > r} J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 19/31
29 Dilatation & carte de distance Application voisinage et carte de distance Propriété Soit d une distance quelconque sur E, soit r R X E, δ r,d (X ) = {x E D X (x) R} X E, δr,d (X ) = {x E D X (x) > r} Conséquence Etant donné la carte de distance D X, δ r,d (X ) peut être calculé en O(n) (où n = E ) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 19/31
30 Dilatation & carte de distance Dilatation par un élément structurant symétrique Propriété Soit R = (E, Γ, l) un réseau non-orienté à longueurs uniformes X E, δ Γ (X ) = δ 1 d R (X ) X E, r N, δ r Γ (X ) = δr d R (X ) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 20/31
31 Dilatation & carte de distance Dilatation par un élément structurant symétrique Propriété Soit R = (E, Γ, l) un réseau non-orienté à longueurs uniformes X E, δ Γ (X ) = δ 1 d R (X ) X E, r N, δ r Γ (X ) = δr d R (X ) Conséquence δγ r (X ) peut donc être calculé en temps O(n + m), où n = E et m = Γ J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 20/31
32 Dilatation & carte de distance Illustration en image X (in black) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 21/31
33 Dilatation & carte de distance Illustration en image Carte de distance à X (distance d 4 ) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 21/31
34 Dilatation & carte de distance Illustration en image./figures/zebredilation.mov dilatations itérées : {Γ N (X )} J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 21/31
35 Axe médian Axe médian : analogie des feux de prairies./figures/feudeprairie.avi Introduit par Blum dans les années dans les années 60 Première notion de squelette d une forme Fournit des informations utiles sur la forme à analyser J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 22/31
36 Axe médian Boule Définition Soit d une distance sur E, x E et r R δ r,d (x) = δ r,d ({x}) est la boule de rayon r centrée en x (pour d) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 23/31
37 Axe médian Boule Définition Soit d une distance sur E, x E et r R δ r,d (x) = δ r,d ({x}) est la boule de rayon r centrée en x (pour d) x δ 0 d R (x) = δ 0 Γ ({x}) Réseau R non-orienté à longueurs uniformes J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 23/31
38 Axe médian Boule Définition Soit d une distance sur E, x E et r R δ r,d (x) = δ r,d ({x}) est la boule de rayon r centrée en x (pour d) x δ 1 d R (x) = δ 1 Γ ({x}) Réseau R non-orienté à longueurs uniformes J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 23/31
39 Axe médian Boule Définition Soit d une distance sur E, x E et r R δ r,d (x) = δ r,d ({x}) est la boule de rayon r centrée en x (pour d) x Réseau R non-orienté à longueurs uniformes δ 2 d R (x) = δ 2 Γ ({x}) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 23/31
40 Axe médian Boule Définition Soit d une distance sur E, x E et r R δ r,d (x) = δ r,d ({x}) est la boule de rayon r centrée en x (pour d) x Réseau R non-orienté à longueurs uniformes δ 3 d R (x) = δ 3 Γ ({x}) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 23/31
41 Axe médian Boule maximale Définition Soit d une distance sur E, soient X E, x E et r R δ r,d (x) est une boule maximale dans X si δ r,d (x) X y E, r R, si Γ r (x) Γ r (y) X, alors Γ r (x) = Γ r (y) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 24/31
42 Axe médian Boule maximale Définition Soit d une distance sur E, soient X E, x E et r R δ r,d (x) est une boule maximale dans X si δ r,d (x) X y E, r R, si Γ r (x) Γ r (y) X, alors Γ r (x) = Γ r (y) X en rouge et noir Une boule qui n est pas maximale dans X Réseau R non-orienté à longueurs uniformes J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 24/31
43 Axe médian Boule maximale Définition Soit d une distance sur E, soient X E, x E et r R δ r,d (x) est une boule maximale dans X si δ r,d (x) X y E, r R, si Γ r (x) Γ r (y) X, alors Γ r (x) = Γ r (y) X en rouge et noir Réseau R non-orienté à longueurs uniformes Une boule maximale dans X J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 24/31
44 Axe médian Boule maximale Définition Soit d une distance sur E, soient X E, x E et r R δ r,d (x) est une boule maximale dans X si δ r,d (x) X y E, r R, si Γ r (x) Γ r (y) X, alors Γ r (x) = Γ r (y) X en rouge et noir Réseau R non-orienté à longueurs uniformes Une boule maximale dans X J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 24/31
45 Axe médian Axe médian Définition Soit d une distance sur E et soit X E L axe médian de X, désigné par AM(X ), est l ensemble des centres des boules maximales dans X J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 25/31
46 Axe médian Axe médian Définition Soit d une distance sur E et soit X E L axe médian de X, désigné par AM(X ), est l ensemble des centres des boules maximales dans X J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 25/31
47 Axe médian Exercice Calculer l axe médian de l ensemble X composé des points noirs Utiliser la distance géodésique d R dans le réseau à longueurs uniformes J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 26/31
48 Axe médian Axe médian : illustration en image J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 27/31
49 Axe médian Utilisation de l axe médian en imagerie médicale Colloscopie virtuelle./figures/ct.mov Série d images 2D composant un scanner 3D du colon J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 28/31
50 Axe médian Utilisation de l axe médian en imagerie médicale Colloscopie virtuelle./figures/segmentation.mov Extraction du colon J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 28/31
51 Axe médian Utilisation de l axe médian en imagerie médicale Colloscopie virtuelle./figures/paths.mov Axe médian du colon J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 28/31
52 Axe médian Utilisation de l axe médian en imagerie médicale Colloscopie virtuelle./figures/colono.mov Colloscopie virtuelle : la caméra virtuelle suit l axe médian J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 28/31
53 Axe médian Calcul de l axe médian Soit R = (E, Γ, l) un réseau non-orienté à longueurs uniformes et X E Soit D X la carte de distance à X pour la distance géodésique d R Le point x E est un maximum local D X si y Γ(x), D X (y) D X (x) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 29/31
54 Axe médian Calcul de l axe médian Soit R = (E, Γ, l) un réseau non-orienté à longueurs uniformes et X E Soit D X la carte de distance à X pour la distance géodésique d R Le point x E est un maximum local D X si y Γ(x), D X (y) D X (x) Propriété L axe médian de X est l ensemble des maxima locaux de D X J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 29/31
55 Axe médian Rappel : fermeture transitive de {x} Algorithme TRANS ( Données : (E, Γ), x E ; Résultat : Z = X := {x} ; Y := ; Z := {x} ; Pour chaque i de 1 à n 1 Faire Tant que x X Faire X := X \ {x} ; Pour chaque y Γ(x) Faire Si y / Z Alors Y := Y {y} ; Z := Z {y} ; X := Y ; Y := ; ˆ δ n 1 Γ ({x})) J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 30/31
56 Axe médian Rappel : longueurs des plus courts chemins Algorithme DIJKSTRA ( Données : (E, Γ, l), n = E, x E ; Résultat : L x ) S := ; Pour chaque y E Faire L x [y] = ; S := S {y} ; L x [x] := 0 ; k := 0 ; µ := 0 ; Tant que k < n et µ Faire Extraire un sommet y S tel que L x [y ] = min{l x [y], y S} k + + ; µ := L x [y ] ; Pour chaque y Γ(y ) S Faire L x [y] := min{l x [y], L x [y ] + l(y, y)} ; J. Cousty & H. Talbot : Morpho, graphes et imagerie 3D 31/31
Cours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailEcran : Processeur : OS : Caméra : Communication : Mémoire : Connectique : Audio : Batterie : Autonomie : Dimensions : Poids : DAS :
SMARTPHONE - DUAL-CORE - NOIR 3483072425242 SMARTPHONE - DUAL-CORE - BLEU XXXX SMARTPHONE - DUAL-CORE - BLANC 3483072485246 SMARTPHONE - DUAL-CORE - ROSE 3483073704131 SMARTPHONE - DUAL-CORE - ROUGE XXXX
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailInitiation à LabView : Les exemples d applications :
Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailCalculs de probabilités avec la loi normale
Calculs de probabilités avec la loi normale Olivier Torrès 20 janvier 2012 Rappels pour la licence EMO/IIES Ce document au format PDF est conçu pour être visualisé en mode présentation. Sélectionnez ce
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailFête de la science Initiation au traitement des images
Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone
Plus en détailProjet Matlab : un logiciel de cryptage
Projet Matlab : un logiciel de cryptage La stéganographie (du grec steganos : couvert et graphein : écriture) consiste à dissimuler une information au sein d'une autre à caractère anodin, de sorte que
Plus en détailBaccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la
Plus en détailSoit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.
ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailProjet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo
Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Dans ce projet, nous allons réaliser le code qui permet d'insérer sur une image, un logo sur un
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailAlgorithmes récursifs
Licence 1 MASS - Algorithmique et Calcul Formel S. Verel, M.-E. Voge www.i3s.unice.fr/ verel 23 mars 2007 Objectifs de la séance 3 écrire des algorithmes récursifs avec un seul test rechercher un élément
Plus en détailStructure du format BMP, sa lecture, sa construction et son écriture
Structure du format BMP, sa lecture, sa construction et son écriture Claude Parisel Mars 2003 Table des matières : 1. Le choix du format 2. Commentaires sur les autres formats 3. Format BMP pour noir&blanc,
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailExtraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés
Thèse présentée pour obtenir le grade de Docteur de l Université Louis Pasteur Strasbourg I Discipline : Sciences pour l Ingénieur Spécialité : Topographie-Géomatique Par : Fayez TARSHA KURDI Extraction
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailTable des matières IDENTIFICATION DE VOS SALARIÉS ET VISITEURS IDENTIFICATION POUR VOS ÉVÈNEMENTS ET CONFÉRENCES OUTILS DE PERFORATIONS DE TABLE
Table des matières IDENTIFICATION DE VOS SALARIÉS ET VISITEURS Porte badges rigides 1 cartes Porte-badges rigides 2 cartes Porte-badges rigides protection 1 face Porte-badges pour vos manutentionnaires
Plus en détailCours d Analyse 3 Fonctions de plusieurs variables
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailTable des matières A. Introduction... 4 B. Principes généraux... 5 C. Exemple de formule (à réaliser) :... 7 D. Exercice pour réaliser une facture
Excel 2007 -2- Avertissement Ce document accompagne le cours qui a été conçu spécialement pour les stagiaires des cours de Denis Belot. Le cours a été réalisé en réponse aux diverses questions posées par
Plus en détailUtilisation du logiciel ImageJ gratuit
Utilisation du logiciel ImageJ gratuit on peut récupérer sur le lien suivant : http://rsbweb.nih.gov/ij/ à partir duquel ce résumé très bref (!!) a été élaboré Lancer ImageJ Vous avez une fenêtre qui s'ouvre
Plus en détailSimulations hydrodynamiques relativistes de la phase émission rémanente dans les GRB. Séminaire au L.U.Th, Observatoire de Paris
Simulations hydrodynamiques relativistes de la phase émission rémanente dans les GRB Zakaria Meliani Séminaire au L.U.Th, Observatoire de Paris Janvier 2007 Les grandes lignes de la présentation Les propriétés
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailChap17 - CORRECTİON DES EXERCİCES
Chap17 - CORRECTİON DES EXERCİCES n 3 p528 Le signal a est numérique : il n y a que deux valeurs possibles pour la tension. Le signal b n est pas numérique : il y a alternance entre des signaux divers
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailAtelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr
Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailVestiaires 212 - VESTIAIRES. Portes : coloris non standards (nous consulter) RAL 6011 RAL 2004 RAL 9006 RAL 1021 RAL 3000 RAL 9016
Vestiaires 212 - VESTIAIRES Portes : coloris non standards (nous consulter) 9006 3000 2004 1021 6011 9016 Industrie Propre Vestiares métalliques monoblocs soudés peints époxy. Portes équipées de 2 aérations
Plus en détailJean Dubuffet AUTOPORTRAIT II - 1966
Jean Dubuffet AUTOPORTRAIT II - 1966 MON VISAGE A LA MANIERE DE JEAN DUBUFFET OBJECTIFS - utiliser son expérience sensorielle visuelle pour produire une œuvre picturale. - réaliser une œuvre s'inspirant
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailChapitre VI. Connexions et fonctions numériques
Chapitre VI Connexions et fonctions numériques Concepts : -> Extension aux fonctions -> Opérateurs connexes -> Géodésie numérique -> Nivellements et auto-dualité Applications : -> Etude des extrema ->
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailL import massif introduit plusieurs nouvelles fonctionnalités, selon que l on importe un thésaurus, un ensemble de valeurs contrôlées ou un corpus.
Import Massif Nouvelles fonctionnalités L import massif introduit plusieurs nouvelles fonctionnalités, selon que l on importe un thésaurus, un ensemble de valeurs contrôlées ou un corpus. Le fonctionnement
Plus en détailChapitre 02. La lumière des étoiles. Exercices :
Chapitre 02 La lumière des étoiles. I- Lumière monochromatique et lumière polychromatique. )- Expérience de Newton (642 727). 2)- Expérience avec la lumière émise par un Laser. 3)- Radiation et longueur
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
Plus en détail1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes.
Corrigé du Prétest 1. Déterminer l ensemble U ( univers des possibles) et l ensemble E ( événement) pour les situations suivantes. a) Obtenir un nombre inférieur à 3 lors du lancer d un dé. U= { 1, 2,
Plus en détailColonnes de signalisation
COLONNES LUMINEUSES Ø 7 5 Ø 7 compactes à diodes Avantages : Solution complète prête à être raccordée Faible hauteur de montage Durée de vie des diodes extrêmement longue (au moins 70.000 h) et donc pratiquement
Plus en détailLogique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.
Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailIndications pour une progression au CM1 et au CM2
Indications pour une progression au CM1 et au CM2 Objectif 1 Construire et utiliser de nouveaux nombres, plus précis que les entiers naturels pour mesurer les grandeurs continues. Introduction : Découvrir
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailLe gestionnaire de SMS
Le gestionnaire de SMS Pour rester en contact Message de rappel à un patient de son prochain rendez-vous Message de rappel à un patient de la prise d une prescription avant son rendez-vous Message à un
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailL utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée
L utilisation du lidar terrestre en foresterie Richard Fournier Département de géomatique appliquée Problématique Inventaire traditionnel : photographie aérienne imagerie satellitaire relevés manuels sur
Plus en détailFICHE UE Licence/Master Sciences, Technologies, Santé Mention Informatique
NOM DE L'UE : Algorithmique et programmation C++ LICENCE INFORMATIQUE Non Alt Alt S1 S2 S3 S4 S5 S6 Parcours : IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) MASTER INFORMATIQUE Non
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailLampes à DEL EcoShine II Plus
Lampes à DEL EcoShine II Plus LAMPES POUR TABLETTE, RAIL et PAVILLON POUR COMPTOIRS MULTI-NIVEAUX, LIBRE-SERVICE ET DE PRODUITS SPÉCIALISÉS Une efficacité d éclairage maximale dans la vente d aliments
Plus en détailFormats d images. 1 Introduction
Formats d images 1 Introduction Lorsque nous utilisons un ordinateur ou un smartphone l écran constitue un élément principal de l interaction avec la machine. Les images sont donc au cœur de l utilisation
Plus en détailSVP ISO - Sécurité & Protection
SVP ISO - Sécurité & Protection ETUDE PRESTATION-FOURNITURE / INDUSTRIE & SECURITE Site web: www.svp-securite.fr - E-mail: svptouati@caramail.com 04, rue LARBI TEBESSI. 31200. Arzew - Oran - Tel / Fax:
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailwww.habefast.ch contact@habefast.ch Agence web en Suisse romande CH-1260 Nyon 022 362 25 70
1 By Agence web en Suisse romande 2 Qu est ce qu est le SEO? Le référencement naturel ou SEO (Search Engine Optimisation) est une pratique qui, comme son nom l indique, permet d optimiser un site web pour
Plus en détailUNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU
Odile VERBAERE UNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU Résumé : Cet article présente une réflexion sur une activité de construction de tableau, y compris
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailSystème de sécurité de périmètre INTREPID
TM Système de sécurité de périmètre INTREPID La nouvelle génération de systèmes de sécurité de périmètre MicroPoint Cable combine la technologie brevetée de Southwest Microwave, la puissance d un micro
Plus en détailSECURIWEB. Manuel d utilisation de la navigation. VERSION rev1 190312. 6 mars 2012
Manuel d utilisation de la navigation SECURIWEB VERSION rev1 190312 6 mars 2012 DISTRI MOBILE SYSTEMS Espace St Germain Bât. ELLIPSE 38200 Vienne Tel 04-74-16-28-28 Fax 04-74-16-28-29 SOMMAIRE 1. INTRODUCTION
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailLicence ST Université Claude Bernard Lyon I LIF1 : Algorithmique et Programmation C Bases du langage C 1 Conclusion de la dernière fois Introduction de l algorithmique générale pour permettre de traiter
Plus en détailÉtude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France
Étude des résultats des investisseurs particuliers sur le trading de CFD et de Forex en France Le 13 octobre 2014 Autorité des marchés financiers 17, place de la Bourse 75082 Paris cedex 02 Tél. : 01 53
Plus en détailTD : Codage des images
TD : Codage des images Les navigateurs Web (Netscape, IE, Mozilla ) prennent en charge les contenus textuels (au format HTML) ainsi que les images fixes (GIF, JPG, PNG) ou animée (GIF animée). Comment
Plus en détailIMAGES NUMÉRIQUES MATRICIELLES EN SCILAB
IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques
Plus en détailTable des matières. Télécharger MetaTrader 4. Première connexion à MetaTrader 4. Se connecter à MetaTrader 4. Modifier la langue
Guide METATRADER 4 Table des matières Télécharger MetaTrader 4 Première connexion à MetaTrader 4 Se connecter à MetaTrader 4 Modifier la langue Modifier votre mot de passe Mot de passe oublié Trader avec
Plus en détailPlus petit, plus grand, ranger et comparer
Unité 11 Plus petit, plus grand, ranger et comparer Combien y a-t-il de boules sur la tige A? Sur la tige B? A B Le nombre de boules sur la tige A est plus grand que sur la tige B. On écrit : > 2 On lit
Plus en détailExemple d application en CFD : Coefficient de traînée d un cylindre
Exemple d application en CFD : Coefficient de traînée d un cylindre 1 Démarche générale Avec Gambit Création d une géométrie Maillage Définition des conditions aux limites Avec Fluent 3D Choix des équations
Plus en détailExamen d informatique première session 2004
Examen d informatique première session 2004 Le chiffre à côté du titre de la question indique le nombre de points sur 40. I) Lentille électrostatique à fente (14) Le problème étudié est à deux dimensions.
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailQuad 110 cc - 4 temps - 60 Km/h - QUAD1101 (Lot 10 pcs)
Catalogue Quads et motos - Quads 125 cc Grossiste Chinois Import Votre grossiste en ligne Edition 06/07/2015 Higoods Co. Ltd. Room 1001 Chuangxin Building,Chuangye Garden Minzhi Streets, Longhua District
Plus en détailUne fiabilité et une solidité éprouvées
SAFE PAD 732 Une fiabilité et une solidité éprouvées La SAFE PAD 732 est le complément des barres de panique 1800 et 60 PREMIUM. Elle possède des qualités de résistance et d'efficacité : elle est CE EN179,
Plus en détail