TAREA N 3 OPERADORES DE DETECCIÓN DE BORDES
|
|
- Monica Rojo Aguilar
- hace 8 años
- Vistas:
Transcripción
1 Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 3 OPERADORES DE DETECCIÓN DE BORDES Nombre Alumno : Profesor : Profesor Auxiliar : Ayudante de Laboratorio: Sebastián Gálvez Claudio Pérez Luis Castillo Alonso Astroza Fecha : 30/09/2014 Santiago, Chile.
2 Gradiente por Operador de Prewitt P1.- Gradiente por Operador de Prewitt En esta parte de la tarea se busca implementar un detector de bordes mediante detección por gradiente, según el operador de Prewitt o Sobel. Se optó por la implementación del operador de Prewitt, que consiste en los siguientes Kernels: Operador de Prewitt para Gradiente Horizontal: [ ] Operador de Prewitt para Gradiente Vertical: [ ] De esta manera, el gradiente de una imagen en la dirección horizontal es, y el gradiente en la dirección vertical es. Es importante destacar que el gradiente horizontal permite detectar bordes orientados verticalmente, mientras que para el gradiente vertical se detectan los bordes orientados horizontalmente. Finalmente, el gradiente total de la imagen se puede obtener mediante distintas formas de combinar y, donde los métodos más utilizados son: Magnitud del gradiente: (1) Máximo gradiente: (2) Luego, la imagen del gradiente debe ser binarizada con un umbral adecuado para la detección de los bordes deseados. a) Implementación de filtrado con operador Prewitt. Mediante la función de Matlab conv2, se logró implementar el filtrado de cada componente del operador de Prewitt con la imagen de entrada spiderweb.jpg, la cual se muestra en la Figura 1. Los resultados obtenidos se muestran en las imágenes Im1 e Im2 de la Figura 2. Se observa que existen diferencias entre los bordes resaltados en cada imagen, aunque existen algunas partes en común debido a las componentes diagonales de la imagen. En ambas se identifica la presencia de ruido debido a que este operador resalta los cambios en la intensidad sin importar que sean cambios leves. U. de Chile. FCFM. DIE ~1~
3 Gradiente por Operador de Prewitt FIGURA 1: IMAGEN ORIGINAL SPIDERWEB.JPG FIGURA 2: (IZQUIERDA) FILTRADO CON PREWITT HORIZONTAL. (DERECHA) FILTRADO CON PREWITT VERTICAL. U. de Chile. FCFM. DIE ~2~
4 Gradiente por Operador de Prewitt b) Binarización de Im1 e Im2. Se implementó la función de Matlab im2bin(img,t), que permite establecer un umbral t entre 0 y 1 de manera que si el umbral es superado en la imagen se tiene un valor 0. En caso contrario, se tiene un valor de 1. Así, luego de varias pruebas, se determinó que un umbral adecuado para percibir los bordes en la imagen es t1=0.21, con lo cual se lograron los resultados mostrados en la Figura 3. Se pueden percibir claramente los bordes de la telaraña, más un poco de ruido binario que puede ser reducido con un filtro mediano si se desea. FIGURA 3: IM1 (IZQ) E IM2 (DER) BINARIZADAS CON UMBRAL T1=0.21, SE PUEDEN PERCIBIR CLARAMENTE LOS BORDES DE LA TELARAÑA. c) y d) Gradiente máximo y efecto del umbral. Se combinaron las imágenes Im1 e Im2 mediante la ecuación (2) para obtener el gradiente completo de la imagen, luego se binarizó la imagen del gradiente máximo, y se buscó un umbral t2, tal que los bordes fueran apenas perceptibles. El valor encontrado para esta condición es de t2=0.42. Así, en la Figura 4, se muestran las imágenes binarias con los bordes detectados para este umbral y para de t2. En la imagen con umbral igual a t2 apenas se pueden percibir algunos bordes. Sin embargo, al disminuirlo a la mitad ya se pueden detectar perfectamente varios bordes de la imagen. Para el caso de la imagen de bordes detectada para ¼ del valor de t2, se observa que los bordes de la telaraña se comienzan a mezclar, debido a que se están considerando las diferencias menores entre las intensidades de los pixeles correspondientes a los sectores entre los bordes de la telaraña, este efecto se acentúa cuando el umbral se elige cada vez menor, donde un valor muy pequeño como 1/32 de t2 no permite percibir ningún borde en la imagen, debido a que se considera que toda variación muy pequeña es un borde. U. de Chile. FCFM. DIE ~3~
5 Gradiente por Operador de Prewitt FIGURA 4: IMAGENES DE BORDES DETECTADOS CON GRADIENTE MÁXIMO PARA DISTINTAS FRACCIONES DEL UMBRAL T2=0.42 e) Bordes relacionados con la telaraña Finalmente, se determinó que un umbral con valor entre t2 y ½ t2 podría permitir detectar los bordes de las telarañas únicamente, por lo que finalmente se lograron resultados adecuados con el valor de umbral t3=0.28. Los resultados se muestran en la Figura 5, donde se aprecian claramente los bordes de la telaraña en todas las direcciones. U. de Chile. FCFM. DIE ~4~
6 Gradiente por Operador de Prewitt FIGURA 5: BORDES DE LA TELARAÑA DETECTADOS CON UMBRAL T3=0.28 U. de Chile. FCFM. DIE ~5~
7 Gradiente por Operador de Roberts P2.- Gradiente por Operador de Roberts Análogo al primer problema de esta tarea, el segundo problema plantea implementar el operador de Roberts, compuesto por los siguientes Kernels: Operador de Roberts para Gradiente Horizontal: [ ] Operador de Roberts para Gradiente Vertical: [ ] a) Implementación de filtrado con operador Roberts. La implementación es análoga a la del operador de Prewitt, ya que sólo basta cambiar los Kernels utilizados. En este caso se utiliza la imagen de entrada ldda.jpg, la cual se muestra en la Figura 6. Los resultados obtenidos al aplicar el operador de Roberts en cada componente se muestran en las imágenes Im3 e Im4 de la Figura 7. FIGURA 6: IMAGEN ORIGINAL EN ESCALA DE GRISES: LES DEMOISELLES D AVIGNON U. de Chile. FCFM. DIE ~6~
8 Gradiente por Operador de Roberts FIGURA 7: (IZQUIERDA) FILTRADO CON ROBERTS HORIZONTAL. (DERECHA) FILTRADO CON ROBERTS VERTICAL. En este caso, debido a que los kernels son de tamaño 2x2, no es claro que un operador realice detección de bordes horizontales y otro de bordes verticales, pero sí existe una diferencia en las direcciones de los bordes resaltados en las imágenes mostradas en la Figura 7. b) Binarización de Im3 e Im4. Se utilizó la misma función desarrollada para p1.b), determinando que un umbral adecuado es t4=0.1, logrando las imágenes binarias mostradas en la Figura 8. FIGURA 8: IM3 (IZQ) E IM4 (DER) BINARIZADAS CON UMBRAL T4=0.1, SE PUEDEN PERCIBIR BIEN LOS BORDES EN LAS FIGURAS. U. de Chile. FCFM. DIE ~7~
9 Gradiente por Operador de Roberts En ambas imágenes se nota que existe una alta cantidad de ruido binario, debido a que los bordes se perderían si se aumenta el umbral. Se puede observar que existen diferencias en los bordes detectados, aunque mayoritariamente se comparten los bordes en ambas imágenes debido a las múltiples direcciones de las líneas en el cuadro. c) Magnitud del gradiente y versión coloreable del cuadro. Se combinaron las componentes del gradiente aproximado por operador de Roberts calculando la magnitud del gradiente mediante la ecuación (1), y se binarizó la imagen resultante con un umbral t5=0.065, el cual demostró los mejores resultados para el objetivo de crear una imagen coloreable, es decir con sólo los bordes de las figuras. El resultado se muestra en la Figura 9 (Izquierda). Además de lo pedido, se probó la efectividad de un filtrado mediano con una ventana de 2x2, logrando mostrar que se elimina parte del ruido binario presente, además de suavizar las líneas diagonales y se obtiene un mejor efecto visual. Por otro lado también se mezclan algunos bordes detectados, generando zonas más oscuras que pierden detalle, como por ejemplo los ojos de las damas. La imagen final resultante se muestra en la Figura 9 (Derecha). FIGURA 9:(IZQUIERDA) MAGNITUD DE GRADIENTE, UMBRAL T5= (DERECHA) VERSION COLOREABLE CON REDUCCIÓN DE RUIDO POR FILTRADO MEDIANO (2X2). Los resultados logrados son totalmente satisfactorios y se demuestra que el filtrado mediano reduce considerablemente el ruido binario, logrando una imagen más suave y con bordes más definidos que utilizando únicamente el gradiente. U. de Chile. FCFM. DIE ~8~
10 Operador LoG: Laplacian of Gaussian P3.- Operador LoG: Laplacian of Gaussian a) Operador LoG En esta actividad se utilizará detección de bordes mediante el operador LoG, a través de la utilización de la función edge(img, log, ) de Matlab. La imagen de entrada en este caso es monalisa.jpg, cuya versión en escala de grises se muestra en la Figura 10. Para seguir con la convención de que los bordes detectados sean valor 0 y el resto de la imagen sea 1, se utilizará la imagen 1-edge( ). FIGURA 10: IMAGEN ORIGINAL EN ESCALA DE GRISES: MONA LISA. Se define el operador LoG como una composición del operador diferencial de segundo orden Laplaciano y de un Kernel gaussiano G. Este operador es útil para detectar bordes mediante la detección de los cruces por cero de la imagen resultante. Permitiendo ajustar la resolución del detector al variar la desviación estándar que define el Kernel Gaussiano. En la Figura 11 se muestran los bordes detectados al utilizar la función edge dejando que el programa calcule automáticamente los parámetros necesarios. Se observa que existe una alta presencia de ruido, por lo que sería conveniente efectuar U. de Chile. FCFM. DIE ~9~
11 Operador LoG: Laplacian of Gaussian una selección de parámetros adecuados para mejorar la visualización de los bordes de la figura de la Mona Lisa. FIGURA 11: BORDES DETECTADOS SIN FIJAR LOS PARÁMETROS MANUALMENTE b) Efecto del en la detección de bordes. A continuación se muestra en la Figura 12 la detección de bordes para los valores de,, y. FIGURA 12: DETECCIÓN DE BORDES CON DISTINTO DEL KERNEL GAUSSIANO. Se puede notar que la ventana gaussiana con desviación estándar baja (0.5 y 1) permite detectar bordes con una resolución muy fina, por lo que detecta las distintas texturas de la tela y la pintura utilizada en el cuadro, mientras que al aumentar el valor de a 2 o 4 se va perdiendo detalle en los bordes detectados, por lo que se permite apreciar rasgos más generales del cuadro. U. de Chile. FCFM. DIE ~10~
12 Operador LoG: Laplacian of Gaussian c) Detección de bordes relevantes del rostro Se eligió luego de varias pruebas que un valor de sigma adecuado es, pero para mejorar la detección, se probó con distintos valores de umbral, llegando a que un buen resultado se produce para un umbral t= Así, la imagen resultante es la mostrada en la Figura 13, donde se pueden percibir los bordes en los ojos, cejas, nariz y boca, además del borde de la cara. FIGURA 13: BORDES DETECTADOS POR LoG PARA =4, T= d) Ventajas de LoG para esta imagen en particular. Esto se discute en la parte p4.b) del presente informe.. U. de Chile. FCFM. DIE ~11~
13 Método de Canny P4.- Método de Canny a) Detección de bordes por Canny. El método de Canny utiliza un filtro basado en la primera derivada de un Kernel gaussiano G, donde luego permite discriminar los valores en que el gradiente no es máximo local, por lo que se debe a variaciones ruidosas de la intensidad de pixel, de esta manera se logran mejores resultados que el operador de LoG o sólo utilizar operadores como Sobel, Prewitt o Roberts. En la Figura 14 se muestran los resultados correspondientes a las partes a) y c) pedidas en la Pregunta 3, replicados para el detector de bordes Canny. Se determinó que un produce resultados satisfactorios en este caso. FIGURA 14: (IZQUIERDA) BORDES DETECTADOS POR CANNY SIN FIJAR MANUALMENTE LOS PARÁMETROS. (DERECHA) BORDES DETECTADOS AL FIJAR =4. LOS VALORES DE UMBRALES CALCULADOS AUTOMÁTICAMENTE SON T_LOW=0.05, T_HIGH = U. de Chile. FCFM. DIE ~12~
14 Método de Canny b) Ventajas de operador LoG y Canny para monalisa.jpg. Para tener un punto de comparación, se muestran en la Figura 15 los resultados de detección de bordes utilizando los detectores de las partes p1 y p2, donde se observa que los operadores Prewitt y Roberts poseen un tamaño fijo en los Kernels, por lo que no se podrá eliminar el ruido sin eliminar los bordes detectados, este efecto es mayor mientras menor sea el tamaño del kernel utilizado. Por otro lado, estos detectores producen valores pixel a pixel, por lo que puede haber muchas zonas inconexas, lo cual hace más difícil identificar un rostro por ejemplo. FIGURA 15: (IZQUIERDA) DETECCIÓN DE BORDES CON PREWITT. (DERECHA) DETECCIÓN DE BORDES CON ROBERTS.. De esta forma, comparando los resultados, se deduce que existe una clara ventaja en la utilización de LoG o Canny para esta imagen, la cual es que la correcta elección del permite trabajar con niveles distintos de resolución, permitiendo identificar los bordes deseados con mayor facilidad. Además, estos operadores tienden a producir curvas cerradas, por lo que zonas como rostros, ojos, nariz y boca quedan bien definidas, al contrario de como sucede con los operadores de Prewitt y Roberts. U. de Chile. FCFM. DIE ~13~
15 Anexos Anexos A continuación se anexa el código de las funciones implementadas y de los script utilizados para mostrar los resultados de cada pregunta. Prewitt.m function [im1,im2]=prewitt(img,graph) %Detector de bordes mediante operador Prewitt %Si el parámetro graph es 1, grafica Im1 e Im2. if nargin <2 graph=0; end P_hor=[-1 0 1;-1 0 1;-1 0 1]; P_vert=[ ; 0 0 0; 1 1 1]; im1=conv2(double(img),double(p_hor),'same'); im2=conv2(double(img),double(p_vert),'same'); if(graph==1) figure; colormap(gray) subplot('position',[0.05,0.25,0.4,0.5]) imagesc(im1) title(sprintf('im1, Kernel Prewitt Horizontal\n (Detecta Bordes Verticales)')) subplot('position',[0.55,0.25,0.4,0.5]) imagesc(im2) title(sprintf('im2, Kernel Prewitt Vertical\n (Detecta Bordes Horizontales)')) end U. de Chile. FCFM. DIE ~14~
16 Anexos Roberts.m function [im3,im4]=roberts(img,graph) %Detector de bordes mediante operador Roberts %Si el parámetro graph es 1, grafica Im3 e Im4. if nargin <2 graph=0; end R_hor=[0 1;-1 0]; R_vert=[1 0;0-1]; im3=conv2(double(img),double(r_hor),'same'); im4=conv2(double(img),double(r_vert),'same'); if(graph==1) figure; colormap(gray) subplot('position',[0.05,0.25,0.4,0.5]) imagesc(im3) title(sprintf('im3, Kernel Roberts Horizontal\n (Detecta Bordes Verticales)')) subplot('position',[0.55,0.25,0.4,0.5]) imagesc(im4) title(sprintf('im4, Kernel Roberts Vertical\n (Detecta Bordes Horizontales)')) end Im2bin.m function binim=im2bin(image,t) %Returns the binary image using threshold t from 0 to 1 relative to minimum %and maximum values of image. maxvalue=max(image(:)); minvalue=min(image(:)); t=t*(maxvalue-minvalue); [lx,ly]=size(image); binim=image; for i=1:lx for j=1:ly if(image(i,j)>=t) binim(i,j)=0; end if(image(i,j)<t) binim(i,j)=1; end end end U. de Chile. FCFM. DIE ~15~
17 Anexos Tarea3.m %% Tarea 3 %% p1 clear all close all spider_gray=rgb2gray(imread('spiderweb.jpg')); figure; imshow(spider_gray);title('imagen Original en escala de grises: Spiderweb') [im1,im2]=prewitt(spider_gray,1); t1=0.21; im1_bin=im2bin(abs(im1),t1); im2_bin=im2bin(abs(im2),t1); figure; subplot(121); subimage(im1_bin) title(sprintf('im1 Binarizada con umbral t1=%.2f',t1)) subplot(122) subimage(im2_bin) title(sprintf('im2 Binarizada con umbral t1=%.2f',t1)) t2=0.42; max_im=max(abs(im1),(im2)); figure; for i=0:5 t=(1/2^i)*t2; max_bin=im2bin(max_im,t); subplot(3,2,i+1) subimage(max_bin) title(sprintf('umbral=1/%d *t2',2^i)) if i==0 title(sprintf('umbral t2=%.2f',t2)) end end t3=0.28; max_bin=im2bin(max_im,t3); figure;imshow(max_bin);title(sprintf('bordes de telaraña detectados, Umbral=%.2f',t3),'FontSize',14,'FontWeight','bold') %% p2 close all clear all ldda_gray=rgb2gray(imread('ldda.jpg')); figure;imshow(ldda_gray);title('imagen Original en escala de grises: Les Demoiselles d Avignon') [im3,im4]=roberts(ldda_gray,1); t4=0.1; im3_bin=im2bin(abs(im3),t4); im4_bin=im2bin(abs(im4),t4); figure; subplot(121); subimage(im3_bin) U. de Chile. FCFM. DIE ~16~
18 Anexos title(sprintf('im3 Binarizada con umbral t4=%.2f',t4)) subplot(122) subimage(im4_bin) title(sprintf('im4 Binarizada con umbral t4=%.2f',t4)) t5=0.065; total_im=sqrt(abs(im3).^2+abs(im4).^2); total_bin=im2bin(total_im,t5); figure;subplot(121); imshow(total_bin);title(sprintf('magnitud de gradiente Roberts con umbral t5=%.3f',t5)) % for t=0.05:0.01:0.15 % total_bin=im2bin(total_im,t); % figure; % imshow(total_bin) % title(sprintf('umbral=%.2f',t)) % end subplot(122); imshow(medfilt2(total_bin,[2 2]));title('Filtrado Mediano con ventana 2x2, Versión Coloreable') %% p3 close all clear all mona_gray=rgb2gray(imread('monalisa.jpg')); figure;imshow(mona_gray);title('imagen Original en escala de grises: Mona Lisa') figure;imshow(1-edge(mona_gray,'log'));title('bordes detectados con parámetros calculados automáticamente') figure; [mona_edges05]=edge(mona_gray,'log',[],0.5); subplot(141);imshow(1-mona_edges05);title('\sigma =0.5') [mona_edges1]=edge(mona_gray,'log',[],1); subplot(142);imshow(1-mona_edges1);title('\sigma =1') [mona_edges2]=edge(mona_gray,'log',[],2); subplot(143);imshow(1-mona_edges2);title('\sigma =2') [mona_edges4]=edge(mona_gray,'log',[],4); subplot(144);imshow(1-mona_edges4);title('\sigma =4') best_sigma=4; [best_mona_edges,threshold]=edge(mona_gray,'log',[],best_sigma); figure;imshow(1-best_mona_edges);title(sprintf('t=%.4f \\sigma =%.1f',threshold,best_sigma)) %% p4 close all clear all mona_gray=rgb2gray(imread('monalisa.jpg')); figure;imshow(1-edge(mona_gray,'canny'));title('bordes detectados con parámetros calculados automáticamente') best_sigma2=4; [best_mona_edges, thresholds]=edge(mona_gray,'canny',[],best_sigma2); figure;imshow(1-best_mona_edges);title(sprintf('t_{low}=%.4f, t_{high}=%.4f \\sigma =%.1f',thresholds(1),thresholds(2),best_sigma2)) U. de Chile. FCFM. DIE ~17~
19 Anexos %% p4b close all clear all mona_gray=rgb2gray(imread('monalisa.jpg')); [im1,im2]=prewitt(mona_gray,0); t6=0.16; max_im12=max(abs(im1),(im2)); max_bin12=im2bin(max_im12,t6); figure;subplot(121);imshow(max_bin12);title(sprintf('bordes detectados con Prewitt, Umbral=%.2f',t6),'FontSize',10,'FontWeight','bold') [im3,im4]=roberts(mona_gray,0); t7=0.16; total_im34=sqrt(abs(im3).^2+abs(im4).^2); total_bin34=im2bin(total_im34,t7); subplot(122);imshow(total_bin34);title(sprintf('bordes detectados con Roberts, Umbral=%.2f',t7),'FontSize',10,'FontWeight','bold') U. de Chile. FCFM. DIE ~18~
20 Bibliografía Bibliografía Resumen_4 EL7007 Introducción al Procesamiento Digital de Imágenes Caludio A. Perez, Departamento de Ingeniería Eléctrica, Universidad de Chile, Algoritmo de Canny - U. de Chile. FCFM. DIE ~19~
Detección de bordes en una imagen.
Detección de bordes en una imagen. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Utilizar distintas máscaras empleadas para
Más detallesSegmentación Basada en Bordes
Segmentación Basada en Bordes Detección de Puntos: Para detectar puntos en una imagen podemos usar una máscara como esta: -1-1 -1-1 8-1 -1-1 -1 Usarlo en Matlab sería muy sencillo: >> w = [-1-1 -1; -1
Más detallesSoftware de Particle Tracking Version 1.0
Software de Particle Tracking Version 1.0 Martín Pastor Laboratorio de Medios Granulares Departamento de Física y Matemática Aplicada Universidad de Navarra Enero, 2007 Índice general 1. Introducción 3
Más detallesPRÁCTICA: 3 FILTRADO Y ANALISIS
PRÁCTICA: 3 FILTRADO Y ANALISIS 1.- INTRODUCCIÓN. En esta práctica se manejarán tanto filtros lineales como no lineales, para que el alumno pueda apreciar sus efectos sobre las imágenes, y profundizar
Más detallesDetección de bordes: metodos lineales de cálculo de gradientesk, etc. Detección de bordes. Métodos basados en operadores lineales de gradiente
Detección de bordes Métodos basados en operadores lineales de gradiente 1 Bordes Variaciones fuertes de la intensidad que corresponden a las fronteras de los objetos visualizados Métodos basados en el
Más detallesProcesamiento de Imágenes
Procesamiento de Imágenes Curso 011 - Clase Filtros Espaciales Filtrado espacial Ya trabajamos procesando sólo al piel individualmente. Ahora vamos a hacer un procesamiento en una vecindad de cada piel.
Más detallesReducción del ruido en una imagen digital.
Reducción del ruido en una imagen digital. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Estudio de distintas máscaras para
Más detallesFundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1
Fundamentos de la Visión Artificial Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Índice 1. Introducción a lavisión Artificial 2. Adquisición y representación de imágenes 3. Filtrado
Más detallesSistemas Conexionistas
1 Objetivo Sistemas Conexionistas Curso 2011/2012 El objetivo de esta práctica es usar un conjunto de redes de neuronas artificiales para abordar un problema de reconocimiento de figuras sencillas en imágenes
Más detallesTema 4:Segmentación de imágenes
Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos
Más detallesMatemática Función exponencial
Matemática Función eponencial La selección de problemas que aquí se presentan forma parte del documento Función eponencial de la Serie Aportes para la enseñanza. Nivel Medio, en proceso de edición en la
Más detallesEmbajada de Polonia en Buenos Aires
1. Foto modelo: 2. Formato de la foto: ancho 35 mm, alto 45 mm. La imagen en la foto tiene que reflejar la cabeza entera y la parte alta del cuello, los lados derecho e izquierdo del rostro tienen que
Más detallesUniversidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Septiembre de 2005
Filtrado Espacial Introducción El filtrado espacial es la operación que se aplica a una imagen para resaltar o atenuar detalles espaciales con el fin de mejorar la interpretación visual o facilitar un
Más detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detallesNÚMEROS NATURALES Y NÚMEROS ENTEROS
NÚMEROS NATURALES Y NÚMEROS ENTEROS Los números naturales surgen como respuesta a la necesidad de nuestros antepasados de contar los elementos de un conjunto (por ejemplo los animales de un rebaño) y de
Más detallesAnálisis de propuestas de evaluación en las aulas de América Latina
Este trabajo de evaluación tiene como objetivo la caracterización de figuras del espacio. Para ello el alumno debe establecer la correspondencia entre la representación de la figura y algunas de sus propiedades.
Más detallesMedición del nivel de intensidad de diferentes ruidos
Universidad Nacional Autónoma de Honduras Facultad de ciencias Escuela de física Medición del nivel de intensidad de diferentes ruidos Objetivos. Conocer y manejar los conceptos básicos de ruido.. Aprender
Más detallesColores complementarios, tonalidades de grises
Colores complementarios, tonalidades de grises 1. Identificación Área: Educación Artística (Artes visuales) SC: 2. Colores complementarios y tonalidades de grises. Resumen: En esta propuesta didáctica
Más detallesComputación I Representación Interna Curso 2011
Computación I Representación Interna Curso 2011 Facultad de Ingeniería Universidad de la República Temario Representación de Números Enteros Representación de Punto Fijo Enteros sin signo Binarios puros
Más detallesTAREA N 1 DETECTOR DE LETRAS L MEDIANTE CAMPO RECEPTIVO
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 1 DETECTOR DE LETRAS L MEDIANTE CAMPO
Más detallesLa composición de una imagen, reglas
Componer una fotografía Saber mirar, algo que resulta difícil en fotografía pero a la vez indispensable para obtener buenas fotografías. Para ello se requiere sobre todo aprender a mirar. Para qué queremos
Más detalles102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)
102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. El gap del silicio es de 1.11eV (salto energético entre banda de valencia
Más detallesPhotoshop. Mejorar calidad de fotos o imágenes de baja resolución Autor: keily Salazar Pozo
Photoshop. Mejorar calidad de fotos o imágenes de baja resolución Autor: keily Salazar Pozo 1 Presentación del curso Tutorial de Photoshop, gran programa de retoque de fotos y diseño en general, nos permite,
Más detallesFigura 5.1 a: Acimut de una dirección de mira
Tema N 5 Determinación del Acimut de una dirección 5.1- Acimut de una dirección El acimut de una línea cualquiera es el ángulo que forma el meridiano del lugar con el plano vertical que contiene dicha
Más detallesMÓDULO CÉDULAS DE AUDITORÍA DESDE EXCEL
MÓDULO CÉDULAS DE AUDITORÍA DESDE EXCEL EL módulo de Cédulas desde Excel permite obtener y manipular la información registrada en SuperCONTABILIDAD de manera rápida y confiable. Las aplicaciones de este
Más detallesCapítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.
Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por
Más detallesPara ingresar a la aplicación Microsoft PowerPoint 97, los pasos que se deben seguir pueden ser los siguientes:
Descripción del ambiente de trabajo Entrar y salir de la aplicación Para ingresar a la aplicación Microsoft PowerPoint 97, los pasos que se deben seguir pueden ser los siguientes: A través del botón :
Más detallesLos números racionales
Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones
Más detallesLABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos
Más detallesDibujos creados con Word. Mediante autoformas, líneas, rectángulos, elipses, etc.
Centro Politécnico Particular de Conchalí Laboratorio de Computación Apuntes de Laboratorio (Manejo de Imágenes) Introducción Hoy en día un documento para que sea considerado como un buen documento debe
Más detallesFUNCIÓN EXPONENCIAL - FUNCIÓN LOGARÍTMICA
FUNCIÓN EXPONENCIAL - FUNCIÓN LOGARÍTMICA Problema : COMPARAR ÁREAS DE CUADRADOS A partir de un cuadrado realizaremos una nueva construcción: se trazan las diagonales y por cada vértice se dibuja una paralela
Más detallesU.D.5: Diagramas de Gantt y PERT
U.D.5: Diagramas de Gantt y PERT 57 Diagrama de Gantt INTRODUCCIÓN El diagrama de Gantt consiste en una representación gráfica sobre dos ejes; en el vertical se disponen las tareas del proyecto y en el
Más detallesDigitalización de imágenes con ayuda del histograma
Digitalización de imágenes con ayuda del histograma Apellidos, nombre Vicente Atienza Vanacloig (vatienza@disca.upv.es) Departamento Centro Informática de Sistemas y Computadores (DISCA) Escuela Técnica
Más detallesObjetivos. 19 mm 24 mm Gran angular 28 mm 50 mm Lente normal 70 mm 105 mm 135 mm Teleobjetivo 200 mm 400 mm. Lente gran angular:
26 27 Objetivos La cámara fotográfica básicamente está compuesta por dos partes: el cuerpo y la lente. La lente es mucho más importante que el cuerpo ya que definirá la calidad de la imagen. Los objetivos
Más detallesUruguay en PISA 2009. Primeros resultados en Ciencias, Matemática y Lectura del Programa Internacional de Evaluación de Estudiantes.
Uruguay en PISA 2009. Primeros resultados en Ciencias, Matemática y Lectura del Programa Internacional de Evaluación de Estudiantes. Informe Ejecutivo El Programa Internacional de Evaluación de Estudiantes
Más detallesManual del Profesor Campus Virtual UNIVO
Manual del Profesor Campus Virtual UNIVO Versión 2.0 Universidad de Oriente UNIVO Dirección de Educación a Distancia INDICE 1. Campus Virtual. 03 1.1 Accesos al Curso 04 1.2 Interfaz del Curso...06 1.3
Más detallesMICROECONOMÍA MICROECONOMÍA
MICROECONOMÍA MICROECONOMÍA INTRODUCCIÓN A LA MICROECONOMÍA. OBJETIVOS El alumno deberá ser capaz de comprender cómo se realiza el proceso de satisfacción de necesidades utilizando eficientemente sus recursos
Más detallesMicrosoft Excel 2003. Unidad 6. La Hoja de Cálculo
Microsoft Excel 2003 Unidad 6. La Hoja de Cálculo Las hojas de cálculo son aplicaciones informáticas que se suelen incluir con frecuencia dentro de conjuntos de programas más amplios destinados normalmente
Más detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detallesTEMA 3: EN QUÉ CONSISTE?
Módulo 7 Sesión 3 5/16 TEMA 3: EN QUÉ CONSISTE? La metodología seguida para aplicar correctamente la técnica de RGT se basa en cuatro fases (Figura 1). En la primera de ellas, se seleccionan los elementos
Más detallesLa Función Educativa de la Fotografía. Fernando Osorio Alarcón
La Función Educativa de la Fotografía Fernando Osorio Alarcón LA LECTURA DE IMÁGENES Qué es una IMAGEN? Representación de una porción de la realidad. Es un símil, está en lugar de algo o de alguien. Lo
Más detallesCAPÍTULO 6 SIMULACIONES Y RESULTADOS
CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco
Más detallesCapítulo 4 4. CONCLUSIONES Y RECOMENDACIONES. compañías estudiadas con un 45% y un 34% respectivamente.
Capítulo 4 4. CONCLUSIONES Y RECOMENDACIONES 4.1. CONCLUSIONES En las ciudades de Quito y Guayaquil se concentra la mayoría de las compañías estudiadas con un 45% y un 34% respectivamente. La industria,
Más detallesDecisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.
Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesPor qué es importante la planificación?
Por qué es importante la planificación? La planificación ayuda a los empresarios a mejorar las probabilidades de que la empresa logre sus objetivos. Así como también a identificar problemas claves, oportunidades
Más detalles_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano
24 Unidad II Vectores 2.1 Magnitudes escalares y vectoriales Unidad II. VECTORES Para muchas magnitudes físicas basta con indicar su valor para que estén perfectamente definidas y estas son las denominadas
Más detallesMenús. Gestor de Menús
Menús Para dar acceso a las categorías, artículos y generar espacio para los módulos se deben crear menús, éstos son enlaces a determinado recurso en el portal Web, sin ellos no es posible visualizar ninguno
Más detallesProceso de Gestión de la Información Sectorial. Manual de Usuario - Herramienta de cargue de Archivos - SIUST. Elaborado por:
MANUAL DE USUARIO HERRAMIENTA DE CARGUE DE ARCHIVOS EN EL SIUST Elaborado por: Oficina de Planeación e Información 1. Tabla de contenido INTRODUCCIÓN... 4 2. INGRESAR AL SIUST... 5 3. CÓMO ES LA DINÁMICA
Más detallesPower Point. En la imagen siguiente, se muestra el espacio de trabajo de Power Point. Manual Microsoft Office 2007 - MS Power Point
Power Point Microsoft PowerPoint es un popular programa de presentación desarrollado para sistemas operativos Microsoft Windows y Mac OS. Ampliamente usado en distintos campos como en la enseñanza, negocios,
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesCLASIFICACIÓN DE IMÁGENES
CLASIFICACIÓN DE IMÁGENES Cesar Juárez Megías I.T.T. Imagen y sonido Carlos III de Madrid 100061832@alumnos.uc3m.es OBJETIVO. El objetivo principal de nuestro programa se basaría en la clasificación de
Más detallesConsultas de Selección Multitabla
Consultas de Selección Multitabla Tabla de contenidos 1.- INTRODUCCIÓN... 3 2.- (MULTITABLA) VENTAS POR EMPLEADO... 3 3.- (MULTITABLA) PEDIDOS POR MARCA... 3 4.- (MULTITABLA) VENTAS DE EMPLEADO EN 2010...
Más detallesREVISTA COLOMBIANA DE FÍSICA, VOL. 34, No. 1. 2002 CONTEO Y CARACTERIZACIÓN DE REGIONES COMPLETAS EN IMÁGENES 2D: APLICACIÓN A NÚCLEOS CELULARES
REVISTA COLOMBIANA DE FÍSICA, VOL. 34, No. 1. 2002 CONTEO Y CARACTERIZACIÓN DE REGIONES COMPLETAS EN IMÁGENES 2D: APLICACIÓN A NÚCLEOS CELULARES Y. Sossa, G. Osorio, F. Prieto, F. Angulo Grupo de Percepción
Más detallesOPTIMIZACIÓN DEL AISLAMIENTO ACÚSTICO A RUIDO AÉREO EN SISTEMAS DE DOBLE PARED DE YESO LAMINADO Y LANA DE ROCA.
OPTIMIZACIÓN DEL AISLAMIENTO ACÚSTICO A RUIDO AÉREO EN SISTEMAS DE DOBLE PARED DE YESO LAMINADO Y LANA DE ROCA. José Carlos Aguilar ROCKWOOL PENINSULAR S.A. C/Bruc, nº 50-3ª, 08010 Barcelona; tel: 93.318.9028;
Más detallesDetección de bordes en imágenes con sombras mediante LIP Canny
Detección de bordes en imágenes con sombras mediante LIP Canny José Manuel Palomares Área de Arq. y Tec. de Computadores Dept. de Electrotecnia y Electrónica Universidad de Córdoba Escuela Politécnica
Más detallesPESTAÑA DATOS - TABLAS EN EXCEL
PESTAÑA DATOS - TABLAS EN EXCEL Una tabla en Excel es un conjunto de datos organizados en filas o registros, en la que la primera fila contiene las cabeceras de las columnas (los nombres de los campos),
Más detallesBiblioteca Virtual Ejercicios Resueltos
EJERCICIO 13 13 V a l o r n u m é r i c o Valor numérico de expresiones compuestas P r o c e d i m i e n t o 1. Se reemplaza cada letra por su valor numérico 2. Se efectúan las operaciones indicadas Hallar
Más detallesAnexo I. La visión. El proceso de la visión. 1. Introducción. 2. La visión
Anexo I. La visión El proceso de la visión 1. Introducción El ojo humano ha sufrido grandes modificaciones a través de los tiempos como consecuencia de las diferentes formas de vida, desde cuando se usaba
Más detallesNormas para el buen uso de la marca
MANUAL DE IDENTIDAD Introducción El Manual de Identidad describe los signos gráficos escogidos por el Frente Amplio para mostrar su imagen así como todas sus posibles aplicaciones: formas, colores, tamaños,
Más detallesCaso práctico de Cuadro de Mando con Tablas Dinámicas
1 Caso práctico de Cuadro de Mando con Tablas Dinámicas Luis Muñiz Socio Director de SisConGes & Estrategia Introducción Hay una frase célebre que nos permite decir que: Lo que no se mide no se puede controlar
Más detallesPROCESAMIENTO DIGITAL DE IMÁGENES MEDIANTE EL USO DE UN FPGA Y LENGUAJE VHDL
PROCESAMIENTO DIGITAL DE IMÁGENES MEDIANTE EL USO DE UN FPGA Y LENGUAJE VHDL N. E. Chávez Rodríguez*, A. M. Vázquez Vargas** *Departamento de Computación **Departamento de Procesamiento Digital de Señales
Más detallesM a t e m á t i c a s I I 1
Matemáticas II Matemáticas II ANDALUCÍA CNVCATRIA JUNI 009 SLUCIÓN DE LA PRUEBA DE ACCES AUTR: José Luis Pérez Sanz pción A Ejercicio En este límite nos encontramos ante la indeterminación. Agrupemos la
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detallesSistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
Sistemas de Sensación Segmentación, Reconocimiento y Clasificación de Objetos CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Introducción La visión artificial, también conocida como visión por computador
Más detallesCAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES
CAPÍTULO 3. ALGORITMOS DE PREVISIÓN BASADOS EN LA EXTRAPOLACIÓN DE LOS DATOS MÁS RECIENTES El objetivo de esta tesina es la introducción de mejoras en la previsión meteorológica a corto plazo. El punto
Más detallesAplicación de la metodología de las 5 S al diseño de tarjetas de
Aplicación de la metodología de las 5 S al diseño de tarjetas de 1. Introducción El uso de tarjetas de identificación o identificadores es común en el ámbito profesional: para los trabajadores de una organización,
Más detallesMICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO
MICROECONOMÍA II PRÁCTICA TEMA III: MONOPOLIO EJERCICIO 1 Primero analizamos el equilibrio bajo el monopolio. El monopolista escoge la cantidad que maximiza sus beneficios; en particular, escoge la cantidad
Más detallesLA FOTOGRAFÍA CLÍNICA EN ODONTOLOGIA
LA FOTOGRAFÍA CLÍNICA EN ODONTOLOGIA Manuel Saura Pérez Doctor en Medicina y Cirugía Especialista en Estomatología Dentista de Área de Atención Primaria. Servicio Murciano de Salud Profesor Asociado de
Más detallesIN4703 Gestión de Operaciones I Auxiliar 6: Inventarios
Profesores: Andrés Weintraub, Fabián Medel, Rodrigo Wolf Auxiliares: Juan Neme, Matías Siebert, Paulina Briceño, Rodrigo Arriagada IN4703 Gestión de Operaciones I Auxiliar 6: Inventarios Modelos: 1.- Demanda
Más detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesEVALUACIÓN DE LA EXPOSICIÓN A RUIDO
EVALUACIÓN DE LA EXPOSICIÓN A RUIDO OBJETIVO El objetivo de este ejercicio es que el alumno aprenda a interpretar los conceptos de evaluación de la exposición a ruido contenidos en el RD 1316/89. MATERIAL
Más detallesPuede crear un sistema de cine en casa? Absolutamente!
Puede crear un sistema de cine en casa? Absolutamente! Qué es un sistema de cine en casa? Un sistema de cine en casa reproduce una experiencia similar al cine en el hogar, con comodidad y según su conveniencia.
Más detallesVI PLAN DE PRUEBAS, RESULTADOS Y RECOMENDACIONES
VI PLAN DE PRUEBAS, RESULTADOS Y RECOMENDACIONES En la presente sección, se realiza el correspondiente plan de pruebas del prototipo con la finalidad de exponer las estrategias y recursos necesarios para
Más detallesEFECTO DE LA AGRESIVIDAD ATMOSFÉRICA EN LA TENACIDAD A FRACTURA DE METALES Y ALEACIONES METÁLICAS
EFECTO DE LA AGRESIVIDAD ATMOSFÉRICA EN LA TENACIDAD A FRACTURA DE METALES Y ALEACIONES METÁLICAS Dentro de la caracterización mecánica de los materiales de ingeniería, la resistencia a la tensión y la
Más detallesMódulo II - PowerPoint
Módulo II - PowerPoint Índice Copiando diapositivas Menú Edición... 2 Copiando diapositivas utilizando la barra de herramientas... 3 Copiando diapositivas utilizando el menú contextual... 3 Copiando diapositivas
Más detallesRealización de copias
Realización 1 Copias rápidas............................ 2 Ejemplos de trabajos habituales............. 3 Trabajo 1: una página......................... 3 Trabajo 2: contenido compuesto................
Más detallesBASE DE DATOS RELACIONALES
BASE DE DATOS RELACIONALES Una base de datos relacional es una base de datos que cumple con el modelo relacional, el cual es el modelo más utilizado en la actualidad para implementar bases de datos ya
Más detallesProgramación Lineal Continua/ Investigación Operativa. EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1
EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1 1. Una empresa que fabrica vehículos quiere determinar un plan de producción semanal. Esta empresa dispone de 5 fábricas que producen distintos elementos del
Más detallesManual de Usuario. Railton da Encarnação Cardoso info@guiadelartesano.es Teléfono: +34 658 78 49 29
Manual de Usuario Con este manual explicamos cada uno de los pasos para registrarte como artesano y dar de alta tu espacio de venta incluyendo tus productos de una forma fácil y rápida. Bienvenido al mundo
Más detallesSISTEMA InfoSGA Manual de Actualización Mensajeros Radio Worldwide C.A Código Postal 1060
SISTEMA InfoSGA Manual de Actualización Mensajeros Radio Worldwide C.A Código Postal 1060 Elaborado por: Departamento de Informática Febrero 2012 SISTEMA InfoSGA _ Manual de Actualización 16/02/2012 ÍNDICE
Más detallesMATERIAL 2 EXCEL 2007
INTRODUCCIÓN A EXCEL 2007 MATERIAL 2 EXCEL 2007 Excel 2007 es una planilla de cálculo, un programa que permite manejar datos de diferente tipo, realizar cálculos, hacer gráficos y tablas; una herramienta
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detalles2. LOS SISTEMAS DE COSTOS
2. LOS SISTEMAS DE COSTOS En el actual desarrollo de las técnicas y sistemas de costos se persiguen tres importantes objetivos: La medición de los costos, la más correcta y precisa asignación de costos
Más detallesEl rincón de los problemas. Oportunidades para estimular el pensamiento matemático. Triángulos de área máxima o de área mínima Problema
www.fisem.org/web/union El rincón de los problemas ISSN: 1815-0640 Número 37. Marzo 2014 páginas 139-145 Pontificia Universidad Católica del Perú umalasp@pucp.edu.pe Oportunidades para estimular el pensamiento
Más detallesComerciales. Comisiones en Documentos de Venta WhitePaper Enero de 2008
Comerciales. Comisiones en Documentos de Venta WhitePaper Enero de 2008 Contenidos 1. Propósito 3 2. Comerciales 4 3. Creación de tablas de comisiones 6 4. Cálculo de comisiones en documentos de ventas
Más detallesLA FUNCION INFORMATICA EN LAS ADMINISTRACIONES PUBLICAS
LA FUNCION INFORMATICA EN LAS ADMINISTRACIONES PUBLICAS José Ignacio Boixo Pérez Holanda Licenciado en Informática Publicado en el libro le ponencias TECNIMAP'89 I jornadas sobre las tecnologías de la
Más detallesWEB 2.0 ESTUDIO SOBRE LA UTILIZACION DE LA WEB 2.0 POR PARTE DE LOS MENORES
WEB 2.0 ESTUDIO SOBRE LA UTILIZACION DE LA WEB 2.0 POR PARTE DE LOS MENORES Índice de tablas Índice de gráficos 1. Como utilizan los menores la Web 2.0. Datos del estudio elaborado por Protégeles. 1.1.
Más detallesNORMA TÉCNICA DE AUDITORÍA SOBRE CONSIDERACIONES RELATIVAS A LA AUDITORÍA DE ENTIDADES QUE EXTERIORIZAN PROCESOS DE ADMINISTRACIÓN
Resolución de 26 de marzo de 2004, del Instituto de Contabilidad y Auditoría de Cuentas, por la que se publica la Norma Técnica de Auditoría sobre consideraciones relativas a la auditoría de entidades
Más detallesIluminación fotográfica y Principales fuentes de iluminación
Iluminación fotográfica y Principales fuentes de iluminación Es bastante obvio mencionar lo importante que es la luz en la fotografía, ya que sin ella seria imposible visualizar los objetos y con esto
Más detallesMedidas de Intensidad
Unidad Didáctica Medidas de Intensidad Programa de Formación Abierta y Flexible Obra colectiva de FONDO FORMACION Coordinación Diseño y maquetación Servicio de Producción Didáctica de FONDO FORMACION (Dirección
Más detallesQué requisitos deben cumplir los albaranes o notas de entrega?
Qué requisitos deben cumplir los albaranes o notas de entrega? Los albaranes o notas de entrega, pese a su frecuente uso práctico, suelen ser documentos bastante desconocidos por parte de la mayoría de
Más detallesT.1 CONVERGENCIA Y TEOREMAS LÍMITE
T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)
Más detallesSignificado de la limitación espectral
Significado de la limitación espectral Las Normativas municipales definen las características que han de tener los limitadores, para que realicen adecuadamente sus funciones. Casi todas cuando se refieren
Más detallesUNIVERSIDAD DON BOSCO FACULTAD DE ESTUDIOS TECNOLÓGICOS
UNIVERSIDAD DON BOSCO FACULTAD DE ESTUDIOS TECNOLÓGICOS CICLO: 01/ 2014 Nombre de la Practica: Lugar de Ejecución: Tiempo Estimado: Materia: Docentes: GUIA DE LABORATORIO #05 Trabajando con Formularios.
Más detallesA partir de los resultados que se obtuvieron en el análisis estadístico de las imágenes de
Conclusiones A partir de los resultados que se obtuvieron en el análisis estadístico de las imágenes de rostros y en los diversos experimentos realizados, se concluye: Debido a la amplia posibilidad de
Más detallesExperimento 7 MOMENTO LINEAL. Objetivos. Teoría. Figura 1 Dos carritos sufren una colisión parcialmente inelástica
Experimento 7 MOMENTO LINEAL Objetivos 1. Verificar el principio de conservación del momento lineal en colisiones inelásticas, y 2. Comprobar que la energía cinética no se conserva en colisiones inelásticas
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detalles