Vypracovane_otazky

čí-li mimo polopřímku a pokračuje-li do jiné poloroviny, než je stav proměnné odkud, potom nPrus:= nPrus+1.
Je-li nPrus sudý, ukonči proceduru s výsledkem VNĚ.
Je-li nPrus lichý, ukonči proceduru s výsledkem UVNITŘ.
4. Uveďte postup, kterým určíme průnik lomené čáry a oblasti (areálu).
Lomenou čáru rozdělíme na segmenty, které neprotínají hranice oblasti. Potom pro každý segment vezmeme libovolný vnitřní bod a podle něho určíme, zda segment leží uvnitř nebo vně oblasti. Výsledné vnitřní segmenty zřetězíme do lomených čar.
5. Uveďte postup, kterým určíme průnik dvou oblastí (areálů)
Nejprve modifikujeme hrany hranic tak, aby se vzájemně neprotínaly. Každá z upravených hran má tedy jednu z následujících vlastností – hrana leží celá uvnitř druhé oblasti, hrana leží celá vně oblasti, nebo hrana splývá s jinou hranou druhé oblasti. Do výsledného seznamu se zařazují všechny hrany, které leží celé uvnitř druhé oblasti a vždy po jedné hraně ze všech dvojic identických (splývajících) hran.
6. Uveďte postup, kterým určíme obalovou zónu o daném poloměru kolem lomené čáry.
Lomená čára se rozdělí na jednotlivé úsečky. Pro každou úsečku se určí její obalová zóna. Základem obalové zóny úsečky jsou dvě úsečky rovnoběžné s původní úsečkou ve vzdálenosti definované poloměrem obalové zóny (každá na jedné straně). Z vrcholů původní úsečky pomocí goniometrických funkcí určíme její úhel a následně vypočítáme vrcholy úseček obalové zóny. Následně se obalové zóny jednotlivých úseček spojí.
7. Uveďte postup, kterým určíme obalovou zónu o daném poloměru kolem oblasti
(areálu).
Areál se nejprve rozdělí na jednotlivé úsečky. Z vrcholů úsečky určíme pomocí goniometrických funkcí její úhel a následně určíme i vrcholy úsečky obalové zóny. Úsečky obalové zóny všech úseček oblasti jsou vždy na stejné straně (v závislosti na orientaci polygonu). Jednotlivé úsečky obalové zóny se následně prodlouží, nebo zkrátí tak, aby konec jedné úsečky byl zároveň počátkem následující úsečky.
8. Uveďte postup. kterým určíme koeficienty obecné lineární transformace ze dvou
seznamů odpovídajících si bodů.
Transformuji množinu bodů (u, v) na (x, y). Nejprve sestavíme lineární rovnice a dosadíme.
x = f(u, v) = a1 * u + b1 * v + c1
y = g(u, v) = a2 * u + b2 * v + c2
Následně pomocí metody nejmenších čtverců určíme koeficienty (a1,a2,b1...), při kterých je součet druhých mocnin odchylek nejmenší. Tedy suma ((f(u, v) - x)^2 + (g(u,v) - y)^2) musí být co nejmenší. Následně vytvoříme parciální derivace tohoto součtu a položíme je rovny nule. Tím získáme soustavu rovnic, ze kterých vypočítáme požadované koeficienty.
Okruh 4
1. Uveďte definici základních kvantitativních charakteristik rastrových dat (histogram,
matice sousednosti).
Histogram je konečná posloupnost h(f) = (hi...hM), kde f je polotónový obraz a M je počet jeho barev. Histogram udává, kolik pixelů obrazu f má barvu i.
Matice sousednosti CM(f) = {cmij} je čtvercová matice MxM, kde f je polotónový obraz a M je počet jeho barev. Hodnota cmij udává počet přímo sousedících pixelů o barvě i a j. Matice sousednosti reprezentuje texturu, tedy dva obrazy se stejnou maticí sousednosti mají stejnou texturu.
2. Uveďte princip lineární filtrace rastrového obrazu a základní typy filtrů.
Na každý pixel aplikujeme funkci, která v konstantním čase vypočítá novou barvu pixelu.
Funkce bývá někdy váženým průměrem pixelů a obsahuje tzv. váhovou funkci, která bývá definována pomocí čtvercové matice, která definuje jednotlivé váhové hodnoty pro okolí pixelu.
Zahlazující filtry – vytváří více homogenní obraz. Barva pixelu je průměr okolí.
Zostřující filtry – opak zahlazujícího filtru. Zvýrazní přechody mezi barvami.
Detektory hran – zvýrazňují hrany. Základní filtru přiřadí pixelu větší z absolutních hodnot z výsledků těchto dvou matic.
3. Uveďte principy geometrické transformace rastrových dat (obraz) v GIS.
Nejprve definujeme rozměr pixelu výsledného obrazu a získáme prázdný cílový obraz. Následně určíme ve zdrojovém obraze body, jejichž souřadnice jsou známé. Pak určíme transformační funkce např. transformace založené na metodě nejmenších čtverců.
i = F(x,y)
j = G(x,y)
kde (i,j) jsou souřadnice v originálním obraze a (x,y) v novém obraze. Nakonec se prochází cílový obraz pixel po pixelu a pomocí transformačních funkcí se určí souřadnice pixelu originálního obrazu, z něhož se vypočítá barva pixelu v cílovém obraze (nebo se jednoduše zkopíruje = metoda nejbližší soused).
4. Uveďte principy metody skeletizace rastrových (binárních) obraz.
Skeletizace je zjednodušování liniových binárních obrazů. Nejprve se určí hranice (kontura) množiny zkoumané pixelů. Následně se určí množina násobných pixelů v hranici. Jestliže hranici tvoří už jen násobné pixely, tak je skelet hotový, jinak odstraň z množiny zkoumaných pixelů hraniční pixely, které nejsou násobné a začni od začátku.
Hraniční pixel má alespoň jednoho přímého souseda s hodnotou 0.
Násobný pixel je pixel, jehož sousedi mají následující strukturu (případně rotovanou)
Pixel označený 2 je hraniční pixel, 2+ je hraniční nebo násobný pixel.
Alespoň jeden ze skupin A,B,C musí být nenulový
Okruh 5
1. Uveďte příklad datového modelu síťového grafu (hrana - uzel) v relační databázi.
2. Uveďte příklad datového modelu areálového grafu v relační databázi.
3. Uveďte princip metody Best Search pro nalezení kritické cesty v síťovém grafu.
Inicializace: Pro každý uzel ui(U, ui(u0 položme d_pathi=(, d_path0=0, a položme každý uzel ui(U c_pathi=NULL.
Výběr pivota: Položme c_pathi=d_pathi pro takový ui, pro který je c_pathi=NULL, d_path