Filtro médio ou Categoria de filtro médio. Processamento digital de sinais e imagens (DSP e DIP). Abstrato. O artigo é um guia prático para filtro médio, ou entendimento e implementação de filtro médio. Artigo contém teoria, código-fonte C, instruções de programação e aplicação de exemplo. 1. Introdução ao filtro médio, ou filtro médio Filtro médio. Ou filtro médio é o filtro de janela da classe linear, que suaviza o sinal (imagem). O filtro funciona como low-pass um. A idéia básica por trás do filtro é para qualquer elemento do sinal (imagem) ter uma média em toda a sua vizinhança. Para entender como isso é feito na prática, vamos começar com a idéia da janela. 2. Janela de filtro ou máscara Vamos imaginar, você deve ler uma carta eo que você vê no texto restrito pelo buraco em stencil especial como este. Assim, o resultado da leitura é t sadio. Ok, vamos ler a carta novamente, mas com a ajuda de outro estêncil: Agora o resultado da leitura t é som 240. Vamos fazer a terceira tentativa: Agora você está lendo a letra t como som 952. O que acontece aqui Para dizer que Na linguagem matemática, você está fazendo uma operação (leitura) sobre o elemento (letra t). E o resultado (som) depende do elemento vizinhança (letras ao lado de t). E esse estêncil, que ajuda a pegar a vizinhança do elemento, é janela Sim, a janela é apenas um estêncil ou padrão, por meio do qual você está selecionando o elemento vizinhança 0151 um conjunto de elementos em torno do dado 0151 para ajudá-lo a tomar uma decisão. Outro nome para a janela de filtro é máscara 0151 máscara é um estêncil, que esconde elementos que não estão prestando atenção. Em nosso exemplo, o elemento em que estamos operando está posicionado à esquerda da janela, na prática no entanto sua posição usual é o centro da janela. Vejamos alguns exemplos de janelas. Em uma dimensão. FIG. 4. Janela ou máscara de tamanho 5 em 1D. Em duas dimensões. FIG. 5. Janela ou máscara de tamanho 3times3 em 2D. Em três dimensões. Pense em construir. E agora mdash sobre quarto nesse edifício. O quarto é como janela 3D, que corta alguns subespaço de todo o espaço do edifício. Você pode encontrar janela 3D em volume (voxel) processamento de imagem. 3. Compreender filtro médio Agora vamos ver, como ldquotake uma média através de elementos de vizinhança. A fórmula é simples 0151 somar elementos e dividir a soma pelo número de elementos. Por exemplo, vamos calcular uma média para o caso, representada na fig. 7. FIG. 7. Tomando uma média. E isso é tudo. Sim, nós apenas filtraram o sinal 1D pelo filtro médio Deixe-nos fazer o resumo e escrever para baixo instruções passo a passo para processar pelo filtro médio. Filtro médio ou algoritmo médio de filtragem: Coloque uma janela sobre o elemento Pegue uma média de 0151 somando elementos e divida a soma pelo número de elementos. Agora, quando temos o algoritmo, é hora de escrever algum código mdash vamos descer para a programação. 4. 1D média filtragem programação Nesta seção desenvolvemos 1D médio filtro com janela de tamanho 5. Vamos ter 1D sinal de comprimento N como entrada. O primeiro passo é colocar a janela 0151 fazemos isso alterando o índice do elemento principal: Preste atenção, que estamos começando com o terceiro elemento e terminando com o último mas dois. O problema é que não podemos começar com o primeiro elemento, porque neste caso a parte esquerda da janela de filtro está vazia. Discutiremos abaixo, como resolver esse problema. A segunda etapa está tomando a média, ok: Agora, deixe-nos anotar o algoritmo como a função: O elemento do tipo poderia ser definido como: 5. Tratar bordas Para todos os filtros da janela há algum problema. Isso é tratamento de borda. Se você colocar a janela sobre o primeiro (último) elemento, a parte esquerda (direita) da janela estará vazia. Para preencher a lacuna, o sinal deve ser estendido. Para o filtro médio há uma boa idéia para estender sinal ou imagem simetricamente, como este: Então, antes de passar sinal para a nossa função de filtro média o sinal deve ser estendido. Vamos escrever o invólucro, que faz todos os preparativos. Como você pode ver, nosso código leva em conta algumas questões práticas. Em primeiro lugar, verificamos que os nossos parâmetros de entrada 0151 não devem ser NULL eo sinal deve ser positivo: Segundo passo 0151, verificamos o caso N1. Este caso é especial, porque para construir a extensão precisamos de pelo menos dois elementos. Para o sinal de 1 comprimento de elemento o resultado é o próprio sinal. Também preste atenção, nosso filtro médio funciona no local, se o resultado do parâmetro de saída for NULL. Agora vamos alocar memória para extensão de sinal. E verificar a alocação de memória. Implementação de filtragem FIR em C (Parte 3) Parte 2 mostrou um exemplo de um filtro FIR em C usando ponto fixo. Este tutorial sobre filtragem de FIR mostra como aplicar vários filtros FIR diferentes para os mesmos dados de entrada. Os exemplos para esta parte são também em ponto fixo. O exemplo é um único arquivo C com o código de filtro FIR na parte superior e um pequeno programa de teste na parte inferior. Em uma implementação real, você provavelmente deseja dividir o código em vários arquivos. Clique no link a seguir para obter uma versão em PDF do exemplo de código: O exemplo de código é mostrado abaixo: Existem algumas diferenças no exemplo de código da Parte 2. Primeiro, criei uma função para armazenar as amostras de entrada na matriz de entrada de amostra (FirStoreNewSamples). Esta função é chamada uma vez para cada bloco de amostras de entrada que são processadas. A função de chamada passa em um ponteiro para as novas amostras de entrada eo número de novas amostras para copiar. A função retorna o endereço no qual aplicar o filtro FIR. Em segundo lugar, adicionei uma função para mover as amostras após o processamento de um bloco de amostras (firMoveProcSamples). Novamente, esta função é chamada uma vez por bloco de amostras, não uma vez por filtro FIR aplicado. A função de filtragem de FIR (firFixed) tem a mesma lista de argumentos que no exemplo da Parte 2, mas o argumento de entrada é um pouco diferente neste caso. O ponteiro de entrada passado deve ser o endereço retornado da função firStoreNewSamples, em vez de um ponteiro para o buffer de entrada de amostra. O programa de teste mostra um exemplo em que dois filtros FIR diferentes são aplicados aos mesmos dados de saída. Primeiro um arquivo de entrada é aberto (para amostras de entrada) e dois arquivos de saída são abertos (um para cada filtro). No circuito de processamento de amostras, um bloco de até 80 amostras é lido e armazenado na matriz de trabalho para os filtros. Em seguida, o filtro passa-faixa de 63 tap é aplicado chamando firFixed eo bloco de amostras de saída é gravado no arquivo. Em seguida, é aplicado o filtro de média móvel de 8 derivações e as amostras de saída são escritas para um ficheiro diferente. Finalmente, o buffer de amostra é deslocado para se preparar para o próximo bloco de amostras de entrada. O código que eu tenho mostrado funciona para muitos filtros que você deseja implementar. Lembre-se de manter o controle do comprimento máximo da extensão do filtro e do tamanho do bloco de amostra de entrada e alterar as instruções definidas apropriadamente. Isso conclui meu tutorial sobre filtros básicos de FIR. Como este: Deixe uma resposta Cancelar resposta Obrigado por postar tutorial muito agradável. Gostaria de implementar o seu exemplo no controlador AVR Atmega16. Eu tenho a função ADC ReadADC (0x00) que lê o valor 10bits do ADC Registers. Onde deve i introduzir o valor ADC para o exemplo acima. Eu sou novo para o programa controlador, vou ser grato por seus guias e sugestões. Guie-me por favor onde eu devo fazer as mudanças necessárias no exemplo acima. Abdul, obrigado pelo elogio. Você deve ler os seus ADC amostras em uma matriz e, em seguida, passar o endereço da matriz para a função firFixed como o segundo argumento. No programa principal, eu li amostras de um arquivo para a matriz chamada 8220input8221. Em seu código você deve ler amostras ADC em uma matriz semelhante. No exemplo, processei 80 amostras por vez, mas você deve alterar esse valor para o que é apropriado para sua aplicação. O processamento de uma amostra de cada vez minimizaria o atraso através do filtro, mas seria o mais caro em termos de ciclos. Caro Shawn, obrigado pela sua resposta. Eu li ADC valor como inputSAMPLESADCRead (0x00), e passou o endereço do inputSAMPLES para a função firStoreNewSamples como inp firStoreNewSamples (ampinputSAMPLES, size). Estou confuso sobre o tamanho inteiro. Como o tamanho é o comprimento, você poderia me sugerir o que deve ser o valor do tamanho. Desde FirFixed função tem cinco argumentos como firFixed (coeffs, inp, saída, tamanho, FILTERLEN) e inp é lido de firStoreNewSamples. Meu programa está listado abaixo gentilmente chek-lo. Eu estaria agradeço completamente a você, obrigado. Incluir include include definir ADCVREFTYPE 0x20 definir PWM1DCReg OCR1A número máximo de entradas que podem ser tratadas em uma chamada de função definir MAXINPUTLEN 25 comprimento máximo de filtro que pode ser manipulado definir MAXFLTLEN 16 buffer para manter todas as amostras de entrada definir BUFFERLEN (MAXFLTLEN 8211 1 MAXINPUTLEN ) Para armazenar amostras de entrada int16t insamp BUFFERLEN definir SAMPLES 25 FIR init void firFixedInit (void) memset (insamp, 0, sizeof (insamp)) armazenar novas amostras de entrada int16t firStoreNewSamples (int16t inp, comprimento int) colocar as novas amostras no alto Fim do buffer memcpy (ampinsampMAXFLTLEN 8211 1, inp, comprimento sizeof (int16t)) retorna o local no qual aplicar o retorno de filtragem ampinsampMAXFLTLEN 8211 1 move amostras processadas void firMoveProcSamples (comprimento int) desloca as amostras de entrada de volta no tempo para a próxima vez memmove (Ampinsamp0, ampinsamplength, (MAXFLTLEN 8211 1) sizeof (int16t)) a função de filtro FIR void firFixed (int16t coeffs, int16t input, i Nt16t output, comprimento int, int filterLength) int32t acc acumulador para MACs int16t coeffp ponteiro para coeficientes int16t inputp ponteiro para amostras de entrada int n int k aplicar o filtro para cada amostra de entrada para (n 0 n lt comprimento n) calcular a saída n coeffp coeffs Inputp ampinputn carga arredondamento constante acc 1 ltlt 14 executar o multiplicar-acumular para (k 0 k 0x3fffffff) acc 0x3fffffff else if (acc gt 15) Baixa freqüência de corte de passagem 1000Hz, Freqüência de amostragem 8915Hz. Define FILTERLEN 16 int16t coeffs FILTERLEN 0xFF45, 0xFE83, 0xFDB2, 0xFFC9, 0x088E, 0x18A4, 0x2B29, 0x37A, 0x37AF, 0x2B29, 0x18A4, 0x088E, 0xFFC9, 0xFDB2, 0xFE83, 0xFF45 PORTA 0x00 DDRA 0x00 PORTB 0x00 DDRB 0xff PORTC 0x00 DDRC 0xff PORTD 0x00 DDRD 0x20 PIND.5 Filtro Saída void InitADC (void) ADMUX ADCVREFTYPE amp 0xff Selecionar canal 0 ADCSRA 0xC4 Ativar ADC amp start 1: st dummy conversão int16t ReadADC (canal de canal não assinado) int16t ADCValue Canal ADMUX (ADCVREFTYPE amp 0xff) (10) Atraso necessário para a estabilização da tensão de entrada do ADC ADCSRA 0x40 Iniciar a conversão enquanto ((ADCSRA amp 0x10)) Verificar se a conversão está pronta ADCSRA 0x10 Limpar Conversão pronta sinalizador configurando o bit ADCValue ADCL Ler primeiro 8 bits baixos (importante) ADC valor (int) ADCH ltlt 8 Leitura 2 bits altos e multiplicação com 256 void timer1 (void) Inicialização TimerCounter 1 Fonte do relógio: Relógio do sistema Valor do relógio: 8000.000 kHz Modo: Modulação de largura de pulso de 8 bits Saída OC1A: Não Inv. Saída OC1B: Discon. A freqüência de saída PWM é dobrada Noise Canceler: Off91,09 Captura de entrada na borda de queda TCCR1A 0x91 TCCR1B 0x09 TCNT1H 0x00 TCNT1L 0x00 ICR1H 0x00 ICR1L 0x00 OCR1AH 0x00 OCR1AL 0x00 OCR1BH 0x00 OCR1BL 0x00 Inicializar todos os dispositivos cli () Limpar tudo Interrupções InitPort () InitADC () Int size int1t inputSAMPLES int16t outputSAMPLES int16t inp inicializar o filtro firFixedInit () processar todas as amostras lê amostras do tamanho do arquivo fread (entrada, sizeof (int16t), SAMPLES, infid) inputSAMPLES ReadADC (0x00) As amostras em matriz de trabalho inP firStoreNewSamples (ampinputSAMPLES, size) aplicam cada filtro firFixed (coeffs, inp, output, size, FILTERLEN) movem amostras processadas firMoveProcSamples (tamanho) while (tamanho 0) Inicialização de interrupções externas INT0: Off INT1: MCUCR 0x00 MCUCSR 0x00 Temporizador (s) Contador (es) Inicialização de interrupções TIMSK 0x83 Analógico Inicialização do comparador Comparador analógico: Desligado Comparador analógico Captura de entrada por TimerCounter 1: Desligado ACSR 0x80 SFIOR 0x00 sei () Ativar interrupção global PWM1DCReg saída de saída para filtro PORTB Alternar porta de saída para permitir a medição de ISR Taxa de amostragem PORTC ADCH Verificar o resultado ADCH Status Há um número de coisas erradas com seu código. Parece que você está lendo apenas uma amostra por vez, por isso faria sentido alterar a definição SAMPLES para 1 (ou apenas usar uma variável em vez de uma matriz). O 8220size8221 era originalmente o número de amostras lidas do arquivo no meu exemplo. Você deve apenas passar 1 vez se você estiver fazendo 1 amostra de cada vez. O loop do deve ser eliminado completamente já que você não está mais lendo um arquivo. Você deve estar pesquisando a interrupção do timer ou escrevendo um ISR para que você possa ler o ADC periodicamente (8000 ou 8915 vezes por segundo, a julgar por comentários no seu código). E você provavelmente precisará gravar em seu registro de saída sempre que tiver uma nova saída. Eu também recomendo começar com um programa mais simples onde você simplesmente ler o ADC e, em seguida, saída o que você lê. Depois de ter esse trabalho, coloque o código de filtro. Espero que ajude. Caro Shawn, Obrigado pelo seu guia e sugestão. Eu sou novo para a programação do controlador eu preciso começar primeiro muito mais simples exemplo. Estou muito interessado em aprender programação do controlador, se possível, por favor me sugerir como devo começar. Eu tenho o conhecimento de começo da arquitetura de ATR ATmega série 8-bit microcontroladores. E estou usando o AVR Studio para programar o controlador. Por favor, me orientar como devo começar a trabalhar no controlador. Abdul. Meu conselho seria começar com alguns programas de exemplo que vêm com seu kit de desenvolvimento (ou ferramentas, ou em outro lugar) e certifique-se de que você pode obtê-los funcionando corretamente. Em seguida, tente experimentar modificando esses programas. Uma vez que você se cansar com isso, tente fazer seu próprio programa. Comece com algo simples como configurar o ADC e ler a partir dele. Em seguida, adicione mais funcionalidade um passo de cada vez. Adicione algum código para configurar o temporizador e verifique se ele funciona. Adicione código para pesquisar a interrupção do temporizador. Em seguida, tente codificar uma rotina de serviço de interrupção (ISR). Em seguida, adicione código ao ISR para ler o ADC. O truque é escrever uma pequena quantidade de código de cada vez e verificar se ele funciona a cada passo do caminho. Isso geralmente é mais fácil do que escrever um monte de código de cada vez e, em seguida, tentar depurar tudo de uma vez (especialmente se você estiver fazendo algo que é novo para você). Caro Shawn, Muito obrigado pela sua valiosa sugestão. E eu espero ansiosamente pela sua ajuda se eu encontrei qualquer problema na programação no futuro. Obrigado novamente. Shawn, estou tentando fazer um equalizador gráfico usando filtros FIR e isso tem sido bastante útil até agora. Mas eu queria saber se você tem alguma informação sobre como aplicar o ganho para a saída de cada banda Hi Joseph. Para um equalizador gráfico, você deseja aplicar um ganho a cada banda multiplicando o resultado final da filtragem por um número entre 0 e 1. Assim, cada filtro deve ter um ganho máximo de 1 (na freqüência central) e então você deve Têm um conjunto de ganhos para cada banda. É melhor expressar os ganhos em dB (decibelios) se fizer uma exibição gráfica ou controle (como um controle deslizante). O ganho em dB é 20log10 (g) onde g é o valor de multiplicação (entre pouco acima de 0 e 1). Então -6 dB corresponde a um ganho de cerca de 0,5. Isso é 20log10 (0,5) é aproximadamente -6. A fórmula inversa é g pow10 (G20) onde G é o ganho em dB. Portanto, se o ganho for -24 dB, o valor multiplicador é g pow10 (-2420) 0,063. A razão para usar decibéis é porque a percepção de sonoridade segue uma escala logarítmica. Espero que isso te ajude. Oi Shawn, Great tutorial Seu blog tem muito mais material prático do que a maioria dos livros de processamento de sinal. Eu tenho um par de follow-up perguntas sobre o seu tutorial e seria ótimo se você poderia me apontar na direção certa. Estou tentando implementar (em hardwareverilog) um mac de 32 bits com 2 entradas de 16 bits. Se eu quiser armazenar de volta o resultado de 32 bits em um registro de 16 bits, eu entendo que para a multiplicação assinada assinada de ponto fixo precisamos apenas (sem arredondamento) extrair o bit 30 a 15 (e não 31 devido ao sinal duplo). 1) Estou um pouco confuso se eu precisar de hardware diferente para assinado multiplicação fracionária e inteiro puro multiplicar. Digamos que eu use dois registros separados de 16 bits para armazenar o resultado de 32 bits da multiplicação. Você acha que basta usar um deslocador condicional entre o resultado multiplicador de 32 bits (imediatamente após o hardware multplier) e antes de armazená-lo em 2 registros separados seria suficiente O deslocamento condicional deslocamento deixado por 1 para fracionário multiplicar e deslocando por 0 para multiplicar Agradecimentos Para o comentário. Sua segunda pergunta parece ter sido perdida. Para responder a sua primeira pergunta, você deve ser capaz de usar o mesmo multiplicador para multiplicação de ponto inteiro e ponto fixo, tal como você descreveu. Para o multiplicador de ponto fixo, há um caso especial de que você precisa estar atento, que é a multiplicação -1 por -1 (onde -1 é 0x8000 na fracionária Q.15). Quando você multiplica 0x8000 por 0x8000, o resultado será 0x4000,0000. Se você mudar isso deixou você acabar com 0x8000,0000, então o resultado final é que -1 vezes -1 é igual a -1. Algumas maneiras de lidar com isso são: 1) Nunca multiplique -1 por -1 2) Sature o resultado a 0x7FFF, FFFF 3) Levante um sinalizador de estouro e lidar com o erro de alguma forma. Espero que help. Mean Filter Nomes comuns: filtragem média, suavização, média, filtro de caixa Breve Descrição Filtragem média é um método simples, intuitivo e fácil de implementar de suavização de imagens, ou seja, reduzir a quantidade de variação de intensidade entre um pixel e o próximo . É frequentemente utilizado para reduzir o ruído nas imagens. Como Funciona A idéia de filtragem média é simplesmente substituir cada valor de pixel em uma imagem pelo valor médio (médio) de seus vizinhos, incluindo a si mesmo. Isto tem o efeito de eliminar valores de pixel que não são representativos do seu ambiente. A filtragem média é geralmente considerada como um filtro de convolução. Como outras circunvoluções, ela é baseada em um kernel. Que representa a forma e o tamanho da vizinhança a ser amostrada ao calcular a média. Muitas vezes um núcleo quadrado 32153 é usado, como mostrado na Figura 1, embora núcleos maiores (por exemplo, 52155 quadrados) possam ser utilizados para uma suavização mais severa. (Observe que um kernel pequeno pode ser aplicado mais de uma vez para produzir um efeito similar, mas não idêntico, como uma única passagem com um kernel grande.) Figura 1 32153 kernel de média freqüentemente usado na filtragem média Calculando a convolução direta de uma imagem com Este kernel realiza o processo médio de filtragem. Diretrizes de Uso A filtragem média é mais comumente usada como um método simples para reduzir o ruído em uma imagem. Ilustramos o filtro usando mostra o original corrompido por ruído gaussiano com uma média de zero e um desvio padrão () de 8. mostra o efeito da aplicação de um filtro médio 32153. Observe que o ruído é menos aparente, mas a imagem foi suavizada. Se aumentarmos o tamanho do filtro médio para 52155, obtemos uma imagem com menos ruído e menor detalhe de alta freqüência, como mostrado na imagem. A mesma imagem mais severamente corrompida por ruído gaussiano (com uma média de zero e um de 13) é mostrada In é o resultado da filtragem média com um kernel 32153. Uma tarefa ainda mais desafiadora é fornecida por mostra o efeito de suavizar a imagem barulhenta com um filtro médio 32153. Uma vez que os valores de pixel de ruído de disparo são muitas vezes muito diferentes dos valores envolventes, tendem a distorcer significativamente a média de pixel calculada pelo filtro médio. Usando um filtro 52155 em vez disso Este resultado não é uma melhoria significativa na redução de ruído e, além disso, a imagem está agora muito desfocada. Estes exemplos ilustram os dois principais problemas com filtragem média, que são: Um único pixel com um valor muito não representativo pode afetar significativamente o valor médio de todos os pixels em sua vizinhança. Quando a vizinhança do filtro se estende por uma borda, o filtro irá interpolar novos valores para pixels na borda e, assim, irá desfocar essa borda. Isso pode ser um problema se bordas afiadas são necessárias na saída. Ambos os problemas são abordados pelo filtro mediano. Que é frequentemente um filtro melhor para reduzir o ruído do que o filtro médio, mas toma mais por muito tempo para computar. Em geral, o filtro médio age como um filtro de freqüência de passagem baixa e, portanto, reduz as derivadas de intensidade espacial presentes na imagem. Já vimos esse efeito como um amolecimento dos traços faciais no exemplo acima. Agora considere a imagem que representa uma cena contendo uma gama mais ampla de diferentes freqüências espaciais. Depois de suavizar uma vez com um filtro médio 32153, obtemos Note que as informações de baixa frequência espacial no fundo não foram afetadas significativamente pela filtragem, mas as bordas (uma vez nítidas) do sujeito do primeiro plano foram suavemente suavizadas. Após a filtragem com um filtro 72157, obtemos uma ilustração ainda mais dramática deste fenômeno em comparar este resultado com o obtido passando um filtro 32153 sobre a imagem original três vezes em Variantes Comuns. Variações no filtro de alisamento médio discutido aqui incluem a Determinação de Limiar em que O alisamento é aplicado sujeito à condição de que o valor do pixel central seja alterado somente se a diferença entre seu valor original e o valor médio for maior que um limiar predefinido. Isso tem o efeito de que o ruído é suavizado com uma perda menos dramática no detalhe da imagem. Outros filtros de convolução que não calculam a média de um bairro também são freqüentemente usados para suavização. Um dos mais comuns destes é o filtro de alisamento gaussiano. Experimentação interativa Você pode interativamente experimentar com este operador clicando aqui. O filtro médio é calculado usando uma convolução. Você pode pensar em quaisquer maneiras pelas quais as propriedades especiais do kernel de filtro médio podem ser usadas para acelerar a convolução Qual é a complexidade computacional desta convolução mais rápida Use um detector de borda na imagem e observe a força da saída. Em seguida, aplique um filtro de média 32153 à imagem original e execute o detector de borda novamente. Comente sobre a diferença. O que acontece se um filtro 52155 ou 72157 for usado Aplicar duas vezes um filtro médio 32153 não produz o mesmo resultado que aplicar um filtro 52155 médio uma vez. No entanto, um núcleo de convolução 52155 pode ser construído o que é equivalente. Como funciona este kernel Crie um kernel de convolução 72157 que tenha um efeito equivalente a três passagens com um filtro médio 32153. Como você acha que o filtro médio iria lidar com o ruído gaussiano que não era simétrico em torno de zero Tente alguns exemplos. Referências R. Boyle e R. Thomas Visão de Computador: Um Primeiro Curso. Blackwell Scientific Publications, 1988, pp 32 - 34. E. Davies Visão da Máquina: Teoria, Algoritmos e Práticas. Academic Press, 1990, cap. 3. D. Vernon Machine Vision. Prentice-Hall, 1991, Cap. 4. Informações locais Informações específicas sobre este operador podem ser encontradas aqui. Mais informações gerais sobre a instalação local do HIPR estão disponíveis na seção Introdução às Informações Locais.
No comments:
Post a Comment