Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula04 - Slides Estudadndo Com o Matlab PDF
Aula04 - Slides Estudadndo Com o Matlab PDF
MATLAB
Curso de Extenso
Docentes:
> Fabiano Araujo Soares
> Marcelino M. de Andrade
Monitor:
>Luan Felipe
Aula 4: Aplicaes - Parte II
1 Parte - Estatstica
Aula 4 - 1 Parte:
Estatstica
1 Parte - Estatstica
Comandos Bsicos para Estatstica:
r = a + (b-a).*rand(n,m);
1 Parte - Estatstica
Exemplo 1:
1 Parte - Estatstica
Exemplo 1: 140
Histograma da Amostra
120
100
Frequncia
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10
Valores
1 Parte - Estatstica
Comandos Bsicos para Estatstica:
r = a + b.*randn(n,m);
1 Parte - Estatstica
Exemplo 2:
1 Parte - Estatstica
Exemplo 2: Histograma da Amostra
300
250
200
Frequncia
150
100
50
0
-10 -5 0 5 10 15 20 25 30
Valores
1 Parte - Estatstica
Comandos Bsicos para Estatstica:
2 Mdia e mediana
2 Mdia e mediana
200
Frequncia
150
100
50
0
-5 0 5 10 15 20 25
Valores
1 Parte - Estatstica
4 Correlao:
100
80
Peso (Kg)
60
40
20
0
150 155 160 165 170 175 180 185 190 195 200
Altura (cm)
1 Parte - Estatstica
Em seguida vamos calcular a correlao entre as
variveis altura e peso.
A resposta encontrada :
1 Parte - Estatstica
Coeficientes de correlao variam entre -1 e 1.
Quanto mais prximo de 1 ou de -1 o coeficiente
de correlao estiver maior a relao entre as
duas variveis. O sinal apenas representa uma
correlao positiva (y cresce a medida que x
cresce) ou negativa (y decresce a medida que x
cresce ou vice versa). Quanto mais prximo de 0 o
coeficiente de correlao estiver menos
correlacionadas as variveis so.
2 Parte Sinais
2 Parte: Processamento
de Sinais
2 Parte Sinais
A disciplina Processamento de Sinais uma
disciplina avanada no curso de engenharia e
exige conhecimentos de transformadas e sries,
convoluo, correlao, filtragem, etc...
0.5
Amplitude
-0.5
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-3
Tempo (s) x 10
0.5
Amplitude
-0.5
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-3
Tempo (s) x 10
0.5
Amplitude
-0.5
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
-3
Tempo (s) x 10
2 Parte Sinais
O problema da filtragem:
600
Amplitude (V)
DEP (V)
0 400
200
-5 0
0 0.5 1 1.5 2 2.5 3 0 20 40 60 80 100 120
Tempo (s) Frequncia (Hz)
1200
1000
Amplitude (V)
DEP (V)
800
0
600
400
200
-5 0
0 0.5 1 1.5 2 2.5 3 0 20 40 60 80 100 120
Tempo (s) Frequncia (Hz)
1200
1000
Amplitude (V)
DEP (V)
800
0
600
400
200
-5 0
0 0.5 1 1.5 2 2.5 3 0 20 40 60 80 100 120
Tempo (s) Frequncia (Hz)
2 Parte Sinais
Exemplo 8:
2 Parte Sinais
50
Magnitude (dB)
0
-50
-100
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Normalized Frequency ( rad/sample)
0
Phase (degrees)
-500
-1000
-1500
-2000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Normalized Frequency ( rad/sample)
2 Parte Sinais
Sinal Filtrado (Domnio do Tempo)
5
Amplitude (V)
0
-5
0 0.5 1 1.5 2 2.5 3
Tempo (s)
Espectro do Sinal Filtrado (Domnio da Frequncia)
600
400
DEP (V)
200
0
0 20 40 60 80 100 120
Frequncia (Hz)
3 Parte Imagens
3 Parte: Processamento
de Imagens
3 Parte Imagens
A disciplina Processamento de Imagens uma
disciplina que deriva do processamento de sinais
(Se pensarmos a respeito, uma imagem nada mais
que um sinal de duas dimenses) e tambm
exige conhecimentos avanados do curso de
engenharia;
I=imread(filename,format);
Imshow(nome_variavel);
imshow(Image(:,:,n));
3 Parte Imagens
imshow(Image(:,:,1));
3 Parte Imagens
imshow(Image(:,:,2));
3 Parte Imagens
imshow(Image(:,:,3));
3 Parte Imagens
possvel ver ento que, em processamento de
imagens, trabalhamos ou com cada matriz de cor
independentemente como se fosse uma imagem
preto e branca (tcnicas clssicas), ou
trabalhamos com as trs componentes de cor
juntas (tcnicas avanadas).
3 Parte Imagens
Exemplo 10: Reamostrando uma imagem:
imhist(nome_imagem)
ImageEq = histeq(Image);
3000
2500
2000
1500
1000
500
5000
4500
4000
3500
3000
2500
2000
1500
1000
500
Obrigado!