他の人はあなたがどのようにスムージングを行うかについて言及していますが、スムージングがなぜ機能するのかについて言及したいと思います。
信号を適切にオーバーサンプリングすると、サンプルごとに変化が比較的少なくなり(サンプル=タイムポイント、ピクセルなど)、全体的に滑らかな外観が期待されます。つまり、信号には高周波がほとんど含まれていません。つまり、サンプリングレートと同様のレートで変化する信号成分です。
しかし、測定値はノイズによって破損することがよくあります。最初の近似では、通常、ノイズは平均ゼロと、信号の上に単純に追加される特定の標準偏差を持つガウス分布に従うと考えます。
信号のノイズを減らすために、一般的に次の4つの仮定を立てます。ノイズはランダムで、サンプル間で相関がなく、平均がゼロで、信号が十分にオーバーサンプリングされている。これらの仮定により、スライディング平均フィルターを使用できます。
たとえば、3つの連続したサンプルを考えます。信号は非常にオーバーサンプリングされているため、基礎となる信号は線形に変化すると見なすことができます。つまり、3つのサンプルの信号の平均は真ん中のサンプルの真の信号と等しくなります。対照的に、ノイズの平均はゼロであり、無相関です。つまり、平均はゼロになる傾向があります。したがって、3サンプルのスライディング平均フィルターを適用して、各サンプルをそれ自体とその2つの隣接するピクセル間の平均に置き換えます。
もちろん、ウィンドウを大きくすればするほど、ノイズは平均してゼロになりますが、真の信号の線形性の仮定はより小さくなります。したがって、トレードオフを行う必要があります。両方の長所を最大限に活用しようとする方法の1つは、加重平均を使用することです。この場合、距離が離れたサンプルは重みを小さくし、線形から逸脱する場合は真の信号にあまり重みをかけずに、大きな範囲からのノイズ効果を平均します仮定。
重みの付け方は、ノイズ、信号、計算効率、そしてもちろん、ノイズを取り除くことと信号をカットすることとのトレードオフに依存します。
過去数年間に、可変フィルターウィンドウ(異方性拡散)を使用したスムージングスキーム、または実際にウィンドウを使用しないスキームを設計するなど、4つの仮定のいくつかを緩和するために多くの作業が行われていることに注意してくださいまったく(非ローカル手段)。