信号処理

画像があり、その詳細の量を測定したいと思います。もう1つの見方は、画像のぼやけ具合を測定することです。1つの方法は、画像のフーリエ変換で高周波成分を分析することです。 他の/より良い方法はありますか？

16 image-processing  fourier-transform 

でカーディナルシリーズの約5つのショートストーリー 、著者は次のようにコメントします：[ 1 ][1][1] 興味深いことに、シャノンは、他のデータセットを使用して帯域制限された信号を決定することもできることに言及しています。たとえば、fの値と他のすべてのサンプルポイントでのその一次導関数、ƒの値、 3番目のサンプルポイントごとの2次導関数など。 この論文ではいくつかの歴史的な発展について言及していますが、派生サンプリングのための「キラーアプリ」とは何なのか興味があります。他の名前でも通じますか？このアプローチのさらなる一般化はありますか？ 簡単な概要、またはいくつかの参照へのポインタは素晴らしいでしょう。 - JRヒギンズ、枢機seriesシリーズに関する5つの短編小説。アメル。数学。Soc。（NS）12（1985）、いいえ。1、45-89。http://bit.ly/plioNg

16 sampling 

ガボールウェーブレットは、ガウス変調された正弦波の一種です（ソース） ガボールウェーブレットは、2つのコンポーネント、複素正弦波キャリアとガウスエンベロープから形成されます。（ソース） そして 実際、図2aに示すウェーブレット（Morletウェーブレットと呼ばれる）は、ガウスエンベロープ（赤い曲線）を掛けた正弦波（図2bの緑の曲線）にすぎません。（ソース） これらは同じものの異なる名前ですか？ 更新： 「ガボール変換」と混同しないでください。「ガボール変換」は、「ガウスウィンドウを使用したSTFT」の単なる別の名前のようです。Gabor atomもありますが、これはGaborウェーブレットと同じでしょうか？ math.SEでこれを尋ねてから、「Gabor / Morlet wavelet」や「Gabor-Morlet transform」などの用語も見つけました。それらは同じものであることを暗示しています。 また、これは以前に尋ねられました：Gabor transform / wavelet vs. Morlet waveletしかし、答えは私には明らかではありません。

16 wavelet  terminology  time-frequency 

IIRフィルターは、直接形式1または2として実装できます。しかし、どのフォームを使用するかをどのように決定しますか？それぞれの長所と短所は何ですか？

16 filters  infinite-impulse-response 

ガウスホワイトノイズで構成される信号があるとしnnnます。我々はを乗じて、この信号を変調した場合sin2ωtsin⁡2ωt\sin 2\omega t、得られる信号は、まだ白いパワースペクトルを持っていますが、はっきりとノイズが今の時間に「束ね」です。これは周期定常プロセスの例です。 x(t)=n(t)sin2ωtx(t)=n(t)sin⁡2ωtx(t) = n(t) \sin2\omega t ここで、サインおよびコサイン局部発振器と混合して、周波数でこの信号を復調し、ωω\omegaIおよびQ信号を形成すると仮定します。 I=x(t)×sinωtI=x(t)×sin⁡ωtI = x(t) \times \sin\omega t Q=x(t)×cosωtQ=x(t)×cos⁡ωtQ = x(t) \times \cos\omega t x(t)x(t)x(t)（よりはるかに長い時間間隔で取得）のパワースペクトルが白色であることを単純に観察すると、IとQの両方に同じ振幅の白色ガウスノイズが含まれている1/f1/f1/fことが予想されます。ただし、実際に起こることは、I求積法が高分散で時系列x （t ）の部分を選択的にサンプリングし、Qが90度位相がずれて低分散の部分をサンプリングすることです。IIIQQQIIIx(t)x(t)x(t)QQQ その結果、Iのノイズスペクトル密度はQの 33–√3\sqrt{3}倍。QQQ 明らかに、変調ノイズを記述するのに役立つパワースペクトルを超えるものが必要です。私の分野の文献には、上記のプロセスを説明する多くのアクセシブルな論文がありますが、信号処理/ EEコミュニティによってより一般的にどのように扱われるかを学びたいです。 周期定常ノイズの理解と操作に役立つ数学ツールは何ですか？ 文献への参照も歓迎します。 参照： Niebauer他、「非定常ショットノイズと干渉計の感度への影響」。物理学 牧師A 43、5022から5029まで。

16 noise  modulation  cyclostationary-random-process 

画像/信号処理のコンテキストでは、たとえば4つのサンプルがあり、それらの4つのサンプルの平均を取る場合、結果サンプルはローパスフィルター処理された出力サンプルであることがわかります。これは、画像処理のコンテキストに非常に関連しています。次に、ハイパスフィルタリングを意味する操作とは、最大4つのサンプルを見つけてそれを出力サンプルとすること、または他の数学的操作が平均化がローパスフィルタリングを意味するため、ハイパスフィルタリングを意味することです。

16 lowpass-filter  highpass-filter 

Matlabでシミュレートしているワイヤレス通信システムがあります。送信信号の位相をわずかに調整することで、透かしを入れています。私のシミュレーションでは、元のI（同相）およびQ（直交）値を取得し、透かしを追加します。次に、送信後のビットエラーレートをシミュレートする必要があります。ここでは、信号にさまざまな量の熱ノイズを追加するだけです。 IおよびQチャネルとして表される信号があるため、AWGN（加法性ホワイトガウスノイズ）をIおよびQに直接追加するのが最も簡単です。1つの考えは、両方のチャネルに独立してノイズを追加することでしたが、私の直感では、これは信号全体にノイズを追加することと同じではないと教えてくれます。 それでは、この形式のノイズをどのように追加できますか？

16 noise  gaussian 

これらの制約/品質メトリックを使用して、ローパスフィルターしたい2D画像があります。 画像に光を「追加」できないため、結果の各ピクセルは入力の対応するピクセル以下でなければなりません。 ローパスカットオフ周波数は、実験するためのパラメーターである必要があります このフィルターを繰り返し適用しても、結果が大きく変わることはありません。 このアルゴリズムの実行にかかる時間（5MPixイメージの場合は5分が妥当と思われる） 除去される光の量を最小限に抑えます。 以下は、私が試したいくつかのアプローチとその欠点です。 通常のガウスフィルター。次に、制約1に準拠するように結果をプルダウンします。これは最初の3ポイントに非常によく適合しますが、必要以上に多くの光を減らします。 「上」の放物線を「低」点と「下」の放物線の間に合わせて滑らかにします。これは1Dでうまく機能しますが、最初に水平に適用し、次に垂直に適用すると2Dで悪い結果になります。時間がかかりますが、私のアプリケーションにとってはそれほど長くはありません。ただし、このフィルターを繰り返し適用すると、結果が大幅に変わります。（1D）入力が完全な「下向き」放物線である場合（これはフィルタリングしないでください）、開始/終了にある2つの「上向き」放物線に置き換えられます。 最適なパラメーターを見つけるために、2Dの「基本」関数と線形解法の他の形式を使用します。これは現在のところアイデアであり、まだ実装/テストされていません。 私の信号処理の経験領域はほとんど画像処理のみであるため、信号処理の他の分野で活躍する専門家の意見を取り入れて、この問題の代替案を見つけたいと考えています。 更新2011/08/18 現在の反応に基づいて、典型的な入力のグラフと、最初に説明した3つのアプローチの結果とこれまでに受け取った提案を追加することで、物事をもう少し明確にすることにしました。比較しやすいように、これらの例では1Dフィルタリングのみを使用しました。 入力データ： ガウスフィルター +要件（1）に準拠するようにダウンさせます。 それを下げると、右側で不必要な減光が生じることがわかります。 放物線 私が考える限り、これは非常に優れています。悲しいことに、最初に水平方向を適用してから垂直方向に適用しても、2Dに完全には変換されません。この場合、浮動小数点解像度で近似放物線を評価できることもわかります。これは小さな利点ですが、絶対に必要というわけではありません。 グレースケールエロージョン rwongからの提案に基づいて、グレースケールエロージョンを試しました。「適合」放物線と同じ放物線形状の構造要素を使用しました。結果はほぼまったく同じなので、これは有望に見えます。ただし、まだいくつかの問題があります。1.構造化要素が「十分な大きさ」ではありませんでした（すでに801ピクセルの幅でした）1.「上向き」放物線しかありません。次へ。 中央値フィルタリング 完全を期すためにのみ含まれていますが、実際に必要なものではありません。 生データ 生の入力データ+さまざまなpythonコマンドをpastebinに貼り付けたため、同じデータを試すこともできます。 http://pastebin.com/ASnJ9M0p

16 image-processing  lowpass-filter 

私はこの画像を読みました： 画像を正確に戻すために、FFT（2D）を取得してから、逆FFTを取得しました。参照用にコードが提供されています。 imfft = fft2(photographer); im = uint8(ifft2(imfft)); imshow(im); %Output is same image しかし、フーリエを変更して実際の部分のみを使用すると、 imfft = real(fft2(photographer)); im = uint8(ifft2(imfft)); imshow(im); 私はこのような画像を取得します（サイズの変更は無関係であり、Matlabの図ハンドラから保存するためだけであることに注意してください）： 誰かがその背後にある理論（数学）を説明できますか？ありがとう

16 image-processing  fft  fourier-transform 

対称条件が満たされると、FIRフィルターの位相は線形になります。これは、IIRフィルターには当てはまりません。 ただし、このプロパティを持たないフィルターを適用するのはどのアプリケーションにとって悪いですか？また、悪影響は何ですか？

16 filters  filter-design  fir 

現在、PIL（Python Image Library）を介してPythonで画像処理を行っています。私の主な目的は、免疫組織化学画像内の有色細胞の数を数えることです。関連するプログラム、ライブラリ、関数、チュートリアルが存在することを知っており、それらのほとんどすべてをチェックしました。私の主な目標は、可能な限りゼロから手動でコードを書くことです。したがって、私は多くの外部ライブラリと関数の使用を避けようとしています。ほとんどのプログラムを作成しました。そのため、次の手順を順を追って説明します。 プログラムは画像ファイルを取り込みます： そして、赤のセルに対してそれを処理します（基本的に、赤の特定のしきい値を下回るRGB値をオフにします）。 そして、それのブールマップを作成します（それは大きいので、その一部を貼り付けます）。基本的に、上の処理された2番目の画像の赤いピクセルに出会う場所に1を置くだけです。 22222222222222222222222222222222222222222 20000000111111110000000000000000000000002 20000000111111110000000000000000000000002 20000000111111110000000000000000000000002 20000000011111100000000000000000001100002 20000000001111100000000000000000011111002 20000000000110000000000000000000011111002 20000000000000000000000000000000111111002 20000000000000000000000000000000111111102 20000000000000000000000000000001111111102 20000000000000000000000000000001111111102 20000000000000000000000000000000111111002 20000000000000000000000000000000010000002 20000000000000000000000000000000000000002 22222222222222222222222222222222222222222 そのブールマップ内の1のグループの数を数えるのに役立つように、2の境界でフレームのようなものを意図的に生成しました。 皆さんへの私の質問は、どうしてそのようなブールマップのセル（1のグループ）の数を効率的に数えることができるのでしょうか？私はhttp://en.wikipedia.org/wiki/Connected-component_labelingを見つけましたが、これは非常に関連性があり、似ているように見えますが、見た限りではピクセルレベルです。私のものはブールレベルです。1と0だけです。 どうもありがとう。

16 python 

100Hzで測定される信号があり、この信号にSavitzky-Golay平滑化フィルターを適用する必要があります。ただし、綿密な検査では、信号は完全に一定の速度で測定されず、測定間のデルタは9.7〜10.3 msの範囲です。 等間隔ではないデータにSavitzky-Golayフィルターを使用する方法はありますか？他に適用できる方法はありますか？

16 filters  smoothing 

まず、これが正しいStack Exchangeボードであることを願っています。そうでない場合、私の謝罪。 カメラのキャリブレーションを必要とするものに取り組んでいます。OpenCV（C ++）でこれを行うためのコードを正常に実装しました。内蔵のチェス盤機能と印刷したチェス盤を使用しています。 インターネットには、チェス盤の複数のビューを提供し、各フレームからコーナーを抽出することを述べた多くのチュートリアルがあります。 最も正確なカメラキャリブレーションを取得するために、関数に与える最適なビューのセットはありますか？キャリブレーションの精度に影響を与えるものは何ですか？ たとえば、何も動かさずに同じビューの5つの画像を与えると、ウェブカメラフィードを歪ませようとすると、まっすぐな結果が得られます。 ご参考までに：非対称円のグリッドとそれぞれのOpenCV関数を使用することで、より良いカメラキャリブレーションが必要であることが最近わかりました。

16 image-processing  camera  opencv 

誰でもケプストラム平均正規化、畳み込みの等価性がこれにどのように影響するかについて説明できますか？MFCCベースの話者認識でCMNを実行する必要がありますか？畳み込みの性質がMFCCの基本的な必要性である理由 私はこの信号処理に非常に新しいです。助けてください

15 mfcc 

フーリエ変換では、同じ周波数で異なる位相の成分を区別できないことを読みました。たとえば、Mathoverflowまたはxrayphysicsでは、「フーリエ変換では同じ周波数で2つの位相を測定することはできません」という質問のタイトルがありました。 なぜ数学的にこれが本当ですか？

15 fourier-transform  fourier