タグ付けされた質問 「homework」

これらの種類の問題を解決する方法を知りたいです。 以下の線形システムを考えます。システムへの入力が、、場合、システムの応答は、図のように、、です。x1[n]x1[n]x_1[n]x2[n]x2[n]x_2[n]x3[n]x3[n]x_3[n]y1[n]y1[n]y_1[n]y2[n]y2[n]y_2[n]y3[n]y3[n]y_3[n] システムが時不変かどうかを判断します。正解です。 インパルス応答とは何ですか？ 編集： 与えられた入力がようなスケーリングされたインパルスを含まない一般的なケースを想定していますx2[n]x2[n]x_2[n]

11 convolution  linear-systems  homework  deconvolution 

Robertsエッジ検出を使用して画像を処理しようとしています。両方のマスクを画像に適用し、通常どおり畳み込みを実行しますか？グレースケール画像を処理するようにプログラムしようとしているので、誰かがこのエッジ検出方法の使用方法の内訳を教えてくれませんか。両方のカーネルを個別に使用して画像を畳み込みましたが、画像のへこみは正しく見えます。 ありがとう。

10 edge-detection  homework 

それで、フーリエ変換を理解するようになりました。直感的に今、私はそれが何をするのかを明確に理解しており、すぐに数学のいくつかのクラスに従います（したがって、実際の主題です）。しかし、それから私はラプラス変換について読み続けて、そこでそれをちょっと失います。信号の瞬間は何ですか？フーリエ変換がラプラス変換の特別なケースであるのはなぜですか？ラプラス変換にどのように対処できますか？ 私がこの質問をする前に、これらのソースを調べました。 システムの「インパルス応答」と「周波数応答」とはどういう意味ですか？ 異なる周波数領域を区別するにはどうすればよいですか？ 振幅と周波数応答 フーリエ変換がなぜそれほど重要なのですか？ http://en.wikipedia.org/wiki/Laplace_transform

10 fourier-transform  homework  z-transform  reference-request  laplace-transform 

この問題を解決しようとして困っています。この信号の畳み込みを計算する必要があります。 y(t)=e−ktu(t)sin(πt10)(πt)y(t)=e−ktu(t)sin⁡(πt10)(πt)y(t)=e^{-kt}u(t)\frac{\sin\left(\dfrac{{\pi}t}{10}\right)}{({\pi}t)} ここで、u(t)u(t)u(t)はHeavyside関数です よく私はこれらの2つの信号の畳み込みが等しいと言う公式を適用しました Y(f)=X(f)⋅W(f)Y(f)=X(f)⋅W(f)Y(f)=X(f)\cdot W(f) ここで、X(f)X(f)X(f)は最初の信号のフーリエ変換で、W(f)W(f)W(f)は2番目の信号のフーリエ変換です。 e−ktu(t)e−ktu(t)e^{-kt}u(t)フーリエ変換はX(f)=1k+j2πfX(f)=1k+j2πfX(f)=\dfrac{1}{k+j2{\pi}f} 2番目の信号をsinc(t10)sinc(t10)\text{sinc}\left(\dfrac{t}{10}\right) だから私はこの操作をします： sin(πt10)(πt10)(110)sin⁡(πt10)(πt10)(110)\dfrac{\sin\left(\dfrac{{\pi}t}{10}\right)}{\left(\dfrac{{\pi}t}{10}\right)}{\left(\dfrac{1}{10}\right)}これは等しい(110)sinc(t10)(110)sinc(t10){\left(\dfrac{1}{10}\right)}\text{sinc}\left(\dfrac{t}{10}\right) 正しいかどうか？

9 fourier-transform  convolution  homework  1d 

私はコンピュータビジョンのコースをたどっていて、この演習を行っています。手の画像が与えられると、手を開いているか、閉じているか、パンチを開いているか、または「OK」の姿勢を保持しているかを、これまでに提供された手法（ピクセル4/8接続、接続領域、輪郭検出、穴検出、重心のようなブロブプロパティ、面積、周長、偏心、画像モーメント、反転/パワー/ログ/ガンマ補正/コントラストストレッチのような画像変換、ヒストグラム計算とイコライゼーション）。 私はいくつかの基本的なブロブプロパティでそれを行いました（閉じた手は偏心度が低く、「ok」は穴があります、開いた手はブロブの内接楕円の面積と偏心度が低いブロブ領域自体の間に大きな違いがあります） ..動作するようですが、最初の画像は少し問題があります。 より堅牢なアルゴリズムを作成するために、もっと何かがあると思います。たぶん、ある種のモーメントプロパティ？いくつかのblob軸/方向/極値が役立ちますか？ PSテスト画像：

8 computer-vision  homework  object-recognition 

概念的には、たとえばパルス列などのペリロイドシリーズを表現する場合、フーリエ係数を見つけて、時間領域での表現を取得します。 しかし、それを表すために時間シフトされたrect関数の無限の合計を使用することで概念的に何が間違っているのでしょうか？ 申し訳ありませんが、フォーマットの問題があったため、これを下部の投稿に追加します... 私の方法はそのようなものです： 我々は周期的なパルス有すると仮定するとなるように用とのために、したがって、の周期はです。x （t ）x(t)x(t)x （t ）= 1x(t)=1x(t) = 10 &lt; t &lt; T0&lt;t&lt;T0 < t< T000T&lt; t &lt;TpT&lt;t&lt;TpT < t < T_px （t ）x(t)x(t)TpTpT_p 次の方法でフーリエ係数Ckを見つける： Ck =1Tp∫∞- ∞x （t ）∗e- jの2 πk tTpCk=1Tp∫−∞∞x(t)∗e−j2πktTpCk = \frac{1}{T_p} \int_{-\infty}^{\infty} x(t) * e^\tfrac{-j2\pi kt}{T_p} 1周期を超えるため、x（t）を次のように表すことができます。 x （t ）=ΣkCkeJ 2 πk tTpx(t)=∑kCkej2πktTpx(t) …

7 homework 

DFTに問題があります。昨年の試験問題の一つでした。 質問： LET 2-Dフーリエ変換は、2-D連続関数で変換することが 。を使用して、次の各関数の2次元フーリエ変換を導出します。F(u,v)F(u,v)F(u,v)f(x,y)f(x,y)f(x,y)F(:,:)F(:,:)F(:,:) 1）f(x,−2y)f(x,−2y)f(x,-2y) 2）f(x+2y,y)f(x+2y,y)f(x+2y,y) 1次元フーリエ変換の方法は知っていますが、2次元変換はできません。どのように始めればよいのかわからず、ガイダンスが必要です。 第二部では、これが私のアプローチでした。それが正しいかどうか私に知らせてください、またはそれが間違っている場合は私を修正してください。 ましょうしたがっておよび {^ E F（τ、Y）∬=＆{\ F（X + 2Y、Y）} \開始{ALIGN} \ mathfrak {F} \ −j2π（u（τ-2y）+ vy）} dx \ dv \\ \ mathfrak {F} \ {f（x + 2y、y）\}＆=∬f（τ、y）e ^ {−j2π（ uτ+（-2u + v）y）} dx \dτ\\ \ mathfrak {F} \ {f（x + 2y、y）\}＆= F（u、-2u + …

7 fourier-transform  dft  homework