タグ付けされた質問 「transform」

Sooo ..私はこのようなことを考えてきました。私たちは皆、私たちが自分の声で聞いているものとは異なる音であることを知っています。自分を録音して聞くことで、他の人が私たちをどのように聞いているかを簡単に見つけることができます。 しかし、他の方法はどうですか？ 自分の声を知覚するときに他の人が私たちの声を聞くことができるように、私たちの声を変える方法はありますか？とても興味深い質問だと思います。悲しいことに、Googleで数回検索した後、ウェブ上で何も見つかりませんでした。誰もこれについて考えたことがありませんか、または私が見ていない何らかの理由で不可能ですか？ これに関する任意のリードをいただければ幸いです:)。

18 signal-analysis  audio  transform 

私が聞いたことから、圧縮センシングはスパース信号に対してのみ利用できます。これは正しいです？ その場合、スパース信号と帯域制限信号をどのように区別できますか？すべての信号は、その場合にスパース信号になるよりもスパースまたはゼロ係数の信号部分を含むように拡張できますか？ また、圧縮センシングは常に情報または信号を完全に取得しますか？ 追加：ところで、私はこれらのことを学び始めたばかりなので、この質問の目的はこれらのことを少し味見することです。

16 image-processing  image-compression  transform  compressive-sensing 

Haarウェーブレット変換を実行するとき、合計と差を取得し、各段階で信号全体にます。2–√2\small\sqrt2 逆変換を行う場合、反復ごとに信号にをます。12√12\frac{1}{\sqrt2} この「正規化」は実際に何を表していますか？

12 wavelet  transform 

私はRANSACアルゴリズムを使用して、カメラ間で変換された画像のペアの間のホモグラフィ推定を行います。これらの画像の間には、平行移動はありません（純粋な回転とスケール/ズームの変更）。ケースの半分でうまく機能します。正しい出力は次のようになります。 赤い線はフィルターされた対応であり、四辺形はホモグラフィが遠近法を歪める方法を示しています。 ただし、次のような多くの悪いケースが発生することがあります。 私はすでにRANSACループで簡単なテストを行っています。単純な四角形（単位正方形）を作成し、サンプル変換で変換します。次に、変換が凸性を維持したかどうかを調べます。 しかし、それでも凹面の四辺形の束が出てきます。 ホモグラフィが正しく動作し、正しくないソリューションを除外する場合に、ホモグラフィを適切にテストする方法について何か考えがありますか？ 3つの変換された点が同一線上にないことをテストするコードを見つけました。しかし、三角筋やその他の「無効な」四辺形を除外しないので、これは十分ではないようです...

10 homography  estimation  transform 

たとえばY'UV画像でクロマサブサンプリングを利用するときにデータレートを計算する方法を理解するのに苦労しています。 以下の計算例があります。 画像解像度：352*288 周波数：25 fps 以下のために（：4：4 4）以下のように計算例を行きます： (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s ここまでは順調ですね。 しかし、今来る（4：2：0）： (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s さて、この例を例（4：1：1）に変換しようとすると、1.5カラーチャネルの比率がどのように計算されるかを正しく理解しているかどうかわかりません。 計算の最初の推測は（4：2：0）の場合でした： 2/4*3=1.5 color channels 同様に（4：1：1）の場合、カラーチャネルの比率を次のように計算します。 1/4*3=0.75 color channels …

10 image-processing  image-processing  matlab  fourier-series  wavelet  transform  image-processing  matlab  image  image-processing  image-registration  segmentation  image-processing  edge-detection  canny-edge-detector  tracking  image  fft  stft  image-processing  preprocessing  segmentation  image-processing  computer-vision  image-segmentation  thresholding  frequency-spectrum  wave  image-processing  edge-detection  window-functions  image-processing  optical-flow  image-processing  ocr  text-recognition  image-processing  computer-vision  frequency-spectrum  image-processing  image-processing  computer-vision  fourier-transform  dsp-core  wave  image-processing  3d 

DFT（離散フーリエ変換）は、信号を正弦波の複数の周波数に分解することを知っています。同じことを行うが、三角波の変換はありますか？ 私の目的では、1次元信号（電圧など）についてのみ話します。私は過去の株式市場データを研究していますが、特定の株の反転について調べたいだけです。つまり、この変換を使用して株価の「ローパス」を実行したいのです。 編集：はいの場合、どうすればよいですか？

9 fft  dft  transform 

私はEEではなく化学エンジニアなので、これは少し難しいです。 振幅と時間のデータを取得して、周波数と時間に変換する方法を理解しようとしています。私の最初の本能は、データをチャンクにスライスし、各チャンクでFFTを実行し、それをプロットすることです。残念ながら、各スライスの継続時間がゼロに近づくと、正確な周波数情報を取得するのに十分な情報がなくなります（低周波数には非常に小さなタイムスライス以上のものが必要です）。だから...どうすればいいですか？これは誰かがすでに解決しているある種の有名な問題だと確信しています。 これが私が探している一種の変形で、音波で示されています（ピアノのノートG）。ご覧のとおり、このグラフは3つの軸として表示され、3番目の軸は色で表されています。 ありがとう！

9 fourier-transform  frequency  transform 

私は本質的に、回転スペクトルを含む化学問題のアルゴリズムに取り組んでいる数学の学生であり、Wang変換への参照に遭遇し続けますが、Wangの基礎を追跡することができませんでした。関数空間の基礎が何であるかを理解するための分析の背景があると想定できます。 これは、ジャーナルオブケミカルフィジックス11、27ページのキング、ハイナー、クロスが参照しているSCワンによって開発され、Physical Review 34、p.243、1929でSCワン（定義されていると思います）は表示されません。私が持っている数学のテキスト（Rudinの機能分析まで）や、私が持っている古典的なメカや量子のテキスト（もっと学部レベル）のいずれか。 私が理解できる最良の点は、波動関数を対称ローター基準からクリエンフォーグループの表現で特徴付けられるものに変換することです。回転スペクトルの遷移の計算に使用されるハミルトニアンの固有値の計算を容易にするために使用されます。 それで、要するに、王の基礎は何ですか？

8 transform 

ここで、いわゆるクラフチュク変換は、画像処理の分野、そしておそらく信号処理全般において非常に重要であると述べられています。 これに関する説明はほとんど見つかりません（たとえば、ウィキペディアで言及されていないなど）。 たとえば、この論文で言及されているようです。

7 transform 

私は、フーリエ変換に関する優れた入門書である、ロナルド・ブレイスウェルによる「フーリエ変換とその応用」をざっと眺めていました。その中で、関数のFTを4回取ると、元の関数、つまりF（F（F（F（g（x ）））））=g（x ）。F（F（F（F（g（バツ）））））=g（バツ）。F\left( F\left( F\left( F\left( g(x) \right) \right) \right) \right) = g(x)\,. 誰かが私にこれがどのように可能であるかを親切に教えてもらえますか？上記のステートメントは複素数xに関するものであり、これは、、、、？私0= 1私0=1i^0=1私1= i私1=私i^1=i私2= − 1私2=−1i^2=-1私３= − i私３=−私i^3 = -i私4= 1私4=1i^4=1 啓発ありがとうございます。

7 fourier-transform  transform  fourier 

nタイムスタンプの長さの特定の時系列に対して、（「Haar」ウェーブレットを使用して）離散ウェーブレット変換を実行し、次に取得します（たとえば、Pythonで）- >>> import pywt >>> ts = [2, 56, 3, 22, 3, 4, 56, 7, 8, 9, 44, 23, 1, 4, 6, 2] >>> (ca, cd) = pywt.dwt(ts,'haar') >>> ca array([ 41.01219331, 17.67766953, 4.94974747, 44.54772721, 12.02081528, 47.37615434, 3.53553391, 5.65685425]) >>> cd array([-38.18376618, -13.43502884, -0.70710678, 34.64823228, -0.70710678, 14.8492424 , -2.12132034, 2.82842712]) …

7 wavelet  transform  local-features 

ホワイトノイズの時間領域表現がインパルスのように見えることを理解しています。茶色、ピンクなどの色付きノイズを逆フーリエ変換するとどのように見えますか？音声信号に影響を与える可能性のある色付きノイズの原因は何ですか？

7 noise  speech  transform  fourier