คุณวัด“ รายละเอียด” ของสัญญาณได้อย่างไร

ฉันมีภาพและฉันต้องการวัดรายละเอียดในนั้น อีกวิธีในการดูคือการวัดว่าภาพนั้นพร่ามัวอย่างไร วิธีหนึ่งคือการวิเคราะห์องค์ประกอบความถี่สูงในการแปลงฟูริเยร์ของภาพ

มีวิธีอื่นใดหรือดีกว่า

สิ่งที่คุณอ้างอิงถึงโดยทั่วไปเรียกว่า "Image Sharpness" การสแกนอย่างรวดเร็วรวมถึงความรู้ก่อนหน้ามีดังนี้:

1. การวิเคราะห์ฟูริเยร์ - การใช้นี้มี 2 ข้อเสียที่สำคัญ ประการแรกเสียงรบกวนมีแนวโน้มที่จะปรากฏขึ้นไม่ว่าจะเกิดอะไรขึ้นดังนั้นส่วนประกอบความถี่ที่สูงขึ้นจะมีแนวโน้มที่จะปรากฏขึ้น ประการที่สองความคมชัดมีแนวโน้มที่จะเป็นปรากฏการณ์ในท้องถิ่นและดังนั้นจึงอาจไม่ปรากฏขึ้นหากคุณทำการเปลี่ยนแปลงของภาพทั้งหมด
2. การวิเคราะห์ค่าลักษณะเฉพาะ - ฉันไม่ได้อ่านบทความนี้จริง ๆ แต่เสนอให้ใช้การวิเคราะห์ค่าลักษณะเฉพาะเพื่อกำหนดความคมชัดของภาพ
3. อัลกอริธึมการตรวจจับขอบขึ้นอยู่กับความคมชัดจำนวนหนึ่ง หนึ่งสามารถใช้ค่าที่แตกต่างกันสำหรับพารามิเตอร์การตรวจจับขอบเพื่อกำหนดปริมาณของความคมชัด
4. การวัด Kurtosis ของค่าสัมประสิทธิ์เวฟเล็ต - อีกครั้งฉันยังไม่ได้อ่านบทความทั้งหมด แต่ดูเหมือนว่าจะแนะนำการคำนวณค่าสัมประสิทธิ์เวฟเล็ตโดยแสดงค่า FFT ของค่าสัมประสิทธิ์ทั้งชุด สิ่งนี้ควรมีภูมิคุ้มกันต่อเสียงรบกวน

ฉันแน่ใจว่ามีอีกมากมาย นี่เป็นสาขาวิชาที่มีการศึกษาอยู่ในปัจจุบัน หากวิธีการเหล่านี้ไม่เหมาะกับคุณให้ค้นหาเอกสารทางวิชาการต่อไปและดูว่าคุณสามารถหาวิธีที่ดีกว่านี้ได้ไหม

ฉันคิดว่าถ้าคุณพูดถึงจำนวนรายละเอียดในภาพการแปลงเวฟเล็ตโดยสิ้นเชิง (DWT) เหมาะกับคำอธิบายของคุณอย่างสมบูรณ์ มันไม่ได้แตกต่างอย่างสิ้นเชิงจากการแปลงฟูริเยร์แบบแยก (DFT) โดยที่มันทำงานในแง่ของส่วนประกอบที่ละเอียดและหยาบของสัญญาณ แต่ก็มีการแปลเป็นภาษาท้องถิ่นซึ่งแตกต่างจาก DFT เช่นกัน แนะนำที่ยอดเยี่ยมสำหรับสัญญาณหนึ่งมิติโดย I. Selesnick เป็นที่นี่

การแปลงเวฟเล็ตเป็นชุดของตัวกรองสัญญาณแบบออร์โธโกนัลซ้อนกันซึ่งในตอนท้ายจะสร้างสัญญาณของส่วนประกอบสเปกตรัมที่แตกต่างกันดังนั้นในแง่นี้คุณสามารถใช้เวฟเล็ตของการแปลงฟูริเยร์ได้ อย่างไรก็ตามหากคุณต้องการพล็อตส่วนประกอบแยกต่างหากจากกันคุณต้องใช้ WFT เพราะยังช่วยให้คุณมีหน้าต่างที่ถูกต้องและการแปลในพื้นที่

หากคุณต้องการคำนวณจำนวนของรายละเอียดในแต่ละระดับสเกลการคำนวณพลังงานทั้งหมดของแต่ละวงที่สนใจในการแปลงฟูริเยร์จะพอเพียง:

$$D_{\beta} = \sum_{\omega_{\beta} \in \beta}\left\vert S^f(\omega_{\beta})\right\vert^2$$

$S^f(\omega)$$s(t)$$\beta$