การประมวลผลสัญญาณ

ฉันเข้าใจการแปลงฟูริเยร์ซึ่งเป็นการดำเนินการทางคณิตศาสตร์ที่ให้คุณดูเนื้อหาความถี่ของสัญญาณที่กำหนด แต่ตอนนี้ในคอมของฉัน แน่นอนอาจารย์แนะนำการเปลี่ยนแปลงของฮิลแบร์ต ผมเข้าใจว่ามันมีการเชื่อมโยงไปยังเนื้อหาที่ค่อนข้างความถี่ที่ได้รับความจริงที่ว่า Hilbert Transform จะคูณ FFT โดยหรือ convolving ฟังก์ชั่นเวลากับปี่ที- เครื่องหมายj( ว( ฉ) )−jsign⁡(W(f))-j\operatorname{sign}(W(f))1 / πเสื้อ1/πt1/\pi t ความหมายของการเปลี่ยนแปลงของฮิลแบร์ตคืออะไร? เราจะได้รับข้อมูลอะไรบ้างจากการนำการแปลงไปใช้กับสัญญาณที่กำหนด?

39 signal-analysis  hilbert-transform 

มีการพูดคุยเกี่ยวกับการปรับเกณฑ์ตามเกณฑ์ได้ในคำถามสองสามข้อก่อนหน้านี้: Thresholding แบบปรับตัวสำหรับการแบ่งส่วนตับโดยใช้ Matlab อัลกอริทึมที่ดีที่สุดสำหรับการทำสำเนารูปภาพเอกสารในตัวอย่างนี้คืออะไร? แน่นอนว่ามีอัลกอริธึมมากมายสำหรับการปรับเปลี่ยนแบบ ฉันต้องการที่จะรู้ว่าคนที่คุณพบว่ามีประสิทธิภาพและมีประโยชน์มากที่สุด อัลกอริทึม Adaptive ใดที่คุณใช้มากที่สุดและแอปพลิเคชันใด คุณมาเลือกอัลกอริทึมนี้อย่างไร

38 image-processing  thresholding 

หากคุณทำพล็อต FFT ของสัญญาณง่าย ๆ เช่น: t = 0:0.01:1 ; N = max(size(t)); x = 1 + sin( 2*pi*t ) ; y = abs( fft( x ) ) ; stem( N*t, y ) 1Hz sinusoid + DC FFT จากด้านบน ฉันเข้าใจว่าหมายเลขในถังขยะแรกคือ "DC เท่าใด" ที่มีสัญญาณ y(1) %DC > 101.0000 หมายเลขในถังขยะที่สองควรเป็น "เท่าใดรอบ 1 สัญญาณทั้งหมด" …

36 dft 

ทรัพยากรที่แนะนำคืออะไร (หนังสือบทแนะนำการบรรยายและอื่น ๆ ) เกี่ยวกับการประมวลผลสัญญาณดิจิตอลและวิธีเริ่มทำงานกับมันในระดับเทคนิค

35 reference-request  self-study  soft-question 

ฉันต้องการค้นหาสี่เหลี่ยมในรูปภาพโดยใช้ OpenCV (ไม่มีปัญหาใน MATLAB หรืออื่น ๆ โดยทั่วไปสิ่งที่ฉันคาดหวังคือความคิดบางอย่าง) พิจารณาภาพทดสอบด้านล่าง: ฉันต้องการค้นหาสี่เหลี่ยมสีเหล่านั้นในภาพด้านบนอย่างถูกต้อง (ไม่ใช่แถบยาวสีขาว) สิ่งที่ฉันได้ทำ: ฉันใช้วิธีการทั่วไป (ซึ่งมาพร้อมกับตัวอย่าง OpenCV) คือค้นหารูปทรงในระนาบสีทั้งหมดประมาณค่าและตรวจสอบจำนวนองค์ประกอบ = 4 มันทำงานเพื่อขยายบางส่วนที่ตรวจพบไม่กี่สี่เหลี่ยมโดยเฉพาะอย่างยิ่งที่มืด ขั้นตอนต่อไปที่ผมทำก็คือการทำนาย คือข้อตกลงนี้ได้รับการแก้ไข ดังนั้นหากได้รับบางอย่างฉันสามารถทำนายสิ่งที่เหลืออยู่ได้ มันยังทำงานเพื่อขยายเพิ่มเติม แต่ความแม่นยำนั้นแย่มาก แต่ฉันรู้สึกว่าการทำนายไม่ใช่วิธีที่ดีที่นี่และมันก็ไม่ได้ให้คำตอบที่ถูกต้องเสมอไปตามขั้นตอนแรก สิ่งที่ฉันต้องการ : 1) มีวิธีอื่นใดที่ดีกว่าในการตรวจสอบกำลังสองเหล่านี้อย่างแม่นยำมากขึ้น หรือหลายวิธี? จุดหนึ่งที่สำคัญก็คือว่าเวลาไม่ได้เป็นปัญหาที่นี่ อัลกอริทึมอาจช้ามันไม่สำคัญ แต่ความแม่นยำเป็นเกณฑ์สำคัญ บางครั้งภาพอาจเบลอมากขึ้น และหนึ่งในปัญหาสำคัญที่ฉันเผชิญคือสี่เหลี่ยมบางอันมีสีเกือบเหมือนกันกับพื้นหลัง (ตรวจสอบคอลัมน์ 3 คอลัมน์แรกและสี่เหลี่ยมที่สอง) กำลังมองหาแนวคิดขอบคุณล่วงหน้า อัปเดต: ด้านล่างเป็นผลลัพธ์ที่แม่นยำที่สุดที่ฉันได้รับ: แน่นอนภาพผลลัพธ์จะถูกปรับขนาดเล็กน้อย อัปเดต 2: ฉันได้รับคำตอบที่ดีกว่านี้ในคำตอบของฉันด้านล่าง: https://dsp.stackexchange.com/a/7526/818

34 python  matlab  image-processing  opencv  computer-vision 

ฉันกำลังค้นหาแอพสโตร์ Android สำหรับนักกีต้าร์ ฉันพบแอปเครื่องรับที่อ้างว่าเร็วกว่าแอปอื่น ๆ มันอ้างว่าสามารถหาความถี่ได้โดยไม่ต้องใช้ DFT (ฉันหวังว่าฉันจะยังมี URL ตามข้อกำหนดนี้) ฉันไม่เคยได้ยินเรื่องนี้ คุณสามารถรับสัญญาณเสียงและคำนวณความถี่โดยไม่ใช้อัลกอริทึม DFT หรือ FFT ได้หรือไม่?

34 audio  fft  frequency  dft 

ฉันคุ้นเคยกับการแปลงเรดอนจากการเรียนรู้เกี่ยวกับการสแกน CT แต่ไม่ใช่การแปลง Hough Wikipedia พูดว่า บางครั้งเครื่องบิน (r, θ) บางครั้งเรียกว่า Hough space สำหรับชุดของเส้นตรงในสองมิติ การเป็นตัวแทนนี้ทำให้การแปลง Hough ในเชิงแนวคิดใกล้เคียงกับการแปลงเรดอนสองมิติ (พวกเขาสามารถมองเห็นวิธีต่าง ๆ ในการดูการเปลี่ยนแปลงแบบเดียวกัน [5]) ผลลัพธ์ของพวกเขาดูเหมือนกันสำหรับฉัน: Wolfram Alpha: Radon Wolfram Alpha: Hough ดังนั้นฉันไม่เข้าใจว่าความแตกต่างคืออะไร พวกเขาเป็นเพียงสิ่งเดียวกันที่เห็นในรูปแบบที่แตกต่างกัน? ประโยชน์ของมุมมองที่ต่างกันคืออะไร ทำไมพวกเขาถึงไม่รวมเข้ากับ "การแปลงร่างของ Hough-Radon"?

34 image-processing  computer-vision 

ฉันพยายามเข้าใจความแตกต่างระหว่างการโน้มน้าวใจกับความสัมพันธ์ข้าม ฉันได้อ่านเข้าใจนี้คำตอบ ฉันเข้าใจภาพด้านล่าง แต่ในแง่ของการประมวลผลสัญญาณ (ฟิลด์ที่ฉันรู้เพียงเล็กน้อยเกี่ยวกับ .. ), ให้สัญญาณสองสัญญาณ (หรืออาจเป็นสัญญาณและตัวกรอง?), เมื่อใดที่เราจะใช้สังวัตนาและเมื่อใดที่เราต้องการใช้สหสัมพันธ์ข้าม หมายความว่าเมื่อในการวิเคราะห์ชีวิตจริงเราจะชอบการโน้มน้าวใจและเมื่อใดความสัมพันธ์ข้าม ดูเหมือนว่าทั้งสองคำนี้มีการใช้งานจำนวนมากดังนั้นการใช้งานนั้นคืออะไร * ความสัมพันธ์ข้ามที่นี่ควรอ่านg*fแทนf*g

33 discrete-signals  continuous-signals  signal-detection 

ฉันได้เรียนรู้เกี่ยวกับอัลกอริธึมการตรวจจับขอบจำนวนหนึ่งรวมถึงอัลกอริทึมอย่าง Sobel, Laplacian และ Canny ดูเหมือนว่าสำหรับฉันแล้วตัวตรวจจับขอบที่ได้รับความนิยมมากที่สุดคือตัวตรวจจับขอบ Canny แต่มีบางกรณีที่นี่ไม่ใช่อัลกอริธึมที่เหมาะสมที่สุดที่จะใช้หรือไม่? ฉันจะตัดสินใจได้อย่างไรว่าจะใช้อัลกอริทึมใด ขอบคุณ!

33 algorithms  image-processing  edge-detection 

เมื่อได้รับการบันทึกฉันต้องตรวจสอบว่ามีการคลิปเกิดขึ้นหรือไม่ ฉันสามารถสรุปได้อย่างปลอดภัยว่ามีการตัดหากตัวอย่างใด (หนึ่ง) ถึงค่าตัวอย่างสูงสุดหรือฉันควรมองหาชุดตัวอย่างที่ตามมาที่ระดับสูงสุดหรือไม่ การบันทึกอาจจะนำมาจาก 16 หรือ 24 บิต A / D แปลงและจะถูกแปลงเป็นค่าจุดตั้งแต่ลอย 1 หากการแปลงนี้ใช้รูปแบบของการหารด้วยหรือจากนั้นสันนิษฐานว่าพีคเชิงลบอาจต่ำกว่า -1 และตัวอย่างที่มีค่า -1 ไม่ถูกตัด?2 15 - 1 2 23 - 1−1...1−1...1-1...1215−1215−12^{15}-1223−1223−12^{23}-1 เห็นได้ชัดว่ามีใครสามารถสร้างสัญญาณโดยเฉพาะเพื่อเอาชนะอัลกอริทึมการตรวจจับการคลิป แต่ฉันกำลังดูการบันทึกคำพูด, เพลง, คลื่นไซน์หรือเสียงสีชมพู / สีขาว

32 audio  algorithms 

กระบวนการสโตคาสติกอธิบายโดยฟังก์ชันความสัมพันธ์อัตโนมัติหรือไม่ ถ้าไม่จำเป็นต้องใช้คุณสมบัติเพิ่มเติมใด

31 autocorrelation 

ฉันกำลังพยายามใช้อัลกอริทึม binarization ต่าง ๆ กับรูปภาพที่แสดง: นี่คือรหัส: clc; clear; x=imread('n2.jpg'); %load original image ตอนนี้เราปรับขนาดภาพเพื่อให้การคำนวณกลายเป็นเรื่องง่ายขึ้นในภายหลังสำหรับเรา size(x); x=imresize(x,[500 800]); figure; imshow(x); title('original image'); z=rgb2hsv(x); %extract the value part of hsv plane v=z(:,:,3); v=imadjust(v); ตอนนี้เราพบว่าค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานที่จำเป็นสำหรับอัลกอริทึม niblack และ% sauvola m = mean(v(:)) s=std(v(:)) k=-.4; value=m+ k*s; temp=v; % การนำ niblack thresholding อัลกอริทึม: for p=1:1:500 for …

31 image-processing  matlab 

อะไรจะเป็นวิธีที่เหมาะในการค้นหาค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของสัญญาณสำหรับแอปพลิเคชันตามเวลาจริง ฉันต้องการที่จะทริกเกอร์คอนโทรลเลอร์เมื่อสัญญาณมีค่าเบี่ยงเบนมาตรฐานมากกว่า 3 จากค่าเฉลี่ยในระยะเวลาหนึ่ง ฉันสมมติว่า DSP โดยเฉพาะจะทำสิ่งนี้ได้อย่างง่ายดาย แต่มี "ทางลัด" ใด ๆ ที่อาจไม่ต้องการอะไรที่ซับซ้อนขนาดนี้หรือไม่?

31 statistics  real-time  measurement 

MATLAB's filtfiltทำการกรองไปข้างหน้า - หลังเช่นตัวกรองกลับสัญญาณกรองอีกครั้งแล้วกลับอีกครั้ง เห็นได้ชัดว่าสิ่งนี้ทำเพื่อลดความล่าช้าเฟส? ข้อดี / ข้อเสียของการใช้ตัวกรองดังกล่าวคืออะไร (ฉันคิดว่ามันจะส่งผลให้ลำดับตัวกรองเพิ่มขึ้นอย่างมีประสิทธิภาพ) มันจะดีกว่าที่จะใช้filtfiltเสมอแทนfilter(เช่นการกรองไปข้างหน้าเท่านั้น)? มีแอปพลิเคชั่นที่จำเป็นต้องใช้และไม่ควรใช้หรือไม่

30 matlab  filters  theory 

มีใครรู้บ้างเกี่ยวกับการวิจัย / เอกสาร / ซอฟต์แวร์เพื่อระบุเส้นทาง (เป็นเส้นโค้งหรือจากจุดหนึ่งไปยังอีกจุดหนึ่ง) ในภาพของฉากป่า (จากมุมมองของกล้องที่ยืนอยู่ตรงทาง) ฉันพยายามค้นหาอัลกอริทึมที่สามารถถ่ายภาพได้เช่น: และผลิตหน้ากากระบุว่า "เส้นทาง" น่าจะเป็นเช่น: อย่างที่คุณเห็นภาพต้นฉบับนั้นเบลอเล็กน้อยซึ่งมีจุดประสงค์ แหล่งที่มาของภาพไม่สามารถรับประกันการโฟกัสที่สมบูรณ์แบบได้ดังนั้นฉันต้องสามารถจัดการกับสัญญาณรบกวนและความเบลอในระดับที่สมเหตุสมผล ความคิดแรกของฉันคือการใช้ Gaussian เบลอและแบ่งภาพออกเป็นบล็อกเปรียบเทียบบล็อกที่อยู่ติดกันเพื่อค้นหาความแตกต่างของสีที่คมชัด อย่างไรก็ตามฉันรู้ได้อย่างรวดเร็วว่าเงาและการเปลี่ยนแปลงอื่น ๆ ของแสงนั้นง่ายมาก ฉันกำลังคิดเกี่ยวกับการแยกคุณสมบัติของ SURF แต่ฉันเพิ่งประสบความสำเร็จกับ SURF / SIFT เมื่อภาพมีความชัดเจนสมบูรณ์แบบและด้วยแสงที่สม่ำเสมอ ฉันได้ลองปรับขนาดรูปภาพและมาส์กให้มีขนาดเล็กลงมาก (เช่น 100x75) แปลงเป็นเวกเตอร์ 1xN และใช้พวกมันเพื่อฝึกอบรมโครงข่ายประสาทฐาน FANN (ที่ภาพเป็นอินพุทและหน้ากากเป็นที่ต้องการ เอาท์พุท) แม้จะมีขนาดเล็กเช่นนี้ แต่มีเลเยอร์ที่ซ่อนอยู่ 1 ชั้นและขนาดของอินพุตเวกเตอร์ 75% แต่ก็ใช้เวลาฝึกอบรม 6 ชั่วโมงและยังไม่สามารถคาดเดามาสก์ใด ๆ ในชุดทดสอบได้ ใครสามารถแนะนำวิธีการหรือเอกสารอื่น ๆ ในเรื่องนี้ได้บ้าง

30 image-processing  computer-vision