การประมวลผลสัญญาณ

ฉันเข้าใจ (ส่วนใหญ่) การวิเคราะห์องค์ประกอบอิสระ (ICA) ทำงานบนชุดสัญญาณจากประชากรหนึ่ง แต่ฉันไม่สามารถทำงานได้หากการสังเกตของฉัน (เมทริกซ์ X) รวมสัญญาณจากประชากรสองคนที่แตกต่างกัน (มีวิธีการที่แตกต่างกัน) และฉัน ฉันสงสัยว่านี่เป็นข้อ จำกัด ที่แท้จริงของ ICA หรือไม่ถ้าฉันสามารถแก้ไขได้ สัญญาณของฉันแตกต่างจากประเภททั่วไปที่กำลังวิเคราะห์ว่าเวกเตอร์แหล่งที่มาของฉันสั้นมาก (เช่น 3 ค่ายาว) แต่ฉันมีข้อสังเกตจำนวนมาก (เช่น 1,000 ข้อ) โดยเฉพาะฉันวัดฟลูออเรสเซนต์ใน 3 สีซึ่งสัญญาณฟลูออเรสเซนต์ที่กว้างสามารถ "กระจาย" เข้าไปในเครื่องตรวจจับอื่น ๆ ฉันมีเครื่องตรวจจับ 3 ตัวและใช้ฟลูออโรฟอเรส 3 ตัวกับอนุภาค ใคร ๆ ก็คิดว่านี่เป็นสเปคตรัมความละเอียดต่ำมาก อนุภาคฟลูออเรสเซนต์ใด ๆ อาจมีจำนวนฟลูออโรฟอร์ฟใด ๆ อย่างไรก็ตามฉันมีกลุ่มของอนุภาคผสมซึ่งมีแนวโน้มที่จะมีความเข้มข้นของฟลูออโรฟอสเข้มข้นค่อนข้างชัดเจน ตัวอย่างเช่นชุดหนึ่งโดยทั่วไปอาจมีจำนวน # 1 fluorophore และ fluorophore # …

10 ica 

ฉันสงสัยว่าเทคนิคอาจจะใช้ได้สำหรับ ' de-noising ' ตัวอย่างต่อไปนี้ภาพเวลาความถี่ที่ถูกสร้างขึ้นโดยใช้วิธีการของเวลช์ พล็อตต่อไปนี้สร้างขึ้นจากเซ็นเซอร์หุ่นยนต์ (นี่ไม่ใช่ภาพสี - เป็นภาพสีเทา - เพิ่มสีเพื่อจุดประสงค์ด้านภาพเท่านั้น) เป้าหมาย: เป้าหมายของฉันในที่สุดก็คือการประมาณอัตราการเต้นของชีพจรที่คุณเห็นที่นี่หากมีพัลส์ดังกล่าว นี่อาจเป็นไก่และไข่ด้วยเหตุนี้ฉันจึงถามตัวเองว่า "อัตราการเป็นตัวแทน + +- 10% นี้มีอยู่หรือเปล่า?" และตรวจจับพวกมัน สิ่งที่คุณเห็นอยู่ที่นี่คือสัญญาณ (พัลส์) แต่พร้อมกับสัญญาณรบกวนอื่น ๆ ที่ไม่ต้องการ อย่างไรก็ตามตามที่ Emre แนะนำพวกเขามีโครงสร้างแม้ว่าจะอยู่ในพื้นที่ Time-Frequency ตัวกรองความถี่ตามเวลามีอยู่จริงหรือไม่? ฉันจะขอเหมือนจะเห็นโซลูชั่นการประมวลผลภาพที่นำมาใช้ที่นี่ แต่ฉันเปิดเพื่อแก้ปัญหาใด ๆ ดังนั้น: เป้าหมายคือการลบสัญญาณความเข้มสูงทั้งหมดยกเว้นพัลส์ซ้ำ ๆ (พบใกล้ดัชนี 300 บนแกน y) ตามที่เห็น สัญญาณความเข้มสูงอื่น ๆ ทั้งหมดถือได้ว่าเป็น 'สัญญาณรบกวน' สมมติฐานที่คุณอาจจะ: คุณอาจจะคิดว่าคุณประมาณทราบความยาวชีพจรที่คุณจะได้เห็นที่นี่ (ให้เราบอกว่าภายใน +/- 10%) …

10 image-processing  filters  frequency-spectrum  morphological-operations 

ฉันใช้อัลกอริทึมRANSACสำหรับการประมาณค่า homography ระหว่างคู่ของภาพที่ถ่ายด้วยกล้องซึ่งไม่มีการแปลระหว่างกัน (การหมุนอย่างแท้จริงและการเปลี่ยนสเกล / ซูม) มันทำงานได้ดีในครึ่งหนึ่งของกรณี ผลลัพธ์ที่ถูกต้องมีลักษณะดังนี้: เส้นสีแดงนั้นเป็นตัวกรองที่มีการกรองและรูปสี่เหลี่ยมที่แสดงให้เห็นว่าการบ้านนั้นบิดเบือนมุมมองอย่างไร อย่างไรก็ตามบางครั้งมีกรณีเลวร้ายเกิดขึ้นเช่นนี้: ฉันมีการทดสอบอย่างง่ายในลูป RANSAC มันทำให้รูปสี่เหลี่ยมง่าย ๆ (หน่วยสี่เหลี่ยม) และแปลงด้วยการแปลงตัวอย่าง จากนั้นดูว่าการเปลี่ยนแปลงนั้นรักษาความนูนเอาไว้หรือไม่ อย่างไรก็ตามกระนั้นก็มีกลุ่มของรูปสี่เหลี่ยมสี่เหลี่ยมเว้าออกมา คุณมีความคิดวิธีการทดสอบ homography อย่างถูกต้องหรือไม่ถ้ามันทำงานได้ดีและกรองคำตอบที่ไม่ถูกต้องออกไป ฉันพบรหัสบางส่วนที่พวกเขาทดสอบว่าไม่มีจุดเปลี่ยนสามจุดใดที่เป็นโคลิเนียร์ แต่ดูเหมือนจะไม่เพียงพอเพราะจะไม่กรอง deltoids และ quadrilaterals "ไม่ถูกต้อง" อื่น ๆ ...

10 homography  estimation  transform 

ฉันมีกล้องสอบเทียบและมีพารามิเตอร์ที่แท้จริง ฉันยังมีพารามิเตอร์ภายนอกที่เกี่ยวข้องกับจุด (กำเนิดโลก) บนพื้นผิวภาพถ่ายในโลกแห่งความจริง จุดนี้ฉันได้ตั้งค่าเป็นจุดกำเนิดในพิกัดโลกแห่งความจริง [0,0,0] ด้วยค่าปกติ [0,0,1] จากพารามิเตอร์ภายนอกเหล่านี้ฉันสามารถหาตำแหน่งและการหมุนของกล้องในพิกัดโลกระนาบ 3 มิติได้ที่นี่: http://en.wikipedia.org/wiki/Camera_resectioning ตอนนี้ฉันมีจุดที่สองซึ่งฉันได้ดึงพิกัดภาพสำหรับ [x, y] ฉันจะรับตำแหน่ง 3 มิติของจุดนี้ในระบบพิกัดโลกได้อย่างไร ฉันคิดว่าสัญชาตญาณตรงนี้คือฉันต้องติดตามรังสีที่ไปจากศูนย์กลางออปติคัลของกล้อง (ซึ่งตอนนี้ฉันมีตำแหน่ง 3D ตามที่อธิบายไว้ข้างต้น) ผ่านระนาบภาพ [x, y] ของกล้องแล้ว ผ่านระนาบโลกแห่งความจริงของฉันที่ฉันกำหนดไว้ที่ด้านบน ตอนนี้ฉันสามารถตัดกันพิกัดโลก 3 มิติด้วยระนาบเนื่องจากฉันรู้ว่าปกติและชี้ไปที่ระนาบนั้น สิ่งที่ฉันไม่ได้รับคือวิธีหาตำแหน่ง 3d และทิศทางเมื่อออกจากระนาบภาพเป็นพิกเซล มันเป็นการเปลี่ยนแปลงผ่านระบบพิกัดที่ทำให้ฉันสับสน

10 computer-vision  3d  camera 

ดังนั้นฉันพยายามที่จะตัดสินใจว่าเป็นส่วนหนึ่งโคไซน์มีวัตถุประสงค์ที่จะเสียบสำหรับหรือไม่ว่าจะเป็นอย่างเคร่งครัดส่วนหนึ่งของH [ n ] (จำนวนอยู่ในดิสก์หน่วยเปิด)Zzzh [ n ]h[n]h[n] ฉันหมายความว่าฉันค่อนข้างแน่ใจว่ามันเป็นส่วนหนึ่งของแต่จากนั้นเมื่อทำการแปลง z- ฉันได้รับฟังก์ชันตรรกยะนี้h [ n ]h[n]h[n] 1 - cos( 2 πฉ0Fs) z- 11 - 2 a cos( 2 πฉ0Fs) z- 1+ a2Z- 21−acos⁡(2πf0Fs)z−11−2acos⁡(2πf0Fs)z−1+a2z−2\frac{1 - a\cos(2\pi\frac{f_0}{F_s})z^{-1}}{1-2a\cos(2\pi\frac{f_0}{F_s})z^{-1} + a^2z^{-2}} นี่คือสิ่งที่ฉันควรประเมินค่าเสาและศูนย์และถ้าคุณไม่สนใจส่วนโคไซน์คุณจะได้การแสดงออกอย่างมีเหตุผลที่ดีจริง ๆ ซึ่งปัจจัยและลดความซับซ้อนลงไปถึงZZ-zz−a\displaystyle\frac{z}{z-a} นั่นทำให้ฉันคิดว่าบางทีฉันอาจจะไม่เข้าใจสิ่งต่าง ๆ อย่างถูกต้องและส่วนโคไซน์ควรจะเสียบเข้ากับหรืออะไรบางอย่าง ใครช่วยอธิบายเรื่องนี้ให้ฉันได้บ้างZzz

10 z-transform 

ฉันมีปัญหาในการเข้าใจแนวคิดพื้นฐานบางอย่างของการกรองหลายระดับ ฉันเห็นจากแหล่งต่าง ๆ ที่ว่าการสร้างพื้นฐานของตัวกรองหลายระดับคือการวิเคราะห์แบบ dyadic และการสังเคราะห์ คำถามที่ 1 : โครงสร้างบล็อกการวิเคราะห์มีลักษณะดังต่อไปนี้โดยที่สัญญาณวงกว้างถูกแบ่งออกเป็นแถบความถี่ต่ำและแถบความถี่สูงแต่ละเส้นมีการตัด FS / 4 (Nyquist / 2) แต่ละวงจะถูกทำลายโดยปัจจัย 2 คุณจะแสดงสัญญาณอย่างถูกต้องในย่านความถี่สูงได้อย่างไรเมื่อมีข้อมูลความถี่สูงกว่าขีด จำกัด Nyquist ของอัตราตัวอย่างใหม่ที่ถูกทำลาย คำถามที่ 2 : โครงสร้างบล็อกการวิเคราะห์มีลักษณะดังต่อไปนี้โดยที่สัญญาณย่อยแบนด์ถูกกรองและกรองอีกครั้ง วัตถุประสงค์ของการกรองที่สองคืออะไร?

10 filter-bank 

ฉันมีความยากลำบากในการทำความเข้าใจวิธีการคำนวณอัตราข้อมูลเมื่อยกระดับการสุ่มตัวอย่างด้วยสีในตัวอย่างของภาพ Y'UV: ฉันมีตัวอย่างต่อไปนี้สำหรับการคำนวณ: ความละเอียดของภาพ: 352*288 ความถี่: 25 fps สำหรับ(4: 4: 4)การคำนวณตัวอย่างจะเป็นดังนี้: (352px * 288px) * 3 color channels * 25 fps * 8 bit = 60 825 600 bit/s จนถึงตอนนี้ดีมาก แต่ตอนนี้มาถึง(4: 2: 0) : (352px*288px) * 1.5 color channels * 25 * 8 = 30 412 800 bit/s ตอนนี้พยายามที่จะถ่ายโอนตัวอย่างนี้ไปยังเช่น(4: 1: …

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 

ฉันเริ่มทดลองกับ c ++ และ opencv เพราะฉันต้องการเรียนรู้การประมวลผลภาพ ตอนนี้การออกกำลังกายครั้งแรกของฉันคือการสร้างเครื่องตรวจจับผิวcalcHistและcalcBackProject แต่ฉันไม่เข้าใจบางสิ่ง: การตีความทางสถิติของโครงการย้อนกลับและทำไมจึงมีชื่อว่า "โครงการย้อนกลับ" calcBackProjectฉันมีความเข้าใจค่อนข้างดีของสิ่งที่ช่วงพารามิเตอร์ที่อยู่ใน แต่ฉันติดอยู่กับพารามิเตอร์ range ในcalcHistฟังก์ชั่น เพื่อความแม่นยำในการตรวจจับมากขึ้นฉันคิดว่าอาจเป็นสิ่งที่ดีที่จะใช้แบ็คกราวด์ในระดับที่มากขึ้น: ในแต่ละช่องทางของ rgb ans ในแต่ละช่องของ hsv แต่ฉันไม่รู้ว่าจะรวมผลลัพธ์ที่แตกต่างกันcalcBackProjectของช่องแยกของ rgb และ hsv ได้อย่างไร และฉันคิดว่าความเข้าใจที่ไม่ดีของฉันนั้นเกิดจากการขาดทฤษฎีที่ว่าฉันกำลังทำอะไรกับวิธีการทั้งสอง (ดูจุดแรก) ดังนั้นโปรดอธิบายฉันเป็นภาษาอังกฤษธรรมดา

10 image-processing  opencv  histogram 

ฉันมีภาพที่บิดเบี้ยวและเปื้อนมาก เป็นไปได้ไหมที่จะลบคราบนี้? ภาพในภาพวาดสามารถช่วยได้หรือไม่? กรุณาช่วย แก้ไข: ภาพอื่น หลังจากใช้การกระจายแบบแอนไอโซทรอปิกและแสดงรูปภาพด้วย imagesc (MATLAB) ฉันพยายามทาสี แต่ผลลัพธ์ไม่ดีพอ มีอยู่ฉันสามารถปรับปรุงผลลัพธ์นี้ได้หรือไม่

10 image-processing  matlab  image 

ฉันกำลังทำงานกับภาพ MRI ของสมองที่มีบางพื้นที่ทำเครื่องหมายด้วยมือเหมือนและ ฉันพยายามที่จะเกิดขึ้นกับฟังก์ชั่น interpolating ที่จะช่วยให้ผมอธิบายเส้นโค้งดังกล่าวเพื่อที่จะสามารถใช้เครื่องเรียนรู้เทคนิคการสร้างเครื่องหมายดังกล่าวในภาพป้ายเช่นโดยอัตโนมัติและ ฉันได้พิจารณาการใช้การประมาณลูกบาศก์ spline เพื่อประมาณเส้นโค้ง แต่เท่าที่ฉันรู้ฉันจะต้องแยกเส้นโค้งออกเป็นหลายส่วนเพื่อแก้ไข ฉันอยู่ในเส้นทางที่ถูกต้องหรือมีวิธีอื่นที่ดีกว่านี้ไหม?

10 image-processing  interpolation 

คำถามสุดท้ายที่จับคู่กับเครื่องตรวจจับขอบ Canny ข้อ จำกัด ของเครื่องตรวจจับขอบ Canny คืออะไร? และ วิธีที่ดีที่สุดในการแบ่งกลุ่มเส้นเลือดในใบไม้? โครงร่างพื้นฐานของอัลกอริทึมมีดังนี้: ใช้ Gaussian Convolution ทางเลือกของσσ\sigmaจะทำที่นี่) b. สมัคร 2D อนุพันธ์ ค ติดตามผ่านสันเขาของขอบนี้และ thresholding (ตั้งค่าพิกเซลเป็นศูนย์ซึ่งไม่ได้อยู่บนขอบ) ด้วย Hysteresis Lower และ T0 และ T1 ที่สูงขึ้น (ตัวเลือกของT0T0T0 และ T1T1T1 ที่จะทำที่นี่) อ่านนี้สำหรับพื้นหลังเพิ่มเติม ในขณะที่มันอ้างว่าเป็นสิ่งที่ดีที่สุด ; เมื่อได้รับผลการปฏิบัติเรื่องปัจจัยการปรับตามที่ระบุไว้ข้างต้นσ, T0 ,σ,T0,\sigma, T0, และ T1T1T1 สร้างความแตกต่างได้มากมาย ดังนั้นหนึ่งจะเลือกพารามิเตอร์ (tweaking) เหล่านี้จริงได้อย่างไร แม้ว่าจะไม่มีวิธีหรือคุณค่าที่ชัดเจนเทคนิคทั่วไปในการรู้สิ่งนี้คืออะไร?

10 image-processing  edge-detection  canny-edge-detector 

ให้แม่แบบและสัญญาณคำถามเกิดขึ้นว่าสัญญาณคล้ายกับแม่แบบอย่างไร ตามเนื้อผ้าใช้วิธีการสหสัมพันธ์อย่างง่ายโดยเทมเพลตและสัญญาณมีความสัมพันธ์ข้ามกันและจากนั้นผลลัพธ์ทั้งหมดจะถูกทำให้เป็นมาตรฐานโดยผลิตภัณฑ์ของทั้งสองบรรทัดฐาน สิ่งนี้ให้ฟังก์ชันความสัมพันธ์ข้ามซึ่งมีช่วงตั้งแต่ -1 ถึง 1 และระดับความคล้ายคลึงกันจะได้รับเป็นคะแนนของจุดสูงสุดในนั้น สิ่งนี้เปรียบเทียบกับการหาค่าของจุดสูงสุดนั้นและหารด้วยค่าเฉลี่ยหรือค่าเฉลี่ยของฟังก์ชันความสัมพันธ์ข้าม ฉันวัดอะไรที่นี่แทน แนบเป็นแผนภาพเป็นตัวอย่างของฉัน เพื่อให้ได้ขนาดที่ดีที่สุดของความคล้ายคลึงกันฉันสงสัยว่าฉันควรดูที่: แค่จุดสูงสุดของการข้ามสหสัมพันธ์แบบปกติอย่างที่แสดงไว้ที่นี่? พิจารณาจุดสูงสุด แต่หารด้วยค่าเฉลี่ยของพล็อตความสัมพันธ์ข้าม? เทมเพลตของฉันกำลังจะเป็นคลื่นทรงสี่เหลี่ยมเป็นระยะพร้อมวัฏจักรหน้าที่ตามที่เห็น - ดังนั้นฉันจะไม่ใช้ประโยชน์จากยอดเขาอีกสองอันที่เราเห็นที่นี่หรือไม่? อะไรจะให้ความคล้ายคลึงที่ดีที่สุดในกรณีนี้ ขอบคุณ! แก้ไขสำหรับ Dilip: ฉันพล็อตความสัมพันธ์ข้ามกำลังสองเทียบกับความสัมพันธ์ข้ามที่ไม่ยกกำลังสองและแน่นอน 'แหลม' จุดสูงสุดหลักเหนือคนอื่น ๆ แต่ฉันสับสนว่าการคำนวณใดที่ฉันควรใช้เพื่อกำหนดความคล้ายคลึงกัน ... สิ่งที่ฉันพยายามคิดก็คือ: ฉันสามารถ / ควรใช้ยอดเขารองอื่นในการคำนวณความคล้ายคลึงกันได้หรือไม่? ตอนนี้เรามีพล็อตสหสัมพันธ์ข้ามกำลังสองและมันทำให้จุดสูงสุดหลักคมชัดขึ้น แต่สิ่งนี้ช่วยในการพิจารณาความคล้ายคลึงขั้นสุดท้ายได้อย่างไร ขอบคุณอีกครั้ง. แก้ไขสำหรับ Dilip: ยอดเขาเล็ก ๆ ไม่ได้ช่วยในการคำนวณความเหมือนกันจริงๆ มันเป็นจุดสูงสุดหลักที่สำคัญ แต่จุดสูงสุดเล็กลงนั้นรองรับการคาดเดาว่าสัญญาณนั้นเป็นเทมเพลตที่มีเสียงดัง " ขอบคุณดิลิปฉันรู้สึกสับสนเล็กน้อยจากคำสั่งนั้น - ถ้ายอดเขาเล็กจริง ๆ ให้การสนับสนุนว่าสัญญาณนั้นเป็นเทมเพลตที่มีเสียงดังแล้วไม่ได้ช่วยในการวัดความคล้ายคลึงกัน? สิ่งที่ฉันสับสนคือว่าฉันควรใช้จุดสูงสุดของฟังก์ชั่นการข้ามสหสัมพันธ์แบบปกติเป็นหนึ่งและการวัดขั้นสุดท้ายของความคล้ายคลึงกันและ 'ไม่สนใจ' เกี่ยวกับสิ่งที่ส่วนที่เหลือของฟังก์ชั่นครอส …

10 discrete-signals  cross-correlation  waveform-similarity 

เป็นส่วนหนึ่งของคลาสในการประมวลผลสัญญาณฉันกำลังสร้างตัวกรองวงปฏิเสธ Chebychev ลำดับที่ 3 เราใช้สิ่งนี้โดยใช้วงจร Bainter สามอัน แม้ว่าจะไม่ใช่ส่วนหนึ่งของชั้นเรียนฉันมีคำถามเกี่ยวกับการเพิ่มขึ้นของวงจร Bainter ฉันพยายามเขียนสคริปต์ซึ่งจะทำการเลือกส่วนประกอบโดยอัตโนมัติโดยใช้ความถี่มุมและกำไรโดยรวมสูงสุดเป็นกฎการออกแบบ แต่มีปัญหากับการคำนวณกำไรโดยรวม ในการคำนวณผลรวมโดยรวมของสเตจ Bainter ฉันจะหาผลกำไรของแต่ละส่วนของ op-amp สามส่วนได้หรือไม่? กำไรโดยรวมนั้นจะเป็นผลผลิตของกำไรสามตัว?

10 filters  filter-design  bandpass  analog 

ฉันได้พยายามหาเหตุผลสำหรับงานนี้และวางแผนที่จะใช้แพ็คเกจซอร์สของ KissFFT เพื่อทำการแปลงฟูริเยร์อย่างรวดเร็ว โปรดแจ้งให้เราทราบหากนี่เป็นสิ่งที่ถูกต้อง: จัดสรรโครงสร้าง FFT เช่น kiss_fft_alloc(N,0,NULL,NULL) ในกรณีที่Nเป็นขนาดของหน้าต่างฉันใช้ บัฟเฟอร์อินพุตจะอาร์เรย์ขององค์ประกอบของประเภทN kiss_fft_scalarบัฟเฟอร์ส่งออกจะอาร์เรย์ขององค์ประกอบของประเภทN/2 + 1kiss_fft_cpx หมายเลขถอดรหัสN(ขนาดหน้าต่าง) ของตัวอย่าง PCM สำหรับตัวอย่าง PCM แต่ละค่าเฉลี่ยแอมพลิจูดของแต่ละแชนเนล (ตัวอย่างที่ไม่ได้ลงชื่อ) และสเกลตั้งแต่ 0 ถึง 2 (หารด้วย 65536.0) เก็บผลลัพธ์ไว้ในบัฟเฟอร์อินพุต ดำเนินการกับหน้าต่าง (เช่น Hanning) บนบัฟเฟอร์อินพุต ทำการแปลงฟูริเยร์อย่างรวดเร็วบนอินพุตบัฟเฟอร์เก็บไว้ในบัฟเฟอร์เอาต์พุต ตั้งแต่ฉันใช้ค่าจริงเป็น input kiss_fftr()ฉันสามารถใช้ สำหรับN/2ค่าเอาต์พุตให้รับขนาดกำลังสองของข้อมูลที่แปลงแล้วแปลงค่าเป็นสเกล dB ด้วยสูตรต่อไปนี้: 10 * log10 (re * re + im * im) เขียนN/2ค่าจากขั้นตอนที่ 6 …

10 fft  audio  frequency-spectrum  spectrogram 

ฉันกำลังทำงานเกี่ยวกับการแพร่ anisotropicและทั้งสองค่าสัมประสิทธิ์ที่เสนอโดยPerona และมาลิก ฉันต้องการทราบว่าการใช้การกระจายในการประมวลผลรูปภาพคืออะไร เหตุใดการแพร่กระจายของแอนไอโซทรอปิกจึงมีความสำคัญและใช้กันทั่วไปในสาขาใด

10 image-processing  anisotropic-diffusion