คำถามติดแท็ก gaussian

ฉันใช้งานตัวแยกส่วน Gaussian Blur ใน GLSL ฉันเข้าใจแนวคิดหลักที่อยู่เบื้องหลังทั้งหมด: convolution, การแยก x และ y โดยใช้ linearity, การผ่านหลายครั้งเพื่อเพิ่มรัศมี ... ฉันยังมีคำถามสองสามข้อที่: ความสัมพันธ์ระหว่างซิกม่าและรัศมีคืออะไร? ฉันอ่านแล้วว่าซิกมาเทียบเท่ากับรัศมีฉันไม่เห็นว่าซิกม่าแสดงออกเป็นพิกเซลได้อย่างไร หรือ "รัศมี" เป็นเพียงชื่อของซิกม่าไม่เกี่ยวข้องกับพิกเซล? ฉันจะเลือก sigma ได้อย่างไร เมื่อพิจารณาว่าฉันใช้หลายรอบเพื่อเพิ่มซิกม่าฉันจะเลือกซิกม่าที่ดีเพื่อรับซิกม่าที่ฉันต้องการได้อย่างไร หากซิกม่าที่เกิดขึ้นเท่ากับสแควร์รูทของผลรวมของกำลังสองของซิกมาสและซิกมาเท่ากับรัศมีแล้ววิธีง่าย ๆ ในการรับรัศมีที่ต้องการคืออะไร? ขนาดที่เหมาะสมสำหรับเคอร์เนลคืออะไรและเกี่ยวข้องกับซิกม่าอย่างไร ฉันเห็นการใช้งานส่วนใหญ่ใช้เคอร์เนล 5x5 นี่อาจเป็นตัวเลือกที่ดีสำหรับการนำไปใช้อย่างรวดเร็วด้วยคุณภาพที่เหมาะสม แต่มีเหตุผลอื่นอีกไหมในการเลือกขนาดเคอร์เนลอื่น sigma เกี่ยวข้องกับขนาดเคอร์เนลอย่างไร ฉันควรหา sigma ที่ดีที่สุดเพื่อให้ค่าสัมประสิทธิ์นอกเคอร์เนลของฉันเล็กน้อยและเป็นปกติ?

19 image-processing  gaussian  blur 

ในเอกสารบางเล่มฉันได้อ่านว่าเสียงรบกวนเพิ่มเติมนั้น จำกัด อยู่ที่สีขาวแบบเกาส์เซียน ฉันจะจำลองเสียงประเภทนี้ใช้ MATLAB ได้อย่างไร

16 matlab  noise  gaussian 

ฉันมีระบบสื่อสารไร้สายที่ฉันจำลองใน Matlab ฉันกำลังทำการลายน้ำผ่านการปรับเฟสของสัญญาณที่ส่งเล็กน้อย การจำลองของฉันใช้ค่า I (inphase) และ Q (quadrature) ดั้งเดิมและเพิ่มในลายน้ำ ฉันต้องจำลองอัตราความผิดพลาดของบิตที่เกิดขึ้นหลังจากถูกส่ง สำหรับตอนนี้ฉันแค่ต้องเพิ่มสัญญาณรบกวนความร้อนจำนวนมากในสัญญาณ เนื่องจากฉันมีสัญญาณที่แสดงเป็นช่อง I และ Q มันจะง่ายที่สุดในการเพิ่มAWGN (เสียงรบกวนแบบเกาส์สีขาวเสริม) ลงใน I และ Q โดยตรง หนึ่งความคิดคือการเพิ่มเสียงให้กับทั้งสองช่องอย่างอิสระ แต่ปรีชาญาณของฉันบอกฉันว่านี่ไม่เหมือนกับการเพิ่มไปยังสัญญาณโดยรวม ดังนั้นฉันจะเพิ่มเสียงรบกวนเมื่ออยู่ในฟอร์มนี้ได้อย่างไร

16 noise  gaussian 

ดังนั้นเมื่อไม่นานมานี้เองที่ Bessel ฟิลเตอร์ถึงแม้ว่าจะมีการระบุไว้ในประเภททั่วไปอื่น ๆ มันเป็นลูกบอลที่แปลก ๆ ที่อยู่ใน "คลาส" ที่แตกต่างกันและฉันพยายามเรียนรู้เพิ่มเติมเกี่ยวกับมัน การตอบสนองขนาดรูปสี่เหลี่ยมผืนผ้าแสดงถึงการตอบสนองโดเมนความถี่ในอุดมคติสำหรับย่านความถี่เปลี่ยนเป็นศูนย์และตัวหยุดหยุดมีการลดทอนไม่สิ้นสุด ในอีกทางหนึ่งการตอบสนองแบบเกาส์แสดงให้เห็นถึงการตอบสนองโดเมนเวลาที่เหมาะในการที่ไม่มี overshoots เกิดขึ้นในการตอบสนองแรงกระตุ้นและการตอบสนองขั้นตอน การตอบสนองจำนวนมากที่เกิดขึ้นในทางปฏิบัติเป็นการประมาณค่ากับแหล่งข้อมูลอุดมคติเหล่านี้ ดังนั้น ตัวกรอง brickwallจึงสามารถสร้างด้วยฟังก์ชัน sinc และมีคุณสมบัติโดเมนความถี่เหล่านี้: passband แบน ศูนย์หยุด อัตราการหมุนไม่สิ้นสุด / ไม่มีแบนด์การเปลี่ยนแปลง มันไม่ได้เป็นสาเหตุและไม่สามารถปรับเปลี่ยนได้เนื่องจากหางไม่มีที่สิ้นสุดในทั้งสองทิศทาง มันถูกประมาณโดยตัวกรอง IIR เหล่านี้พร้อมการปรับปรุงโดยประมาณเมื่อคำสั่งซื้อเพิ่มขึ้น: บัตเตอร์เวิร์ ธ (passband แบนสูงสุด) Chebyshev (อัตราการหมุนสูงสุดพร้อม Stopband หรือ passband ripple) รูปไข่ (อัตราการหมุนสูงสุดที่มีตัวหยุดและแถบระลอก passband) Legendre (อัตราการหมุนสูงสุดพร้อม passband แบบ monotonic) เสียนกรองเป็นบิดที่มีฟังก์ชั่นเสียนและมีคุณสมบัติในโดเมนเวลาเหล่านี้: ไม่มีเลยเลยเลย เวลาขึ้นและตกที่น้อยที่สุด …

15 filters  filter-design  gaussian 

ฉันเข้าใจว่าตัวกรอง Laplacian-of-Gaussian สามารถประมาณได้โดยตัวกรอง Difference-of-Gaussians และอัตราส่วนของซิกมาสทั้งสองสำหรับหลังควรเป็น 1: 1.6 สำหรับการประมาณที่ดีที่สุด อย่างไรก็ตามฉันไม่แน่ใจว่า sigmas ทั้งสองในความแตกต่างของ Gaussians เกี่ยวข้องกับ sigma สำหรับ Laplacian ของ Gaussian ได้อย่างไร sigma ที่เล็กกว่าในอดีตเท่ากับ sigma ของยุคหลังหรือไม่? ซิกม่าที่ใหญ่กว่านี้ไหม? หรือความสัมพันธ์เป็นอย่างอื่น?

12 image-processing  gaussian 

ฉันต้องลดขนาดรูปภาพในปัจจัยของแนวนอนและแนวตั้ง ( , < )s y s x s y 1sxsxs_xsysys_ysxsxs_xsysys_y111 ฉันต้องการใช้ตัวกรองความถี่ต่ำก่อนการสุ่มตัวอย่างn×mn×mn\times m ฉันควรตรวจสอบพารามิเตอร์ low-pass filter (และแบบเกาส์ ) จะได้รับมันเป็นหน้าที่ของและ ?σ s x s yn,mn,mn, mσσ\sigmasxsxs_xsysys_y โดยเฉพาะผมที่น่าสนใจในกรณีที่{2}sx=sy=1/2–√sx=sy=1/2s_x=s_y=1/\sqrt{2}

11 image-processing  gaussian 

คุณช่วยอธิบายหน่อยได้ไหมว่าทำไมเสียงบางประเภทเรียกว่า "เสียงแบบเกาส์เซียน" ทำไมมันจึงเกี่ยวข้องกับการเรียกมันว่าเสียน กรุณาอธิบายในแง่ของคนธรรมดา

9 noise  gaussian  statistics