タグ

関連タグで絞り込む (1)

タグの絞り込みを解除

fftに関するbutyricacidのブックマーク (2)

  • JavaScriptで2D-FFTによるハイパス/ローパスフィルタ – Rest Term

    Spatial Frequency Filtering by 2D-FFT これまでにJavaScriptHTML5 Canvas APIでいくつかの画像処理を試してきましたが、今回は二次元離散フーリエ変換(2D-DFT、実装上では2D-FFT)で得られた周波数スペクトルにハイパス/ローパスフィルタ(HPF/LPF)を適用します。 「フーリエ変換」は音声処理でよく耳にする単語かと思います。音声データをフーリエ変換してHTML5 Canvas上でビジュアライズするデモもたくさん公開されています(例: Visualizing an audio spectrum – MDN)。ただし、ここでは”音声”ではなく”画像”に対するフーリエ変換を行います。音声の場合はデータが一次元なので周波数は一つしか持っていませんが、画像の場合は水平/垂直方向の二つの周波数を持つことになります。なので画像データに対

    JavaScriptで2D-FFTによるハイパス/ローパスフィルタ – Rest Term
  • 窓関数(Window Function)

    窓関数 (Window Function) 信州大学工学部 井澤裕司 1. 離散フーリエ変換と窓関数 この章では、離散フーリエ変換に用いる窓関数について学習します。 長い信号のスペクトル解析では、信号の一部を切り出してフーリエ変換を行います。 しかも、計算機を用いる場合は、離散値のデータを用いざるを得ず、離散フーリエ変換となります。 その場合の第1の課題は、切り出すデータの数をどのように決めるかということです。 データ数が少ないと、周波数分解能すなわちスペクトルの精度が低下してしまいます。 一方、データ数が多いと、計算量はデータ数の2乗で増え、処理時間が急激に増えてしまいます。 第2の課題は、切り出したデータの両端の影響をどのように押さえるかということです。 すなわち、離散フーリエ変換では、暗黙のうちにデータの周期性が仮定されているため、 右端と左端のデータ値が大きく異なると、その部分で急

    butyricacid
    butyricacid 2010/05/23
    窓関数
  • 1