ガウシアンフィルタの特徴 画像処理ソリューション
確かに処理結果を見てみると、ガウシアンフィルタが最も高周波成分を除去できているように 思います。 なぜ、そうなるのか？ 本には数式においても、この効果が証明できるような事が書いてありましたが、ちょっと難しいので、 カーネルの値について見てみたいと思います。 そもそも、ある特定の周期の成分を消すためには、どうすれば良いか？というと、 周期の半分の離れた２点のデータを平均していけば、その周波数の成分を消す事が出来ます。 ここで、画像で表すことのできる最も高い周波数は 明 暗 明 暗 明 暗 明 暗 明 暗 明 暗 明 暗 明 暗 となる２画素周期のパターンで、このパターンを消すためには、隣り合う２画素の輝度値を 平均すると、画像データから最も高周波の成分を除去する事が出来ます。 しかし、隣り合う２画素の平均の結果は、画素間の位置の輝度値を示してしまうので、 この平
C#で画像処理 窓関数
画像処理とは脱線しますがフーリエ変換の話題を書いたのでついでに窓関数をC#プログラムとともに紹介します。 窓関数は、有限の区間以外が0になるような関数です。 よくデジタル信号を扱う際に、膨大な信号波形からある一定区間を切り出す際に使用されます。 周期信号から適当にサンプルした信号に掛けてやることで、フーリエ変換した際に周波数解析しやすくなります。 窓関数として使われるものは数多くあります。 例えば、 ハミング窓 ハニング窓 ブラックマン窓 矩形窓 １ それぞれ、0≦n＜N グラフにすると(N=256) 利用例 このような２つの周期的な関数を足し合わせた信号 から、 ある区間(N=256)を抜き出して 周波数スペクトルを求める場合は、 まず、窓関数をある区間に掛けます。 ハミング窓を掛けると 上の波形は、 このようになります。 フーリエ変換後の 窓関数を掛けたものと、掛けていないものを比べる
離散コサイン変換 - Wikipedia
二次元DCTとDFTとの比較。左はスペクトル、右はヒストグラム。低周波域での相違を示すため、スペクトルは 1/4 だけ示してある。DCTでは、パワーのほとんどが低周波領域に集中していることがわかる。 離散コサイン変換（りさんコサインへんかん、英: discrete cosine transform、DCT）は、離散信号を周波数領域へ変換する方法の一つである。 概要[編集] DCTは、有限数列を、余弦関数数列 cos(nk) を基底とする一次結合（つまり、適切な周波数と振幅のコサインカーブの和）の係数に変換する。余弦関数は実数に対しては実数を返すので、実数列に対してはDCT係数も実数列となる。 これは、離散フーリエ変換 (DFT: discrete Fourier transform) が、実数に対しても複素数を返す exp(ink) を使うため、実数列に対しても複素数列となるのと大きな違い
KL展開 - [物理のかぎしっぽ]
KL展開とは † Karhunen-Loeve展開の略でベクトルの分布を最も良く近似する部分空間を求める方法です． 例えば5つの要素を持つベクトルがいくつかある場合に，出来るだけ元のデータを失わないように 3つや4つの要素のベクトルで表そうといった手法です．圧縮やパターン認識の分野で用いられたりしています． 要するに元のデータの特徴を残し，あまり特徴と関係ないであろう部分を消してしまおうという処理です． 具体的には，画像であれば100×100ピクセルのグレースケールの画像であれば， 10000個のデータを持っていますが，これは10000次元の1点で表すことができます． 実際には10000次元で表すとベクトルは1個になってしまいKL展開をすることができないので， 10×10のブロックに分けて100次元のベクトルが100個ある，などと考えて処理します． そして次元を例えば70次元などに落とす事
tmps.org - このウェブサイトは販売用です！ - Tmps リソースおよび情報
このウェブサイトは販売用です！ tmps.org は、あなたがお探しの情報の全ての最新かつ最適なソースです。一般トピックからここから検索できる内容は、tmps.orgが全てとなります。あなたがお探しの内容が見つかることを願っています！
MATLABのsaveでファイル名を試行ごとに変えたい
自分で作ったプログラムソースから抜粋しました。 自分は画像処理を行って、画像330枚をひとつのディレクトリに 書き出しています。 d = dir('cars/*.jpg'); こうすることで、カレントディレクトリにあるcarsというディレクトリ のファイル(.jpg)の情報を全て構造体として d に書き出します。 あらかじめcarsを作っておきます 構造体の中身は d.name 'car0004.jpg' //ファイル名 d.data '25-9-2008...'//日付 d.byte '4996' //バイト d.isdir '0' d.num 7.4e^... といった情報が入っています。実際に試してみてください。 maisu=1; kakidashi=['kensa330/' d(maisu).name]; これでkensa330というフォルダの位置と名前を指定することができます。
パターン認識 - Wikipedia
パターン認識（パターンにんしき、英: Pattern recognition）は自然情報処理のひとつ。画像・音声などの雑多な情報を含むデータの中から、一定の規則や意味を持つ対象を選別して取り出す処理である。 概要[編集] パターン認識には、音声データから人間の声を認識して取り出して命令として解釈する音声認識、画像データの中から文字を認識してテキストデータに変換する光学文字認識(OCR)、大量の文書情報の中から、特定のキーワードを認識して文書の検索を実施する全文検索システム、などの技術が含まれる。 人間の脳にとっては、幼児・児童の発達段階において知覚・言語能力を獲得していく上でごく自然に行う過程でありながら、コンピュータで人為的に実現するには精度・速度どちらの面についても困難を伴う。 近年、「認識とは、結局どのクラスに分類されるかという識別問題に帰着することができる」という立場の研究が、人工
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ヒストグラムの拡張・平坦化によるカラー画像の補正
アルゴリズム入門 : 第 4 章 画像処理入門 2