dft

    2热度

    1回答

    我试图实现在基于this OpenCV example从文档光谱图像滤波和复制为方便起见,这里: void convolveDFT(InputArray A, InputArray B, OutputArray C) { C.create(abs(A.rows - B.rows)+1, abs(A.cols - B.cols)+1, A.type()); Size dftSi

    0热度

    1回答

    我正试图从平面文件中加载数据。该文件大小约为2.5 GB,行数接近10亿。我在DFT中使用平面文件源。文件中的几行不遵循列模式,例如有一个额外的分隔符或者说文本限定符作为一列的值。我想跳过这些行并加载具有正确格式的行的其余部分。我正在使用SSIS 2014.DFT内的平面文件源失败。我已将alwaysCheckforrowdelimiter属性设置为false,但仍然不起作用。由于文件太大,手动打

    4热度

    1回答

    我被告知将平均池化应用于矩阵M等同于丢弃M的傅立叶表示的高频分量。平均池化意味着2通过可视化作为此图像中2平均池: 我想验证这一点,看看这个使用numpy的是如何工作的。所以我写了一个天真的实现平均池及复制的功能,整齐地从here显示矩阵: def prettyPrintMatrix(m): s = [['{:.3f}'.format(e) for e in row] for row i

    0热度

    1回答

    dst是复杂的DFT结果,也是此部分代码完成时的最后结果。 for(j = 2, wave++; j < n2; j += 2, wave++) { /* calc odd */ h2_re = scale2*(dst[j+1] + t); h2_im = scale2*(dst[n-j] - dst[j]); /* calc even */

    1热度

    1回答

    我知道已经有关于使用Python中的快速傅立叶变换(FFT)方法的几个问题,但不幸的是没有人能帮助我与我的问题: 我希望使用python来计算给定二维信号f的快速傅里叶变换,即f(x,y)。 Pythons的文档有很多帮助,可以解决FFT带来的一些问题,但我最终的频率稍微偏移了一些,而我预计它会显示频率。这里是我的Python代码: from scipy.fftpack import fft, f

    0热度

    1回答

    我最近试图为Opencv's Mat实现FFT函数。 我激发了我的实现主要是从FFTW的代码样本和: FFTW-OpenCV 我祈祷,密切关注以紧固处理,以适应输入图像的大小。 看来我做错了什么,因为输出总是黑色的图像。 这是我实现: void fft2_32f(const cv::Mat1f& _src, cv::Mat2f& dst) { cv::Mat2f src;

    1热度

    1回答

    我正在尝试实现离散傅立叶逆变换我预先应用离散傅立叶变换的图像。输出是两种图像。一张图像位于正确位置,另一张图像位于反向位置。你能帮我解决这个问题吗? 这是我写的代码。 double inverseFourierReal = 0.0; double inverseFourierImg = 0.0; double degreeValue,cosValue,sinValue;

    0热度

    1回答

    我录制的音频跨越了几秒钟,并且包含以相同频率生成的两个相似音调。他们相隔几秒钟。我想要做的就是检测第一个音的结束和第二个音的开始,根据这个音频文件分开多少个样本。假设在48KHz音频下有16位带符号PCM和一个字节数组来表示原始音频。 我在努力解决这个问题; a)运行一个DFT来检测音调 b)自两个音调是最响亮的,不知何故的特定频率的发生,计算出的峰和在那里开始为两个音调/结束 c)中运行通过的带

    1热度

    1回答

    我试图实现离散傅立叶变换的“朴素”定义,除了C++及其标准库之外,我个人对数学材料的理解,尽管我的代码似乎是DFT的数学定义的直接翻译,但我仍然得到不正确的输出。 下面的代码(编辑以清理输出比原来的更好): void DFT(std::complex<double>* outputs, int N, std::complex<double>* inputs) { for (int k

    0热度

    2回答

    我有一些时间序列数据集,我想要转换为dft信号以降低维度。在转换为dft后,我想使用k-means算法对得到的dft数据集进行聚类。 由于dft信号包含一个虚数如何聚簇它们呢?