原创 基於聽覺特性的Mel頻率倒譜分析
基於聽覺特性的Mel頻率倒譜分析 心理學研究表明：人類對於聲音音調的感覺其實都不是線性的 客觀上：用頻率表示 主觀上：音調的單位用Mel標度 公式 根據人耳對低頻信號比對高頻信號更敏感這一原則，研究者根據心理學實驗得到了類
2020-06-30 09:51:13
原创 語音信號的倒譜域分析
語音信號的倒譜域分析 倒譜的概念 定義：倒譜定義爲信號短時振幅譜（功率譜）的對數傅里葉反變換 特點：具有可近似地分離並能提取出頻譜包絡信息和細微結構信息的特點。 倒譜的分析流程 IDFT：離散傅里葉逆變換 A：短時信號 B：短
2020-06-30 09:51:13
原创 數字圖像的表示
數字圖像的表示 圖像是由像素構成的 圖像分類 二值圖像（0/1） 灰度圖像（0：黑；255：白；other：灰） RGB圖像（R:red，G:green，B:blue） 注意： openCV順序：BGR 讀取圖像：r
2020-06-30 09:51:13
原创 語音信號的頻域分析
語音信號的頻域分析 語音的感知過程與人類聽覺系統具有頻譜分析功 能緊密相關。因此，對語音信號進行頻譜分析， 是認識語音信號和處理語音信號的重要方法 聲音從頻率上可以分爲純音和複合音。純音只含 一種頻率的聲音(基音)，而沒有倍音。複
2020-06-30 09:51:13
原创 相機模型與標定（學習筆記）
相機模型與標定 內外參定義 相機中有四個座標系，分別是{world}、{camera}、{image}、{pixel} {world}：世界座標系，可以任意指定xw和yw軸 {camera}：相機座標系，原點位於小孔，z軸與光軸
2020-06-30 09:51:13
2
原创 交互式前景提取GrabCut
交互式前景提取GrabCut GrabCut算法的具體實施過程 在圖片中定義含有（一個或多個）物體的矩形框 矩形框外的區域被自動認爲是“確定背景” 對於用戶自定義的矩形區域，可用背景中的數據來區別矩形框區域內的前景和背景區域 用
2020-06-30 09:51:13
原创 順序表基本操作的代碼實現
順序表基本操作的代碼實現 初始化 靜態分配方式 #include <stdio.h> #define MaxSize 10 //定義最大長度 typedef struct{ int data[MaxSize]; //存放數據
2020-04-14 05:11:59
原创 模板匹配
模板匹配 模板匹配原理 定義：模板匹配就是在整個圖像區域發現與給定字圖像匹配的最小區域 條件：需要有一個模板圖像T，一個待檢測的圖像——源圖像 I 工作方法：在待檢測圖像I上，從左到右，從上向下計算模板圖像與重疊字圖像的匹配度，匹
2020-04-01 00:27:14
1
原创 語音信號的預處理
概述 語音信號是一種非平穩的時變信號，它攜帶着大量信息。在語音編碼、語音合成、語音識別和語音增強等語音處理中，都需要提取語音中包含的各種信息 語音處理的目的 對語音信號進行分析，提取特徵參數，用於後續處理 加工語音信息，如語音增
2020-04-01 00:27:14
原创 濾波和卷積
濾波和卷積 圖像閾值處理 原始圖像 其中 紅色線爲閾值 二進制閾值化 小於閾值的——0 大於閾值的——255 反二進制閾值化 小於閾值的——255 大於閾值的——0 截斷閾值化 小於閾值的——本身 大於閾值的——取閾值 反
2020-04-01 00:27:14
原创 傅里葉變換
傅里葉變換 理論基礎 時間域與頻域相互轉換來看信號 使用Numpy實現傅里葉變換 numpy.fft.fft2 實現傅里葉變換 返回一個複數數組(complex ndarray) numpy.fft.fftshift 將零頻
2020-04-01 00:27:14
原创 常見的圖像變換
常見的圖像變換 直方圖處理 基本概念 直方圖 橫座標：圖像中各個像素點的灰度級 縱座標：具有該灰度級的像素個數 歸一化直方圖 橫座標：圖像中各個像素點的灰度級 縱座標：出現這個灰度級的概率 DIMS:使用參數的數量 di
2020-04-01 00:27:14
原创 如何連接上springcloud搭建的網關
如何連接上springcloud搭建的網關 需求描述 由於小程序的發佈需要用域名訪問，不能直接裸ip，所以需要綁定域名 環境說明 使用springboot搭建的後端項目 使用springcloud搭建的網關 例如，域名爲 htt
2020-03-27 03:12:22
原创 操作小記（圖像梯度處理）
圖像梯度處理 描述：使用sobel算子、scharr算子和Laplacian算子處理同一幅圖像（核的大小相同），觀察其結果的不同 代碼 import cv2 import numpy as np import matplotlib
2020-03-22 00:51:11
2
原创 操作小記（圖像平滑處理）
圖像平滑處理 描述：使用均值濾波、中值濾波、高斯濾波、雙邊濾波和自定義卷積覈對同一幅圖像進行處理，觀察其結果的不同 代碼 import cv2 import numpy as np import matplotlib.pyplot
2020-03-22 00:51:11