הבנה של Fourier Transforms סקי: דוגמאות מעשיות בעיבוד אודיו ותמונה

Fourier Transforms הם כלים מתמטיים המשמשים לנתח את רכיבי התדירות של אותות.In SciPy, ספריית פייתון פופולרית, Fourier הופכת מיושמת כדי להקל על עיבוד של נתוני אודיו ודימויים. מאמר זה מספק דוגמאות מעשיות של איך להשתמש SciPy לניתוח Fourier בתחומים אלה.

Fourier Transform in Audio

בעיבוד אודיו, Fourier הופך את העזרה לזהות את התוכן התדירות של אותות הקול.שימוש ב-Sy, אתה יכול להמיר נתוני אודיו בזמן-דומיין למתחת התדירות לנתח את מרכיביה הספקטרוםיים.

לדוגמה, טעינת אות אודיו ויישום של ה- Fourier הופך מאפשר לך לדמיין את התדרים הדומיננטיים.זה שימושי ביישומים כגון ירידה רעש, אפקטים אודיו וניתוח מוסיקה.

Fourier Transform in Image Processing

בעיבוד תמונות, Fourier Transforms משמשים לנתח מידע תדר מרחבי.זה יכול לעזור סינון, שיפור תמונה ומשימות זיהוי דפוס.

החלת 2D Fourier הופכת לדימוי הופך אותו מהמרחב למרחב התחום התדירות.רכיבים גבוהים מאוד תואמים לעתים קרובות לנקודות ולפרטים יפים, בעוד שרכיבים בתדר נמוך מתייחסים לאזורים חלק.

דוגמה מעשית: מחשוב Fourier Transform with SciPy

להלן דוגמה פשוטה של מחשוב, הטרנספורמציה של Fourier של אות באמצעות SciPy:

⁇ python

ייבוא מספרד כמו np

מתוך sipy.fft לייבא fft, fftfreq

# ליצור אות דגימה

sampling rate = 1000

t = np.linspace (0, 1, sampling rate, Endpoint=False)

הערה = np.sin(2 * np.pi * 50 * t) + 0.5 * np.sin(2 * np.pi * 120 * t)

# 4er Turn

yf = fft(signal)

xf = fftfreq(sampling rate, 1 / sampling rate)

# Analyze תדירות רכיבים

(xf [np.argmax(np.abs(yf))) # תדירות Dominant

⁇