फोरियर बदलता है गणितीय उपकरण संकेतों के आवृत्ति घटकों का विश्लेषण करने के लिए उपयोग किया जाता है। SciPy में, एक लोकप्रिय पायथन पुस्तकालय, फोरियर बदलता ऑडियो और छवि डेटा के प्रसंस्करण को सुविधाजनक बनाने के लिए कार्यान्वित किया जाता है। यह लेख इन डोमेन में फोरियर विश्लेषण के लिए SciPy का उपयोग करने के तरीके के व्यावहारिक उदाहरण प्रदान करता है।

ऑडियो प्रोसेसिंग में फोरियर ट्रांसफॉर्म

ऑडियो प्रोसेसिंग में, फोरियर ध्वनि संकेतों की आवृत्ति सामग्री की पहचान करने में मदद करता है। SciPy का उपयोग करके, आप अपने वर्णक्रमीय घटकों का विश्लेषण करने के लिए आवृत्ति डोमेन में समय-घरेलू ऑडियो डेटा को परिवर्तित कर सकते हैं।

उदाहरण के लिए, एक ऑडियो संकेत लोड हो रहा है और फोरियर को लागू करने से आपको प्रमुख आवृत्तियों को देखने की अनुमति मिलती है। यह शोर में कमी, ऑडियो प्रभाव और संगीत विश्लेषण जैसे अनुप्रयोगों में उपयोगी है।

छवि प्रसंस्करण में चार्ली ट्रांसफॉर्म

छवि प्रसंस्करण में, फोरियर बदलता है का उपयोग स्थानिक आवृत्ति जानकारी का विश्लेषण करने के लिए किया जाता है। यह फ़िल्टरिंग, छवि एन्हांसमेंट और पैटर्न मान्यता कार्यों में सहायता कर सकता है।

2D Fourier को लागू करने से एक छवि में परिवर्तन इसे स्थानिक डोमेन से आवृत्ति डोमेन में बदल देता है। उच्च आवृत्ति घटक अक्सर किनारों और ठीक विवरण के अनुरूप होते हैं, जबकि कम आवृत्ति घटक चिकनी क्षेत्रों से संबंधित होते हैं।

व्यावहारिक उदाहरण: कंप्यूटिंग फोरियर sciPy के साथ रूपांतरण

नीचे एक संकेत के चारियर को कंप्यूट करने का एक सरल उदाहरण है जिसका उपयोग SciPy:

``````````````

np के रूप में आयात numpy

Scipy.fft आयात fft, fftfreq से

# एक नमूना संकेत उत्पन्न

नमूना = 1000

T = np.linspace(0, 1, नमूना rate, समापन बिंदु=False)

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

# Compute Fourier change

yf = fft(signal)

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

# विश्लेषण आवृत्ति घटक

print(xf[np.argmax(np.abs(yf)))] # प्रमुख आवृत्ति

```````