4개의 변화는 신호의 빈도 성분을 분석하기 위하여 사용된 수학 공구입니다. SciPy에서는, 대중적인 Python 도서관에서는, 4개의 변형은 오디오와 이미지 자료의 처리를 촉진하기 위하여 실행됩니다. 이 문서는 이 도메인에 있는 4개의 분석에 대한 SciPy를 이용하는 방법의 실제적인 예를 제공합니다.

4ier 오디오 프로세싱에 Transform

오디오 처리에서, Fourier는 소리 신호의 빈도 내용을 식별하는 데 도움이 변환합니다. SciPy를 사용하여 시간도메인 오디오 데이터를 주파수 영역으로 변환하여 스펙트럼 구성 요소를 분석 할 수 있습니다.

예를 들어, 오디오 신호를 로딩하고 네이처 변환을 적용하면 지배적 주파수를 시각화 할 수 있습니다. 이 기능은 소음 감소, 오디오 효과 및 음악 분석과 같은 응용 프로그램에 유용합니다.

4ier Transform 에 이미지 처리

이미지 처리에서, Fourier는 공간 주파수 정보를 분석하기 위해 사용됩니다. 이것은 필터링, 이미지 향상 및 패턴 인식 작업을 지원할 수 있습니다.

2D Fourier 변환을 이미지로 변환하는 것은 공간 도메인에서 주파수 도메인으로 변환합니다. 고주파 구성 요소는 종종 가장자리와 정밀한 세부 사항과 동일하며, 저주파 부품은 매끄러운 지역에 리레이트합니다.

실제 예제: SciPy와 4가지 변형

아래는 SciPy를 사용하여 4개의 신호를 변환하는 간단한 예입니다:

₢ 킹

np로 numpy 가져 오기

scipy.fft 가져 오기 fft, fftfreq

# 샘플 신호를 생성

샘플링 rate = 1000

t = np.linspace(0, 1, 샘플링 rate, endpoint=False)

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

# Compute Fourier 변환

yf = fft (신호)

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

# Analyze 주파수 구성 요소

인쇄 (xf[np.argmax (np.abs (yf))]) # 지배 주파수

₢ 킹