Apat na mas malaking pagbabago ang mga kasangkapang matematikal na ginagamit upang suriin ang mga madalas na bahagi ng mga hudyat. Sa SciPy, isang popular na aklatan ng Python, apatier transforms ay ipinatupad upang mapadali ang pagproseso ng audio at imahe data. Ang artikulong ito ay nagbibigay ng praktikal na mga halimbawa kung paano gamitin ang SciPy para sa Fourier analysis sa mga sakop na ito.

Mas Malaking Pagbabago sa Pagpoproseso ng Audio

Sa audio processing, ang Fourier transforms ay tumutulong upang matukoy ang frequency nilalaman ng mga signal ng tunog. sa paggamit ng SciPy, maaari mong i-creative ang time-domain audio data sa frequency domain upang suriin ang mga spectral na bahagi nito.

Halimbawa, ang pagkarga ng audio signal at pagkakapit ng Fourier transform ay nagpapangyari sa iyo na gunigunihin ang nangingibabaw na frequency.

Mas Malaking Pagbabago sa Pagproseso ng Larawan

Sa pagpoproseso ng imahe, apatier transforms ay ginagamit upang suriin ang sprayial frequency information. Ito ay maaaring makatulong sa pagsasala, pagpaganda ng imahe, at mga pattern recognition na mga atas.

Pagkakapit ng isang 2D Fourier na binabago sa isang imahe ay binabago ito mula sa sprayal domain hanggang sa madalas domain. ang mga mataas na bahagi-frequency ay kadalasang tumutugma sa mga gilid at pinong detalye, habang ang mga mababang-frequency na bahagi ay nauugnay sa mga makinis na rehiyon.

Praktikal na Halimbawa: Pagbuo ng Apat na Pagbabago sa Pamamagitan ng SiciPy

Nasa ibaba ang isang payak na halimbawa ng pagkukuwenta ng Apat na Pagbabago ng isang hudyat na gumagamit ng SciPy:

```Sopython

pag-aangkat numby bilang np

mula sa scipy.fft ang pag-angkat ng fft, fftfreq

# I - Generate ang isang sampol na signal

Halimbawa rate = 1000

t = np.linspace(0, 1, halimbawa rate, endpoint= frayp)

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

#Mag - isip ng Apat na Pagbabago

⁇ = fft(signal)

xf = fftfreq(pagpasa ng rate, 1 / Mga halimbawa rate)

# Suriin ang dalas ng mga sangkap

nakalimbag(xf[np.argmax(np.abs(yf)]) # Dominint frequency

````