چاروں متغیرات ریاضیاتی آلات ہیں جو سگنلز کے فریکوئنسی اجزاء کا تجزیہ کرنے کے لیے استعمال ہوتے ہیں۔سیپی میں ایک مقبول پائیتھ لیبارٹری میں، آڈیو اور تصاویر کے اعداد و شمار کی ساخت میں سہولت کے لیے چارے کے استعمال کے لیے چارے کی پیمائش کے لیے 4وئر کے لیے SciPy کا استعمال کرنے کے لیے استعمال کیا جاتا ہے۔

آڈیونگ میں چار سے زیادہ مرتبہ

آڈیو انورکشن میں، فیچر تبدیل کرتا ہے آواز سگنلز کے فریکوئنسی مواد کی شناخت کرنے میں مدد دیتا ہے. ایسکیپی استعمال کرتے ہوئے، آپ اپنے Specctral اجزاء کا تجزیہ کرنے کے لیے وقت-dmain آڈیو ڈیٹا کو فریکوف ڈومین میں تبدیل کر سکتے ہیں۔

مثال کے طور پر ، آڈیو سگنل کو لوڈ کرکے چارئیر متغیر کا اطلاق کرنے سے آپ غالب فریکوئنسی کی عکاسی کرنے کے قابل ہوتے ہیں ۔ یہ شور کم کرنے ، آڈیو اثرات اور موسیقی کے تجزیے جیسے اطلاقات میں مفید ہے ۔

تصویر میں چار بڑے پُراسرار کام

تصویر بنانے کے لئے چاروں متغیرات استعمال کئے جاتے ہیں جن میں معلومات کا تجزیہ کرنے ، تصاویر بنانے اور شناختی کام کرنے میں مدد دی جاتی ہے ۔

2D Fourier کا اطلاق کرتے ہوئے کسی تصویر میں اسے spreque ڈومین سے تبدیل کر کے فریکوئنسی ڈومین تک. ہائی-فریسی اجزاء اکثر کناروں اور اچھی تفصیلات کے مشابہ ہوتے ہیں جبکہ کم سے کم مقدار میں موجود اجزاء ہموار علاقوں سے تعلق رکھتے ہیں۔

عملی نمونہ : سسیپی سے حاصل ہونے والی چاروں طرف سے رابطہ کرنا

نیچے ایک سگنل کی تبدیلی کی سادہ مثال Sciپی استعمال کرتے ہوئے:

'آپ کے وزٹرز کا ریکارڈ رکھا جائے گا.

بطور NAp کے درآمد کردہ درآمدی نظام

اسکیپی سے۔فٹ درآمد فیفٹ، ftfreq

#ایک مثالی سگنل

سميکہ = 1000

T = np.lin space(0, 1, Sampling rate, اختتامی نقطہ = False)۔

سگنل = np.sin(2 * np.pi * 50 * T) + 0.5 * np.sin(2 * np.pi * 120 * T)۔

#کومپٹ چارئر تبدیل کرتا ہے۔

Yf = fft(signal)

xf = ffffreq(sampling rate)، 1 / Sampling rate)۔

# عصمت دری کے اجزا

پرنٹ(xf)(np.argmax(np.abs(yf)) # مقتدرہ فریکوئنسی (Archrency)

''