Biến đổi 4ier là công cụ toán học được dùng để phân tích các thành phần tần số của tín hiệu. Trong SciPy, một thư viện Python phổ biến, Fourier được thực hiện để hỗ trợ xử lý dữ liệu âm thanh và hình ảnh. Bài này cung cấp ví dụ thực tế về cách sử dụng SciPy cho phân tích bốn phần trong các miền này.

Biến đổi âm thanh nhiều hơn

Trong xử lý âm thanh, Fourier giúp xác định tần số tín hiệu âm thanh. sử dụng SciPy, bạn có thể chuyển đổi dữ liệu âm thanh thời gian thành vùng tần số để phân tích các thành phần quang phổ của nó.

Chẳng hạn, nạp một tín hiệu âm thanh và áp dụng biến đổi Fourier cho phép bạn hình dung các tần số thống trị. Nó có ích trong các ứng dụng như giảm nhiễu, hiệu ứng âm thanh và phân tích âm nhạc.

Biến hình 4 trong tiến trình ảnh

Trong tiến trình xử lý ảnh, các biến đổi 4ier được dùng để phân tích thông tin tần số không gian. Nó có thể hỗ trợ trong việc lọc, tăng cường hình ảnh và công việc nhận dạng mẫu.

Áp dụng một biến đổi 2D Fourier thành một hình ảnh chuyển đổi từ miền không gian thành miền tần số. thành phần tần số cao thường tương ứng với cạnh và chi tiết tốt, trong khi thành phần ít tần số liên quan đến các vùng mịn.

Ví dụ thực tiễn: Tính toán biến đổi bốn loại với SciPy

Dưới đây là một ví dụ đơn giản về sự chuyển hóa của một tín hiệu bằng tiếng SciPy:

[CHUCKLES]

nhập numpy dạng np

từ chữ hoa.fft nhập fft, fftfreq

# Tạo ra một tín hiệu mẫu

Mẫu BAR 1000

t = np.linspace( 0, 1, lấy mẫu te, kết thúc = False)

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

♪ Tính bốn biến đổi ♪

yf = fft (bial)

xf = fftfreq (samding rate, 1 / lấy mẫu te)

# Phân tích các thành phần tần số

in (xf[np.argmax (np.abs (yf)] # tần số chủ đề

[Tiếng Tây Ban Nha]