Android 台灣中文網 › 標籤 › 餘弦

標籤: 餘弦

相關帖子	版塊	作者	回覆/查看	最後發表

沒有相關內容

相關日誌

分享離散餘弦變換: 嵐風 2022-8-16 00:55; 第二步：接著對灰階轉換完資料後，展開離散餘弦變換的處理，針對每個八乘八的模塊，應用離散餘弦變換，以提取模塊的特徵。離散餘弦變換若專注於處理照片的領域來說，他可以將照片的裡核內容，轉化至另外一種型式的壓縮型態，這種型態濃縮了照片原生的大略情報，而離散餘弦變換的變換核為餘弦函數，且離散餘弦變換相對於其他變換方法來說，可以減少一半以上的計算量。回想到離散餘弦變換的壓縮能量功效，這個重要的特殊性質，可以使得在僅僅保留低頻係數的情況下，仍然能夠保留大部分的訊息，也就是可以將能量集中至八乘八離散餘弦變換矩陣裡，最左上方的直流係數，隨著照片能夠藉由拍攝的行為所獲取得到，拍攝時所擷取到畫面裡自然場景的大部分訊息，都集中在離散餘弦變換後的低頻部分，而高頻部分則約略聚集在離散餘弦變換矩陣的右下方，這些高頻值通常相當小，幾乎接近趨向於零，甚而可以忽略不計，也就意味著幾乎沒有可見的失真，這在經過後續的量化處理後，位在八乘八離散餘弦變換係數矩陣中的樣態，將會體現地更加明顯。上述圖 3-2 為離散餘弦變換的 basis pattern 樣式表，也就是最基本的組成元素，這些低階的模版素材可以藉由自由搭配，來衍生出更深層的進化圖。圖 3-2 裡的基本質材元素組，正都是意味著某些很重要的訊息，例如很像是照片原生中的水平、垂直、對角等等方向的線條輪廓的勾畫，但而現階段都被轉換至如此場域型別的樣態中，卻仍然隱含著原始照片的表面上，一些重要的情報，比如取材照片表面上的某些物件，或位在遠方的自然場景，他們的型狀度量，界線轉角等等的勾勒描摹，全部都將轉维至這個離散餘弦變換的 basis pattern 之中，也許這些有條不紊，斑斕有致的特徵紋理，正是座落在離散餘弦變換係數矩陣裡的某個位置。若專注於處理照片的領域來說，他可以將照片的裡核內容，轉化至另外一種型式的壓縮型態，這種型態濃縮了照片原生的大略情報，所以離散餘弦變換相當適宜於壓縮照片的任務，同樣的，套用到照片被同圖複製移動的課題，離散餘弦變換可以先與量化矩陣表配合，處理後得出等級優良的品質照片，而细美照片裡的支角棱勾，最終能夠取決於可以找到多少被同圖複製移動的區域，這些都是為了構建出可行的 CMFD 的實做，輸入某張可能疑似有被後製技術處理過的照片，輸出鑑識照片的結果，找出照片中可能被同圖移動複製的區域，意謂著被駭入或沒被駭入的判斷，並嘗試分析 CMFD 的識別效能。其實際的操演流程，並套用至本方法想要採納的 CMFD 之框架來說，就是將原始照片大部分的分裂區塊象素值訊息，移轉至八乘八離散餘弦變換矩陣中，最左上角的直流係數，剩餘落下的其他元素是為交流係數，藉由捨棄交流係數的多寡，可以同步影響照片對映的呈現品質，即使犧牲的交流係數很多，但是照片仍能夠保留著約略可見的線條輪廓，更何況只是丟毀少許的交流係數，最後投現出來的照片外觀終究很精細。以某個辨識光學字元串的專案為例，此案例發現在數據呈現中，具有百分之八十四的龐大能量，頻繁地靠攏於那僅有百分之二點八的少數離散餘弦變換係數中，這也就代表著，在那離散餘弦變換的矩陣裡，擁有著絕大部分百分之八十四的訊息，幾乎全集中於矩陣的左上角，也就驗證了前述所說的各種導論，有關於離散餘弦變換的大部分定理，所以離散餘弦變換在照片的數據壓縮中，得到了廣泛的應用，也同樣能夠受用於 CMFD 的偵測使命。; 67 次閱讀|0 個評論

更多...

標籤: 餘弦

相關帖子

相關日誌

警告：您的Adblck已啟用