对camera raw中的纹理和清晰度的内容的第二次修正

2024-05-12 14:44

本文主要是介绍对camera raw中的纹理和清晰度的内容的第二次修正,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

我重新复盘了傅里叶计算公式,然后发现我看不懂我当初是如何得到的了。事实上我认为有两个我,在看理论书的时候我可以提升自己的理解能力到达非常特别位置,但是我一般不是处于这种状态,一般都是非常普通的水平,这可能是我坚持看理科的书有9年锻炼出来的能力,如果算上大学的启蒙阶段,那我这种状态也有十几年了。我还以为之前的傅里叶公式写错了,发现是我记错了。频率域中的高频对应大相位角,而不是低频,我这几天一直在讨论低频,难怪问题搞反了。

我在fft算法一篇文章中写的完全是对的,后面的内容就是半对半错了。

我重新用我习惯的符号写一下。

fj=\sum_{i=0}^{M-1}s(j-,i)*ai*e^{\sum_{x=1}^{M}2\pi*i/2^{x}*i_{x}},i=i1i2...iM,j-=j的逆序数,函数s()表示j-与i相与之后统计1的个数,为0是正号,为1是负号。x是i的二进制位下标,i的最高位记为第一位。

我前面搞错的地方是i我记成iM...i2i1了,但是其实应该是i1i2...iM。

所以我只是搞错了相位角的问题。

然后是前一篇的计算公式,我也需要验证是否当ai相等的时候,那个公式的合理性。

假设一维图像序列为4个点。

这里我设e(x)=e^{2\pi*i*x},ai=1。

若j=10,

f10=s(10-,00)*e(2^(-1)*0+2^(-2)*0)   +   s(10-,01)*e(2^(-1)*0+2^(-2)*1)
+s(10-,10)*e(2^(-1)*1+2^(-2)*0)   +   s(10-,11)*e(2^(-1)*1+2^(-2)*1)

= s(01,00)*e(2^(-1)*0+2^(-2)*0)   +   s(01,01)*e(2^(-1)*0+2^(-2)*1)
+s(01,10)*e(2^(-1)*1+2^(-2)*0)   +   s(01,11)*e(2^(-1)*1+2^(-2)*1)

= e(2^(-1)*0+2^(-2)*0)   -   e(2^(-1)*0+2^(-2)*1)
+e(2^(-1)*1+2^(-2)*0)   -   e(2^(-1)*1+2^(-2)*1)

=e(1+1)+e(1+1/2)-e(1/2+1/4) -   e(2^(-1)*0+2^(-2)*1),说实话,并没有抵消,

那么这个估计公式也是错的。那么讨论的环就无意义了。环就是按照这个估算公式讨论的。

也不能说完全无意义,只是讨论的方式改变一下,还能写出来一点东西。

道理还是和之前的一样,而且比之前简单了,因为高频区域,在频率局部范围移动的时候,高位区域不变,这使得问题简单了很多。

首先知道的是i的二进制位从高到低,得到的相位角越来越小,所以修改哪个ai的值,对fj影响最大呢?肯定是i的最高位为1时候的ai,因为尽管fj是实数,看起来是和实轴夹角最小的相位角修改影响最大,但是要注意ai是复数,自带相位角。对ai的调整,不改相位,只改模的大小,最终能得到实数吗?不确定,能确定地是等比例改变的,是等比例得到实像素值的。

我不清楚是M个相位角谁最有影响,但是肯定是存在的。可以确定地是,由于角度是等比数列,如果第n个相位角影响最大的时候,那么依次的,第n+1个是第二个影响最大的,知道i的二进制位的最后一位是最大影响的。接着是第n-1位是最大影响的,接着是第1位。这里i=i1i2i3....iM。

这篇关于对camera raw中的纹理和清晰度的内容的第二次修正的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/982913

相关文章

使用Python实现获取网页指定内容

《使用Python实现获取网页指定内容》在当今互联网时代,网页数据抓取是一项非常重要的技能,本文将带你从零开始学习如何使用Python获取网页中的指定内容,希望对大家有所帮助... 目录引言1. 网页抓取的基本概念2. python中的网页抓取库3. 安装必要的库4. 发送HTTP请求并获取网页内容5. 解

Python实现常用文本内容提取

《Python实现常用文本内容提取》在日常工作和学习中,我们经常需要从PDF、Word文档中提取文本,本文将介绍如何使用Python编写一个文本内容提取工具,有需要的小伙伴可以参考下... 目录一、引言二、文本内容提取的原理三、文本内容提取的设计四、文本内容提取的实现五、完整代码示例一、引言在日常工作和学

SpringBoot使用Jasypt对YML文件配置内容加密的方法(数据库密码加密)

《SpringBoot使用Jasypt对YML文件配置内容加密的方法(数据库密码加密)》本文介绍了如何在SpringBoot项目中使用Jasypt对application.yml文件中的敏感信息(如数... 目录SpringBoot使用Jasypt对YML文件配置内容进行加密(例:数据库密码加密)前言一、J

如何解决Pycharm编辑内容时有光标的问题

《如何解决Pycharm编辑内容时有光标的问题》文章介绍了如何在PyCharm中配置VimEmulator插件,包括检查插件是否已安装、下载插件以及安装IdeaVim插件的步骤... 目录Pycharm编辑内容时有光标1.如果Vim Emulator前面有对勾2.www.chinasem.cn如果tools工

C#比较两个List集合内容是否相同的几种方法

《C#比较两个List集合内容是否相同的几种方法》本文详细介绍了在C#中比较两个List集合内容是否相同的方法,包括非自定义类和自定义类的元素比较,对于非自定义类,可以使用SequenceEqual、... 目录 一、非自定义类的元素比较1. 使用 SequenceEqual 方法(顺序和内容都相等)2.

两个月冲刺软考——访问位与修改位的题型(淘汰哪一页);内聚的类型;关于码制的知识点;地址映射的相关内容

1.访问位与修改位的题型(淘汰哪一页) 访问位:为1时表示在内存期间被访问过,为0时表示未被访问;修改位:为1时表示该页面自从被装入内存后被修改过,为0时表示未修改过。 置换页面时,最先置换访问位和修改位为00的,其次是01(没被访问但被修改过)的,之后是10(被访问了但没被修改过),最后是11。 2.内聚的类型 功能内聚:完成一个单一功能,各个部分协同工作,缺一不可。 顺序内聚:

STL经典案例(四)——实验室预约综合管理系统(项目涉及知识点很全面,内容有点多,耐心看完会有收获的!)

项目干货满满,内容有点过多,看起来可能会有点卡。系统提示读完超过俩小时,建议分多篇发布,我觉得分篇就不完整了,失去了这个项目的灵魂 一、需求分析 高校实验室预约管理系统包括三种不同身份:管理员、实验室教师、学生 管理员:给学生和实验室教师创建账号并分发 实验室教师:审核学生的预约申请 学生:申请使用实验室 高校实验室包括:超景深实验室(可容纳10人)、大数据实验室(可容纳20人)、物联网实验

毕业前第二次面试的感慨

距面试已经过去了有几天了,我现在想起来都有说多的恨感慨。 我一直都是想找刚刚起步的企业,因为这能让我学到更多的东西,然而正好有一家企业是刚起步的,而且他还有自己的产品专利,可以说这是一家,即是创业又是刚起步的公司,这家公司回复了我投给他的简历,这家企业想进一步了解我的情况,因为简历上我符合这家企业的基本要求,所以要进一步了解。 虽然面试的过程中,他给我的面试题,我做得并不是很理想,

用Python实现时间序列模型实战——Day 14: 向量自回归模型 (VAR) 与向量误差修正模型 (VECM)

一、学习内容 1. 向量自回归模型 (VAR) 的基本概念与应用 向量自回归模型 (VAR) 是多元时间序列分析中的一种模型,用于捕捉多个变量之间的相互依赖关系。与单变量自回归模型不同,VAR 模型将多个时间序列作为向量输入,同时对这些变量进行回归分析。 VAR 模型的一般形式为: 其中: ​ 是时间  的变量向量。 是常数向量。​ 是每个时间滞后的回归系数矩阵。​ 是误差项向量,假

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正