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。
,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,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!