استفاده از تبدیل فوریه برای تجزیه سیگنال نور

✅این همه بحث در مورد #تبدیل_فوریه و تجزیه سیگنال به فرکانسهای تشکیل دهنده
کاربردش چیه؟؟🤔
💢یکی از پر کاربردترین موارد استفاده آن، فرایند فیلتر در پردازش سیگنال است.
مثلا اگر صدا خش دار و بی کیفیت است یا تصویر وضوح خوبی ندارد با حذف برخی از #فرکانسها یا کاهش #نویز توسط #فیلتر به کیفیت مطلوب میرسونیم.

#فرکانس یا بسامد: تعداد تکرار یک رویداد در واحد زمان.
بر اساس اینکه کدامیک از این سه نوع فرکانس باید حذف شود، سه نوع #فیلتر داریم.

✅#انواع_فیلتر :
1)فیلتر پایین گذر: فرکانسهای بالاتر از یک مقدار معین را حذف میکند و فرکانسهای پایین تر را عبور میدهد.
2)میان گذر : فقط فرکانس های حد متوسط و میانی عبور داده میشود.
3) بالا گذر : فرکانسهای پایین تر از یک مقدار معین را حذف میکند و فرکانسهای بالا تر را عبور میدهد.
💢 واقعیت این است که قبل از پردازش اصلی ما یک پیش پردازش داریم تا سیگنالهای خارج از محدوده ی فرکانسی حذف شود. و این کار با فیلتر کردن انجام میشود.

#low pass filter, #high pass filter or #band pass filter.

Image #Blurring (Image #Smoothing)#
#مات یا #نرم کردن تصویر با فیلتر #میانگین
فیلتری در حوزه #مکان و#پایین گذر


👀ببینیم کدبرنامه چی میگه:
1️⃣خواندن تصویر :

img = cv2.imread('face.png')

2️⃣یک آرایه5x5 که تمام عناصر آن از یک تشکیل شده باشه، توسط دستور زیر انجام میگیره:
#np.ones: آرایه ای از 1 درست میکند:
np.ones((5,5),np.float32)
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]], dtype=float32)

درواقع آین آرایه برای ساخت کرنل #فیلتر_میانه است که باید تقسیم بر 25 شود:
np.ones((5,5),np.float32)/25
array([[ 0.04, 0.04, 0.04, 0.04, 0.04],
[ 0.04, 0.04, 0.04, 0.04, 0.04],
[ 0.04, 0.04, 0.04, 0.04, 0.04],
[ 0.04, 0.04, 0.04, 0.04, 0.04],
[ 0.04, 0.04, 0.04, 0.04, 0.04]], dtype=float32)

چرا؟🤔🙄

3️⃣ در واقع هسته 5.5 روی عکس حرکت کرده و هر بار میانگین 25 پیکسل که شامل مرکز قسمتی از عکس که کرنل روی آن قرار دارد و باقی که همسایگان پیکسل مرکزی میباشند، حساب میشود. در واقع پیکسل های عکس، درایه به درایه در کرنل ضرب میشوند. سپس تمام این پیکسل ها جمع میشوند و جایگزین پیکسل مرکز ی میشوند. سپس مرکز کرنل روی پیکسل بعدی عکس منشیند.(کونولوشن).
کونولوشن هم در حوزه مکان و هم در حوزه فرکانس هست، منتها در حوزه فرکانس اسم آن به ضرب تبدیل میشود.

اپن سی وی(opencv) این کار را با تابع cv2.filter2D# انجام میدهد.

cv2.filter2D(img,-1,kernel)

همانطور که مشاهده میکنید این تابع 3 پارمتر دارد:
1)تصویر #مبدا یا اصلی
2)؟🤔
3) کرنل یا ماسک
در مورد پارامتر دوم :
cv.filter2D (src, dst, ddepth, kernel, anchor = new cv.Point(-1, -1), delta = 0, borderType = cv.BORDER_DEFAULT)
کل پارامترهایی که این تابع میگیره اینها هستن.
پارامتر ddepth# جواب سوال ما هست.
1) وsrc: تصویر ورودی
2) وdst : تصویر خروجی که از نظر اندازه و تعداد کانال با تصویر ورودی یکی است
3) وddepth: عمق دلخواه تصویر خروجی
4)کرنل
5)و....

فیلتر میانه

اگر عمق -1 باشد یعنی عمق تصویر خروجی باید مانند تصویر ورودی باشد.تصویر ورودی میتونه هر تعداد کانال داشته باشه که به صورت جداگانه پردازش شوند ولی عمق باید CV_8U, CV_16U, CV_16S, CV_32or CV_64باشد

✅دقتdepth :تعداد بیتهای در نظر گرفته شده برای هر پیکسل در کامپیوتر
💢توجه کنید اگر ddepth مقدار -1 بگیرد یعنی نتیجه نوع داده تصویر خروجی برابر تصویر ورودی است مثل np.uint8 یعنی 8بیت 0-255(cv2.CV_8U )
💢💢الان تصویر ورودی من دارای اطلاعات زیر میباشد:

img = cv2.imread('face.png')
»> img.dtype
dtype('uint8')

در opencv ، با bgr هر پیکسل نماینده 3 پارامتر است: آبی، سبز و قرمز. هر کدام از این پارامتر ها مقدار 0-255 میگیرند. به طور مثال آبی مطلق :
b g r
255 0 0

1)💥#پردازش_تصویر_چیست؟
2)💥#matplotlib
3)💥#numpy
4)💥#فرمت_عکس
5)💥#کانال



🌐http://sufra.ir/2017/12/26/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1%d8%a8%d8%a7-%d9%be%d8%a7%db%8c%d8%aa%d9%88%d9%86/

1) 💥#خواندن_یک_تصویر
2)💥#IMREAD_COLOR
3)💥#IMREAD_GRAYSCALE
4)💥#IMREAD_UNCHANGED

🌐http://sufra.ir/2017/12/28/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c%d8%aa%d9%88%d9%86-%d9%82%d8%b3%d9%85%d8%aa-%d9%be%d9%86%d8%ac%d9%85/

1) 💥#_نمایش_یک_تصویر
2)💥#waitKey
3)💥#destroyAllWindows
4)💥#ord
5)💥#namedWindow

🌐http://sufra.ir/2017/12/30/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c%d8%aa%d9%88%d9%86-%d9%82%d8%b3%d9%85%d8%aa-%d8%b4%d8%b4%d9%85/

1)💥#نوشتن_ذخیره_تصویر
2)#imwrite
2)💥#فشرده_سازی
3)💥#تصاویر_رستری
4)💥#تصاویر_برداری



🌐http://sufra.ir/2017/12/31/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c%d8%aa%d9%88%d9%86-%d9%82%d8%b3%d9%85%d8%aa-%d9%87%d9%81%d8%aa%d9%85/

1)💥#تابع_تبدیلcvtColor
2)💥چرا_در OpenCV فضای رنگ BGR است؟
3)💥#CV_8U
🌐http://sufra.ir/2018/01/01/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c%d8%aa%d9%88%d9%86-%d9%82%d8%b3%d9%85%d8%aa-%d9%87%d8%b4%d8%aa%d9%85/

1)💥تفاوت تصاویر دیجیتال و آنالوگ
2)💥تصویر چیست؟

3)💥تصویر دیجیتال
4)💥پیکسل(pixel)
5)💥درموردCCD
6)💥در موردADC


🌐http://sufra.ir/2017/12/23/%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%D8%AF%DB%8C%D8%AC%DB%8C%D8%AA%D8%A7%D9%84-%D9%88-%D8%A2%D9%86%D8%A7%D9%84%D9%88%DA%AF/

1)💥نمایش تصویرRGB با Matplotlib
2)💥یک تصویر را با OpenCV می خوانیم وبا matplotlibنمایش میدهیم.
3)💥فقط از opencv برای خواندن و نمایش تصویر استفادهمیکنیم.
4)💥فقط از matplotlib برای خواندن و نمایش تصویر استفاده میکنیم
5)💥اپن سی وی تصاویر RGB را به عنوان آرایه های چند بعدی Numpy معرفی می کند … اما به ترتیب معکوس! به این معنی که تصاویر در واقع در BGR به جای RGB نشان داده شده است!
در ادامه:👇🏻👇🏻👇🏻👇🏻👇🏻
🌐http://sufra.ir/2018/01/12/%d9%be%d8%b1%d8%af%d8%a7%d8%b2%d8%b4-%d8%aa%d8%b5%d9%88%db%8c%d8%b1-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c%d8%aa%d9%88%d9%86-%d9%82%d8%b3%d9%85%d8%aa-%d9%86%d9%87%d9%85/