Сглаживание цифровых сигналов
Министерство науки и высшего образования Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
высшего образования
«Алтайский государственный технический университет им. И. И. Ползунова»
Факультет информационных технологий
Кафедра информационных технологий
Отчёт защищён с оценкой отлично (85)
Р у к–ль от в у за: Котлубовская Т.В.
__________________________________
подпись
«13» 07 20 20 г.
Отчет по учебной (научно–исследовательской) практике
на базе АлтГТУ им. И. И. Ползунова
название предприятия, организации, учреждения
| УП 12.03.01.13.000 О |
обозначение документа
Студент группы ПС–81 В. В. Лешукова
группа подпись и. о. фамилия
Руководитель практики
от вуза доцент каф. ИТ, к.т.н. Т. В. Котлубовская
должность, ученая степень и. о. фамилия
Барнаул 2020
ФГБОУ ВО «Алтайский государственный технический университет
|
|
|
им. И. И. Ползунова»
Кафедра «Информационные технологии»
Индивидуальное задание
на учебную (научно–исследовательскую) практику
(вид практики: учебная, производственная)
(Практика по получению первичных профессиональных умений и навыков, в том числе первичных умений и навыков научно–исследовательской деятельности)
тип практики
студенту 2 курса Лешуковой Виктории Валерьевны группы ПС–81 _______
Профильная организация: «АлтГТУ им. И. И. Ползунова»
Сроки практики: 29 июня 2020 г. по 12 июля 2020 г.
Тема: «Компьютерная обработка звука и изображений»
обобщенная формулировка задания
Рабочий график (план) проведения практики:
| № п/п | Содержание раздела (этапа) практики | Сроки выполнения | Планируемые результаты практики | ||
| 1. | Ознакомление с программой практики. Получение индивидуального задания на практику, оформление документов. | 1 неделя | Формирование части компетенции:
ОПК–1: способность представлять адекватную современному уровню знаний научную картину мира на основе знания основных положений, законов и методов естественных наук и математики; ОПК–2: способность осуществлять поиск, хранение, обработку и анализ информации из различных источников и баз данных, представлять ее в требуемом формате с использованием информационных, компьютерных и сетевых технологий; ПК–1: способность к анализу поставленной задачи исследований в области приборостроения; ПК–3: способность к проведению измерений и исследования различных объектов по заданной методике. | ||
| 2. | Изучение техники безопасности и охраны труда, инструктаж на рабочем месте, экскурсии. Постановка целей и задач практики. | 1 неделя | |||
| 3. | Теоретическая часть (Сглаживание цифровых сигналов, Сглаживания основанные на работе до финальной отрисовки, после финальной отрисовки, и на основе анализа набора последовательных кадров) | 1 неделя | |||
| 4. | Практическая часть ( Улучшение изображения, улучшение аудио записи.) | 2 неделя | |||
| 5. | Подготовка, нормоконтроль и защита отчета по практике | 2 неделя |
| Руководитель практики от университета __________________ Котлубовская Т. В., доцент (подпись) | |
|
|
|
Задание принял к исполнению ______________________ Лешукова В. В.
.
(подпись)
Инструктаж по ОТ, ТБ, ПБ, ПВТР
Инструктаж обучающегося по ознакомлению с требованиями охраны труда, техники безопасности, пожарной безопасности, а также правилами внутреннего трудового распорядка проведен " 29 " июня 2020 г.
Руководитель практики от
вуза ______________ Котлубовская Т.В., доцент
Содержание
Введение. 5
1 Теоретическая часть. 6
1.1 Сглаживание цифровых сигналов. 6
1.2 Сигналы.. 7
1.3 Изображения. 9
1.3.1 Сглаживания, основанные на работе до финальной отрисовки. 9
1.3.2 Сглаживания, основанные на работе после финальной отрисовки. 14
1.3.3 Сглаживание на основе анализа набора последовательных кадров. 16
2 Практическая часть. 18
2.1 Улучшение изображений. 18
2.2 Улучшение аудио. 21
Заключение. 23
Список использованных источников. 24
|
|
|
Введение
Базой практики является ФГБОУ ВО «АлтГТУ И.И. Ползунова», г. Барнаул.
Актуальность проблемы заключается в том, что в настоящее время стремительно медиа технологии, приобретая все более высокое качество и для корректного и приятого воспроизведения сигнала необходимы новые принципы сглаживания сигнала от различных шумов.
Целью учебной практики проверить возможность отфильтровать исходное изображение и аудио сигнал от скачкообразных (ступенчатых) изменений для получения лучшего качества сигнала с помощью метода сложения.
Для достижения поставленной цели необходимо выполнить следующие задачи:
– рассмотреть принципы улучшение сигналов,
– восстановить исходное качество изображения и аудио записи,
– провести анализ этапов улучшения изображения и аудио сигала.
Практическое применение, полученных результатов заключено в подборе оптимального способа для фильтрации и оптимизации выводимого сигнала для лучшего восприятия.
Теоретическая часть
Сглаживание цифровых сигналов
Математические модели цифровых сигналов – вектора и матрицы, элементами которых являются числа. Числа могут быть двоичными (бинарный сигнал), десятичными («обычный» сигнал) и так далее. Любой звук, любое изображение и видео могут быть преобразованы в цифровой сигнал1: звук – в вектор, изображение – в матрицу, а видео – в последовательный набор матриц. Поэтому цифровой сигнал – это, можно сказать, универсальный объект для представления информации.
Задача сглаживания – это задача фильтрации сигнала от скачкообразных (ступенчатых) изменений. Считается, что полезный сигнал их не содержит. Ступенчатый сигнал за счёт множества резких, но небольших по амплитуде, перепадов уровня содержит высокочастотные составляющие, которых нет в сглаженном сигнале. Поэтому для некоторого алгоритма сглаживания в первую очередь необходимо определить, как сильно ослабляются разные частотные составляющие. Другими словами, необходимо построить амплитудно–частотную характеристику соответствующего фильтра, иначе велика вероятность «нарваться» на артефакты.
Задача сглаживания может использоваться при прореживании сигналов, то есть когда, например, необходимо отобразить большую картинку на небольшой экран. Или, когда частота дискретизации звука снижается, например, с 48000 Гц до 44100 Гц. Понижение частоты выборок – операция, требующая предварительной обработки сигнала (низкочастотной фильтрации).
Сигналы
Здесь под сигналом понимается вектор, то есть массив из определённого количества чисел. Например, вектор из четырёх элементов s = (2,5; 5; 0; –5). Одним из наиболее распространённых и понятных сигналов является оцифрованный звук. Размер сигнала зависит от длительности звука и от частоты, с которой делают выборки (от частоты дискретизации). Элементы–числа сигнала зависят от текущей амплитуды звука, измеряемой устройством выборки и хранения.
Один из самых простых способов сглаживания, это: 
где s – исходный сигнал, v – сглаженный сигнал.
Данный способ основан на сглаживающем свойстве суммирования, ведь каждому ясно, что средняя величина, вычисляемая как сумма многих случайных чисел, с ростом количества суммируемых чисел становится всё менее и менее похожей на случайную величину 2, которая, попросту говоря, и есть шум.
Если рассмотреть пример произношения слова «арбуз» десять раз подряд и попытаться отследить связь между отсчётами записанного сигнала, то можно обнаружить ослабление зависимости между всё более отстоящими друг от друга отсчётами. Естественно, что если рассмотреть «большие расстояния», то звуки будут повторяться за счёт повтора одного и того же слова и зависимость будет нарастать и снова спадать, и так далее. Но, как правило, «большие расстояния» при сглаживании не рассматривают, так как шумы проявляются в окрестности отдельных звуков, а не слов, фраз и предложений. Шум, действующий на уровне слов или даже фраз – это явно искусственный (звуковые эффекты) или экзотический естественный (эхо). Это – уже «неслучайный» шум, требующий отдельного исследования. Здесь рассматривается «чистый» шум, который, говоря простым языком, раздражающе шумит и нисколько не похож на какой–либо полезный сигнал.
На основании простых рассуждений становится очевидным, что количество слагаемых в примере порядок фильтра должно зависеть от того, насколько сильно зависят друг от друга соседние отсчёты.
Как оценить насколько сильно связаны соседние отсчёты? Вычислить автокорреляционную функцию (АКФ). Желающим можно предложить провести эксперимент по записи разных слов, фраз, повторов фраз и последующему построению АКФ.
Посмотрим на предложенный фильтр с частотной стороны. Если сигнал звуковой, то он достаточно хорошо описывается набором гармонических сигналов («синусоид») и степень ослабления конкретной синусоиды зависит от её частоты. Опять же, при грамотном выборе сглаживающего фильтра никакая из полезных синусоид не должна пропадать полностью, то есть амплитудно–частотная характеристика фильтра в рабочем диапазоне частот должна быть достаточно равномерной.
Чтобы определить частотную характеристику фильтра, необходимо найти отношение спектра на выходе фильтра к спектру на входе.
Если сигнал задержать на величину t0, то получится тот же самый сигнал, но сдвинутый по фазе на постоянную величину, то есть при задержке произвольного сигнала все его частотные составляющие сдвигаются по фазе на величину, зависящую от текущей частоты и величины задержки. Поэтому при анализе какого–либо алгоритма важна и фазо–частотная характеристика, которая показывает на какое время задерживает фильтр (алгоритм) каждую частотную составляющую входного сигнала. Низкие частоты и высокие в общем случае будут иметь разную задержку в фильтре.
Так как спектр выходного сигнала линейно выражается через спектр входного, то при выводе спектр входного сигнала успешно сокращается. Но простое усреднение далеко не всегда является оптимальным, особенно когда усредняемых отсчётов много.
Изображения
Что касается изображений, то здесь в какой–то мере всё то же самое, что и для сигналов: амплитудные и фазовые искажения, импульсные характеристики, энергия сигнала, – основное отличие заключается в том, что используются матрицы вместо векторов. Также следует учесть, что для изображений нет координаты времени, а есть координата пространства, поэтому есть пространственные частоты дискретизации. Данное отличие скорее формальное, так как на математику алгоритмов оно не влияет вообще.
Дата добавления: 2021-07-19; просмотров: 105; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!