Bagaimana Anda mengukur "detail" suatu sinyal?

16

Saya memiliki gambar dan saya ingin mengukur jumlah detail di dalamnya. Cara lain untuk melihatnya adalah mengukur seberapa buram suatu gambar. Salah satu caranya adalah dengan menganalisis komponen frekuensi tinggi dalam transformasi Fourier gambar.

Apakah ada metode lain / lebih baik?

image-processing fourier-transform

— Patrik
sumber

Apakah gambar dengan "detail" yang lebih sedikit akan lebih dapat dikompres oleh algoritma seperti JPEG?

— endolith

14

Apa yang Anda maksudkan biasanya dikenal sebagai "Ketajaman Gambar". Pemindaian cepat, serta beberapa pengetahuan sebelumnya, muncul sebagai berikut:

Analisis Fourier - Menggunakan ini memiliki 2 kelemahan utama. Pertama-tama, kebisingan akan cenderung muncul tidak peduli apa, dan dengan demikian komponen frekuensi yang lebih tinggi akan cenderung muncul. Kedua, ketajaman cenderung menjadi fenomena lokal, dan karenanya mungkin tidak akan muncul jika Anda melakukan transformasi seluruh gambar.
Analisis nilai eigen - Saya belum benar-benar membaca makalah ini, tetapi ia mengusulkan menggunakan analisis nilai eigen untuk menentukan ketajaman suatu gambar.
Algoritma deteksi tepi tergantung pada sejumlah ketajaman. Seseorang dapat menggunakan nilai yang berbeda untuk parameter deteksi tepi untuk menentukan jumlah ketajaman.
Kurtosis Pengukuran koefisien wavelet - Sekali lagi, saya belum membaca seluruh makalah, tetapi ini tampaknya menyarankan menghitung koefisien wavelet, melakukan FFT dari seluruh set koefisien, dan mengukur kurtosis. Ini harus relatif kebal terhadap kebisingan.

Saya yakin masih banyak lagi. Ini adalah bidang studi yang sangat aktif saat ini. Jika tidak ada metode ini yang cocok untuk Anda, maka lanjutkan mencari melalui makalah akademis, dan lihat apakah Anda dapat menemukan metode yang lebih baik.

— PearsonArtPhoto
sumber

9

Saya berpikir bahwa jika Anda berbicara tentang jumlah detail dalam gambar, transformasi wavelet diskrit (DWT) sangat cocok dengan deskripsi Anda. Ini tidak sepenuhnya berbeda dari transformasi Fourier diskrit (DFT) dalam hal itu juga beroperasi dalam hal komponen skala halus dan kasar dari sinyal, tetapi juga sangat terlokalisasi tidak seperti DFT. Pengantar fantastis untuk sinyal satu dimensi oleh I. Selesnick ada di sini .

Transformasi wavelet pada dasarnya adalah serangkaian filter band-pass orthogonal bersarang yang pada akhirnya membuat sinyal dari komponen spektral yang berbeda, jadi dalam hal ini Anda dapat menggunakan wavelet Transformasi Fourier. Namun, jika Anda ingin benar-benar memplot komponen secara terpisah satu sama lain, Anda harus menggunakan WFT karena ini juga memberi Anda jendela kanan dan lokalisasi di ruang angkasa.

Jika Anda hanya ingin menghitung jumlah detail pada setiap level skala, menghitung energi total dari setiap band yang berkepentingan dalam transformasi Fourier akan cukup:

D_{β} = \sum_{ω_{β} \in β} {| S^{f} (ω_{β}) |}^{2}

$D_{\beta} = \sum_{\omega_{\beta} \in \beta}\left\vert S^f(\omega_{\beta})\right\vert^2$

$S^f(\omega)$ $s(t)$ $\beta$ adalah beberapa interval frekuensi dalam domain Fourier.

— Phonon
sumber