问题标签 [downsampling]

我想用模糊效果显示来自互联网的图像。

我配置了 Fresco：

加载和显示图像：

问题是bitmap我得到的是全分辨率位图而不是下采样位图，这使得blurImage()运行速度太慢。

请帮我修改下采样位图。

我正在尝试通过使用平均方法将固定的[Mx1]向量下采样到任何给定的[Nx1]维度。我有一个动态窗口大小，每次都会根据所需的输出数组而变化。所以，在某些情况下，我很幸运，得到了完全符合窗口大小的 int 窗口大小，有时我得到浮点数作为窗口大小。但是，我如何使用浮动大小的窗口从固定的[Mx1]向量生成[Nx1]大小的向量？

以下是我尝试过的代码：

输出：

在上面的示例中，我需要在Nx1 ([140x1])维度下对[Mx1] ([400x1])向量进行下采样。因此，动态窗口大小[2.857x1]可用于对[Mx1]向量进行下采样。但是，在这种情况下，我得到一个[200x1]的向量作为我的输出，而不是 [140x1] 由于浮动窗口提升到面粉（2.85），它是用 -> [2x1]下采样的。填充为零，因为我的窗口大小非常适合新的[Nx1]尺寸。那么，有没有办法使用这种类型的窗口大小来对[Mx1]向量进行下采样？

我正在开发一个网络应用程序，我使用 JS Highcharts 插件来帮助我绘制一些图表。有时我会加载一个包含 4 列的超过 100 000 行的 CSV 文件。

显然，图表插件遇到了一些问题。所以，我不能直接对我的 CSV 文件进行下采样，但是我找到了一个下采样 Highcharts 插件（http://www.highcharts.com/plugin-registry/single/13/Highcharts-Downsample）可以完成这项工作！

但实际上，这个插件可能只用一个阈值初始化一个系列..而且我不知道如何将这个方法应用到我通过 CSV 加载的系列上..

我像这样加载我的 CSV，而不是插件用法指定的“系列”属性：

插件文档告诉我们像这样使用它：

但我不使用“系列”属性，因为我直接从 CSV 文件加载我的系列..

所以，我想找到一个解决方案来使用这个 Downsampling Hicharts 插件对我的 CSV 文件进行下采样。

太感谢了 ！

我使用 scipy.signal 的 wav 读取功能读取了 48khz、16 位精度的 PCM 语音数据。

接下来，我按顺序执行这些步骤：抽取 -> 标准化

抽取和归一化使用以下步骤完成：

我的抽取（或下采样）信号应该是 16khz（因此，如上所述的下采样因子为 3）。现在，我想在 Adob​​e Audition 中查看标准化的下采样 numpy 数组 normtimeSerDownSmpldSig。

我需要在 Python 和/或 Adob​​e 试听中执行哪些步骤？如何使用 scipy 的 savetxt 功能在 Adob​​e Audition 中查看上述数组？

我的 yiir 信号值如下所示：

Adobe Audition 的使用信息 ### 在此链接（第 45 页）-

http://www.newhopechurch.ca/docs/tech/AUDITION.pdf

给出以下内容：

ASCII 文本数据 (.txt) 可以从标准文本格式的文件中读取或写入音频数据，>每个样本由回车符分隔，通道由制表符分隔。一个可选的标题可以放在 > 数据之前。如果没有标题文本，则假定数据是 16 位有符号十进制整数。标头格式为 KEYWORD: value，关键字为：SAMPLES、BITSPERSAMPLE、CHANNELS、SAMPLERATE 和 NORMALIZED。>NORMALIZED 的值为 TRUE 或 FALSE。例如，SAMPLES: 1582 BITSPERSAMPLE: 16 CHANNELS: 2 SAMPLERATE: 22050 NORMALIZED: FALSE 164 -1372 492 -876 等... 选项 选择以下任何一项： •包含格式标题在数据之前放置一个标题。•Normalized Data 规范化-1.0 和1.0 之间的数据。

我正在尝试以比它们的源更小的尺寸显示图像，虽然我已经实现了这一点，但在 1080p 以外的任何分辨率上质量都很糟糕。到目前为止，这是我的代码：

因此，我使用 Richard Jones 示例根据使用它的用户的屏幕大小来设置图像的大小。这在 1920 到 1080 运行时非常有效，但是当我将 Window.size 切换为 720p 时，缩小后的图像中有很多噪音，看起来很糟糕。Ivied 尝试对 mag_filter 使用线性和最近，并将卡的大小设置为 dp(210.9) 和 dp(240) 但它们的结果相同。有谁知道使用不同分辨率或解释如何使其工作的文档的 kivy 缩小比例的更好方法？原始图像尺寸为 746 x 1037。

我有一个关于传感器数据抽取的快速问题，我敢肯定这很容易，但我想我会检查一下。我有一个以 25Hz 采样的传感器，数据通过串行 RS232 连接发送到外部数据记录器，该记录器以 10Hz 记录数据。

我想如果我想恢复一个真正的 10Hz 信号，我应该将原始的 25Hz 信号通过抽取过程（即滤波后下采样）。这个对吗？

如果它是正确的，我在想我应该通过一个截止频率约为 10 Hz 的低通滤波器来抽取原始的 25Hz 信号，以去除高频分量。然后对滤波后的信号进行下采样以产生最终信号。这种下采样将通过从滤波信号中每 2.5 个样本提取一个值来实现。

所以换句话说，最终信号的第一个值将是滤波信号的第一个样本。最终信号的第二个值将是来自滤波信号的样本 2 和 3 的平均值。然后最终信号的第三个值将是来自滤波信号的样本 5，第四个样本将是样本 7 和 8 之间的平均值等......

希望这是有道理的。我认为这将为我提供干净的 10Hz 信号。

非常感谢您为此付出的时间和努力，非常感谢

干杯

当谈到卷积神经网络时，通常有很多论文推荐不同的策略。我听说有人说，在卷积之前为图像添加填充是绝对必要的，否则会丢失很多空间信息。另一方面，他们很乐意使用池化（通常是最大池化）来减小图像的大小。我想这里的想法是最大池化减少了空间信息但也降低了对相对位置的敏感性，所以这是一个权衡？

我听其他人说零填充不会保留更多信息，只会保留更多空数据。这是因为通过添加零，当部分信息丢失时，无论如何您都不会得到内核的反应。

我可以想象，如果您的大内核在边缘具有“废值”并且激活源集中在内核的较小区域中，那么零填充会起作用吗？

我很乐意阅读一些关于使用池化对比不使用填充进行下采样的效果的论文，但我找不到太多关于它的信息。有什么好的建议或想法吗？

图：使用卷积对照池的空间下采样（Researchgate）

我一直在写一些在 Golang 中调整图像大小的基本方法。我看过几篇关于调整图像大小的帖子，但对于我的生活，我无法弄清楚我错过了什么......

本质上，我的问题是在 Golang 中调整图像大小时，我的结果似乎有很多锯齿。

我已经尝试迭代地对图像进行下采样，但这并没有带来太大的改进。

这是我的代码：

它的性能不是特别好，因为我想在查看优化之前获得高质量的结果。

有图像重采样经验的人有没有看到任何潜在的问题？

作为参考，这是我的源图像：

这是我的结果：

如果我删除递归调用，这是我的结果：

这是通过 Ruby 使用 RMagick/ImageMagick 的结果（我正在为此拍摄）：

有人对我如何获得更平滑的缩小结果有建议吗？这个特殊的例子是一个相当大的缩减，但是 Rmagick 能够非常快速地以高质量缩减它，所以它一定是可能的。

我被告知 Lanczos3 Resampling 产生了很好的结果，这就是我在这里尝试使用的 - 我不确定我的实现是否正确。

另外，作为旁注：0xFF / 0xFFFF 转换是因为 golang 的“At”函数返回 [0, 0xFFFF] ([0, 65535]) 范围内的 rgba 值，但“Set”采用了用范围初始化的颜色[0, 0xFF] ([0, 255])

现在，我更关心质量而不是性能。

我正在尝试使用 ffmpeg/libswresample 在我的 c++ 应用程序中重新采样流音频。改变样本宽度效果很好，结果听起来像预期的那样；然而，当改变采样率时，结果有点糟糕。我不确定这是由于对 libswresample 库的错误使用，还是我误解了重采样理论。

这是我的重采样过程，为了演示而简化：

我怀疑重采样音频听起来不正确的原因是因为 swr_convert()返回 112，我希望它返回 128（重采样音频的样本数）：将 256 个样本从 44100 的采样率降低到 22050 的采样率应该会产生128 个样品，但swr_convert()正在生产 112 个样品。当以音频持续时间表示时，这也令人费解。在 44100 = 5.8 ms 时有 256 个样本，但在 22050 = 5.07 ms 时有 112 个样本。下采样过程不应该改变重采样音频的持续时间吗？

我还逐步介绍了 ffmpeg 提供的示例，其中 swr_convert() 返回的数字也比我预期的要小。所以，我怀疑问题不是由于 libswresample 中的错误，而是我自己缺乏理解。

我有以下问题：

我有两个数据向量v1（长度N1=13812）和v2（长度N2=60002021）。我必须使用插值 bzw将两个向量的长度设为N3 。下采样，要求：2xN1。

有人可以帮助我吗？我的想法是使用：interp，interp1和 downsample来解决问题。这是正确的方法吗？