问题标签 [fourier-descriptors]

我正在编写一个程序来查找闭合平面曲线的椭圆傅立叶系数（EFC），并且在系数归一化方面遇到了麻烦。

闭合平面折线 p 由点集 m_points 描述：m_points[i][0] 保持 xi 坐标，m_points i保持 yi 坐标。我从 0 开始到 m_num_points-1。

折线的 EFC 由该算法计算（系数在 EFD 数组中）。

为了从一组谐波中恢复折线，我使用了该算法。

现在我需要标准化 EFD 并将它们放在一个新的数组 NEFD 中。我这样做：

当我尝试使半长轴平行于 X 并旋转系数时，我得到了一个丑陋的结果。看起来恢复的形状围绕 z 轴旋转。（左侧为源形状，右侧已恢复。）

我的代码有什么问题？

更新

@MBo 成功回答后，需要对代码进行以下修改：

我是R的新手。

我有一个带有预先计算的椭圆傅里叶系数（谐波）序列的文本文件。第一列保留对象名称，其他 - 谐波集除以空格：A0 B0 C0 D0 ... An Bn Cn Dn。它是文件的一部分：

我使用read.delim2命令将文件加载到 R 中：

然后我想使用Momocs 包中的函数分析获得的数据，如calibrate_harmonicpower、plot、PCA等。

为此，必须将加载的数据转换为 Coe(?) 或其他对象。（我不完全知道是哪一个。）

如何在 Momocs R 包中准备加载的数据进行分析？

我有一组使用机器学习算法根据形状进行分类的图像。如何找到整个数据集的傅里叶描述符，它可以用作分类的特征？

我正在阅读prophet在 R中使用的教程。

你可以在这里找到数据集： https ://github.com/facebookincubator/prophet/blob/master/examples/example_wp_peyton_manning.csv

predict_plot_components(m, forecast) 的输出如下：

我是否将此图的年度季节性部分解释为：

无论您对特定日期的预测是什么，都将其增加或减少某某数量以考虑年度季节性？例如，看起来在 4 月 1 日，y 预计为 -0.5。我如何使用这个结果？我是否取一年的平均 y 并减去 -0.5 以考虑季节性？有点迷茫。

任何帮助都会很棒！

我试图找到不完全匹配的形状边界之间的匹配分数。我使用傅里叶描述符来表示这些边界，并根据DTW找到相似度如下：(X,Y)是边界的坐标点按顺时针顺序排序。

然后对于相似性度量：

相似性结果不准确，因此我想检查我是否正确应用了傅立叶描述符以及相似性度量的任何建议。

当我尝试ifft恢复形状时，生成的形状是原始形状的反射。我该如何解决这个问题？

我正在尝试预测法国电力系统的未来负荷和可再生负荷系数。

从 2012 年到 2018 年，我有一个包含 61368 小时观测值（8 年 * 8760 小时左右）的数据库，用于每个变量（消耗、风荷载系数、光伏荷载系数）。我想用这些过去的观察来预测它们直到 2024 年。

为此，我从 Hyndman 的书中读到，我可以使用ARIMA具有傅立叶项的模型作为攻击者，因为我的变量呈现多个季节性和超过 200 个周期（至少对于年度季节性而言）。

我的问题是在合理的时间内找到 K 的最佳数量，也就是傅里叶项的数量。

我尝试使用auto.arima(consumption, seasonal = FALSE, xreg = fourier(consumption, K = c(12, 84, 4380), h = 8760*6))，但需要数小时才能解决。

所以这就是我现在正在尝试的：

实际上没有错误消息，但我的 for 循环需要数小时和数小时（我在 17 小时前启动了代码并且仍在循环中工作）来解决。有没有更快的方法呢？我有一i5台8GB RAM笔记本电脑。

谢谢您的帮助 ！

PS：我没有包括加载包和数据代码部分。

我正在尝试在 matlab 中运行一个程序来获取灰度图像的直接和逆 DFT，但在应用逆向后我无法恢复原始图像。我得到复数作为我的逆输出。就像我正在丢失信息。对此有什么想法吗？这是我的代码：

我尝试在 pmdarima 包中使用 autoARIMA 预测 700 种不同的产品。对于季节性，傅里叶级数更容易，因为所有产品的模式都不同。

但是，如何根据循环中的产品选择不同的“k”值。是否有任何测试或优化功能可以这样做？

请建议。谢谢你。

我希望从SHAPE软件中加载 CHC 或 NEF 文件，以便读取MOMOCS下的轮廓并进行相关分析（绘图、PCA ...）

我在 R 和包下都有困难。

我应该如何进行？

这是大纲的摘录。第一个来自 CHC，另一个来自 NEF。

在此先感谢您，欢迎任何帮助。

CHC

新能源基金

好吧，我对语音数据进行了大量研究，我能够从 wav 文件返回实数或复数序列的离散傅里叶变换。

当我试图保存这个 np.abs(fft_out) 数据时，它最终是一个一维数组数据，这很明显

但是我需要一些帮助来从傅立叶变换的数据中提取特征（傅立叶系数），有人可以展示一下吗？

最终，我被要求创建一个具有傅立叶变换信号重要特征的最终数据集

注意：我不需要确切的代码，但任何方向都会有所帮助。我的主要任务是从傅立叶变换数据中提取重要特征。