问题标签 [noise-reduction]

我想知道如何从数据中去除噪声（例如，无线电数据，它是一个由行和列组成的数组，每个数据点代表给定频率和时间的辐射强度）。该数组可以包含无线电脉冲。但是也存在很多固定频率的无线电噪声（RFI=radio frequency interreference）。如何去除这种噪声，只带出突发。

这是我的代码

所以请告诉我如何减少背景噪音并放大录制音频的频率。

您好，我在分割下面的图片时遇到问题。它是需要识别的彩色字符。我正在使用锐化、维纳去模糊和维纳平滑。之后，我用fuzzy-c 对图片进行分割意味着聚类（3 类）。但是在字母 E 的情况下，我得到的最好的结果是没有锐化、去模糊和平滑，只使用阈值 fcm 分割。然而，我应该得到比这更好的结果，我可以将这两个部分组合为一个整体（不仅仅是上部白色部分和另一半黑色部分）。

我怎样才能解决这个问题，使其更健壮，并与其他图像一起工作，例如图片中的 5？5 的结果是在 fcm 聚类之上进行锐化、去模糊和平滑。我怎样才能让它更连接呢？

我真的很感谢我能得到的任何帮助，哦，我正在 matlab 中做这个......所以很高兴从那里得到任何帮助，谢谢！

编辑：

我的以下代码是这样的： function [bw,level]=fcmthresh(IM,sw) if (nargin<1) error('You must provide an image.'); elseif (nargin==1) sw=0; elseif (sw~=0 && sw~=1) error('sw 必须为 0 或 1。'); 结尾

这就是所有的代码，加上我只使用 fcmthres 来表示字母 E，因为它工作得最好。我阅读了有关形态学图像处理（膨胀，腐蚀）的信息，因此也许可以解决问题。

有没有更好的图像对比和去噪技术？

我开发了一个应用程序，通过在 android 中使用音轨和音频记录类记录声音并同时播放大约 100 毫秒的延迟。但是播放的音频有很多背景噪音。所以android中有什么办法可以减少播放时的背景噪音。

请不要告诉我习惯了 Audacity Software 来降低噪音，因为我没有保存录制的音频。我只是将它保存在缓冲区中并通过音轨播放此缓冲区。使用 NDK 实现一个过滤器以减少 android 中的背景噪声。

您好我正在尝试使用 MatLab 过滤包含 4 个对象的图像。我的第一张图像有一个黑色背景和白色物体，所以我很清楚通过使用 BW 标签找到这些大的白色部分并将它们与图像分离来过滤掉每个图像。

下一张图片虽然有噪点。现在我有一张白线穿过我的对象的图像，它们现在实际上是相互连接的。如何在 MatLab 中过滤掉这些行？椒盐噪声怎么样？是否有 MatLab 函数可以做到这一点？

我整个星期都在试图解决这个问题。我的主要问题是将声音与信号中的噪声分开（参见绘图示例：

在这些小噪音之间是 dtmf 音调。一旦我得到音调的起点和终点的索引，转换它们就很容易了。

我们应该如何准确地确定噪音是开始还是开始？每个噪音都可以有不同的长度，并且在实际声音中会有很多突然的下降。我理解采取小块的概念，但是我们如何比较它们以确定声音中的噪音。我们可以通过比较一个索引在某个数字下连续多长时间来消除沉默吗？我不知道如何开始这个问题。

我正在寻找一种使用 OpenCV 将光栅图像转换为矢量数据的可能性。在那里我发现了一个cv::findContours()似乎有点原始的函数（更可能我没有完全理解它）：

它似乎只使用黑白图像（没有灰度和彩色图像），并且似乎不接受任何可能有助于噪声图像的过滤/错误抑制参数，以避免非常短的矢量线或避免不均匀的折线单一的，直线将是更好的结果。

所以我的问题是：OpenCV 是否有可能对彩色光栅图像进行矢量化，然后将颜色信息分配给生成的 polylinbes？以及如何将降噪和错误抑制应用于这样的算法？

谢谢！

我正在实现一个天真的“关键字提取算法”。我是自学成才的，所以我缺乏一些在线文学中常见的术语和数学。

因此，我正在查找文档的“最相关关键字”：

1. 我计算每个术语在当前文档中使用的频率。我们称之为tf。
2. 我查看了这些术语在整个文档数据库中的使用频率。我们称之为df。
3. 我通过r = tf / df计算每个术语的相关权重r。

每个文档都是语料库的适当子集，因此没有文档包含不在语料库中的术语。这意味着我不必担心被零除。

我按它们的r对所有术语进行排序，并保留许多最重要的术语。这些是与本文档最密切相关的顶级关键字。本文档中常用的术语更为重要。在整个文档数据库中通用的术语不太重要。

我相信这是tf-idf的一种幼稚形式。

问题是，当术语在整个数据库中非常罕见但出现在当前文档中时，它们的r值似乎太高了。

由于样本量小，这可以被认为是某种人工制品。弥补这一点的最佳方法或通常方法是什么？

• 丢弃在整个数据库中不常见于某个阈值的术语。如果是这样，该阈值是如何计算的？似乎它取决于太多因素而不能成为硬编码值。
• 可以通过某种数学函数（例如平方反比或余弦）对其进行加权或平滑吗？

我已经尝试在网上搜索并阅读tf-idf，但我发现的大部分内容都是比较文档，我对此并不感兴趣。此外，其中大多数的解释与行话和公式的比例都很低。

（事实上​​，我的项目是对这个问题的概括。我真的在 Stack Exchange 网站上使用标签，所以术语的总数很少，停用词无关紧要，低使用率的标签可能比低使用率的词更常见在标准情况下。）

在这里，我附上了由带有红外滤镜的 cmos 相机捕获的两个连续帧。在捕获图像时，对象检查板是静止的。但是两个图像之间的差异接近 31000 像素。这可能会影响我的结果。你能告诉我这是什么噪音？我怎样才能消除它。请建议我任何可能的算法或任何功能来消除这些噪音。谢谢。对不起，我的英语很差。

图片1：[1]：http: //i45.tinypic.com/2wptqxl.jpg

图片2：[2]：http: //i45.tinypic.com/v8knjn.jpg

假设有一个黑盒子，里面没有光，而这个盒子里有一个摄像头。相机开始捕捉，它捕捉到的什么都没有——盒子里到处都是纯黑色。但是由于各种类型的噪声（热噪声、量化噪声等），捕获帧的大小会有所不同。我想在软件方面减少/消除这些噪音的影响，以便在完全隔离的黑匣子中，所有捕获的帧都将完全相同。处理后的分辨率、深度、颜色等属性都无关紧要，最终捕获的帧的准确性/质量无关紧要。任何类型的过滤、下采样等每个解决方案都是可以接受的。参考是黑匣子，帧应尽可能相同。

有什么建议么 ？