问题标签 [noise]

我有兴趣了解如何使用大气噪声来生成真正的随机数。我知道RANDOM.ORG这样做，但他们（当然）没有解释流程是什么以及如何实施。我想知道这个过程是如何工作的，以及它是如何在java中实现的。我已经查看了这篇文章，但它是针对 .net 的，所以我不明白。我还查看了关于真正随机性的 RANDOM.ORG 文章。如果有人能给我这个作品的大致概念以及如何实现它，将不胜感激。

我是核心音频和远程 io 的新手。我需要编码和发送的大小为 320 字节的数据。也至少每秒 50 帧。这是我所做的：

使用此设置，我在尝试使用设备时在回调方法中获得 186 帧。我已按缓冲区分配：

从回调中的这 372(2 x 186) 个字节中，我获取了 320 个字节的数据并按照我的要求使用。它正在工作，但非常嘈杂。

有人请帮助我。我有大麻烦了。

为了避免出现刺激后的“视网膜持久性”，我需要创建一个视觉噪声掩码。

这适用于具有尺寸的屏幕，以像素为单位：1280 * 960

我相信我可以随机（统一）为像素分配灰色阴影，但我的尝试仍然失败。

感谢您的关注。

那里没有多少易于理解的 Perlin Noise 教程，当然也没有 Java 或 2D 教程。我按照本教程进行了一定程度的操作，但它根本没有解释 2D 噪声。我知道你必须生成一个数字数组，然后对它们和所有内容进行插值。我的问题是我不知道如何实现频率、持久性或幅度来帮助影响数字的结果。谁能给我一些基本的 Perlin Noise 函数或 Java 或类似语言的 2D Perlin Noise 教程的链接？谢谢！

编辑：有人可以至少简单地解释一下这个过程，或者一个人如何实现频率、幅度和持久性来影响一代吗？请 ：）

我已经完全掌握了 3D 中 Perlin Noise 的艺术，现在我正在尝试将我的相同实现用于 2D 算法。问题似乎在于选择我的渐变方向。在 3D 中，我在均匀分布的方向上使用 16 个渐变，效果很好。在 2D 中，我想我会使用 8 个渐变。上、下、左、右和四个对角线方向。

这是我得到的：

噪点的总体外观总是正确的，但方块的边缘并不完全匹配。我也尝试过使用其他渐变或更少的渐变，但得到了类似的结果。在另一个示例中，您可以看到边缘有时确实匹配，并且该区域的结果很好 -

当我不使用渐变，而只是在 4 个角中的每一个随机选取的值之间进行插值时，我得到了正确的结果，这让我认为是渐变部分搞砸了。

这是我的代码：

我知道可以通过将输出rnorm()视为时间序列来实现白噪声。关于如何模拟粉红噪声的任何建议？

我找到了一些减少图像噪声的方法，但我的任务是测量它。

所以我对能给我一些数字的算法感兴趣，噪声等级。有了这个数字，我就可以说一张图像的噪点比其他图像少。

我基本上有一堆数据对象，它们以毫秒为单位将时间戳映射到浮点值。我正在寻找基本上找到给定范围内数据的峰值/最大值。我基本上一直在使用这样的东西：

该算法的唯一问题是它没有考虑噪声。本质上，我可以有这样的价值观：

实际峰值为 0.3525，但我上面的算法将其视为 0.3500，因为它首先出现。由于我计算的性质，我不能只max()在数组上做并找出最大值，我需要在它下降之前找到首先出现的最大值。

如何在考虑噪声差异的同时找到峰值？

我正在尝试从网页中去除噪音。但由于我是新手，所以我不知道从哪里开始。因此，如果有人可以向我提供有关如何操作的任何信息，那将非常有帮助。

噪音链接、版权声明等。

苏丹舒

I have a some scanned images, where the scanner appears to have introduced a certain kind of noise that I've not encountered before. I would like to find a way to remove it automatically. The noise looks like high frequency vertical shear. In other words, a horizontal line that should look like ------------ shows up as /\/\/\/\/\/\/\/\/\, where the amplitude and frequency of the shear seem pretty regular.

Can someone suggest a way of doing the following steps?

1. Given an image, identify the frequency and amplitude of the shear noise. One can assume that it is always vertical and the characteristic frequency is higher than other frequencies that naturally appear in the image.

2. Given the above parameters, apply an opposite, vertical, periodic shear to the image to cancel this noise.

It would also be helpful to know how these could be implemented using the tools implemented by a freely available image processing package. (Netpbm, ImageMagick, Gimp, some Python library are some examples.)

Update: Here's a sample from an image with this kind of distortion. Actually, this sample shows that the shear amplitude need not be uniform throughout the image. :-( The original images are higher resolution (600 dpi).