问题标签 [resampling]

如何在 CM7 智能手机上通过蓝牙 2.1将PCM WAV 32,000Hz带有流的立体声带入耳机？这可能吗？SBC 真的是个坏主意。1024 kbps (125 KB)DSPManager

也许可以使用耳机配置文件（HSP）？我不知道此配置文件中支持的编解码器。

@TJD：因为它压缩了压缩流。我的 Epic 4G 不支持 Apt-X。我的耳机 Gemix BH-04A 黄色。

假设我有一个 10,000 pt 的向量，我想取一个只有 100 个对数间隔点的切片。我想要一个函数来给我索引的整数值。这是一个简单的解决方案，只需使用 around + logspace，然后摆脱重复项。

请注意，有 16 个重复项，所以现在我只有 84 分。

有没有人有一个解决方案可以有效地确保输出样本的数量是 num？对于此特定示例，num 的输入值 121 和 122 给出 100 个输出点。

这个算法在我脑海中已经存在很长时间了，但我在任何地方都找不到它的描述。虽然它是如此简单，但我不能成为唯一一个想到它的人。以下是它的工作原理：

你从一个图像开始。比如说，7x7px：

您需要将其重新采样为 5x5px：

所以你所做的就是取每个新方块的平均颜色：

这不是最近邻，因为它只采用一个像素的颜色，而不是恰好覆盖源像素的小数像素。它也不是双线性、双三次、lanczos 或任何其他插值。

那么 - 它是什么？在我看来，直觉上这应该是“数学上完美”的重采样算法，尽管由于我没有“数学上完美”的定义，我无法证明或反驳这一点。

最后但同样重要的是，“数学上完美”并不总是“最好看”，所以我想知道它在“质量”方面与其他主流图像重采样算法（双三次、lanczos）相比如何？当然，这是一个主观术语，所以我真的很感兴趣这个算法和其他算法之间是否存在显着差异，大多数人都会同意这一点。

PS 我已经可以讲述一些事情了——它不会是像素艺术的“最佳外观”，如此处所示；有专门的算法（2xSAI 等）；而且它也不是放大图片的最佳选择 - 插值会在那里获胜。但是对于缩小图片...？

更新 1：嗯，刚刚发现了supersampling。这似乎是它的一个变体，具有网格类型的样本排列，其中样本的数量针对源图像和目标图像的分辨率进行了优化。

我正在使用 libswresample 将任何 PCM 格式重新采样为 44.1kHz、16bit int、立体声。

我正在对生成的音频流进行一些音频音量分析，我发现如果我有 44.1kHz、16 位 int 单声道作为源，我有大致的公式：

但我期待：

（如果源是立体声，我只是有leftSample = leftSourceSample; rightSample = rightSourceSample;。）

我的期望来自几个方面：

1. 我自己的直接解决方案可能就是这样。
2. 我四处搜索了一下，其他人似乎也在做同样的事情，例如这里。

3. 在一个非常常见的 ReplayGain 实现中（实际上我知道的唯一一个，基本上到处都在使用，我认为最初来自 mp3gain；一个副本可以在这里看到），它也这样做：

   这是特别的。相关，因为 ReplayGain 是由这个实现使用单声道的参考声音（粉红噪声，可以在这里下载）校准的。

   在 ReplayGain 规范中，它也是这样计算的（参见此处）。

在我尝试自己实现 ReplayGain 之后，我的困惑就出现了，我偶然发现了这一点。

所以，一些问题：

1. 为什么 libswresample 会这样做？
2. 这是 libswresample 中的预期还是错误？（我试图从源头（例如这里）理解，但我还没有完全理解它。）我在这里添加了一个错误报告。
3. 什么是“正确”的解决方案？
4. 其他玩家在做什么？
5. 如果您向其提供单声道样本，常见的声卡会做什么？

（我现在也在avp.stackexchange上发布了这个问题；也许这是一个更好的地方来询问这个问题，不确定。）

我正在尝试对多级/分层数据集进行引导重采样。观察结果是聚集在医院内的（独特的）患者。

我的策略是依次从每家医院的患者中进行替换抽样，这将确保样本中代表所有医院，并且当重复时，所有样本的大小都是相同的。这是方法 2这里。

我的代码是这样的：

这似乎可行（尽管如果有人能看到任何问题，我将不胜感激）。

问题是它很慢，所以我想知道是否有办法加快速度。

更新：

我试图实现 Ari B. Friedman 的答案，但没有成功 - 所以我稍微修改了它，目的是构建一个向量，然后索引原始数据帧。这是我的新代码：

这很快！但是，它无法正常工作，因为它只选择v.samp最后一行中的唯一 ID，但是采样是有替换的，所以在v.samp. 任何进一步的帮助将不胜感激

我用 repa 编写了一个简单的图像双线性重采样算法，因为我需要使用分区数组来使其正确，所以我想我会全力以赴并使用模板，并希望获得更快的循环。

从我对 mapStencil 工作方式的天真理解来看，我认为这不足以完成我的任务。我需要像 transformStencil 这样的东西。我想我需要一个不同的模板，所以我可以拥有旧索引和新索引。

有没有一种简单的方法可以在 Repa 中执行模板图像重采样？如果不是，将 mapStencil 破解成 transformStencil 或类似的东西会有多难。

使用驱动程序版本 275.50 和 280.19 为 Nvidia GTX480 GPU 重新采样图像在灰度值上几乎没有变化。也许这是一个插值问题。除了实施 OpenCL 1.1 版之外，我无法确定新版本中发生了什么变化。仅使用 OpenCL 1.0 会在灰度值上产生相同的微小变化。

下面是在驱动程序版本 275.50 和 280.19 之间给出不同结果的代码：

简单的设置

这是原始的时间序列：

重采样后：

所以一月/四月与三月/六月对齐。

为什么熊猫不选择 12 月/3 月呢？

另外，有什么方法可以让它与时间序列函数对齐到 12 月/3 月（这似乎更接近原始日期）？

这是设置代码：

以下是表格中的数据（未显示 APOL 的第三个值）：

目标是将数据与日历季度标记对齐，以便可以比较 3 个数据集。看看下面的日期，2012 年 3 月、2011 年 12 月和 2011 年 9 月似乎是对齐的合理标记。

这是 fill_method='ffill' 的输出：

看起来像这样：

请注意每个系列中的最新数字如何不对齐。

这是 fill_method='bfill' 的输出：

看起来像这样：

同样，该系列中的最新数字没有排列。

这是这种情况下的预期输出resample()吗？

我该怎么做才能获得上面最近 3 个数字对齐并且其他所有内容都遵循的结果？

编辑：这是所需的输出：

我正在使用 ImageMagick 对文本进行下采样。我意识到没有适合每种情况的最佳过滤器，但我认为在专门对文本进行下采样时必须有一个普遍接受的标准（我可能错了）。以下是 ImageMagick 中可用的过滤器列表：

• 巴特利特
• 布莱克曼
• 博曼
• 盒子
• 卡特罗姆
• 立方体
• 高斯
• 汉明
• 汉宁
• 埃尔米特
• 金克
• 凯撒
• 拉格朗日
• 兰佐斯
• LanczosSharp
• 兰佐斯2
• Lanczos2Sharp
• 米切尔
• 帕尔森
• 观点
• 二次方
• 罗比杜
• 辛格
• SincFast
• 三角形
• 威尔士语