*지* 스토어

*지*

개인

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

36개
전체 판매량

236개
최근 3개월 판매량

0개
자료후기 점수

평균B
자료문의 응답률

-

전체자료 36개

MATLAB을 이용한 Image Transform (이미지 편집)

2주차 실험 결과보고서이름권용진학번2008001621Page No.3주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.제출과제report과목디지털신호처리2교수님전공학번이름제출일자항목내용제목Image Transform목적DFT / FFT를 통해서 자신의 얼굴 이미지를 변환하는 법을 익힌다.실험 기자재 및 부품PCMatlab이미지 파일본론? 내용 (main.m)clc;clear;y=imread('kyj.jpg');a=rgb2gray(y);%이미지를 흑백으로 변환a_d=im2double(a);%unit8의 경우 DFT가 불가하여 double로 변환imwrite(y,'흑백.jpg');N=length(y);r1=zeros(256,256);for p1=1:1:Nb1=a_d(:,p1);b2=trans(b1,256,1);r1(:,p1)=b2;endfor p2=1:1:Nb3=r1(p2,:);b4=trans(b3,256,1);r2(p2,:)=b4;endrfft=fftshift(fft2(a));rself=fftshift(r2);%FFT/DFT결과를 저주파대역이 중앙에 오도록 정렬해주기 위한 fftshiftimwrite(rfft,'FFT결과.jpg');imwrite(rself,'DFT결과.jpg');imwrite(angle(rfft),'FFT결과앵글.jpg');imwrite(angle(rself),'DFT결과앵글.jpg');for p3=1:1:Nb5=r2(p3,:);b6=1/256*trans(b5,256,0);r3(p3,:)=b6;endfor p4=1:1:Nb7=r3(:,p4);b8=1/256*trans(b7,256,0);r4(:,p4)=b8;endimwrite(r4,'IDFT결과.jpg');? 내용 (trans.m)function X = trans(x,N,p)X=zeros(1,N);for k=0:N-1for n=0:length(x)-1X(k+1) = X(k+1) + x(n+1)*exp(((-1)^p)*1i*(2*pi/N)*n*k);endend전체 소스분석먼저 trans는 지난주 코드를 그대로 활용하였습니다.Image Transform의 경우 이미지가 2차원이기 때문에 행에대한 DFT를 행한후 그결과를 같은 방식으로 열에 대한 DFT를 행하여 이미지의 주파수 파형을 볼수 있었습니다.Inverse의 경우 같은 방식으로 IDFT를 해주어 얻을수 있습니다.항목내용비고결론원본이미지(kyj.jpg)흑백처리(흑백.jpg)FFT결과/크기 (FFT결과.jpg)DFT결과/크기 (DFT결과.jpg)FFT결과/위상 (FFT결과앵글.jpg)DFT결과/위상 (DFT결과앵글.jpg)항목내용비고결론원본이미지(kyj.jpg)Inverse DFT 결과(IDFT결과.jpg)이번 실험결과에서 메틀랩 내부의 FFT연산의 결과 (크기/위상) 과 직접 만든 DFT 수행공식의 결과 (크기 / 위상) 이 거의 일치 하므로 소스코드의 구성은 잘되었다고 할수 있습니다. 약간은 채도차이가 있긴하지만 이것또한 FFT와 DFT연산과정에서 exponetial이 등장하는 순이 다르고 횟수도 다르기에 생긴 부동소수점 오류라 할수 있습니다.IDFT의 경우는 원본이미지와 비교하여 육안으로는 변화를 확인할수 없을 정도로 깔끔한 결과 이미지를 얻을 수 있었습니다.이번 과제를 해결하면서 칼라 이미지를 흑백으로 변환하였는데, 칼라이미지가 RGB로 (nXnX3)행렬이였는데, 제가 최초에 칼라이미지의 흑백변환에 있어서a=y(:,:,1);이식으로 R부분만 추출해서 작업을 수행했는데, 이를 더나아가 응용해서 각각r=y(:,:,1);g=y(:,:,2);b=y(:,:,3);세 행렬을 추출하여 변환후 다시 합쳐주면 칼라 image transform이 가능하리라 생각됩니다.

공학/기술| 2013.01.08| 4페이지| 2,000원| 조회(547)

MatLab, FFT, Image, Transform

미리보기

닫기
MATLAB을 이용한 DFT 구현 (FFT와의 비교)

2주차 실험 결과보고서이름권용진학번2008001621Page No.3주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.제출과제report과목디지털신호처리2교수님전공학번이름제출일자항목내용제목DFT 변환목적function 함수를 이용하여 DFR 함수를 만들어 본다실험 기자재 및 부품PCMatlab본론? 내용 (main.m)clc;clear;%% 입력함수 만들기t=0:0.001:0.5;x=cos(2*pi*200*t)+3*sin(2*pi*400*t);%% 트랜스폼N=length(x);s1=trans(x,N,1);%% FFTs3=fft(x);%% inverse 트랜스폼s2=(1/N)*trans(s1,N,0);%% Plotfigure(1)subplot(5,1,1)plot(0:0.001:0.5,x);subplot(5,1,2)plot(0:2:2*N-1,abs(s1));subplot(5,1,3)plot(0:2:2*N-1,abs(s3));subplot(5,1,4)plot(0:0.001:0.5,abs(s2));subplot(5,1,5)plot(0:0.001:0.5,abs(x-s2));? 내용 (trans.m)function X = trans(x,N,p)X=zeros(1,N);for k=0:N-1for n=0:length(x)-1X(k+1) = X(k+1) + x(n+1)*exp(((-1)^p)*j*(2*pi/N)*n*k);endend소스분석먼저 입력되는 것이 음성을 한것일 경우 행렬의 크기가 너무 커서, 연산에 있어서 시간이 너무 커서 간단히 주파수가 다른 정현파의 합성을 넣어 주었습니다.트랜스폼은 우측의 function을 따로 만들어 주어 로드 해주었고, DFT와 IDFT가 다른 것이 지수텀의 부호와 앞에 1/N만 붙기 때문에 IDFT는 DFT를 이용하였습니다.먼저 입력받은 신호의 크기를 읽어준후 for-end 구문을 이용하여 기존의 DFT식을 만들어 주었습니다. 여기서 'p‘를 스위치로 두어서 DFT의 경우 1을 넣어서 -부호가, IDFT의 경우 0을 넣어서 +부호가 되도록 했고, 1/N의 경우는 좌측의 main에서 간단하게 곱해주는 것으로 원래의 함수를 이용할 수 있었습니다.항목내용비고결론출력파형은 위에서부터 원래의 입력신호 / DFT결과 /FFT결과 / IDFT결과 / 원래신호-복원된신호 와 같습니다.먼저 DFT의 결과의 파형을 보면 1000Hz를 주기로 반복됨을 확인 할 수 있으며,추가로 첨부한 FFT의 결과파형을 첨부하였는데, 그결과는 위의 그래프와 같이 거의 일치 하였음으로 제가 만든 DFT함수는 제대로 동작함을 확인할수 있었습니다.이로서 DFT의 구현은 확인 하였고, 다음으로 IDFT인데, 이는 파형의 차이를 보기위해서 원래의 파형과 IDFT파형의 차이를 Plot 했는데, 위와 같이 10^-13 만큼의 아주 미미한 차이를 보였으므로 일치한다고 할수 있으며, 그 작은 차이는 수업시간에 배운것과 같이 매트랩의 부동소수점 표현에 따른 오차라고 생각할수 있습니다.좌측의 그림은 DFT한 결과를 도식화 한것인데, 여기서 x축을 0중심으로 하는 파형을 만들려고 했으나, 레이블 범위만 바뀌고 파형의 위치는 그대로라서 해결 할 수 없었습니다.그래서 그냥 도식한 결과를 옆과 같이 첨부합니다.

공학/기술| 2013.01.08| 3페이지| 2,000원| 조회(765)

MatLab, Fourier, FFT, dft, Discrete

미리보기

닫기
MATLAB을 이용한 음성의 파형분석

2주차 실험 결과보고서이름권용진학번2008001621Page No.3주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.제출과제report과목디지털신호처리2교수님전공학번이름제출일자항목내용제목음성의 샘플목적직접 녹음한 음성을 각각 Sample Frequency와 Sample Rate를 바꾸어가며 그에 따른 특징을 분석한다.실험 기자재 및 부품PC마이크GoldwaveMATLAP본론▶녹음된 목소리의 Sampling rate를 수정 후 그 그래프와 소리 분석하기.▷실험방법먼저 이 실험에서의 조건은 [Goldwave]를 이용하여 목소리를 Streo로 녹음, 그리고 맨처음에 44100Hz에서 시작하여 순차적으로 샘플주파수를 전반으로 내려가면서 그 파형과 느낌을 비교하였습니다.먼저 파일의 기본적인 정보에서 볼수 있듯이 샘플주파수에 비례하여 그 데이터의 용량이 커짐을 확인할수 있습니다. 이제 지금부터 매틀랩을 이용하여 각 파일의 파형을 보여주고,직접 귀로들은 느낌을 적어 보도록 하겠습니다.각 파형은 매틀랩에서 아래와 같은 명령으로 괄호안의 파일명을 각각 해당되는 것으로 수정하면서 파형을 읽어 드렸습니다.clc;clear;[A,Fs,nbit]=wavread('44100 16bit gold.wav');plot(A);▷결과파형구분44100Hz22050파형항목내용비고본론구분11025Hz5500Hz파형구분2500Hz1250Hz파형▷파형분석 및 음성느낌먼저 녹음된 파일의 앞부분 약 15초정도를 제외하고는 무음이기에 뒷부분은 0이라는 값이 나왔습니다. 그리고 음성의 파형을 관찰해보면 처음 44100Hz에서는 꽉차있고 촘촘해 보이지만, 절반으로 줄이면 줄일수록 듬성듬성 해지다가, 1250Hz에 가서는 원래의 ▷ 이런 삼각형 모습을 벗어나, 사다리꼴에 가깝게, 원래 파형의 모습을 잃어 버렸습니다.처음 44100Hz를 할때는 마치 원래의 음성을 듣는 것처럼 맑고 청아하게 들렸지만, 점점내려가서 1/4인 11025Hz로 샘플링한 결과를 들을 때부터 무엇인가 울리는 듯한 느낌이 들다가, 결국 최하주파수인 1250Hz에서는 마치 동굴에 있는것처럼 들렸고, 정확히 무엇을 말하고 있는지 구분이 불가능할 정도 였습니다. 22500Hz까지는 일반 전화음성전달할 때 적합한 것 같지만, 그이하로는 정확한 의사전달이 힘 드리라 예상됩니다.▶녹음된 목소리의 샘플당 비트수를 수정후 소리비교▷실험방법먼저 이 실험에서의 앞서 녹음한 파일을 저장할 때 16bit(매틀랩이 읽어드릴 수 있는 최대 비트수)으로 한후 매틀랩의 wavwrite와 wavread 함수를 이용하여 그 결과를 관찰 하는것입니다.[A,Fs,nbit]=wavread('44100 16bit gold.wav');wavwrite(A, 44100, 8, '44100 8bit mat.wav');[B,Fsb,nbitb]=wavread('44100 8bit mat.wav');figure(1)plot(A);figure(2)plot(B);참고로 bit수를 더 올리거나 내리고 싶었지만, 매틀렙내에서 한계가 있었기에 매틀랩으로는 위와같으 함수를 이용해 비트수를 바꾸는 것을 보여주었고 그때의 파형을 나타냈고, 소리를 들었을때의 느낌은 Goldwave를 이용하여 저장시 비트수를 조절한것에 대한 느낌을 기술 하였습니다.▷결과파형구분44100Hz / 16bit44100Hz / 8bit파형▷파형분석 및 음성느낌위의 파형을 얼핏보면 많은 차이를 느낄수 없었으나, 간단하게 아래의 함수를 추가하여figure(3)plot(A-B);두 파형의 차이를 구해봤는데, 아래의 파형과 같이 세로축이 10^(-3)단위로 작긴하지만 분명히 오차가 있음을 확인할수 있었습니다.그리고 골드웨이브를 통해서 청음한 결과 크게 문제는 못느꼈으나 볼륨을 크게 하고 들었을대 배경에 깔리는 노이즈가 조금 증가된 것 같은 작은 느낌을 받았습니다.결론앞에서 각각 샘플주파수와 샘플당 비트수에 따른 결과를 관찰해보았습니다. 이둘 모두 데이터의 용량을 크게 좌우하므로 최적의 협상점을 찾아서 그를 사용하는게 좋다 생각됩니다. 제가 생각하는 데이터의 정보를 (음성의 높낮이나 내용, 목소리 등) 전달하기에 가장 적합하면서, 더불어 용량면에서 효율성을 보이는 것은 22050Hz와 8bit로 샘플링 했을때라 개인적으로 생각합니다. 물론 제 목소리가 남자 목소리이고 크게 높낮이 변화가 없었으므로 실험 하나로서 결론을 낼순 없음을 가정하면 위의 답이 정확하다고는 판단할수 없습니다.

공학/기술| 2013.01.08| 5페이지| 1,000원| 조회(980)

MatLab, 신호처리, 음성처리

미리보기

닫기
MATLAB을 이용한 Image Filtering (이미지 필터링)

2주차 실험 결과보고서이름권용진학번2008001621Page No.3주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.제출과제report과목디지털신호처리2교수님전공학번이름제출일자항목내용제목Image Filtering목적Mask window, Frequency domain 상에서의 필터링을 통해서 이미지를 필터링 하는 법을 익힌다.실험 기자재 및 부품PCMatlab이미지파일본론? 내용 (main.m)clc;clear;y=imread('asd.jpg');a=rgb2gray(y);a_d=im2double(a);N1=length(a_d(:,1));N2=length(a_d(1,:));%% image paddinga_pud=[a_d(1,:);a_d;a_d(N1,:)];a_p=[a_pud(:,1),a_pud,a_pud(:,N2)];%% maskmf=[0.25 0.5 0.25];m=mf'*mf;%% maskinga_m=zeros(N1,N2);for l=1:N1for k=1:N2a_m(l,k)=a_p(l:l+2,k)'* m(:,1) + a_p(l:l+2,k+1)'* m(:,2) +a_p(l:l+2,k+2)'* m(:,3);endend%% imshowsubplot(1,3,1)imshow(a_d);subplot(1,3,2)imshow(a_p);subplot(1,3,3)imshow(a_m);%% FFTa_f=fft2(a_d);a_fo=fftshift((a_f));a_folpf=zeros(N1,N2);a_folpf(N1/2-N1/4:N1/2+N1/4,N2/2-N2/4:N2/2+N2/4)=a_fo(N1/2-N1/4:N1/2+N1/4,N2/2-N2/4 :N2/2+N2/4);a_flpf=fftshift(a_folpf);a_fimage=ifft2(a_flpf);%% imshowfigure(2);subplot(1,3,1)imshow(abs(a_fo),[0,200]);subplot(1,3,2)imshow(abs(a_folpf),[0,200]);subplot(1,3,3)imshow(a_fimage);? 소스분석y : 이미지를 읽어드림a : 이미지의 흑백ㅎa_d : FFT 연산을 위한 a를 unit8->doubleN1 : a_d의 세로길이N2 : a_d의 가로길이a_pud : 가로로 한샘플 패딩a_p : 가로후 세로로한번더 샘플 패딩mf : 마스크를 만들기 위한 백터m : 백터를 서로 곱하여 만든 마스크a_m : 가로 세로 연산을 for 구문으로 변수를 지정해주고 각 성분끼리의 내적연산을 통해서 마스킹을 해줍니다.a_f : a_d를 2차원 fft해줍니다.a_fo : 저주파성분을 중심에 가도록 조정a_folfp : 저주파 성분만을 같은크기의 0행렬에 복사해 넣어 줌으로써 저주파성분만을 분리a_flpf : 다시 ifft를 하기 위하여 원래대로 주파수 위치를 조정a_image : ifft 하여 얻어내는 이미지.항목내용비고결론위에서부터 순서대로 원본이미지 // 패딩이미지 // 마스크결과 // FFT // 저주파대역 FFT // Freq 상에서의 필터링 결과와 같습니다. 먼저 순서대로 원본과 패딩을 비교하면이렇게 좌측상단의 이미지를 확대해서 보면 모서리와 왼쪽, 위쪽이 한샘플 복사된 것을 눈으로 확인할수 있습니다.좌측부터 원본 / MASK / FREQ 결과눈으로 확연히 볼수 있는데, 최자측의 원본이미지는 나무위에 쌓인 눈의 경계를 선명하게 볼수 있음에 반면, 나머지 두 개의 필터링 결과는 그 경계들이 살짝식 모호해진 것을 정확히 확인 할 수 있습니다. 이를 통해서 원본이미지를 좀더 부드러운 이미지로 만드는 LPF의 역할을 완벽히 수행했음을 확인 할 수있었고, Time&Freq 도메인 양쪽에서 같은 작업을 할 수 있다는 것을 알 수 있었습니다.

공학/기술| 2013.01.08| 3페이지| 2,000원| 조회(315)

MatLab, 이미지, 필터링, mapping

미리보기

닫기
MATLAB을 이용한 1-Dimensional Mapping

2주차 실험 결과보고서이름권용진학번2008001621Page No.3주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.2주차 실험 결과보고서이름권용진학번2008001621Page No.제출과제report과목디지털신호처리2교수님전공학번이름제출일자항목내용제목1-Dimensional Mapping목적Mapping을 이용하여 wav 파일의 sample의 길이를 확장, 축소하는 법을 익힌다.실험 기자재 및 부품PCMatlab음성파일본론? 내용 (main.m)clc;clear;a2=wavread('kyj2.wav');a=a2(11100:11199);b=mapping(a,500);%확장c=mapping(a,50);%축소subplot(3,1,1)plot(a(1:100));subplot(3,1,2)plot(b);subplot(3,1,3)plot(c);? 내용 (main.m)function X = mapping(x,M)a=M/length(x);X=zeros(1,M);N=length(x);x=[x;x(N)];for k=1:Mk2=floor((k-1)/a);beta=(k-1)/a-k2;X(k)=(1-beta)*x(k2+1)+beta*x(k2+2);end▶소스분석저는 mapping을 function으로 따로 함수를 만들어주어서 사용하여 b에는 5배 확장, c에는 1/2로 축소하는 것을 넣어 주었습니다.▶소스분석먼저 받아드리는 상수는 원래의 파형과 늘리고자 하는 샘플 수를 넣어주고, 그 상수를 x의 길이로 나누어 줌으로써 비례상수를 구해줍니다.그리고 Interpolation을 하기위해서 마지막에 한 샘플이 부족하기 때문에 원래행렬에 마지막에 원래 행렬의 마지막 값을 넣어 줍니다.그리고 Floor함수를 사용하여 비례상수의 정수와 소수를 나누어주고 정수는 내적 하고자 하는 샘플의 낮은 값으로 사용하고, 소수는 내적 하는 두 비로 사용하는 for구문을 만들어 주었습니다.항목내용비고결론위에 함수를 이용해서 만들어준 결과 그래프입니다. 순서대로 원본파일, 5배확장, 1/2배 축소 한 것인데, 밑에 x축의 파형을 수치를 보면 그 값이 5배, 1/2배 된 것을 볼수 있습니다. 하지만 그 모양은 거의 일치하는 것을 볼 수 있으므로 Interpolation이 잘 된 것을 알 수 있습니다.청음 결과를 알아보기 위해여 위의 소스와는 다르게 기존 음성파일을 자르지 않고 원본으로 해서 청음을 해보았습니다.clc;clear;a=wavread('kyj2.wav');%a=a2(11100:11199);b=mapping(a,800000);c=mapping(a,400000);subplot(3,1,1)plot(a);subplot(3,1,2)plot(b);subplot(3,1,3)plot(c);wavwrite(b,44100,'kyj4.wav');wavwrite(c,44100,'kyj5.wav');먼저 늘리는 수치를 너무나 크게 할 경우에는 전혀 들리지 않아서 적당히 약 2배, 그리고 축소는 약 0.8배로 줄였는데, 그 차이는 확연하게 늘릴 경우에는 정말 느리게 들렸고, 줄였을 경우에는 정말 빨라졌습니다.다만 그 느낌과 더불어 용량도 같은 배수로 움직여졌습니다.

공학/기술| 2013.01.08| 3페이지| 1,500원| 조회(104)

MatLab, 확대, 확장, 매핑, mapping

미리보기

닫기