THMMY.gr

Ανέβηκε στο ethmmy.
http://alexander.ee.auth.gr:8083/eTHMMY/archive/118/downloadFile/6417/dip-2016-hw2.pdf
Προθεσμία 23/05

Στο ερώτημα 1), πως ακριβώς η h=estMask(x,y) υπολογίζει τις μεταβλητές ‘len’ και ‘ang’ της fspecial ??? Δεν μπόρεσα να καταλάβω ακριβώς πως κάνουμε την αντίστροφη διαδικασία.
Για να μπορέσω να πάω παρακάτω, αυτό που έκανα ήταν, να παίξω τυχαία με αυτές τις παραμέτρους και να πάρω μια μάσκα ίδιου μεγέθους με αυτή που χρησιμοποιήθηκε για να πάρουμε την y1 <- από την x1. Όμως, δεν επειδή δεν ήταν ακριβώς η ίδια μάσκα ξανά θόλωνα την x2 σε μια νέα εικόνα g2 αντί της y2 και εκεί χρησιμοποιώ τον αντίστροφο μετασχηματισμό και τα φίλτρα wiener.


Επίσης, στο αντίστροφο φίλτρο στο 2.1, την εκτίμηση της κρουστικής απόκρισης h όταν την πάμε στην συχνότατα της κάνουμε  zero padding όσο το μέγεθος της εικόνας y2, έτσι??
Δοκίμασα να κάνω και zero padding για μέγεθος Νh + Ny2 -1, όπως κάναμε και στην συνέλιξη, και μετά να κάνω τον πολλαπλασιασμό με την αντίστροφη Η(). Χωρίς θόρυβο βγάζουν το ίδιο αποτέλεσμα, περικόπτοντας το αποτέλεσμα στο μέγεθος της x2. Όταν, όμως προσθέτω θόρυβο στην y2, τότε φαίνεται ότι η δεύτερη περίπτωση(zero padding Νh + Ny2 -1) τα πάει καλύτερα, δηλαδή το αποτέλεσμα της αντίστροφης διαδικασία, αρχίζει να χαλάει για θόρυβο μιας τάξης μεγέθους μεγαλύτερο από την πρώτη περίπτωση (zero padding στο μέγεθος y2).

θα τρέξεις 2 λούπες για τις 2 παραμέτρους, και θα βάλεις ένα κριτήριο ομοιότητας, με βάση το οποίο θα επιλέξεις τελικά τις τιμές τους. εμένα το τελικό αποτέλεσμα έχει απόκλιση 2*10^-15 το πολύ για κάθε σημείο της εικόνας.

σχετικά με το zero padding, δεν ξέρω γιατί σου βγάζει τα ίδια αποτελέσματα όπως λες, πάντως το pad θα πρέπει να είναι μέχρι την τιμή Νh + Ny2 -1 αυστηρά

στο 3.1, οι καμπύλες σας εμφανίζουν ελάχιστο για Κ=1 ή Κ=10^0.5? μου φαίνεται αρκετά λογικό αυτό το αποτέλεσμα, το θέμα όμως είναι ότι δεν μου αλλάζει σημαντικά καθώς αλλάζω την ισχύ του θορύβου (το α)

Κοίτα για αυτό που ρωτάς, μου φαίνεται ότι το ελάχιστο κάθε φορά διαφέρει ανάλογα με την τάξη μεγέθους του θορύβου που έχεις προσθέσει. Κάτι τέτοιο αναφέρει και στο βιβλίο στο κεφάλαιο με τα wiener φίλτρα.
Για παράδειγμα σε πρόχειρο πείραμα που έχω κάνει όταν προσθέτω θόρυβο στην y1, με παράμετρο a= 10^(-5) , τότε το ελάχιστο που βγαίνει για  Κ=10^6.5. Εδώ, να πω ότι η y1 είναι μια εικόνα που προκύπτει από την x1 με μια δική μου γνωστή h, η οποία μοιάζει αρκετά με αυτή που μας δίνεται. Οπότε δεν παίρνω και όρκο.



Τώρα, για το άλλο που αναφέρεις. Συμφωνώ με το να κάνουμε padding στο μέγεθος την τιμή Νh + Ny2 -1, την κρουστική απόκριση h. Απλά, στον ορισμό της συνάρτησης invfilter(y2,h,isMask), αναφέρει ότι αν isMask==false (όταν δηλαδή χρησιμοποιούμε φίλτρο wiener και όχι απλά τον αντίστροφο) η h είναι η συνάρτηση μεταφοράς της μάσκας, και θα πρέπει να είναι ίδιων διαστάσεων με την y2. Συνάρτηση μεταφοράς στην συγκεκριμένη περίπτωση θα πρέπει να είναι η G, η οποία προκύπτει με τον γνωστό τύπο και έχει ίδιο μέγεθος με την Η. Όμως, ζητάει να είναι ίδιο μεγέθους με την y2. Από αυτό δηλαδή φαίνεται, για την αντιστροφή παραμόρφωσης μέσω wiener, θα πρέπει να κάνουμε Padding την h στο μέγεθος Ny2 * My2, και μετά να υπολογίσουμε την Η και την G.
Δηλαδή για την απλή περίπτωση αντιστροφής παραμόρφωσης κάνουμε padding  Νh + Ny2 -1 στην h, ενώ για το wiener padding σε Νy2 ??

Ποιό θα είναι το κριτήριο ομοιότητας; Εγώ απλά κάνω αυτό που λέει ο Xleboniaris. Έχω μια λούπα που αυξάνει σιγά σιγά τις τιμές των len και theta μέχρι το φίλτρο να βγεί στις κατάλληλες διαστάσεις. Με το μάτι το αποτέλεσμα βγαίνει πολύ καλό, εγώ δε μπορώ να καταλάβω διαφορά μεταξύ του y1 και του αποτελέσματος της συνέλιξης x1 με το φίλτρο που βρίσκω με αυτό το τρόπο (το ίδιο και με τις άλλες 2 εικόνες). Η απόκλιση βέβαια σε μένα είναι της τάξης του 10^-2, που απέχει αρκετά από το δικό σου 10^-15...

όχι κάτι τρελό, το μέσο τετραγωνικό σφάλμα πχ

γιατί όχι απλά το norm της διαφοράς ?

Και αυτο νομιζω μια χαρα ειναι, αυθαιρετο θα ειναι το κριτηριο ουτως η αλλως. Απλα να υπαρχει καποιο, εγω πριν απλα αρχισα να παιρνω ραντομ τιμες για τα ορισματα της fspecial μεχρι να ταιριαξουν οι διαστασεις, πραγμα που απο μονο του δεν αρκει. Αρκει να βγει αρκετα μικρο, και εσυ θα αποφασισεις ποσο ειναι το αρκετα μικρο :)

είναι σημαντικό να βρεθεί η h με καλή ακρίβεια γιατί εκεί στηρίζονται και τα άλλα ερωτήματα


Δοκίμασες και για άλλες τιμές θορύβου και σου έβγαλε διαφοροποίηση? Γενικά εμένα έχει σταθερή συμπεριφορά με καλύτερες τιμές να παίρνω στο K=10, με e=0.042. Αν δεν λάβαινα καθόλου το x2hat θα είχα e=E(x2^2)=0.2363 που είναι λογική τιμή αν σκεφτούμε ότι η x2 είναι σαν rand(1), και αυτή η τιμή για το e βγαίνει ουσιαστικά όταν το Κ γίνεται μικρό. Αν ο θόρυβος γίνει μεγάλος, δλδ για α=0 και 1 τότε δεν έχω ελάχιστο-δεν δουλεύει το φίλτρο. Για μικρές τιμές θορύβου, δηλαδή μέχρι α=-4, το wiener είναι χειρότερο από το αντίστροφο φίλτρο, κάτι που δεν ακούγεται πολύ καλό αλλά ούτε και πολύ κακό δεδομένου ότι η έξοδος του wiener είναι smooth (λόγω του Κ), ενώ το x2 όχι. Αυτα..

τι όρια βάλατε στα loop για τα len και theta?  :-\

αν δεις το len σαν υποτείνουσα, τότε βλέποντας την διαφορά στα μεγέθη των εικόνων εισόδου-εξόδου μπορείς να ορίσεις ένα μέγιστο len σίγουρα (αν όχι επακριβώς). έπειτα για τις μοίρες κανονικά, από 1 έως 359, με την λογική ότι δεν τρολλάρουν

Απ' ότι κατάλαβα κάνοντας μερικές μετρήσεις η μάσκα θόλωσης "τραβά" την εικόνα και προς τις δυο κατευθύνσεις της φέρουσας ευθείας με γωνία θ, οπότε δε χρειάζεται καν να καλέσεις την fspecial για όλες τις γωνίες και μπορείς να σταματήσεις στις 179 (η 180 παρά κάτι ανάλογα με το resolution που θέλεις).

αυτό που περιγράφεις δεν μου φαίνεται τόσο λογικό γιατί δεν είναι "motion"

Με δυσκολεύει λίγο η εφαρμογή του φίλτρου wiener και νομίζω έχω κάνει κάπου λάθος στα zero pad και στις διαστάσεις γενικότερα. Μπορεί να δώσει κανείς τα φώτα του;

Τι εκανα στο 2: Υπολόγισα το h, έκανα pad τις άκρες του μέχρι να φτάσει τις διαστάσεις του y2. Η x2hat που βρίσκω ειναι ifft2( fft2(y2) ./ fft2(h) ). Μέχρι εδώ όλα καλά, η x2hat ειναι όμορφη. Μετά προσθέτω θόρυβο, φτιάχνω τα y2n όπως τα ζητάει, κάνω ακριβώς την ίδια διαδικασία και βγαίνουν διάφορες εικόνες x2hat, που προσπαθούν γενικά να φτάσουν την x2, αλλά ασχημαίνουν όσο πιο μεγάλο είναι το α (αναμενόμενο).

Τι εκανα στο 3: Υπολόγισα το h, έκανα pad τις άκρες του μέχρι να φτάσει τις διαστάσεις του y2. Βρήκα το Η = fft2(h). Με αυτό, έφτιαξα φίλτρο wiener G, για διάφορες τιμές του K. Μετά έκανα ακριβώς την ίδια διαδικασία για να βρω x2hat και με την σκέτη y2, και με την y2n που έχει θόρυβο. Όλα βγαίνουν κακάσχημα, καμία σχέση με την αρχική x2. Πού είναι το λάθος;  :-\ :-\

Είχα παρόμοιο θέμα και τελικά το πρόβλημα ήταν ότι πρέπει να πολλαπλασιάσεις με τη G ενώ στη invfilter διαιρείς. Οπότε δοκίμασε να καλέσεις με όρισμα το 1./G .

Δε διαφωνώ μαζί σου. Και εγώ περίμενα αλλιώς να είναι το αποτέλεσμα για θ = 0 και θ = 180, δηλαδή πιο θολό προς τα δεξιά ή τα αριστερά αντίστοιχα. Αλλά κοιτώντας το πρακτικά η fspecial παράγει ίδια μάσκα είτε βάλεις κάποιο θ έιτε το θ+180. Το δοκίμασα για 30 τυχαία len και όλες τις γωνίες και το μέγιστο απόλυτο σφάλμα της διαφοράς των δύο μασκών ήταν καρφί μηδέν. Δηλαδή μου φαίνεται ότι τελικά η εικόνα θολώνει και προς τις δύο μεριές το ίδιο.

Δεν ειναι αυτο. Με G πολλαπλασιαζω, δε χρησιμοποιω invfilter εδω. Τωρα συνειδητοποιησα οτι δε το εκανα τοσο ξεκαθαρο στο ποστ μου. Οι διαστασεις καλες σου φαινονται; Ειμαι 99% σιγουρος οτι καπου εκει ειναι το λαθος, αλλα δε μπορω να βρω που ακριβως.

Οι διαστάσεις καλές είναι. Αν έχεις βρει τη μάσκα h σωστά το μόνο που μένει είναι η wienerfilter. Δεν έχω κάποια άλλη ιδέα  :-\

λετζίτ τότε


Γιατί μέχρι την τιμή του y2? Δεν πρέπει να κάνεις pad μέχρι το Μh+My-1 και αντίστοιχα στην Ν διάσταση? Έχω καλά αποτελέσματα για το wiener, αφού έκανα την διαδικασία στην συχνότητα (πριν υπολόγιζα την G στην συχνότητα αλλά από την 21*35 έκδοση της Η, και μετά επέστρεφα στον χώρο και έκανα conv2. To αποτέλεσμα ήταν εντελώς λάθος.)

Το καταφερα τελικα το wiener, χρησιμοποιουσα norm αντι για abs στον παρανομαστη και γι'αυτο εβγαινε λαθος. (Να ναι καλα ο weiss)

Σχετικά με τις διαστασεις, σε ολα τα ερωτηματα και μενα η πρωτη μου σκεψη ηταν αυτή που λες. Αλλα καθε φορα που το κανα, εβγαινε ο,τι να'ναι. Μετα δοκιμασα να κανω pad μονο τη μασκα μεχρι τις διαστασεις της y2 και ολα ομορφα. Αν ηταν κανονικη συνελιξη τοτε θα ηθελαν σιγουρα pad και οι δυο μεχρι τις διαστασεις της αναμενομενης συνελιξης. Ισως εδω, επειδη προσπαθουμε και καλα να κανουμε deconvolution, να μην ειναι σωστο. Ο,τι και να σου πω δε ξερω... Εγω ξερω οτι κανοντας pad μονο τη μασκα μεχρι τις διαστασεις της y2 μου δουλεψε, ενω το αλλο οχι. Οποτε αυτο κρατησα  :)

κάνοντας το κανονικά συνέλιξη με το wiener φίλτρο, δλδ με pad ως την γνωστή τιμή, τα αποτελέσματα είναι όντως καλύτερη λειτουργία στις τιμές Κ που περιμέναμε και μικρό σφάλμα σε αυτές.επίσης, norm και abs δίνουν το ίδιο αποτέλεσμα, δεν θα έπρεπε?

Norm επιδρα σε ολο τον πινακα ενω το abs στοιχειο προς στοιχειο και εμεις θελουμε το δευτερο.

αφού ήδη κάνεις προσπέλαση σε κάθε τιμή, αυτά τα 2 συμπίπτουν, δλδ norm(H(i,j))=abs(H(i,j))

αλλά ναι, αν το έκανες χωρίς προσπέλαση έχεις δίκιο

Για συζήτηση αποτελεσμάτων στο ζητούμενο 3.1:

Όσο αυξάνεται το πλάτος του θορύβου τόσο μετακινείται προς τα αριστερά το Κ  για το οποίο εμφανίζεται το ελάχιστο MSE.

Δηλαδή πχ για πλάτος α=10^-7 το "βέλτιστο" Κ μου βγαίνει 10^10, για α=10^-6 βέλτιστο Κ μου βγαίνει γύρω στο 10^9.5 , και πάει λέγοντας...

Για πλάτος θορύβου απο 1 και πάνω μπορείτε να βρείτε καλή εκτίμηση της χ2hat μεσω wiener? Εμένα έχει πολύ θόρυβο και το MSE δεν πέφτει κάτω απο 0.2363

απ όσο θυμάμαι έχω ακριβώς τα ίδια αποτελέσματα. η τιμή 0.2363 που είχα σχολιάσει και πιο πριν οφείλεται στο ότι για μεγάλο θόρυβο η βέλτιστη επιλογή οδηγάει το wiener να είναι σχεδόν μηδενικό παντού. Άρα το x2hat βγαίνει σχεδόν μηδενικό, και αυτή η σταθερή τιμή που βγαίνει σε όλα τα διαγράμματα για μικρά Κ, αλλά είναι ταυτόχρονα και η ελάχιστη για μεγάλο θόρυβο είναι ουσιαστικά το E[x2^2], δηλαδή η μέση τετραγωνική τιμή του σήματος που θέλουμε να προσεγγίσουμε με το wiener

όταν τα ξανατρέξω θα επιβεβαιώσω ακριβώς τις δικές μου τιμές για τα άλλα

έτσι φίλε!

την  h των x1,y1 τόσο στο ζητούμενο 2 όσο και στο 3 την βρίσκουμε μέσω της estMask σωστά? Η estMask τι συνθήκη τερματισμού έχει?(MSE ή norm διαφοράς)?

εγώ χρησιμοποιώ το norm διαφοράς φίλε,  ο φίλος απο πάνω χρησιμοποιεί το MSE. ότι θέλεις, απλά τσέκαρε μετά την εικόνα σου και δες ότι είναι κομπλέ. συγκεκριμένα εμένα το norm διαφοράς μου  βγαίνει τάξης 10^-13 ενώ αν θέσεις συνθήκη τερματισμού το MSE να κοιτάς για σφάλμα λιγότερο απο 10^-30

στο ερώτημα 1, το φίλτρο h δεν είναι διάστασης [21x35] με τιμές παντού 0 εκτός από την διαγώνιο (με πάχος τριών σειρών διαγώνιο για να μιλάμε κι επιστημονικά  :D ) από κάτω αριστερά μέχρι πάνω δεξιά;

Ναι.


Ένα άλλο θέμα που έχω είναι ότι βγάζω ίδια h είτε βάλω x1,y1 είτε βάλω x1,y1n. Συμβαίνει και σε άλλον αυτό?

Ναι, για α=0 και α=1 μόνο έτυχε να μην βρει το ίδιο h.

Με συγχωρείτε ρε παιδιά αλλά πώς γίνεται να βρίσκετε ακριβώς το ίδιο h όταν καλείτε την estMask(x1,y1n) αφού η y1n είναι με θόρυβο;   :-\ ::)

μάλλον όλες οι εκτιμήσεις είναι κακές, αλλά η καλύτερη είναι για την ίδια μάσκα (ή λίγο πέρα-δώθε)

Δηλαδή η συνθήκη τερματισμού σας είναι τώρα διαφορετική; Με μεγαλύτερο επιτρεπτό σφάλμα;

μμ ναι είδα ότι λέγατε πριν για συνθήκη τερματισμού με σφάλμα. εγώ δεν έχω συνθήκη τερματισμού, ψάχνω μέχρι ένα μέγιστο LEN και παίρνω απλά το μικρότερο estimation, γι αυτό δεν είχα πρόβλημα

ερώτηση, τι σφάλμα σας βγάζει το αντίστροφο φίλτρο στο 2.1 (χωρίς θόρυβο)?

η x2hat τελικά έχει “διαφορἀ” (norm διαφοράς) από την πραγματική x2 σε τάξη των 10^-10 και μέσο τετραγωνικό σφάλμα τάξης απο την χ2 10^-23.

με το αντίστροφο φίλτρο, σοβαρά?

ναι φίλε, χωρίς θόρυβο έτσι;

norm(x2hat-x2)

ans =

   2.8129e-09

>> immse(x2hat,x2)

ans =

   4.2041e-23

ναι χωρίς θόρυβο. μμ πολύ καλό. τι έκανες με τα σημεία μηδενισμού του Η? (εκεί που έφτανε πολύ κοντά στο 0)

κοίτα εγώ στην invfilter (πάντα με ismask=true) βρίσκω το x2hat Μέσω του πεδίου συχνότητας.
δηλαδή έχω την h (που είναι 21χ35 αν θυμαμαι καλα), την κάνω κατάλληλα padding και βρικω fft2 (=H)

Ουσιαστικά η H δεν έχει μηδενικές τιμές, ναι μέν όλες οι τιμές είναι μηγαδικές με πραγματικό και φανταστικό μέρος πολύ κοντά στο 0, αλλά μετά όταν γράψεις 1./Η Και το πολλαπλασιάζεις με το fft2(y) για να παρεις τελικα το ifft2, το αποτέλεσμα θα είναι αρκετά ικανοποιητικό.

κάνω το ίδιο, αλλά έχω απειρισμούς στο G. άλλαξες την ακρίβεια υπολογισμού του Η ώστε να μην σου βγάζει 0? έκανες κάποιο διαφορετικό zero pad από το Ν+Μ-1?

Στο τελευταιο ερωτημα, εκει που λεει για το σταδιο προεπεξεργασιας στην y1n, τι εννοει ο ποιητης; Να προσπαθησουμε καπως να ελαττωσουμε τον θορυβο πριν τρεξουμε την estMask η κατι αλλο; Και αν ειναι αυτο που ειπα, πως ακριβως θα καναμε κατι τετοιο;

Αν κάνεις pad την h μέχρι το μέγεθος του y, η H δεν έχει μηδενικά. Αλλά μπορείς να κάνεις pad μέχρι to N + M - 1 και μετά απλά να πεις H = H + eps. Το αποτέλεσμα είναι το ίδιο.

πράγματι έχετε δίκιο για το πρώτο. για το δεύτερο όμως δεν έχω τα ίδια αποτελέσματα

διάβασα πιο προσεκτικά την εκφώνηση και νομίζω ότι όντως θέλει για το wiener pad μέχρι τις διαστάσεις του y2. δεν έχει μεγάλη διαφορά, τουλάχιστον εγώ λαμβάνω πλ καλά αποτελέσματα για κανονικό padding , αλλά δεν είναι παράξενο αυτό?

ρε παδιά στο 3.2, δεν σας βγαίνει περίπου το ίδιο διάγραμμα με αυτό του 3.1 ; Απλά τα σφάλματα έχουν αυξηθεί λίγο για πλάτος θορύβου >10^-4 (πχ)

εμένα βρίσκει την ίδια h πάντα εκτός όταν α=1. άρα για όλα τα άλλα τα αποτελέσματα είναι ίδια. για α=1 έχουμε χειρότερη απόδοση προφανώς απ ότι είχαμε πριν

καποια βοηθεια για την ευθυγρμμιση εικονων στο πρωτο ερωτημα?

εγώ κατάλαβα ότι εννοεί ότι αποκόπτεις την έξτρα περιοχή από το x2hat, που έχει διαφορετική διάσταση από το x2 λόγω του τρόπου υπολογισμού του

Εγω καταλαβα οτι πρεπει να κεντραρεις την χ1 ετσι ωστε να ειναι πανω στο ψ1 πριν την επεξεργασια.



Edit: Εγω μια ερωτηση να κανω. Στο 2.2 λεει οτι προσθετουμε λευκο θορυβο στην ψ2. Σημαινει οτι το φιλτρο h που βρηκα απο το ζευγος χ1,ψ1 (χωρις θορυβο) το εφαρμοζω στην ψ2n ?Εννοω δεν βρισκουμε νεο φιλτρο ετσι;

Ναι και εγώ αυτό κατάλαβα. Κρατάς h σταθερό αυτό που βρήκες από το ερώτημα 1.

Ναι ακριβως αυτο θα κανεις σε ολα τα ερωτηματα με εξαιρεση το 3.2, εκει σου λεει ρητα οτι θελει να ξαναβρεις το φιλτρο.

Για το πρώτο ερώτημα , η αναζήτηση των παραμέτρων της fspecial ,θα γίνει με κάποιες αρχικές τιμές οι οποίες θα μεταβάλλονται?Κάποια βοηθεια αν είναι εύκολο..

ναι, θα γίνει για κάποια εύρη τιμών τoυ LEN και του ΤΗΕΤΑ. δες και στην πρώτη σελίδα που το συζητάμε

Θα απαντήσω λίγο στον εαυτό μου. Το μονο που μπορω να σκεφτω ως προεπεξεργασία είναι median filter, το οποιο κανει σχετικα καλη δουλεια, αφου ο θορυβος ειναι τυπου salt&pepper. Θα θεσω ομως οτι βρισκω καπως ανουσιο κατι τετοιο, καθως βρηκα το σωστο φιλτρο για ολες τις τιμες του α, με εξαιρεση μονο το 10⁰ και 10¹, χωρις να εχει γινει καμια προεπεξεργασια στην y1. Όμως, σε αυτες τις δυο περιπτωσεις η εικονα ειναι σε τοσο χαλια κατασταση που δε σωζεται για κανενα λογο. Και στο προηγουμενο ερωτημα που χρησιμοποιησα το σωστο φιλτρο τα αποτελεσματα ηταν χαλια, οποτε νομιζω πως δεν εχει καμια αξια να κανουμε οποιαδηποτε προεπεξεργασια.

συμφωνώ, και να βρεις το σωστό φίλτρο δεν μπορείς να κάνεις τίποτα για να βρεις την εικόνα, ειδικά για α=1. εγώ σκέφτηκα ένα φίλτρο που κόβει τις πολύ υψηλές συχνότητες.

Για το πρώτο ερώτημα τα δύο nested loop που έχω  για len 1:50 , lang 1:180 τρέχουν πάνω από μισή ωρα και δε τελειώνουν.Σας αργεί και εσας η κάτι δε παει καλα?

βάλε μια συνθήκη ελέγχου, ώστε οι υπολογισμοί που τρώνε τον πολύ χρόνο να γίνονται μόνο όταν η fspecial παράγει φίλτρο όμοιας διάστασης με το h.



στο ερώτημα 1 δεν υπάρχει x2hat.


οταν λες πάνω, τι ακριβώς εννοείς;

περιόρισέ τα, με τριγωνική ανισότητα


ανάθεμα και αν ακολούθησα την ονομασία που έχει στην πολύ γαμάτη εκφώνηση

μήπως μπορεί να είναι και απλά εξίσωση len = sqrt(Mh^2+Nh^2) (αντι ανισότητας);

απ ότι θυμάμαι μπορεί να βγει ίδιο μέγεθος h για διαφορετικά LEN (και διαφορετικά THETA)

Από που βγάζουμε το επιθυμητό μέγεθος του h Που πρέπει να μας δώσει?

τι εννοείς από που, από την λούπα. απλά περιορίζεις τα όρια που ψάχνεις, είναι δυνατόν να σου δώσει για LEN=5 τον y που θέλεις?

Εννοω το μεγεθος που πρεπει να έχει το h δε θα πρεπει να είναι Νy-Nx1+1? Δηλαδη μικρο?

ναι. 21x35 συγκεκριμένα.

Στο ερώτημα 3.2 λέει

Επίσης, παρουσιάστε σύγκριση μετάξυ της εκτίμησης της αρχικής εικόνας x1 όταν η εκτίμηση του συστήματος
παραμόρφωσης γίνεται με ή χωρίς παρουσία θορύβου.

Τι εννοεί ο ποιητής;

Παιδιά μερικές απορίες..
      Στο 1.1 τι εννοεί ότι οι εικόνες πρέπει να είναι ευθυγραμμισμένες; Επίσης στο 1.1, κάποιο hint-επεξήγηση που μπορεί να έχει δοθεί στο μάθημα για τον τρόπο υπολογισμού των παραμέτρων μετατόπισης και γωνίας (len, ang), γιατί γίνεται χαμός από τις πιθανές λύσεις που θα μπορούσαν να δοθούν!
      Στο ερώτημα 2.1, ποια η διαφορά της μάσκας παραμόρφωσης από τη συνάρτηση μεταφοράς της μάσκας;

Την ίδια απορία έχω και γω. Είδα σε άλλη απάντηση είδα ότι στο 2.1 γίνεται padding στο h ώστε αυτό να έχει τις διαστάσεις του y2 (isMask = true περίπτωση). Αυτό όμως ζητάται στην περίπτωση που το isMask ειναι false...... Καμιά ιδέα;

συνάρτηση μεταφοράς της μάσκας = fft2(μάσκα παραμόρφωσης)

Μια χαρά. Άρα στο 2.1 υπάρχει άλλος τρόπος πέραν του zero padding της h (ώστε να φτάσει τις διαστασεις του y2) και έπειτα fft2(h_padded)? Το προηγούμενο απ ότι καταλαβαίνω δεν είναι αποδεκτο στην περίπτωση που isMask=true. Τι λέτε και σεις?

Μάλλον μπερδεύτηκε. Της χ2 θα έπρεπε να λέει...

Μήπως κάποιος μπορεί να μου πει αν βγαίνει η εργασία μέχρι τις 23 γιατί μέχρι χθες ασχολιόμουν με γραφική; Αξίζει έστω να παραδώσω μέρος της;

Αξίζει τα πρώτα ερωτήματα εάν έδωσες πρόοδο και την προηγούμενη εργασία σαν θεωρία είναι καλυμμένα. Τύπου 5 γραμμές κώδικας έχεις και πόσες σελίδες ερωτοαπαντησεων από το forum. Εγώ σήμερα ξεκινάω αφού και εγώ έκανα εργασία γραφική μέχρι χθες....

Α ωραία! Thx! :)

Για το 2.2 εκτός του φίλτρου που βρήκαμε απτό 1ο ερώτημα πρέπει αν εφαρμόσουμε κάποιο Median φίλτρο για να βγάλουμε το θόρυβο?

Δεν ζητάει κάτι τέτοιο... Αυτά που κατάλαβα εγώ είναι : βγάζεις το σφάλμα της x2hat για κάθε τιμή του α και το δείχνεις μαθηματικά. Αν όχι πείτε...

Στο 3.1 στην 3η παράγραφο γράφει: Στη συνέχεια θα επαναλάβετε τα πειράματα της ενότητας 2. Χρησιμοποιήστε τις εικόνες x1 και y1 για να κατασκευάσετε το κατάλληλο φίλτρο Wiener.
Δεν καταλαβαίνω τι ακριβώς ζητάει. Χρειάζεται να ξαναεκτιμήσουμε την H με κάποιον άλλον τρόπο; ή την παίρνουμε έτοιμη και απλά υπολογίζουμε την G σύμφωνα με τον τύπο στις διαφάνειες;

Απ ότι έχω καταλάβει στο 3.1 παίρνουμε το h απο τις εικόνες χ1 και y1. Υπολογίζουμε το Η με fft2. Ε΄χοντας το Η για κάθε τιμή του Κ υπολογίζουμε φιλτρο wiener G_i. Στη συνέχεια, διαιρούμε την G_i με την fft2(y2) και κάνουμε ifft2. Το αποτέλεσμα ειναι το x2hat.

Στην περίπτωση του θορύβου χρησιμοποιούμε αντι της y2 μια y2n π εχει προκύψει απο την προσθήκη θορύβου και ακολουθούμε την ίδια διαδικασία με πριν. Στην περίπτωση αυτή τι εννοεί ότι θεωρούμε πως η y2 δεν ειναι διαθέσιμη? Μήπως εννοεί απλά ότι πλέον κάνουμε μόνο χρηση της y2n?

Ισχυει μήπως κάτι άλλο στα παραπάνω?

Ευχαριστώ. Και εγώ αυτό έκανα με την διαφορά ότι την H την έπαιρνα από το πρώτο ερώτημα και όχι από τους μετασχηματισμούς dft των x1, y1.

Στο 2.2 μόνο εμένα μου βγαίνει σαν ασπρόμαυρο πλεχτό η χ2 για i μεγαλύτερο από -13? Δηλαδή δεν έχει νόημα να δοκιμάσω τα νούμερα που δίνει, η εικόνα χαλάει πολύ απότομα για πιο μικρά i.

μήπως έκανες λάθος στο padding? για i=-4 δεν μπορείς να διακρίνεις την εικόνα σε εμένα..

Τί λάθος? Ακολούθησα την ίδια διαδικασία με την 2.1 που μου βγήκε σωστά, απλά αντί για την y2 εφαρμόζω το φίλτρο (που είναι ίδιο με πριν) στην y2n με τον θόρυβο. Αλλάζει κάτι στο script πέρα από την y2?

μμ. όχι δεν αλλάζεις κάτι άλλο

Παιδιά σχετικά με το 3.1 και τα γραφήματα , οταν κάνω plot το  vector με τα error (για όλα τα a(i) μου βγαίνει κάτι τέτοιο.
()

 Εσείς τι βγάζετε?

Τι φιλτρο χρησιμοποιησατε για το τελευταιο ερωτημα; Αρκετα καλα αποτελεσματα μου φαινεται να δινει το 5χ5 median.

Συνημμένο

Εγώ δοκίμασα Gauss με μεταβλητό sigma και δεν είδα καμιά διαφορά.

edit: Μόλις δοκίμασα και 5x5 median και υπήρξε βελτίωση μόνο για a=10^-2 από 0,009 σε 0.0089 που νομίζω είναι συμπτωματικό. Μήπως είναι ερώτηση παγίδα;

Πως έκανες το Plot? Με loglog ? Και σαν όρισμα έβαλες μόνο το ErrorVector , η και το K?

το πλοτ σου έχει το θέμα ότι για Κ = 10  και αρκετό θόρυβο δεν έχεις πολύ μεγάλο σφάλμα, ενώ θα έπρεπε. κατά τα άλλα έχω και κάποιες άλλες διαφορές, όπως ότι για α=10 δεν πέφτει η εκτίμηση κάτω από την ευθεία γραμμή από τα αριστερά και λίγο μετατοπισμένα-διαφορετικά ελάχιστα

Απλά έκανα plot με ορίσματα το log του K και το log των μέσων τετραγωνικών σφαλμάτων.


Για α=10 μπορεί να πέφτει αλλά πάλι, μη φανταστείς. Παίρνω σκουπίδια.

Και γω για το τελευταιο ερωτημα δεν βλεπω καποια βελτιωση. Τα ιδια σφαλματα μου βγαινουν πανω κατω.

είναι για να σκεφτείς!

Να μην σε πάρω και στον λαιμό μου, συνέχιζα να δοκιμάζω medians και παίζει να υπάρχει διαφορά στις 5 χειρότερες περιπτώσεις, απλά καμία αισθητή με το μάτι.

Εννοείς γενικά να εφαρμόσεις για όλα τα 'α' φίλτρο που κόβει τις υψηλές συχνότητες(θεωρώντας ότι ο θόρυβος είναι στις υψηλές) ή μόνο για την περίπτωση που έχεις μεγάλο α, πχ α=1. Το πρώτο ίσως έχει αποτέλεσμα, αλλά αν εννοείς το δεύτερο, η περιοχή συχνοτήτων του θορύβου δεν εξαρτάται από το πλάτος του θορύβου(εδώ το 'α')

Επίσης, στα ερωτήματα του 3 ζητήματος με το wiener, την h(που θα χρησιμοποιήσουμε για να βρούμε το φίλτρο wiener) την υπολογίζουμε με την estMask του 1ου ερωτήματος ή απλά κάνουμε h = ifft2( fft2(y1) ./ fft2(x1) ) (εννοείται κάνοντας zero padding στην x1)?