ASSIGNMENT 2. Assignment 2.1 Масштабирование звука – Синусоида – противный «пищащий» звук – Частота дискретизации – Khz – 44Khz == 44 тысячи раз сигнал. - презентация

1 ASSIGNMENT 2

2 Assignment 2.1 Масштабирование звука – Синусоида – противный «пищащий» звук – Частота дискретизации – Khz – 44Khz == 44 тысячи раз сигнал дискретизован в секунду А -А 1 сек Амплитуда Длительность

3 Assignment 2.1 Частота дискретизации – 9 (рис. снизу) – 9 отсчетов в секунду А -А 1 сек Амплитуда

4 Assignment 2.1 Линейно проинтерполируем? – Т.е. Любым «линейным методом» – линейно, кубически и тд. – Если частоту дисркетизации не изменить: А -А Амплитуда 2 сек 1 сек

5 Assignment 2.1 Сравним: А -А Амплитуда А -А 1 сек Амплитуда Исходный сигнал: sin(4 * pi * t) Полученный сигнал: sin(2 * pi * t) 2 сек 1 сек

6 Assignment 2.1 Вывод: Интерполяция не подходит А -А Амплитуда А -А 1 сек Амплитуда Исходный сигнал Удлиненный сигнал изменил частоту! 2 сек 1 сек

7 Assignment 2.1 Дублируем сигнал – Частота не меняется – Синусоида «пищит» в 2 раза дольше А -А 1 сек Амплитуда 2 сек

8 Assignment 2.1 Реальный сигнал СЛОЖЕН

9 Assignment 2.1 Но общий принцип работает – Выбрать область – Продублировать ее Артефакты: щелчки в местах «слепки» областей

10 Assignment 2.1 Ограничение – увеличение длительности в целое число раз – Чтобы уменьшить длительность, блоки надо выбрасывать

11 Assignment 2.1 Для произвольного масштабирования блоки надо перекрывать – В местах перекрытия сигнал усредняется А -А 1 сек Амплитуда 1.5 сек + + -А А

12 Assignment 2.1 Артефакты: сигналы могли сложиться и в результате получили 0 А -А 1 сек Амплитуда 1.5 сек + + -А А

13 Assignment 2.1 Решение: весовое окно – Линейное – Cos() «поднятый вверх» А -А 1 сек Амплитуда 1.5 сек + + -А А 1 * * * * 1

14 Assignment 2.1 Реализовать TD-OLA и линейную интерполяцию и сравнить Программа принимает на вход wav файл, на выходе записывает wav файлы длинной в 0.75 и 1.5 относительно исходного – Т.е. 4 файла на выходе – ScaleTDOLA075 ScaleTDOLA150 – ScaleLinear075 ScaleLinear150

15 Assignment 2.1 Обработка сразу N окон в N блоках CUDA

16 Вопросы? Спрашиваем в группе

17 Assignment 2.2 Обучение фильтра – Дано изображение Clean (WxH) Изображение Noise можно процедурно получать из Clean, добавив шум Clean Noise

18 Assignment 2.2 Белый шум – сумма N шумов с равномерным распределением – Можно использовать генератор шума из задания 1 – К значению каждой цветовой компоненты каждого пикселя прибавляется шум * амплитуду Амплитуда – параметр Позволяет по-разному тренировать фильтр

19 Assignment 2.2 Bilateral фильтрация подавляет шум, но требует вычисления exp – Если размер окна DxD то требуется DxD ssd3() и столько же exp() Предположим, что веса для фильтрации можно вычислить заранее – В общем случае неверно – Верно для бинарного изображения

20 Assignment 2.2

21 Использовать веса бинарного изображения нельзя – Веса слишком экстремальны Для окна NxN участок бинарного изображения образует NxN-мерное бинарное слово – Или 2^NxN классов

22 Assignment 2.2 Алгоритм: – Построить бинарное изображение из Noise – Выбрать размер окна для фильтрации (например 3x3, 5x5) Чем больше окно, тем больше классов 2^5x5 == 2^25 == 33,554,432

23 Assignment 2.2 Алгоритм: Для каждого пиксела изображения опеределить к какому классу относится его окрестность Выбрать текущий класс – Лучше одновременно обрабатывать не один, а целый набор классов

24 Assignment 2.2 Алгоритм: Для текущего класса составляем переопределенную СЛАУ: – Для выбранного класса провести поиск в изображении соотв. блоков – Каждый соотв. блок добавляет одно линейное уравнение в СЛАУ вида: a i * np i = cp i, где a i – неизвестные коэфициенты фильтрации, np i – известные пиксели из Noise, cp i – известные пиксели из Clean – Когда набралось достаточно уравнений – решаем находим ai Достаточно > размер окна

25 Assignement 2.2 Для каждого пиксела Noise – Определить к какому классу он принадлежит – Использовать коэф. данного класса для фильтрации

26 Assignment 2.2 Построение бинарного изображения – Для каждого пиксела В его окрестности вычисляется среднее значение яркости Если яркость пиксела > средней яркости в окрестности, то 1, иначе - 0 Вычисление средней яркости происходит через интегральные суммы

27 Assignment 2.2 Вычисляется интегральная сумма Inoise изображения Noise – Inoise – изображние размера (W+1 x H+1) – (i,j) – (строка, столбец)

28 Вопросы? Спрашиваем в группе course/wiki/Devil_Basics - работа с файлами изображений course/wiki/Devil_Basics

29 Assignment /2011/assigns/assign4 /2011/assigns/assign4

30 Вопросы? Спрашиваем в группе И в группе видео-курса!

31 Assignment 2.x Задание сложное Срок сдачи – 19 апреля Семинар для сдачи – 19 апреля

32 Общие правила по оформлению программ Если сдаете по – ДОЛЖЕН быть с темой CUDA ASSIGNEMENT 2011.N (N - номер задания, в данном случае 2)

33 Общие правила по оформлению прорамм – Программа должна делать проверки на ошибки: Наличие девайса? Выделилась память? И т.д. – Программа должна компилироваться CUDA Toolkit 3.2 Если писали на windows то vcproj для VS2005 / VS2008 либо (makefile +.bat) Если писали на *nix то make

34 Общие правила по оформлению программ Если вы используете любые другие инклюды кроме стандартных – не расчитывайте, что они прописаны на проверяющей машине. Пример того, чего не будет на машине: – cutil.h (требует установки CUDA SDK) Пример того, что будет на машине: – cudart.h (ставиться вместе с CUDA toolkit) – stdio.h (стандартная C библиотека) – thrust – cufft

35 Вопросы