m**********e
发帖数: 12525 | 1 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
现在我佬帮你们扫个盲
图像清晰，有细节，说明啥？
用数学的语言说，说明图像的傅立叶频谱有高频部分
现在进行数字模糊，怎么模糊？
用数学的语言说，就是截去图像的傅立叶频谱高频部分
你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
答案----完全不可能！
因为傅立叶高频部分和低频部分不是相关操作，是独立的 |
t******l
发帖数: 10908 | 2 取决于具体算法
FFT 切高频的 smoothing 无法还原，因为高频信息丢失。
但是 2D convolution 算子的 smoothing 可以还原，因为高频信号并未丢失，所谓模
糊只是猴子眼里的 illusion。 |
s*****l
发帖数: 7106 | 3 我看你这水平也一般
问你个基础的
一个很大很大的图像
怎么缩小才能让人看得舒服 |
m**********e
发帖数: 12525 | 4 你这数学功底，啧啧啧，真是数学系毕业的？
【在 t******l 的大作中提到】
: 取决于具体算法
: FFT 切高频的 smoothing 无法还原，因为高频信息丢失。
: 但是 2D convolution 算子的 smoothing 可以还原，因为高频信号并未丢失，所谓模
: 糊只是猴子眼里的 illusion。
|
t******l
发帖数: 10908 | 5 但是弃婴这次栽了的是，FFT 切高频的 smoothing 做不到高质量的 smoothing，因为
会发生类似 "伪影" 的现象，因为高频切掉以后，低频信号在时域或空间域发生震荡波
。。。
: 取决于具体算法
: FFT 切高频的 smoothing 无法还原，因为高频信息丢失。
: 但是 2D convolution 算子的 smoothing 可以还原，因为高频信号并未丢失，
所谓模
: 糊只是猴子眼里的 illusion。
【在 t******l 的大作中提到】
: 取决于具体算法
: FFT 切高频的 smoothing 无法还原，因为高频信息丢失。
: 但是 2D convolution 算子的 smoothing 可以还原，因为高频信号并未丢失，所谓模
: 糊只是猴子眼里的 illusion。
|
m**********e
发帖数: 12525 | 6 找本现代光学看看再来发表评论
【在 s*****l 的大作中提到】
: 我看你这水平也一般
: 问你个基础的
: 一个很大很大的图像
: 怎么缩小才能让人看得舒服
|
c***l
发帖数: 13273 | |
t******l
发帖数: 10908 | 8 弃婴你还是去研究广义相对论，这个你找田纳西做烧饼的虎肉问一下很难么？
: 你这数学功底，啧啧啧，真是数学系毕业的？
【在 m**********e 的大作中提到】
: 找本现代光学看看再来发表评论
|
m**********e
发帖数: 12525 | 9 ok, f是精细函数， g是简单函数
f-->f*g卷积后，f的频谱没有损失么？你知道卷积的物理意义么？
【在 t******l 的大作中提到】
: 弃婴你还是去研究广义相对论，这个你找田纳西做烧饼的虎肉问一下很难么？
:
:
: 你这数学功底，啧啧啧，真是数学系毕业的？
:
|
y****g
发帖数: 36950 | 10 别扯淡啦，如果是大图缩小点，一定程度上插值回去还能看。但是不同算法的模糊处理
就和打了马赛克一样，除非原图EXIF信息里里包含有以前的缩略图，利用缩略图放大回
去，再辅助以类似警方的罪犯肖像画家利用对人物的熟悉程度加工一下可能可以还原的
有点像。
：取决于具体算法
： |
|
|
s*****l
发帖数: 7106 | 11 扯犊子
这么简单的问题
业界的都知道
一个词的答案
你就说知道不知道吧
：找本现代光学看看再来发表评论
： |
d**s
发帖数: 4741 | 12 什么样的二维卷积算子？有没有具体表达式
【在 t******l 的大作中提到】
: 取决于具体算法
: FFT 切高频的 smoothing 无法还原，因为高频信息丢失。
: 但是 2D convolution 算子的 smoothing 可以还原，因为高频信号并未丢失，所谓模
: 糊只是猴子眼里的 illusion。
|
t******l
发帖数: 10908 | 13 弃婴你物理学上 out of focus 和 信号学上的 2D convolution 不完全是一回事。
当然 out of focus 也不是一点都不能还原，但确实有信息损失。
: 找本现代光学看看再来发表评论
【在 m**********e 的大作中提到】
: ok, f是精细函数， g是简单函数
: f-->f*g卷积后，f的频谱没有损失么？你知道卷积的物理意义么？
|
n**d
发帖数: 9764 | 14 发信人: mifepristone (弃婴), 信区: Military
标 题: 西藏原来好像一直是印度的
发信站: BBS 未名空间站 (Wed Jul 5 00:21:05 2017, 美东)
印度人的圣山圣湖都在西藏
连甘地的骨灰也撒在西藏
结果腊肉一口把西藏吞下，
搞得现在印度人拜自己的圣山都要交300美刀办个中国旅游签证
印度人憋屈啊！
【在 m**********e 的大作中提到】
: 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
: 现在我佬帮你们扫个盲
: 图像清晰，有细节，说明啥？
: 用数学的语言说，说明图像的傅立叶频谱有高频部分
: 现在进行数字模糊，怎么模糊？
: 用数学的语言说，就是截去图像的傅立叶频谱高频部分
: 你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
: 答案----完全不可能！
: 因为傅立叶高频部分和低频部分不是相关操作，是独立的
|
m**********e
发帖数: 12525 | 15 f*g
卷积，就是相关运算，
图像f内含有小方块，g是小方块，f*g卷积后，你得到f中小方块的位置。
结论， f*g后f丢失其他细节频谱，而且不可还原
【在 d**s 的大作中提到】
: 什么样的二维卷积算子？有没有具体表达式
|
c***l
发帖数: 13273 | 16 我记得美图秀秀缩略图不是原图
【在 y****g 的大作中提到】
: 别扯淡啦，如果是大图缩小点，一定程度上插值回去还能看。但是不同算法的模糊处理
: 就和打了马赛克一样，除非原图EXIF信息里里包含有以前的缩略图，利用缩略图放大回
: 去，再辅助以类似警方的罪犯肖像画家利用对人物的熟悉程度加工一下可能可以还原的
: 有点像。
:
: ：取决于具体算法
: ：
|
m**********e
发帖数: 12525 | 17 所以你知道个屁
图像需要2个因子，强度和相位
你相位丢了还还原个屁
【在 t******l 的大作中提到】
: 弃婴你物理学上 out of focus 和 信号学上的 2D convolution 不完全是一回事。
: 当然 out of focus 也不是一点都不能还原，但确实有信息损失。
:
:
: 找本现代光学看看再来发表评论
:
|
j****i
发帖数: 68152 | |
t******l
发帖数: 10908 | 19 数字卷积不就是一个线性方程组？
: ok, f是精细函数， g是简单函数
: f--
【在 m**********e 的大作中提到】
: 所以你知道个屁
: 图像需要2个因子，强度和相位
: 你相位丢了还还原个屁
|
s*****l
发帖数: 7106 | 20 棒槌
你想过没有人眼也是滤波器么
：f*g
： |
|
|
m**********e
发帖数: 12525 | 21 你妈的，你真是数学系毕业的？
卷积是线性方程了？？？
【在 t******l 的大作中提到】
: 数字卷积不就是一个线性方程组？
:
:
: ok, f是精细函数， g是简单函数
:
: f--
|
t******l
发帖数: 10908 | 22 数字图像没有相位，数字图像卷积算法也没有相位，都是实数。。。
: 所以你知道个屁
: 图像需要2个因子，强度和相位
: 你相位丢了还还原个屁
【在 m**********e 的大作中提到】
: 你妈的，你真是数学系毕业的？
: 卷积是线性方程了？？？
|
n**d
发帖数: 9764 | 23 Best guess for this image: Food
【在 j****i 的大作中提到】
: 直接打脸
|
m**********e
发帖数: 12525 | 24 我佬大二学光学的时候就知道了，ok?
【在 s*****l 的大作中提到】
: 棒槌
: 你想过没有人眼也是滤波器么
:
: ：f*g
: ：
|
y****g
发帖数: 36950 | |
h**********c
发帖数: 4120 | |
t******l
发帖数: 10908 | 27 数字卷积器啊，不是线性函数叠加？为啥不能 invert 矩阵？
: 你妈的，你真是数学系毕业的？
: 卷积是线性方程了？？？
【在 m**********e 的大作中提到】
: 我佬大二学光学的时候就知道了，ok?
|
m**********e
发帖数: 12525 | 28 对
妈屄的，物理学家可以用各种途径来解释，这帮码脓就是屁都不懂还瞎屄屄
【在 h**********c 的大作中提到】
: 热二，熵增加，不可逆
|
c***l
发帖数: 13273 | 29 干他娘的卷席这个还原的我像佛像前的童子lol
【在 y****g 的大作中提到】
: 这就叫艺术家加工还原 哈哈哈
:
: ：直接打脸
: ：
|
T*********r
发帖数: 2953 | 30 傻叉 知识该更新了
机器学习你听说过吗/先验知识你听过吗？
【在 m**********e 的大作中提到】
: 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
: 现在我佬帮你们扫个盲
: 图像清晰，有细节，说明啥？
: 用数学的语言说，说明图像的傅立叶频谱有高频部分
: 现在进行数字模糊，怎么模糊？
: 用数学的语言说，就是截去图像的傅立叶频谱高频部分
: 你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
: 答案----完全不可能！
: 因为傅立叶高频部分和低频部分不是相关操作，是独立的
|
|
|
t******l
发帖数: 10908 | 31 尼这个要 FFT 切高频。。。
: 热二，熵增加，不可逆
【在 h**********c 的大作中提到】
: 热二，熵增加，不可逆
|
y****g
发帖数: 36950 | 32 一般很多改图软件存图时为了减小图像占用硬盘空间尺寸会把EXIF信息和缩略图都删掉
的。这样就不会有以前相机拍照留下的缩略图了。凡事针对网络上应用的图像处理APP
都会这么减小尺寸，10KB也是流量啊
：我记得美图秀秀缩略图不是原图
：【 在 yugong (愚公挖坑) 的大作中提到: 】 |
U**s
发帖数: 3390 | 33 弃大侠，陶陶的blog还是应该多看看的 哈哈
【在 m**********e 的大作中提到】
: 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
: 现在我佬帮你们扫个盲
: 图像清晰，有细节，说明啥？
: 用数学的语言说，说明图像的傅立叶频谱有高频部分
: 现在进行数字模糊，怎么模糊？
: 用数学的语言说，就是截去图像的傅立叶频谱高频部分
: 你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
: 答案----完全不可能！
: 因为傅立叶高频部分和低频部分不是相关操作，是独立的
|
c***l
发帖数: 13273 | 34 吓死宝宝了QQ
APP
【在 y****g 的大作中提到】
: 一般很多改图软件存图时为了减小图像占用硬盘空间尺寸会把EXIF信息和缩略图都删掉
: 的。这样就不会有以前相机拍照留下的缩略图了。凡事针对网络上应用的图像处理APP
: 都会这么减小尺寸，10KB也是流量啊
:
: ：我记得美图秀秀缩略图不是原图
: ：【 在 yugong (愚公挖坑) 的大作中提到: 】
|
m**********e
发帖数: 12525 | 35 安了
我们大二现代光学课里就讲这些了
傅立叶光学，卷积，图像模糊。。。。的物理意义
【在 U**s 的大作中提到】
: 弃大侠，陶陶的blog还是应该多看看的 哈哈
|
t******l
发帖数: 10908 | 36 我作为民科不知天高地厚地的说：
1. 对基于实数的数字卷积器本身（如果是数字卷积 smoothing），理论上本身可以还
原。
2. 但实际情况是整数，有舍入误差，对还原造成干扰。
3. jpeg 压缩时会切掉高频信息，对还原造成进一步干扰。
但数字卷积器还是可以相当程度还原的。
【在 U**s 的大作中提到】
: 弃大侠，陶陶的blog还是应该多看看的 哈哈
|
c***l
发帖数: 13273 | 37 不如你还原一下我刚才那张图我看看像不像嘛
反正卷席是不像了lol
【在 t******l 的大作中提到】
: 我作为民科不知天高地厚地的说：
: 1. 对基于实数的数字卷积器本身（如果是数字卷积 smoothing），理论上本身可以还
: 原。
: 2. 但实际情况是整数，有舍入误差，对还原造成干扰。
: 3. jpeg 压缩时会切掉高频信息，对还原造成进一步干扰。
: 但数字卷积器还是可以相当程度还原的。
|
t******l
发帖数: 10908 | 38 大图缩小点，会有马赛克方块形 effect，做不到高品质数字模糊。。。
: 别扯淡啦，如果是大图缩小点，一定程度上插值回去还能看。但是不同算法的模
糊处理
: 就和打了马赛克一样，除非原图EXIF信息里里包含有以前的缩略图，利用缩略图
放大回
: 去，再辅助以类似警方的罪犯肖像画家利用对人物的熟悉程度加工一下可能可以
还原的
: 有点像。
: ：取决于具体算法
: ：
【在 y****g 的大作中提到】
: 一般很多改图软件存图时为了减小图像占用硬盘空间尺寸会把EXIF信息和缩略图都删掉
: 的。这样就不会有以前相机拍照留下的缩略图了。凡事针对网络上应用的图像处理APP
: 都会这么减小尺寸，10KB也是流量啊
:
: ：我记得美图秀秀缩略图不是原图
: ：【 在 yugong (愚公挖坑) 的大作中提到: 】
|
h**********c
发帖数: 4120 | 39 线性变换 A dot B = C 可逆 equiv rank B = n
A,B,C are n by n matrix
【在 t******l 的大作中提到】
: 我作为民科不知天高地厚地的说：
: 1. 对基于实数的数字卷积器本身（如果是数字卷积 smoothing），理论上本身可以还
: 原。
: 2. 但实际情况是整数，有舍入误差，对还原造成干扰。
: 3. jpeg 压缩时会切掉高频信息，对还原造成进一步干扰。
: 但数字卷积器还是可以相当程度还原的。
|
t******l
发帖数: 10908 | 40 我不是说了，我不用图像软件。。。要干的话，我只能用 mathlab 或者 octave，把图
像 import 成矩阵做矩阵运算。。。没人开支票我这么累图个啥。
你还是找虎肉的学生来干这事，人说不定有专用软件电几个 button 就好了。
: 不如你还原一下我刚才那张图我看看像不像嘛
: 反正卷席是不像了lol
【在 c***l 的大作中提到】
: 不如你还原一下我刚才那张图我看看像不像嘛
: 反正卷席是不像了lol
|
|
|
h**********c
发帖数: 4120 | 41 所以理论上压缩了，就是 rank C < rank A, 那么算子B不可能rank n,所以绝不可逆。
【在 h**********c 的大作中提到】
: 线性变换 A dot B = C 可逆 equiv rank B = n
: A,B,C are n by n matrix
|
m**********e
发帖数: 12525 | 42 用数学语言说，逆卷积需要求解积分方程，其解在数学上不唯一
用物理语言说，卷积后丢失信息，逆卷积需要额外信息才能回到原始状态
ok?
【在 t******l 的大作中提到】
: 我作为民科不知天高地厚地的说：
: 1. 对基于实数的数字卷积器本身（如果是数字卷积 smoothing），理论上本身可以还
: 原。
: 2. 但实际情况是整数，有舍入误差，对还原造成干扰。
: 3. jpeg 压缩时会切掉高频信息，对还原造成进一步干扰。
: 但数字卷积器还是可以相当程度还原的。
|
t******l
发帖数: 10908 | 43 jpeg 压缩了会不可逆，但不压缩就可逆，是不是这样？
: 所以理论上压缩了，就是 rank C
【在 h**********c 的大作中提到】
: 所以理论上压缩了，就是 rank C < rank A, 那么算子B不可能rank n,所以绝不可逆。
|
y****g
发帖数: 36950 | 44 反正非规律的像素信息丢失很严重了，你不可能还原的。除非人工智能或者画家对原来
被拍的那个人有一定了解或者大数据分析才能还原一部分。比如知道这个人是经常涂眼
影还是用假睫毛，或者她的基因是单眼皮还是双眼皮。
画家手工还原罪犯肖像其实看起来也差了十万八千里
：大图缩小点，会有马赛克方块形 effect，做不到高品质数字模糊。。。
： |
m**********e
发帖数: 12525 | 45 逆卷积需要求解积分方程，其解不定，ok？
【在 t******l 的大作中提到】
: jpeg 压缩了会不可逆，但不压缩就可逆，是不是这样？
:
:
: 所以理论上压缩了，就是 rank C
|
t******l
发帖数: 10908 | 46 不唯一不等于不能还原啊。。。
: 用数学语言说，逆卷积需要求解积分方程，其解在数学上不唯一
: 用物理语言说，卷积后丢失信息，逆卷积需要额外信息才能回到原始状态
: ok?
【在 m**********e 的大作中提到】
: 逆卷积需要求解积分方程，其解不定，ok？
|
h**********c
发帖数: 4120 | 47 压缩是另外一吗是吧，没研究过jpeg,
压缩可以是用regex 表述连续100个1 [1]{100}, 决定过程的语言，是可逆的。
【在 t******l 的大作中提到】
: jpeg 压缩了会不可逆，但不压缩就可逆，是不是这样？
:
:
: 所以理论上压缩了，就是 rank C
|
t******l
发帖数: 10908 | 48 你说的是像素不够或者光学模糊。。。这里说的是数字卷积器造成的模糊效果，只是效
果，不是真正的模糊。。。
: 反正信息丢失很严重了，你不可能还原的。除非人工智能或者画家对原来被拍的
那个人
: 有一定了解或者大数据分析才能还原一部分。比如知道这个人是经常涂眼影还是
用假睫
: 毛，或者她的基因是单眼皮还是双眼皮。
: 画家手工还原罪犯肖像其实看起来也差了十万八千里
: ：大图缩小点，会有马赛克方块形 effect，做不到高品质数字模糊。。。
: ：
【在 y****g 的大作中提到】
: 反正非规律的像素信息丢失很严重了，你不可能还原的。除非人工智能或者画家对原来
: 被拍的那个人有一定了解或者大数据分析才能还原一部分。比如知道这个人是经常涂眼
: 影还是用假睫毛，或者她的基因是单眼皮还是双眼皮。
: 画家手工还原罪犯肖像其实看起来也差了十万八千里
:
: ：大图缩小点，会有马赛克方块形 effect，做不到高品质数字模糊。。。
: ：
|
n****4
发帖数: 12553 | 49 弃大侠你连这种事也掺和？你看我就只等别人弄好，给我看一眼，弄不好算球。
【在 m**********e 的大作中提到】
: 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
: 现在我佬帮你们扫个盲
: 图像清晰，有细节，说明啥？
: 用数学的语言说，说明图像的傅立叶频谱有高频部分
: 现在进行数字模糊，怎么模糊？
: 用数学的语言说，就是截去图像的傅立叶频谱高频部分
: 你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
: 答案----完全不可能！
: 因为傅立叶高频部分和低频部分不是相关操作，是独立的
|
t******l
发帖数: 10908 | 50 Jpeg 是失真压缩，会损失信息。。。你说的是无失真压缩，比如 png，不损失信息。
: 压缩是另外一吗是吧，没研究过jpeg,
: 压缩可以是用regex 表述连续100个1 [1]{100}, 决定过程的语言，是可逆的。
【在 h**********c 的大作中提到】
: 压缩是另外一吗是吧，没研究过jpeg,
: 压缩可以是用regex 表述连续100个1 [1]{100}, 决定过程的语言，是可逆的。
|
|
|
y****g
发帖数: 36950 | 51 这么模糊的图像给你钱你也还原不了啦。除非你用那个钱请个侦探，去人肉卡伊
：我不是说了，我不用图像软件。。。要干的话，我只能用 mathlab 或者 octave，把
图像 import 成矩阵做矩阵运算。。。没人开支票我这么累图个啥。
： |
t******l
发帖数: 10908 | 52 实际操作是实验物理学家的事，理论物理只要说明存在性就收工睡觉了。。。
: 弃大侠你连这种事也掺和？你看我就只等别人弄好，给我看一眼，弄不好算球。
【在 n****4 的大作中提到】
: 弃大侠你连这种事也掺和？你看我就只等别人弄好，给我看一眼，弄不好算球。
|
h**********c
发帖数: 4120 | 53 压缩了不太恰当，应该说图像dimension 变化了。
【在 h**********c 的大作中提到】
: 所以理论上压缩了，就是 rank C < rank A, 那么算子B不可能rank n,所以绝不可逆。
|
p***n
发帖数: 17190 | 54 hehehehe
可唯一化
找個人類進來幫忙
人眼可以看到電腦抓不到的東西
【在 m**********e 的大作中提到】
: 逆卷积需要求解积分方程，其解不定，ok？
|
y****g
发帖数: 36950 | 55 模糊以后再存盘JPG就把模糊运算的过程给删除了。你说的还原只存在于PHOTOSHOP过程
中内存里的UNDO。
不是不能把运算过程存盘，但是这样的格式就相当于PS的图层遮罩PSD文件，当然你存
JPG可能只要50K，但是存个PSD可能要5M 50M 500M。取决于作图过程的复杂度。
：Jpeg 是失真压缩，会损失信息。。。你说的是无失真压缩，比如 png，不损失信息。
： |
t******l
发帖数: 10908 | 56 存 JPEG 的失真是个问题，有可能导致不能还原。。。这不是数字卷积器本身的可还原
性问题。
: 模糊以后再存盘JPG就把模糊运算的过程给删除了。你说的还原只存在于
PHOTOSHOP过程
: 中内存里的UNDO。
: 不是不能把运算过程存盘，但是这样的格式就相当于PS的图层遮罩PSD文
件，当
然你存
: JPG可能只要50K，但是存个PSD可能要5M 50M 500M。取决于作图过程的复
杂度。
: ：Jpeg 是失真压缩，会损失信息。。。你说的是无失真压缩，比如 png
，不损
失信息。
: ：
【在 y****g 的大作中提到】
: 模糊以后再存盘JPG就把模糊运算的过程给删除了。你说的还原只存在于PHOTOSHOP过程
: 中内存里的UNDO。
: 不是不能把运算过程存盘，但是这样的格式就相当于PS的图层遮罩PSD文件，当然你存
: JPG可能只要50K，但是存个PSD可能要5M 50M 500M。取决于作图过程的复杂度。
:
: ：Jpeg 是失真压缩，会损失信息。。。你说的是无失真压缩，比如 png，不损失信息。
: ：
|
h**********c
发帖数: 4120 | 57 很怀疑是保存运算过程还是，还是象git svn一样的snapshot
息。
【在 y****g 的大作中提到】
: 模糊以后再存盘JPG就把模糊运算的过程给删除了。你说的还原只存在于PHOTOSHOP过程
: 中内存里的UNDO。
: 不是不能把运算过程存盘，但是这样的格式就相当于PS的图层遮罩PSD文件，当然你存
: JPG可能只要50K，但是存个PSD可能要5M 50M 500M。取决于作图过程的复杂度。
:
: ：Jpeg 是失真压缩，会损失信息。。。你说的是无失真压缩，比如 png，不损失信息。
: ：
|
y****g
发帖数: 36950 | 58 你大量模糊过的图片存成任何非矢量光栅位图，就是无损压缩的，比如BMP TIF
TGA，你也还原不了。
当然略微模糊过的图片通过算法可以SHARPEN回去一点点，不过和原图还是有差别。
问题是略微模糊的图片在人的大脑里的大数据运算可能更快，人不需要你还原就能猜出
来这个略微模糊的原来样子。根本不需要你来还原了。
：存 JPEG 的失真是个问题，有可能导致不能还原。。。这不是数字卷积器本身的可还
原性问题。
： |
t******l
发帖数: 10908 | 59 我们把这个改成 AMC 12 的题目好了。比如：
有一有限长度为 n 的实数序列 S。
现在有一操作，把相邻两个数加起来除以二，形成一个长度为 n 的新序列（原数列尾
补一个零保持长度不变）。
请问信息熵是增大还是减小还是不变？
: 逆卷积需要求解积分方程，其解不定，ok？
【在 m**********e 的大作中提到】
: 逆卷积需要求解积分方程，其解不定，ok？
|
y****g
发帖数: 36950 | 60 现在非线性编辑图形软件理论上都是保存运算啊，你可以在工作的任意时刻去掉以前加
的某个效果而不影响工作流程。
直到最后定稿了，再整体render一次把所有运算坍塌一次得到最后的影片或者静帧结果。
：很怀疑是保存运算过程还是，还是象git svn一样的snapshot
：【 在 yugong (愚公挖坑) 的大作中提到: 】 |
|
|
m**********e
发帖数: 12525 | 61 你啥都不懂少说几句
卷积是不可逆运算，ok?
卷积有个屁的逆运算，肏
找本泛函分析自己去看看，懒得跟你扯
【在 t******l 的大作中提到】
: 我们把这个改成 AMC 12 的题目好了。比如：
: 有一有限长度为 n 的实数序列 S。
: 现在有一操作，把相邻两个数加起来除以二，形成一个长度为 n 的新序列（原数列尾
: 补一个零保持长度不变）。
: 请问信息熵是增大还是减小还是不变？
:
:
: 逆卷积需要求解积分方程，其解不定，ok？
:
|
t******l
发帖数: 10908 | 62 别跟我来高深的泛函分析数学，我一个初中文化的小马工，就问你我上面那道 AMC 12
题，是不是等价于一个掩模矩阵为 [ 1/2 , 1/2 ] 的数字卷积器？
【在 m**********e 的大作中提到】
: 你啥都不懂少说几句
: 卷积是不可逆运算，ok?
: 卷积有个屁的逆运算，肏
: 找本泛函分析自己去看看，懒得跟你扯
|
e***d
发帖数: 8248 | 63 所以现在的争论归结于这个模糊操作到底是
卷积
还是
自身的四则运算？
哥傻傻地问。 |
c***l
发帖数: 13273 | |
d****o
发帖数: 32610 | 65 瞎说
smoothing的卷积放频域上图像基本跟low pass一样
【在 t******l 的大作中提到】
: 取决于具体算法
: FFT 切高频的 smoothing 无法还原，因为高频信息丢失。
: 但是 2D convolution 算子的 smoothing 可以还原，因为高频信号并未丢失，所谓模
: 糊只是猴子眼里的 illusion。
|
t******l
发帖数: 10908 | 66 高端数学象牙塔把数字卷积叫泛函分析。
低端数学马工把数学卷积叫四则运算。
本质上这两者是等价表述。
: 所以现在的争论归结于这个模糊操作到底是
: 卷积
: 还是
: 自身的四则运算？
: 哥傻傻地问。
【在 e***d 的大作中提到】
: 所以现在的争论归结于这个模糊操作到底是
: 卷积
: 还是
: 自身的四则运算？
: 哥傻傻地问。
|
y****g
发帖数: 36950 | 67 你可以去查高斯模糊，百度或者GOOGLE都会有计算机图形学的算法和公式。
这个图片明显是高斯模糊的结果。
：所以现在的争论归结于这个模糊操作到底是
：卷积 |
t******l
发帖数: 10908 | 68 频域 LPF 在方波上会有震荡波效果啊，数字卷积器模糊也能有震荡波效果？。。。虽
然通俗情况下常常把数字卷积 smoothing 也叫成 LPF。。。
【在 d****o 的大作中提到】
: 瞎说
: smoothing的卷积放频域上图像基本跟low pass一样
|
e***d
发帖数: 8248 | 69 其实，就是加权移动平均？
【在 t******l 的大作中提到】
: 高端数学象牙塔把数字卷积叫泛函分析。
: 低端数学马工把数学卷积叫四则运算。
: 本质上这两者是等价表述。
:
:
: 所以现在的争论归结于这个模糊操作到底是
:
: 卷积
:
: 还是
:
: 自身的四则运算？
:
: 哥傻傻地问。
:
|
t******l
发帖数: 10908 | 70 我刚才查了一下高斯模糊是数字卷积器。。。发现也就是我前面那道 AMC 12 把掩模搞
大一点。。。本质上就是四则运算，小学四年级内容。。。我说的没错吧。。。
: 你可以去查高斯模糊，百度或者GOOGLE都会有计算机图形学的算法和公式。
: 这个图片明显是高斯模糊的结果。
: ：所以现在的争论归结于这个模糊操作到底是
: ：卷积
【在 y****g 的大作中提到】
: 你可以去查高斯模糊，百度或者GOOGLE都会有计算机图形学的算法和公式。
: 这个图片明显是高斯模糊的结果。
:
: ：所以现在的争论归结于这个模糊操作到底是
: ：卷积
|
|
|
t******l
发帖数: 10908 | 71 你得到了它。。。。。。
: 其实，就是加权移动平均？
【在 e***d 的大作中提到】
: 其实，就是加权移动平均？
|
m**********e
发帖数: 12525 | 72 终于明白自己的傻屄了吧？
用你的话，本来5个点 1，2，3，4，5，平均成3，3，3，3，3
你说你还能还原？
肏，信息早丢失，还还原个鸡巴，卷积就是不可逆运算
【在 t******l 的大作中提到】
: 你得到了它。。。。。。
:
:
: 其实，就是加权移动平均？
:
|
d***u
发帖数: 943 | 73 有点出了物理大师的领域了，别争了。时光兄是对的。你下边儿说的卷积的频谱损失有
可能可以还原，当然也可以不能还原，看条件。
【在 m**********e 的大作中提到】
: ok, f是精细函数， g是简单函数
: f-->f*g卷积后，f的频谱没有损失么？你知道卷积的物理意义么？
|
t******l
发帖数: 10908 | 74 你这个掩模比序列还长，纯属硬掰。
那我们以后加密算法干脆密钥比密码还长好了，外加密钥就一次性使用后作废。。。理
论上也不是不行。。。
: 终于明白自己的傻屄了吧？
: 用你的话，本来5个点 1，2，3，4，5，平均成3，3，3，3，3
: 你说你还能还原？
: 肏，信息早丢失，还还原个鸡巴，卷积就是不可逆运算
【在 m**********e 的大作中提到】
: 终于明白自己的傻屄了吧？
: 用你的话，本来5个点 1，2，3，4，5，平均成3，3，3，3，3
: 你说你还能还原？
: 肏，信息早丢失，还还原个鸡巴，卷积就是不可逆运算
|
e***d
发帖数: 8248 | 75 既然是非方窗的移动平均，
如何在窗函数未知的情形下重建？
排除AI。
【在 t******l 的大作中提到】
: 你得到了它。。。。。。
:
:
: 其实，就是加权移动平均？
:
|
t******l
发帖数: 10908 | 76 人肉 AI，相当于解 AMC12。。。
: 既然是非方窗的移动平均，
: 如何在窗函数未知的情形下重建？
: 排除AI。
【在 e***d 的大作中提到】
: 既然是非方窗的移动平均，
: 如何在窗函数未知的情形下重建？
: 排除AI。
|
d***u
发帖数: 943 | 77 有些经典方法的，都有一些假设。
【在 t******l 的大作中提到】
: 人肉 AI，相当于解 AMC12。。。
:
:
: 既然是非方窗的移动平均，
:
: 如何在窗函数未知的情形下重建？
:
: 排除AI。
:
|
c****x
发帖数: 6601 | 78 moving average 不就是金融学里面一个很傻逼的概念么。
高斯模糊，无非是二维正太函数赋权重。
【在 t******l 的大作中提到】
: 你得到了它。。。。。。
:
:
: 其实，就是加权移动平均？
:
|
e***d
发帖数: 8248 | 79 如果用AI根据过往经验大致推断出卷积窗的类型，
或者AI去那个P图网站做海量P图，推出卷积窗的类型。
然后死算？可行不可行？
【在 t******l 的大作中提到】
: 人肉 AI，相当于解 AMC12。。。
:
:
: 既然是非方窗的移动平均，
:
: 如何在窗函数未知的情形下重建？
:
: 排除AI。
:
|
c****x
发帖数: 6601 | 80 不会是人肉调，看那张图片还原的效果好就选哪张吧？
【在 t******l 的大作中提到】
: 人肉 AI，相当于解 AMC12。。。
:
:
: 既然是非方窗的移动平均，
:
: 如何在窗函数未知的情形下重建？
:
: 排除AI。
:
|
|
|
d****o
发帖数: 32610 | 81 嗯我想错了，
虽然暗区分布差不多，
但并不是高频部分变0了，
知道filter细节还是可以还原的
【在 t******l 的大作中提到】
: 频域 LPF 在方波上会有震荡波效果啊，数字卷积器模糊也能有震荡波效果？。。。虽
: 然通俗情况下常常把数字卷积 smoothing 也叫成 LPF。。。
|
d***u
发帖数: 943 | 82 文贵啪啪的录音解说变声是变频，不是卷积，不好恢复。
【在 c****x 的大作中提到】
: 不会是人肉调，看那张图片还原的效果好就选哪张吧？
|
m*****n
发帖数: 4015 | 83 弃婴也就是扫盲水平。涉及到信号处理明显不是你的强项了。没听说过 blind de
convolution, 还有 super resolution. 你google 一下 能死啊。
模糊 的原因有很多 有 out of focus 有camer shake ... 在一定的条件下是可以恢复
的 |
t******l
发帖数: 10908 | 84 确实就是人肉调，小学四年级 Guess and Check。。。当然 check 的标准不是效果好
，而是在 make sense, self telling，以及还原出已知形状（比如背景树叶或其他的
东西的 sharp edges)，等等等等。
但总的来说这类似于 AIME non-routine problem 的乱中取胜型解题思路，有 clue、
有经验因素，但不一定像
Kumon 竖式乘法那样有已知定式。。。
: 不会是人肉调，看那张图片还原的效果好就选哪张吧？
【在 c****x 的大作中提到】
: 不会是人肉调，看那张图片还原的效果好就选哪张吧？
|
t******l
发帖数: 10908 | 85 我没来得及 Google，估计弃婴水车太快也没 Google。
不过我觉得应该存在那些还原方法，按中小学数学知识应该是常识。。。只是具体谁搞
出多少种具体办法而已。。。这存在性的常识应该不需要 Google。
: 弃婴也就是扫盲水平。涉及到信号处理明显不是你的强项了。没听说过
blind
de
: convolution, 还有 super resolution. 你google 一下 能死啊。
: 模糊 的原因有很多 有 out of focus 有camer shake ... 在一定的条件
下是可
以恢复
【在 m*****n 的大作中提到】
: 弃婴也就是扫盲水平。涉及到信号处理明显不是你的强项了。没听说过 blind de
: convolution, 还有 super resolution. 你google 一下 能死啊。
: 模糊 的原因有很多 有 out of focus 有camer shake ... 在一定的条件下是可以恢复
: 的
|
t******l
发帖数: 10908 | 86 另外谢谢信息，俺拿小本本记下了。。。
: 弃婴也就是扫盲水平。涉及到信号处理明显不是你的强项了。没听说过 blind
de
: convolution, 还有 super resolution. 你google 一下 能死啊。
: 模糊 的原因有很多 有 out of focus 有camer shake ... 在一定的条件下是可
以恢复
: 的
【在 m*****n 的大作中提到】
: 弃婴也就是扫盲水平。涉及到信号处理明显不是你的强项了。没听说过 blind de
: convolution, 还有 super resolution. 你google 一下 能死啊。
: 模糊 的原因有很多 有 out of focus 有camer shake ... 在一定的条件下是可以恢复
: 的
|
e***d
发帖数: 8248 | 87 都用不着AI, 直接去P图网站做海量P图。
超定方程组，直接算出窗函数。
搞定。
【在 e***d 的大作中提到】
: 如果用AI根据过往经验大致推断出卷积窗的类型，
: 或者AI去那个P图网站做海量P图，推出卷积窗的类型。
: 然后死算？可行不可行？
|
t******l
发帖数: 10908 | 88 对卡伊的图而言，严重属实！！！！！
: 都用不着AI, 直接去P图网站做海量P图。
: 超定方程组，直接算出窗函数。
: 搞定。
【在 e***d 的大作中提到】
: 都用不着AI, 直接去P图网站做海量P图。
: 超定方程组，直接算出窗函数。
: 搞定。
|
t******l
发帖数: 10908 | 89 你得到了它。。。这就是人眼的错觉，在空空荡荡的地方仿佛波澜不惊，但香浓说那空
荡之处细微的起伏里的信息量很大！！！
这就是前面那哥们说的，其实人眼也是个滤波器。。。
: 嗯我想错了，
: 虽然暗区分布差不多，
: 但并不是高频部分变0了，
: 知道filter细节还是可以还原的
【在 d****o 的大作中提到】
: 嗯我想错了，
: 虽然暗区分布差不多，
: 但并不是高频部分变0了，
: 知道filter细节还是可以还原的
|
E*********e
发帖数: 767 | 90 那你要知道convolution kernel的性质才行
：取决于具体算法
： |
|
|
t******l
发帖数: 10908 | 91 前面有哥们说了。。。对弃婴这种高智商的，人肉 AI 计算器，依据已知信息（比如背
景里 sharp edges）反向 guess and check。。。对于 cayi 这种娘们，只要去 P 图
网站上大数据一下群众喜闻乐见的几种卷积模板就完事了。。// run
【在 E*********e 的大作中提到】
: 那你要知道convolution kernel的性质才行
:
: ：取决于具体算法
: ：
|
E*********e
发帖数: 767 | 92 我觉得你说的有问题，虽然弃婴扯到泛函我也不懂，但是卷积在频率域上就是两者fft
变换的乘积，如果是低通滤波器的话那就是把高频直接截掉了，想完全恢复过去是不可
能的
：高端数学象牙塔把数字卷积叫泛函分析。
： |
E*********e
发帖数: 767 | 93 这就看到底是滤波的kernel到底是怎样的，以及原信号的性质。前面有人提到陶陶的东
西，应该说的这几年流行的compress sensing,理论的我了解不多，但是实际应用上也
要看原信号的性质，如果高频的比较多，那也是很难恢复得
：前面有哥们说了。。。对弃婴这种高智商的，人肉 AI 计算器，依据已知信息（比如
背景里 sharp edges）反向 guess and check。。。对于 cayi 这种娘们，只要去 P 图
：网站上大数据一下群众喜闻乐见的几种卷积模板就完事了。。// run |
t******l
发帖数: 10908 | 94 数字卷积器本身并不低通滤波。。。FFT 本身并不损失信息，频域大幅度低通滤波器才
大幅度损失信息。
如果卷积器加频域大幅低通滤波器，那确实理论上有可能信息量损失太大而还原不出来。
但频域大幅度低通滤波器的问题是，模糊后的艺术效果不好，比如有震荡波效果啥的。
。。而 P 图软件本质是美丽软件而不是加密软件，其 LPF 不一定是真正的频域大幅低
通滤波器。。。所以有可能出现邓尼兹潜艇医你个妈密码机的漏洞。。。当然这些都是
赌。。。
: 我觉得你说的有问题，虽然弃婴扯到泛函我也不懂，但是卷积在频率域上
就是两
者fft
: 变换的乘积，如果是低通滤波器的话那就是把高频直接截掉了，想完全恢
复过去
是不可
: 能的
: ：高端数学象牙塔把数字卷积叫泛函分析。
【在 E*********e 的大作中提到】
: 这就看到底是滤波的kernel到底是怎样的，以及原信号的性质。前面有人提到陶陶的东
: 西，应该说的这几年流行的compress sensing,理论的我了解不多，但是实际应用上也
: 要看原信号的性质，如果高频的比较多，那也是很难恢复得
:
: ：前面有哥们说了。。。对弃婴这种高智商的，人肉 AI 计算器，依据已知信息（比如
: 背景里 sharp edges）反向 guess and check。。。对于 cayi 这种娘们，只要去 P 图
: ：网站上大数据一下群众喜闻乐见的几种卷积模板就完事了。。// run
|
d***u
发帖数: 943 | 95 你说的这个我很感兴趣，现在还没想明白。还有其他的老师研究过这个吗？
【在 e***d 的大作中提到】
: 如果用AI根据过往经验大致推断出卷积窗的类型，
: 或者AI去那个P图网站做海量P图，推出卷积窗的类型。
: 然后死算？可行不可行？
|
t******l
发帖数: 10908 | 96 研究这个除了专门还原华人大妈版的 P 图以外，还有啥用处？。。。没 funding 啥也
干不了不是？
: 你说的这个我很感兴趣，现在还没想明白。还有其他的老师研究过这个吗？
【在 d***u 的大作中提到】
: 你说的这个我很感兴趣，现在还没想明白。还有其他的老师研究过这个吗？
|
E*********e
发帖数: 767 | 97 数值信号还是可以当做原信号的数字化采样嘛，原信号f*g卷积做完fft就是 F·G,理论
上就是g这个卷积核在频率域上滤波，能不能恢复基本要看g的性质了。
不知道理解的对不对
：数字卷积器本身并不低通滤波。。。如果卷积器加频域大幅低通滤波器，那确实理论
上信息量损失太大而还原不出来。
： |
e***d
发帖数: 8248 | 98 超定的意义在于：
1. 消噪
2. 卷积模板（窗函数）比图还大的流氓情形
【在 t******l 的大作中提到】
: 对卡伊的图而言，严重属实！！！！！
:
:
: 都用不着AI, 直接去P图网站做海量P图。
:
: 超定方程组，直接算出窗函数。
:
: 搞定。
:
|
E*********e
发帖数: 767 | 99 能算出卷积核(假如是用卷积方式滤波的)的话就能恢复了
：如果用AI根据过往经验大致推断出卷积窗的类型，
：或者AI去那个P图网站做海量P图，推出卷积窗的类型。 |
d***u
发帖数: 943 | 100 这个用处很大，恢复可以认为是去噪声，语音图形，雷达，自动车都是应用
【在 t******l 的大作中提到】
: 研究这个除了专门还原华人大妈版的 P 图以外，还有啥用处？。。。没 funding 啥也
: 干不了不是？
:
:
: 你说的这个我很感兴趣，现在还没想明白。还有其他的老师研究过这个吗？
:
|
|
|
t******l
发帖数: 10908 | 101 你说的这两种情况，对付弃婴这个流氓还可能需要。。。cayi 这娘们多半只会 smooth
那个 button 点三下，看看差不多了就贴照片，完全用不着您的高级大数据办法。
当然这也算人肉 AI 计算器的一种，guess and check。。。
【在 e***d 的大作中提到】
: 超定的意义在于：
: 1. 消噪
: 2. 卷积模板（窗函数）比图还大的流氓情形
|
s**********e
发帖数: 33562 | 102 你的说法不对。如果是线性低通滤波，还是可以基本恢复的。如果信号的频域是X（jw
），低通滤波器响应是H（jw），那模糊化之后的输出是XH。你如果想恢复原有信号的
话，把模糊的信号又通过1/H的滤波器不就得了？当然实际系统里面在边缘上会有点畸
变，但是影响应该不大。
【在 m**********e 的大作中提到】
: 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
: 现在我佬帮你们扫个盲
: 图像清晰，有细节，说明啥？
: 用数学的语言说，说明图像的傅立叶频谱有高频部分
: 现在进行数字模糊，怎么模糊？
: 用数学的语言说，就是截去图像的傅立叶频谱高频部分
: 你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
: 答案----完全不可能！
: 因为傅立叶高频部分和低频部分不是相关操作，是独立的
|
d***u
发帖数: 943 | 103 传统的方法对线性的干扰可以处理（比如卷积）， 但是对非线性没有办法。AI加大数
据是不是可以搞一搞非线性的情况？一直想看看这个，现在主要给孩子忙做饭了：-）
【在 t******l 的大作中提到】
: 研究这个除了专门还原华人大妈版的 P 图以外，还有啥用处？。。。没 funding 啥也
: 干不了不是？
:
:
: 你说的这个我很感兴趣，现在还没想明白。还有其他的老师研究过这个吗？
:
|
s**********e
发帖数: 33562 | 104 你不可能截去高频的部分，因为理想低通滤波器是无法实现的。
你可以压制高频的部分。但是只要是线性处理的话，总可以恢复出来，畸变可以保持很
小。
【在 m**********e 的大作中提到】
: 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
: 现在我佬帮你们扫个盲
: 图像清晰，有细节，说明啥？
: 用数学的语言说，说明图像的傅立叶频谱有高频部分
: 现在进行数字模糊，怎么模糊？
: 用数学的语言说，就是截去图像的傅立叶频谱高频部分
: 你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
: 答案----完全不可能！
: 因为傅立叶高频部分和低频部分不是相关操作，是独立的
|
t******l
发帖数: 10908 | 105 对于 cayi 如果 PS 软件上点个 button 的线性低通滤波器，你说的对，知道滤波器可
以还原。。。实际上线性并不丢失信息，只是降低高频幅度。
我前面说的低通滤波器，是指 jpeg 坑爹压缩的那种，比如把一个 3M 的照片压缩成
30 字节。。。那个把高频直接归零蛋了，属于坑爹非线性低通滤波器，那个是在。没
法还原，总共才 30 字节。。。不过 cayi 大概率的不会这么干，弃婴这个流氓倒是有
可能这么玩弄大伙儿。。。
: 你的说法不对。如果是线性低通滤波，还是可以基本恢复的。如果信号的
频域是
X（jw
: ），低通滤波器响应是H（jw），那模糊化之后的输出是XH。你如果想恢
复原有
信号的
: 话，把模糊的信号又通过1/H的滤波器不就得了？当然实际系统里面在边
缘上会
有点畸
: 变，但是影响应该不大。
【在 s**********e 的大作中提到】
: 你不可能截去高频的部分，因为理想低通滤波器是无法实现的。
: 你可以压制高频的部分。但是只要是线性处理的话，总可以恢复出来，畸变可以保持很
: 小。
|
d***u
发帖数: 943 | 106 用non-minimum phase filter就可以了，不可恢复
【在 s**********e 的大作中提到】
: 你不可能截去高频的部分，因为理想低通滤波器是无法实现的。
: 你可以压制高频的部分。但是只要是线性处理的话，总可以恢复出来，畸变可以保持很
: 小。
|
e***d
发帖数: 8248 | 107 是啊，卷积这种线性的东东无论如何总会有那么一点点办法来解决。
超定的方法解出卷积核，应该不算AI，只是解出传递矩阵的一种常规方法。
凡是对逆问题有过研究的童鞋，都会经历过，
图像重建啦，脑控设备啦，地震啦，探矿啦。
弃婴老师应该更多地给我们分享一下老师脑中对这个世界的大图。
smooth
【在 t******l 的大作中提到】
: 你说的这两种情况，对付弃婴这个流氓还可能需要。。。cayi 这娘们多半只会 smooth
: 那个 button 点三下，看看差不多了就贴照片，完全用不着您的高级大数据办法。
: 当然这也算人肉 AI 计算器的一种，guess and check。。。
|
d***u
发帖数: 943 | 108 压缩和干扰是两个概念
【在 t******l 的大作中提到】
: 对于 cayi 如果 PS 软件上点个 button 的线性低通滤波器，你说的对，知道滤波器可
: 以还原。。。实际上线性并不丢失信息，只是降低高频幅度。
: 我前面说的低通滤波器，是指 jpeg 坑爹压缩的那种，比如把一个 3M 的照片压缩成
: 30 字节。。。那个把高频直接归零蛋了，属于坑爹非线性低通滤波器，那个是在。没
: 法还原，总共才 30 字节。。。不过 cayi 大概率的不会这么干，弃婴这个流氓倒是有
: 可能这么玩弄大伙儿。。。
:
:
: 你的说法不对。如果是线性低通滤波，还是可以基本恢复的。如果信号的
: 频域是
: X（jw
|
t******l
发帖数: 10908 | 109 理想低通滤波器是不可能实现，但马工坑爹非理想数字频率大剪刀是可以实现的，也就
是先 FFT，然后写个 if (freq > 1Hz) return 0。。。虽然老板会很恼怒，但编译器
还是过了不是？
: 你不可能截去高频的部分，因为理想低通滤波器是无法实现的。
: 你可以压制高频的部分。但是只要是线性处理的话，总可以恢复出来，畸变可以
保持很
: 小。
【在 s**********e 的大作中提到】
: 你不可能截去高频的部分，因为理想低通滤波器是无法实现的。
: 你可以压制高频的部分。但是只要是线性处理的话，总可以恢复出来，畸变可以保持很
: 小。
|
t******l
发帖数: 10908 | 110 cayi 这两个都不会吧。。。
: 压缩和干扰是两个概念
【在 d***u 的大作中提到】
: 压缩和干扰是两个概念
|
|
|
d****o
发帖数: 32610 | 111 这个怎么不好了
为啥老板会恼怒
【在 t******l 的大作中提到】
: 理想低通滤波器是不可能实现，但马工坑爹非理想数字频率大剪刀是可以实现的，也就
: 是先 FFT，然后写个 if (freq > 1Hz) return 0。。。虽然老板会很恼怒，但编译器
: 还是过了不是？
:
:
: 你不可能截去高频的部分，因为理想低通滤波器是无法实现的。
:
: 你可以压制高频的部分。但是只要是线性处理的话，总可以恢复出来，畸变可以
: 保持很
:
: 小。
:
|
e***d
发帖数: 8248 | 112 对于无法线性简化的系统，的确是AI+大数据。
AI本身就是个非线性的东东。
【在 d***u 的大作中提到】
: 传统的方法对线性的干扰可以处理（比如卷积）， 但是对非线性没有办法。AI加大数
: 据是不是可以搞一搞非线性的情况？一直想看看这个，现在主要给孩子忙做饭了：-）
|
d***u
发帖数: 943 | 113 她会下APP呀 ：-）
【在 t******l 的大作中提到】
: cayi 这两个都不会吧。。。
:
:
: 压缩和干扰是两个概念
:
|
m********5
发帖数: 17667 | 114 Here is my response with a simple example to show when we have additional
knowledge about the objects in the images we can actually recover the detail
of the image even it seems mathematically impossible.
The key is we have "additional knowledge" other than the image. For most
digital photos, we surely knew they are familiar objects existing in this
world. Thus there are lots of additionally restrictions we can apply
according to real life experience. The attachment demonstrates a conceptual
example. The info of the coins under the dollar bill is completely missing (
A). But we can still recover the image as B. It is very unlikely we have
image as C and almost impossible to have image as D, although B,C,D are all
mathematically correct.
We have lots of knowledge about how the human face will look like. Thus the
missing information in blurred photos can still be estimated based on
statistic models and 3D face structures, especially when there are several
photos of same face at different angle or different light sources.
【在 m**********e 的大作中提到】
: 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
: 现在我佬帮你们扫个盲
: 图像清晰，有细节，说明啥？
: 用数学的语言说，说明图像的傅立叶频谱有高频部分
: 现在进行数字模糊，怎么模糊？
: 用数学的语言说，就是截去图像的傅立叶频谱高频部分
: 你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
: 答案----完全不可能！
: 因为傅立叶高频部分和低频部分不是相关操作，是独立的
|
e***d
发帖数: 8248 | 115 振铃。
【在 d****o 的大作中提到】
: 这个怎么不好了
: 为啥老板会恼怒
|
t******l
发帖数: 10908 | 116 这个里面的关键是，人类工程上的 恢复还原，也就是我们一般人说的恢复还原，只要
获得所需要的信息就可以了，这还有先验知识信息的帮助。。。而不是弃婴这个流氓要
求的数学上的唯一可逆，必须在无先验信息的条件下还原整个香浓信息矩阵。
打个简单的比方。。。我们一般人说的恢复 cayi 的照片，其实只要能看到 cayi 的奶
子就行了，而不是弃婴这个流氓要看 cayi 完整精确的 3D 核磁共振矩阵，外加 cayi
阴道内壁G点3D特写。。。而且要在弃婴这个流氓处男还对女性身体构造没有任何先验
知识的条件下求出核磁共振3D矩阵。。。
【在 e***d 的大作中提到】
: 是啊，卷积这种线性的东东无论如何总会有那么一点点办法来解决。
: 超定的方法解出卷积核，应该不算AI，只是解出传递矩阵的一种常规方法。
: 凡是对逆问题有过研究的童鞋，都会经历过，
: 图像重建啦，脑控设备啦，地震啦，探矿啦。
: 弃婴老师应该更多地给我们分享一下老师脑中对这个世界的大图。
:
: smooth
|
m********5
发帖数: 17667 | 117 For digital signal this is unlikely, since the suppressed signal more likely
will be lost during digitization or computation.
jw
【在 s**********e 的大作中提到】
: 你的说法不对。如果是线性低通滤波，还是可以基本恢复的。如果信号的频域是X（jw
: ），低通滤波器响应是H（jw），那模糊化之后的输出是XH。你如果想恢复原有信号的
: 话，把模糊的信号又通过1/H的滤波器不就得了？当然实际系统里面在边缘上会有点畸
: 变，但是影响应该不大。
|
d****o
发帖数: 32610 | 118 尼玛
还好意思说弃婴流氓
cayi
【在 t******l 的大作中提到】
: 这个里面的关键是，人类工程上的 恢复还原，也就是我们一般人说的恢复还原，只要
: 获得所需要的信息就可以了，这还有先验知识信息的帮助。。。而不是弃婴这个流氓要
: 求的数学上的唯一可逆，必须在无先验信息的条件下还原整个香浓信息矩阵。
: 打个简单的比方。。。我们一般人说的恢复 cayi 的照片，其实只要能看到 cayi 的奶
: 子就行了，而不是弃婴这个流氓要看 cayi 完整精确的 3D 核磁共振矩阵，外加 cayi
: 阴道内壁G点3D特写。。。而且要在弃婴这个流氓处男还对女性身体构造没有任何先验
: 知识的条件下求出核磁共振3D矩阵。。。
|
e***d
发帖数: 8248 | 119 弃婴老师是理想主义者，要求无先验知识的完美还原，可以理解。
偶更关心弃婴老师头脑中已然建立的对这个宇宙的3D大图。
而这样的宇宙观和世界观又会衍生出何种买提行为模式。
cayi
【在 t******l 的大作中提到】
: 这个里面的关键是，人类工程上的 恢复还原，也就是我们一般人说的恢复还原，只要
: 获得所需要的信息就可以了，这还有先验知识信息的帮助。。。而不是弃婴这个流氓要
: 求的数学上的唯一可逆，必须在无先验信息的条件下还原整个香浓信息矩阵。
: 打个简单的比方。。。我们一般人说的恢复 cayi 的照片，其实只要能看到 cayi 的奶
: 子就行了，而不是弃婴这个流氓要看 cayi 完整精确的 3D 核磁共振矩阵，外加 cayi
: 阴道内壁G点3D特写。。。而且要在弃婴这个流氓处男还对女性身体构造没有任何先验
: 知识的条件下求出核磁共振3D矩阵。。。
|
w********t
发帖数: 12853 | 120 楼主好像不懂现在任何数码图像，都可以 100% 地复制一千一万份儿。
不错，图像处理后有些操作不能还原，但是这里有一万份儿完全等同的原始图像，非要
复原干什么 ？
【在 m**********e 的大作中提到】
: 几个GED的白垃圾，用英文一说，你们这些phd就真信以为真？
: 现在我佬帮你们扫个盲
: 图像清晰，有细节，说明啥？
: 用数学的语言说，说明图像的傅立叶频谱有高频部分
: 现在进行数字模糊，怎么模糊？
: 用数学的语言说，就是截去图像的傅立叶频谱高频部分
: 你现在得到图像的傅立叶频谱低频部分，怎么用数学的方式还原高频部分？？
: 答案----完全不可能！
: 因为傅立叶高频部分和低频部分不是相关操作，是独立的
|
|
|
Y**M
发帖数: 2315 | 121 我说两句可能是外行的话。
我以为，被模糊处理的图像，一般都不是随机图像。那种情况下如果能恢复，自然
完全依托于模糊的算法，如果是全息的，自然可以恢复，否则肯定恢复不了。
如果不是随机图像，它就有某种范本。最典型的就是人的图像，人长成什么样，显
然有一定的规律。所以可以建立3D的人类模型，这个模型有很多参数，然后跟模糊的图
像去拟合出这些参数的具体值。这就很准。
那位根据监控画出嫌犯长相的警察，在脑子里应该就是这么操作的。
（我好像看过一个娱乐节目，由某人看模糊的人像，然后画像，最后在一堆人中把
具体的人指认出来。） |
a****l
发帖数: 8211 | 122 nice
detail
conceptual
(
【在 m********5 的大作中提到】
: Here is my response with a simple example to show when we have additional
: knowledge about the objects in the images we can actually recover the detail
: of the image even it seems mathematically impossible.
: The key is we have "additional knowledge" other than the image. For most
: digital photos, we surely knew they are familiar objects existing in this
: world. Thus there are lots of additionally restrictions we can apply
: according to real life experience. The attachment demonstrates a conceptual
: example. The info of the coins under the dollar bill is completely missing (
: A). But we can still recover the image as B. It is very unlikely we have
: image as C and almost impossible to have image as D, although B,C,D are all
|
a****l
发帖数: 8211 | 123 所以说图像恢复就是耍流氓。根本就是根据一个模糊的图像猜测一个图像，应该说是“
想象图”，而不是“复原图”。就好比博物馆里贴的各种恐龙生活的图片，可能和真的
景象很类似，但是绝对不是恢复出来的图片.
【在 Y**M 的大作中提到】
: 我说两句可能是外行的话。
: 我以为，被模糊处理的图像，一般都不是随机图像。那种情况下如果能恢复，自然
: 完全依托于模糊的算法，如果是全息的，自然可以恢复，否则肯定恢复不了。
: 如果不是随机图像，它就有某种范本。最典型的就是人的图像，人长成什么样，显
: 然有一定的规律。所以可以建立3D的人类模型，这个模型有很多参数，然后跟模糊的图
: 像去拟合出这些参数的具体值。这就很准。
: 那位根据监控画出嫌犯长相的警察，在脑子里应该就是这么操作的。
: （我好像看过一个娱乐节目，由某人看模糊的人像，然后画像，最后在一堆人中把
: 具体的人指认出来。）
|
e*g
发帖数: 4981 | |
l*********1
发帖数: 936 | 125 所谓的还原是利用相似图片里的数据补的。
如果是视频马赛克就更好办了。 |
l********e
发帖数: 3986 | 126 Ｈ的特征为０，１／Ｈ＝ ？
你大概不明白ｂｌｕｒ和ｄｉｓｔｏｒ 的区别。
数学是马约翰教的？
jw
【在 s**********e 的大作中提到】
: 你的说法不对。如果是线性低通滤波，还是可以基本恢复的。如果信号的频域是X（jw
: ），低通滤波器响应是H（jw），那模糊化之后的输出是XH。你如果想恢复原有信号的
: 话，把模糊的信号又通过1/H的滤波器不就得了？当然实际系统里面在边缘上会有点畸
: 变，但是影响应该不大。
|
Y**M
发帖数: 2315 | 127 从数学意义上讲，当然是耍流氓。
在科学意义上还可以吧。当然不包括恐龙，恐龙生活的图片数据我们一张也没有。
但人类生活的图片数据我们有很多。
我们大略可以相信：这个人的长相就在人类的数据范围之内。这样一来，就只剩下
一个凑参数的问题了。
好像红外光谱（拉曼光谱？）经常也是这么分峰的。
这里面的基本原理是：模糊所带来的误差，和参数变化所带来的误差，不是一种误
差。这样一来，大部分误差是可以滤去的，剩下的只是相互重合的了。
例如，皮肤粗糙与否，通过恢复模糊照片，恐怕是识别不出来的。而五官位置有异
，则是可以识别出来的。
【在 a****l 的大作中提到】
: 所以说图像恢复就是耍流氓。根本就是根据一个模糊的图像猜测一个图像，应该说是“
: 想象图”，而不是“复原图”。就好比博物馆里贴的各种恐龙生活的图片，可能和真的
: 景象很类似，但是绝对不是恢复出来的图片.
|
m**********e
发帖数: 12525 | 128 对，
丫是学电子的，对光学的东西没有直觉，以为是在搞RC低通滤波器
一个最简单的例子，比如：
光学透镜孔径为D,根据常识，分辨率为1.22x波长/D
这是什么意思？
从傅立叶变换的角度看，就是在入射光瞳加了个直径为D的光阑（即滤波器)，
在坐标空间，光阑函数为H=1(直径D),在频域，
光阑截断了高频部分，使得只能达到分辨率为1.22波长/D，而不能更高。
你能求得直径D光阑的逆函数？
根本不可能，因为你不能对0求逆
所以，你从你相机拍摄的照片，是无法还原真实情况的，你照片上看不清，
永远不可能看清。
同样适用于卷积
【在 l********e 的大作中提到】
: Ｈ的特征为０，１／Ｈ＝ ？
: 你大概不明白ｂｌｕｒ和ｄｉｓｔｏｒ 的区别。
: 数学是马约翰教的？
:
: jw
|
n****4
发帖数: 12553 | 129 我恍惚记得同样的图像复原架，这里以前已经大吵过一次，内容和现在的基本相同。现
在弄了一晚上了，淫荡妹的照片到底复原了没有，能不能复原 |
s**********e
发帖数: 33562 | 130 H如果在非零测度的集合上等于零，当然没法恢复，因为这些频率上面的信息已经被抹
杀了，没可能恢复。
但是这样的H是无法实现的，因为违背因果性。这是信号与系统课程的基本常识。
我的数学不用您担心，数学老师里院士都不只一个吧。我倒要问问你的信号与系统是体
育老师教的吗？
【在 l********e 的大作中提到】
: Ｈ的特征为０，１／Ｈ＝ ？
: 你大概不明白ｂｌｕｒ和ｄｉｓｔｏｒ 的区别。
: 数学是马约翰教的？
:
: jw
|
|
|
s**********e
发帖数: 33562 | 131 笑死了。你丢脸丢大了还硬嘴？这是个信号处理的问题，谁要什么光学的东西来理解这
个问题？
你要是能够实现精确地线性去除一个区间内的频谱信息的话（也就是H在一个区间内等
于0），给你十个诺贝尔奖都不够 －－－ 因为你的滤波器违背因果性了。
你就是什么都懂一点，但是啥都是似是而非。
【在 m**********e 的大作中提到】
: 对，
: 丫是学电子的，对光学的东西没有直觉，以为是在搞RC低通滤波器
: 一个最简单的例子，比如：
: 光学透镜孔径为D,根据常识，分辨率为1.22x波长/D
: 这是什么意思？
: 从傅立叶变换的角度看，就是在入射光瞳加了个直径为D的光阑（即滤波器)，
: 在坐标空间，光阑函数为H=1(直径D),在频域，
: 光阑截断了高频部分，使得只能达到分辨率为1.22波长/D，而不能更高。
: 你能求得直径D光阑的逆函数？
: 根本不可能，因为你不能对0求逆
|
s**********e
发帖数: 33562 | 132 你那个分段求平均的例子也是错的。
没学过信号处理就别出来被打脸了。
【在 m**********e 的大作中提到】
: 对，
: 丫是学电子的，对光学的东西没有直觉，以为是在搞RC低通滤波器
: 一个最简单的例子，比如：
: 光学透镜孔径为D,根据常识，分辨率为1.22x波长/D
: 这是什么意思？
: 从傅立叶变换的角度看，就是在入射光瞳加了个直径为D的光阑（即滤波器)，
: 在坐标空间，光阑函数为H=1(直径D),在频域，
: 光阑截断了高频部分，使得只能达到分辨率为1.22波长/D，而不能更高。
: 你能求得直径D光阑的逆函数？
: 根本不可能，因为你不能对0求逆
|
l********e
发帖数: 3986 | 133 我的信号系统老师姓钱。
【在 s**********e 的大作中提到】
: H如果在非零测度的集合上等于零，当然没法恢复，因为这些频率上面的信息已经被抹
: 杀了，没可能恢复。
: 但是这样的H是无法实现的，因为违背因果性。这是信号与系统课程的基本常识。
: 我的数学不用您担心，数学老师里院士都不只一个吧。我倒要问问你的信号与系统是体
: 育老师教的吗？
|
s**********e
发帖数: 33562 | 134 钱钟书？呵呵。
【在 l********e 的大作中提到】
: 我的信号系统老师姓钱。
|
m******8
发帖数: 1676 | 135 人眼看人本身也是模糊的识别过程。
所以即使图片不准， 人还是可以准确的认出人来。 |
m**********e
发帖数: 12525 | 136 同学，没人说线性啊，我顶楼说的是高频截断，没有说线性，这里只有你在说线性
光阑是线性吗？ 显然不是线性
【在 s**********e 的大作中提到】
: 笑死了。你丢脸丢大了还硬嘴？这是个信号处理的问题，谁要什么光学的东西来理解这
: 个问题？
: 你要是能够实现精确地线性去除一个区间内的频谱信息的话（也就是H在一个区间内等
: 于0），给你十个诺贝尔奖都不够 －－－ 因为你的滤波器违背因果性了。
: 你就是什么都懂一点，但是啥都是似是而非。
|
s**********e
发帖数: 33562 | 137 你的第一个帖子提到非线性了？
你的第一个帖子提到光阑了？
偷换论题有意思吗？
【在 m**********e 的大作中提到】
: 同学，没人说线性啊，我顶楼说的是高频截断，没有说线性，这里只有你在说线性
: 光阑是线性吗？ 显然不是线性
|
s**********e
发帖数: 33562 | 138 而且谁告诉你说卷积没有逆变换的？
【在 m**********e 的大作中提到】
: 同学，没人说线性啊，我顶楼说的是高频截断，没有说线性，这里只有你在说线性
: 光阑是线性吗？ 显然不是线性
|
d***u
发帖数: 943 | 139 不是重点，这个只是增加了基础噪音，不一定放大。
likely
【在 m********5 的大作中提到】
: For digital signal this is unlikely, since the suppressed signal more likely
: will be lost during digitization or computation.
:
: jw
|
l********e
发帖数: 3986 | 140 你丫就别在这丢人了，10X10的均值滤波器，隔10个像素取一个样，一路盖章下去，
还愿时，插来插去，还不是插自己，你还原个JB。
【在 s**********e 的大作中提到】
: H如果在非零测度的集合上等于零，当然没法恢复，因为这些频率上面的信息已经被抹
: 杀了，没可能恢复。
: 但是这样的H是无法实现的，因为违背因果性。这是信号与系统课程的基本常识。
: 我的数学不用您担心，数学老师里院士都不只一个吧。我倒要问问你的信号与系统是体
: 育老师教的吗？
|
|
|
m**********e
发帖数: 12525 | 141 我没有说线性非线性，我也没有提光阑，
我看你也教了好多年书了，你知道如何教蠢货明白高深的道理么？
就是不涉及细节，把最关键的框架提出来反复强调
我在顶楼干的就是这么一件事情，让一帮蠢货都明白什么是模糊处理的本质
【在 s**********e 的大作中提到】
: 你的第一个帖子提到非线性了？
: 你的第一个帖子提到光阑了？
: 偷换论题有意思吗？
|
g******t
发帖数: 11249 | 142 你这么牛逼，为啥不去大学或者专业科研机构传道授业解惑
网上面对一群蠢货，不觉得累么
【在 m**********e 的大作中提到】
: 我没有说线性非线性，我也没有提光阑，
: 我看你也教了好多年书了，你知道如何教蠢货明白高深的道理么？
: 就是不涉及细节，把最关键的框架提出来反复强调
: 我在顶楼干的就是这么一件事情，让一帮蠢货都明白什么是模糊处理的本质
|
m**********e
发帖数: 12525 | 143 卷积当然可以有逆变换
我说的是在模糊处理的前提下，卷积在*大部分情况下*都没法找到逆变换
你自己随便找本图像处理的书去看看，都会这么给你说的
【在 s**********e 的大作中提到】
: 而且谁告诉你说卷积没有逆变换的？
|
d***u
发帖数: 943 | 144 传统的恢复是数学意义上的，没有猜的成分。当然只有某些情况下可行。
【在 Y**M 的大作中提到】
: 我说两句可能是外行的话。
: 我以为，被模糊处理的图像，一般都不是随机图像。那种情况下如果能恢复，自然
: 完全依托于模糊的算法，如果是全息的，自然可以恢复，否则肯定恢复不了。
: 如果不是随机图像，它就有某种范本。最典型的就是人的图像，人长成什么样，显
: 然有一定的规律。所以可以建立3D的人类模型，这个模型有很多参数，然后跟模糊的图
: 像去拟合出这些参数的具体值。这就很准。
: 那位根据监控画出嫌犯长相的警察，在脑子里应该就是这么操作的。
: （我好像看过一个娱乐节目，由某人看模糊的人像，然后画像，最后在一堆人中把
: 具体的人指认出来。）
|
m*****n
发帖数: 4015 | 145 你别丢人了。 你原文说的是任何情况下 完全不可能恢复。知不知道啥叫做 blind de
convolution. 你吹牛吹过了。
[在 mifepristone (弃婴) 的大作中提到：]
:卷积当然可以有逆变换
:我说的是在模糊处理的前提下，卷积在*大部分情况下*都没法找到逆变换
:你自己随便找本图像处理的书去看看，都会这么给你说的 |
l********e
发帖数: 3986 | 146 马约翰告诉你所有卷积都有逆变的吧？
这真是有辱马老先生的一世英名。
你丫还是找本大一的高数好好念念在出来出洋相。
【在 s**********e 的大作中提到】
: 而且谁告诉你说卷积没有逆变换的？
|
D******l
发帖数: 832 | 147 非满秩的矩阵是没有逆矩阵的
这种情况下不可以逆变换
高斯函数是对称的，对应的变换矩阵基本都是非满秩的吧 |
m********5
发帖数: 17667 | 148 Come on! It is only true for real time/realizable system. This does not
apply to the image processing or spacial filters or any offline signals with
fake time. Lots of digital systems are non-causal! And most systems we
encountered in real world are nonlinear also.
【在 s**********e 的大作中提到】
: 笑死了。你丢脸丢大了还硬嘴？这是个信号处理的问题，谁要什么光学的东西来理解这
: 个问题？
: 你要是能够实现精确地线性去除一个区间内的频谱信息的话（也就是H在一个区间内等
: 于0），给你十个诺贝尔奖都不够 －－－ 因为你的滤波器违背因果性了。
: 你就是什么都懂一点，但是啥都是似是而非。
|
m********5
发帖数: 17667 | 149 You apparently do not know what you are talking about. Stop feeding wrong
info to public.
【在 d***u 的大作中提到】
: 不是重点，这个只是增加了基础噪音，不一定放大。
:
: likely
|
E*********e
发帖数: 767 | 150 低通cutoff的话 H在高频的区域是0，你用 1/H就相当于除0了
对H非0的区域是可以的
jw
【在 s**********e 的大作中提到】
: 你的说法不对。如果是线性低通滤波，还是可以基本恢复的。如果信号的频域是X（jw
: ），低通滤波器响应是H（jw），那模糊化之后的输出是XH。你如果想恢复原有信号的
: 话，把模糊的信号又通过1/H的滤波器不就得了？当然实际系统里面在边缘上会有点畸
: 变，但是影响应该不大。
|
|
|
E*********e
发帖数: 767 | 151 cutoff的做法也很常见吧
【在 t******l 的大作中提到】
: 理想低通滤波器是不可能实现，但马工坑爹非理想数字频率大剪刀是可以实现的，也就
: 是先 FFT，然后写个 if (freq > 1Hz) return 0。。。虽然老板会很恼怒，但编译器
: 还是过了不是？
:
:
: 你不可能截去高频的部分，因为理想低通滤波器是无法实现的。
:
: 你可以压制高频的部分。但是只要是线性处理的话，总可以恢复出来，畸变可以
: 保持很
:
: 小。
:
|
d***u
发帖数: 943 | 152 我艹，你还能看出我的是wrong info? 你真牛，我还是去回家给孩子做饭去了：-）
【在 m********5 的大作中提到】
: You apparently do not know what you are talking about. Stop feeding wrong
: info to public.
|
t******l
发帖数: 10908 | 153 数字频率截断是很常见，只不过不是虎肉老师说的理想低通滤波器（这个行话里面指模
拟滤波器）。
这个最关键的原因，是在于数字图像是有限的离散信号。所以我们不严格的说 FFT 的
时候，实际上是在说 DCT discrete cosine transform。。。其结果在数学上不是无限
区间（实数区间）上的 Fourier Transform 连续函数，而是有限长度 Fourier Series
有限长度离散序列。。。而这样使得数字频率截断可以实现，而理想模拟低通滤波器
不可实现。
这也就是我前面构造那道 AMC12 题目的用意之一，有限离散序列而不是无限连续函数。
弃婴这次在完全不是其领域的地方发力，丢大发了。。。
【在 E*********e 的大作中提到】
: cutoff的做法也很常见吧
|
d***u
发帖数: 943 | 154 你把均值改成FFT不就能还原了?
要不是FFT会怎么样？ 有时能但一定会增加基础噪声，图形的基础噪声quantization是
很重要的一方面
【在 l********e 的大作中提到】
: 你丫就别在这丢人了，10X10的均值滤波器，隔10个像素取一个样，一路盖章下去，
: 还愿时，插来插去，还不是插自己，你还原个JB。
|
s********i
发帖数: 17328 | 155 这个说的是最有道理的。在逆变换的时候没有定解，但可以通过“adiditional
knowledge”去寻求最可能的解。
detail
conceptual
(
【在 m********5 的大作中提到】
: Here is my response with a simple example to show when we have additional
: knowledge about the objects in the images we can actually recover the detail
: of the image even it seems mathematically impossible.
: The key is we have "additional knowledge" other than the image. For most
: digital photos, we surely knew they are familiar objects existing in this
: world. Thus there are lots of additionally restrictions we can apply
: according to real life experience. The attachment demonstrates a conceptual
: example. The info of the coins under the dollar bill is completely missing (
: A). But we can still recover the image as B. It is very unlikely we have
: image as C and almost impossible to have image as D, although B,C,D are all
|
t******l
发帖数: 10908 | 156 laodongzhe 把均质滤波器（卷积器）理解成幼儿园大班蹦格子型跳跃取点器。。。你
看你帖子里引用的伊的原贴。
【在 d***u 的大作中提到】
: 你把均值改成FFT不就能还原了?
: 要不是FFT会怎么样？ 有时能但一定会增加基础噪声，图形的基础噪声quantization是
: 很重要的一方面
|
t******l
发帖数: 10908 | 157 理论角度说，数字图像的 "有限的离散信号" 的离散余弦变换，和无限连续
信号的傅立
叶变换，理论图景的概念连接点是奈奎斯特采样定律。
也就是说，因为数字图像是 有限离散，所以如果把从最左边到最右边定为单位时间的
话，由奈奎斯特采样定律，图像上相邻两个点的 “距离” 决定理论最高频
率分量，所
有其他频率分量的频率，都是最高频率的整倍数，形成有限长度的 Fourier Series。
。。很多连续函数不能干的活，离散就可以干。
【在 t******l 的大作中提到】
: 数字频率截断是很常见，只不过不是虎肉老师说的理想低通滤波器（这个行话里面指模
: 拟滤波器）。
: 这个最关键的原因，是在于数字图像是有限的离散信号。所以我们不严格的说 FFT 的
: 时候，实际上是在说 DCT discrete cosine transform。。。其结果在数学上不是无限
: 区间（实数区间）上的 Fourier Transform 连续函数，而是有限长度 Fourier Series
: 有限长度离散序列。。。而这样使得数字频率截断可以实现，而理想模拟低通滤波器
: 不可实现。
: 这也就是我前面构造那道 AMC12 题目的用意之一，有限离散序列而不是无限连续函数。
: 弃婴这次在完全不是其领域的地方发力，丢大发了。。。
|
j*******n
发帖数: 10868 | 158 看起来像是你有逻辑或者阅读问题。。。
＂谁告诉你说卷积没有逆变换的？＂和＂所有卷积都有逆变＂差了一条街。。。
【在 l********e 的大作中提到】
: 马约翰告诉你所有卷积都有逆变的吧？
: 这真是有辱马老先生的一世英名。
: 你丫还是找本大一的高数好好念念在出来出洋相。
|
a****l
发帖数: 8211 | 159 先验知识一进来，那就没底限了。举一个极端的例子，如果知道照片是从天安门城楼的
正面拍摄的，那只需要一个bit，1的话就“还原”出一个天安门城楼白天的正面照，0
的话就“还原”出一个天安门城楼夜晚的正面照，学者是不是可以宣称自己搞了个超牛
的算法，可以把一个天安门城楼的照片压缩到一个bit，然后再彻底的还原成天安门城
楼的原尺寸照片？而且这个“算法”也应该是“大数据”的标准应用？
【在 Y**M 的大作中提到】
: 从数学意义上讲，当然是耍流氓。
: 在科学意义上还可以吧。当然不包括恐龙，恐龙生活的图片数据我们一张也没有。
: 但人类生活的图片数据我们有很多。
: 我们大略可以相信：这个人的长相就在人类的数据范围之内。这样一来，就只剩下
: 一个凑参数的问题了。
: 好像红外光谱（拉曼光谱？）经常也是这么分峰的。
: 这里面的基本原理是：模糊所带来的误差，和参数变化所带来的误差，不是一种误
: 差。这样一来，大部分误差是可以滤去的，剩下的只是相互重合的了。
: 例如，皮肤粗糙与否，通过恢复模糊照片，恐怕是识别不出来的。而五官位置有异
: ，则是可以识别出来的。
|
l********e
发帖数: 3986 | 160 你连什么是采样都不明白就不要在这现什么数字图像了。
还奈奎斯特，离散，FFT，你先把冲击函数搞明白是正理。
【在 t******l 的大作中提到】
: 理论角度说，数字图像的 "有限的离散信号" 的离散余弦变换，和无限连续
: 信号的傅立
: 叶变换，理论图景的概念连接点是奈奎斯特采样定律。
: 也就是说，因为数字图像是 有限离散，所以如果把从最左边到最右边定为单位时间的
: 话，由奈奎斯特采样定律，图像上相邻两个点的 “距离” 决定理论最高频
: 率分量，所
: 有其他频率分量的频率，都是最高频率的整倍数，形成有限长度的 Fourier Series。
: 。。很多连续函数不能干的活，离散就可以干。
|
|
|
t******l
发帖数: 10908 | 161 马工实战的离散余弦变换里，没有真正的无限。。。所以马工用一个值为 1 的点就好
了，不用你理论数学系的单位冲击。。。你可以回理论数学系咋冲击都没事。
另外你就大嘴一张说别人不明白，纯粹是理论数学系的做派，我实干小马工前面可是清
清楚楚的说你那个均值滤波器的理解错在哪里。。。不要生气嘛。。。
【在 l********e 的大作中提到】
: 你连什么是采样都不明白就不要在这现什么数字图像了。
: 还奈奎斯特，离散，FFT，你先把冲击函数搞明白是正理。
|
l********e
发帖数: 3986 | 162 我本来就是要举一个不可逆的滤波器的例子，和可逆滤波器存在没关系。就实际数字图
像处理技术，如果是图像形变distorted ，其含有的信息没有减少，只不过是表达时有
规律的改变，这种情况是可以复原的。而blured,是图像信息的衰减，除非有其他的信
道传递丢失信息，那么在图像重建时是不可能复原原图像的。
【在 d***u 的大作中提到】
: 你把均值改成FFT不就能还原了?
: 要不是FFT会怎么样？ 有时能但一定会增加基础噪声，图形的基础噪声quantization是
: 很重要的一方面
|
t******l
发帖数: 10908 | 163 人眼就是一个滤波器，所以在人眼里感觉的 blur，不一定都是图像数据比特流的香浓
信息丢失。
数字图
达时有
他的信
【在 l********e 的大作中提到】
: 我本来就是要举一个不可逆的滤波器的例子，和可逆滤波器存在没关系。就实际数字图
: 像处理技术，如果是图像形变distorted ，其含有的信息没有减少，只不过是表达时有
: 规律的改变，这种情况是可以复原的。而blured,是图像信息的衰减，除非有其他的信
: 道传递丢失信息，那么在图像重建时是不可能复原原图像的。
|
t******l
发帖数: 10908 | 164 先验信息不是随便选取的。。。比如 cayi 的照片里，其头发跟背景形成清晰边缘，领
口和脖子形成清晰边缘，是确定的先验信息。。。如果 cayi 用手机短焦镜，那背景被
模糊的植物有可能有清晰叶子边缘，这个是有条件的先验信息。。。至于 cayi 是不是
有奶子，那就完全不能当先验信息。
城楼的
【在 a****l 的大作中提到】
: 先验知识一进来，那就没底限了。举一个极端的例子，如果知道照片是从天安门城楼的
: 正面拍摄的，那只需要一个bit，1的话就“还原”出一个天安门城楼白天的正面照，0
: 的话就“还原”出一个天安门城楼夜晚的正面照，学者是不是可以宣称自己搞了个超牛
: 的算法，可以把一个天安门城楼的照片压缩到一个bit，然后再彻底的还原成天安门城
: 楼的原尺寸照片？而且这个“算法”也应该是“大数据”的标准应用？
|
m**********e
发帖数: 12525 | 165 我不是说你，你对数学理论的直觉太差，
去搞搞高中奥数还成，因为毕竟理论比较浅显，即使钻入牛角尖，也没啥想象问题。
但是要搞点深入点的，我看还是算了吧，你想像力太差，完全没有全局观
数。
【在 t******l 的大作中提到】
: 先验信息不是随便选取的。。。比如 cayi 的照片里，其头发跟背景形成清晰边缘，领
: 口和脖子形成清晰边缘，是确定的先验信息。。。如果 cayi 用手机短焦镜，那背景被
: 模糊的植物有可能有清晰叶子边缘，这个是有条件的先验信息。。。至于 cayi 是不是
: 有奶子，那就完全不能当先验信息。
:
: 城楼的
|
d***u
发帖数: 943 | 166 这是个新领域的low hanging fruits, 主要是要了新的工具。但是这些简单的例子以后
还是要看基本功
【在 s********i 的大作中提到】
: 这个说的是最有道理的。在逆变换的时候没有定解，但可以通过“adiditional
: knowledge”去寻求最可能的解。
:
: detail
: conceptual
: (
|
t******l
发帖数: 10908 | 167 我 acknowledge 你弃婴这种理论数学系和理论物理系的批评方式。。。只要批评就可
以了，不需要实战马工给出究竟是哪个 bit 错了。
当然，另一方面，这也说明实战马工确实不需要深入的理论数学系高深的泛函分析。。
。实战马工只需要高中奥数 AMC12 选择题旋对了，AIME 填空题数字填出来，这些浅显
的高中数学就完全足够了。。。实在马工不需要理论数学系理论物理学的高端智商，这
也确实是事实。
题。
【在 m**********e 的大作中提到】
: 我不是说你，你对数学理论的直觉太差，
: 去搞搞高中奥数还成，因为毕竟理论比较浅显，即使钻入牛角尖，也没啥想象问题。
: 但是要搞点深入点的，我看还是算了吧，你想像力太差，完全没有全局观
:
: 数。
|
t******l
发帖数: 10908 | 168 弃婴那些理论数学系理论物理系高端智商的，高度三万米以下的工业界的 low hanging
fruit 伊们不会采。。。理论数学理论物理系伊们只会采三十万公里高度以上的 high
hanging fruit。。。这些 low hanging fruit 只能指望工业界里缺乏高端智商的马
工们了。
子以后
【在 d***u 的大作中提到】
: 这是个新领域的low hanging fruits, 主要是要了新的工具。但是这些简单的例子以后
: 还是要看基本功
|
F*********s
发帖数: 223 | 169 当然可以，你以为语言是干什么用的，就是信息抽象的一种形式。如果双方以一个比特
代表天安门正面城墙夜晚照，你当然可以把所有的信息用一个比特传递过去。
0
【在 a****l 的大作中提到】
: 先验知识一进来，那就没底限了。举一个极端的例子，如果知道照片是从天安门城楼的
: 正面拍摄的，那只需要一个bit，1的话就“还原”出一个天安门城楼白天的正面照，0
: 的话就“还原”出一个天安门城楼夜晚的正面照，学者是不是可以宣称自己搞了个超牛
: 的算法，可以把一个天安门城楼的照片压缩到一个bit，然后再彻底的还原成天安门城
: 楼的原尺寸照片？而且这个“算法”也应该是“大数据”的标准应用？
|
d*****u
发帖数: 17243 | 170 现在流行的是用prior knowledge进行还原
而不是Maximum likelihood方法
比如一张图有失真，那可以通过在100万张类似图里学得的模型来重构。 |
|
|
t******l
发帖数: 10908 | 171 Maximum likelihood 本质上是小嗟夫的华尔街高端统计学。。。比如一个例子是如果
你打算扔六次硬币，五次都是正面朝上，那么最后一次会出现三个反面，统统都朝上。
。。但如果你扔第六次的时候，突然改注意不打算扔这第六次了，那小嗟夫会 trigger
forced margin call，你不想扔第六次也一定得扔，否则小嗟夫的华尔街传销老鼠会
就此崩溃。。。
现在流行的是用prior knowledge进行还原
而不是Maximum likelihood方法
比如一张图有失真，那可以通过在100万张类似图里学得的模型来重构。
【在 d*****u 的大作中提到】
: 现在流行的是用prior knowledge进行还原
: 而不是Maximum likelihood方法
: 比如一张图有失真，那可以通过在100万张类似图里学得的模型来重构。
|
m**********e
发帖数: 12525 | 172 早跟你们说过correlation不能prove causation
你用correlation企图代替causation是荒唐的
【在 t******l 的大作中提到】
: Maximum likelihood 本质上是小嗟夫的华尔街高端统计学。。。比如一个例子是如果
: 你打算扔六次硬币，五次都是正面朝上，那么最后一次会出现三个反面，统统都朝上。
: 。。但如果你扔第六次的时候，突然改注意不打算扔这第六次了，那小嗟夫会 trigger
: forced margin call，你不想扔第六次也一定得扔，否则小嗟夫的华尔街传销老鼠会
: 就此崩溃。。。
:
: 现在流行的是用prior knowledge进行还原
: 而不是Maximum likelihood方法
: 比如一张图有失真，那可以通过在100万张类似图里学得的模型来重构。
|
t******l
发帖数: 10908 | 173 我没有用军版索男想象的 cayi 的奶子手绘还原图，当先验知识用啊，那种才是
correlation。
而 cayi 的头发跟背景的图像边缘，以及领口跟脖子的图像边缘，以及背景植物叶子边
缘（假设 cayi 用手机照相），这些分明都是 causation 而不是 correlation 吧。。。
【在 m**********e 的大作中提到】
: 早跟你们说过correlation不能prove causation
: 你用correlation企图代替causation是荒唐的
|
F*********s
发帖数: 223 | 174 学量子物理的还会相信causation吗？延迟选择实验不是质疑了因果律？
【在 m**********e 的大作中提到】
: 早跟你们说过correlation不能prove causation
: 你用correlation企图代替causation是荒唐的
|
e***d
发帖数: 8248 | 175 对于非满秩矩阵，比如肥阵，比如病态的方阵或者病态的瘦阵，
可求伪逆，多采用奇异值分解的方法。
其数学意义是最小二范数，其物理意义为最小能量差。
也就是说通过引入额外的约束条件，来求伪逆，
而这些个约束条件一般都是自然界中普适的原则。
欠定、病态正定、病态超定，这些在实际问题中很常见，
比如源的个数大于观测点个数，
源的个数小于等于观测点个数但观测点的分布集中于某一个方向。
【在 D******l 的大作中提到】
: 非满秩的矩阵是没有逆矩阵的
: 这种情况下不可以逆变换
: 高斯函数是对称的，对应的变换矩阵基本都是非满秩的吧
|
t******l
发帖数: 10908 | 176 我作为民科忘了概念的角度讨论，我觉得如果把时空建模成康托的实数集，那么确实没
有可实现的实数集合上的对于任何输入都可以的理想高频截断滤波器。。。因为可实现
的滤波器有限时域窗口长度的限制，会导致违反因果律，或者可计算性。。。或者另一
个角度，把滤波器有限时域矩形窗口本身做 Continuous Fourier Transform，应该得
出一个坑爹无限区间的函数不是？
当然提一下图像处理跟实时信号处理还有细微差别，实时信号处理的时域窗口长度还受
制于最大允许延迟的要求。图像处理是整张图读进来处理，在空域操作，没有最大允许
延迟一说。
而马工实践上都是有限离散，所以实践上只要处理器够强大，理想数字高频截断，或者
理想数字带阻截断随便啥都可以（当然数字带阻的实时系统的话，最高通过频率受制于
延迟，但图像处理不是实时信号处理，没有延迟的问题）。
大不了对整个图像 DCT 一次（有限离散不是？)，高频中频截断反向 DCT 一次，用个
nVdia 图像卡指令集齐活收工。
但这本质上是基于自然数集的有限离散 Fourier Series 而不是实数集上的 Fourier
Transform ，避免了跟康托实数测度论打交道。
光阑是线性吗？ 显然不是线性
【在 m**********e 的大作中提到】
: 同学，没人说线性啊，我顶楼说的是高频截断，没有说线性，这里只有你在说线性
: 光阑是线性吗？ 显然不是线性
|
t******l
发帖数: 10908 | 177 请用动态 GIF 图像具体阐述一下你提到的 欠顶、病态正顶、病态操顶。。。谢谢。。。
【在 e***d 的大作中提到】
: 对于非满秩矩阵，比如肥阵，比如病态的方阵或者病态的瘦阵，
: 可求伪逆，多采用奇异值分解的方法。
: 其数学意义是最小二范数，其物理意义为最小能量差。
: 也就是说通过引入额外的约束条件，来求伪逆，
: 而这些个约束条件一般都是自然界中普适的原则。
: 欠定、病态正定、病态超定，这些在实际问题中很常见，
: 比如源的个数大于观测点个数，
: 源的个数小于等于观测点个数但观测点的分布集中于某一个方向。
|
m**********e
发帖数: 12525 | 178 你去读下大二光学：
http://pan.baidu.com/share/link?uk=957023478&shareid=400154
只需要看看第五章，傅立叶光学即可，认识下物理学家的思考问题方式
这一章涵盖了许多现在码脓图像处理的理论问题
。。
【在 t******l 的大作中提到】
: 请用动态 GIF 图像具体阐述一下你提到的 欠顶、病态正顶、病态操顶。。。谢谢。。。
|
t******l
发帖数: 10908 | 179 你的中文光学教科书的确高屋建瓴，但恢复 cayi 的数字模糊不一定需要这种高级货吧
。。。
【在 m**********e 的大作中提到】
: 你去读下大二光学：
: http://pan.baidu.com/share/link?uk=957023478&shareid=400154
: 只需要看看第五章，傅立叶光学即可，认识下物理学家的思考问题方式
: 这一章涵盖了许多现在码脓图像处理的理论问题
:
: 。。
|
e***d
发帖数: 8248 | 180 记不清 GIF 的细节了，阐述不了。
只记得好像是通过半色调抖动来实现更多的色调。
动态 GIF 无非是拼接多个静态 GIF 帧。
这个机制被用来藏病毒，愚公贴不了福利或许是这个原因。
。。
【在 t******l 的大作中提到】
: 请用动态 GIF 图像具体阐述一下你提到的 欠顶、病态正顶、病态操顶。。。谢谢。。。
|
