एक छवि पर सहसंबंध और दृढ़ विश्वास के बीच अंतर?

Question

क्या आप स्पष्ट रूप से बता सकते हैं कि सहसंबंध और दृढ़ विश्वास के बीच क्या अंतर है जो एक छवि पर एक फिल्टर द्वारा किया जाता है?

मेरा मतलब है कि सिग्नल प्रोसेसिंग की परिभाषा में मुझे पता है कि कनविक्शन LTI सिस्टम के आउटपुट का वर्णन करता है, यानी यदि कोई LTI सिस्टम किसी इनपुट सिस्टम के साथ कनवल्शन के कारण आउटपुट का उत्पादन करता है तो आउटपुट सिग्नल को कनविक्शन के परिणाम के रूप में वर्णित किया जा सकता है। इनपुट संकेत और एलटीआई प्रणाली की आवेग प्रतिक्रिया। सहसंबंध के लिए, यह संकेतों के बीच समानता का वर्णन करता है। लेकिन एक छवि पर दृढ़ विश्वास और सहसंबंध कैसे प्रभाव डालता है और प्रभाव के संदर्भ में वे कितने अलग हैं?

धन्यवाद

Comments

दृढ़ संकल्प और फिल्टर के बीच समानता क्या है?

Answer 1

बातचीत 180 डिग्री घुमाए गए फिल्टर के साथ सहसंबंध है। इससे कोई फर्क नहीं पड़ता, अगर फ़िल्टर गॉसियन या लाप्लासियन की तरह सममित है। लेकिन यह पूरी तरह से अंतर बनाता है, जब फिल्टर एक व्युत्पन्न की तरह सममित नहीं होता है।

हमें दोषी ठहराने का कारण यह है कि सहसंबंधी है, जबकि सहसंबंध, सामान्य तौर पर, नहीं है। यह देखने के लिए कि यह क्यों सच है, याद रखें कि कनवल्शन फ़्रीक्वेंसी डोमेन में गुणा है, जो स्पष्ट रूप से साहचर्य है। दूसरी ओर, आवृत्ति डोमेन में सहसंबंध जटिल संयुग्म द्वारा गुणा है, जो कि सहयोगी नहीं है।

कनवल्शन की सहानुभूति वह है जो आपको फिल्टर को "पूर्व-आक्षेपित" करने की अनुमति देती है, ताकि आपको केवल एक फिल्टर के साथ छवि को समझाने की आवश्यकता हो। उदाहरण के लिए, मान लें कि आपके पास एक छवि , जिसे आपको साथ और फिर साथ । । इसका मतलब है कि आप और पहले एक फिल्टर में सजा सकते हैं , और फिर इसके साथ को हल कर सकते हैं। यह उपयोगी है, अगर आपको और साथ कई छवियों को मनाने की आवश्यकता है । आप पूर्व-गणना कर सकते हैं , और फिर गुणा से गुणा कर सकते हैं।$f$$g$$h$$f * g * h = f * (g * h)$$g$$h$$f$$g$$h$$k = g * h$$k$

इसलिए यदि आप टेम्पलेट मिलान कर रहे हैं , अर्थात एकल टेम्पलेट की तलाश कर रहे हैं , तो सहसंबंध पर्याप्त है। लेकिन अगर आपको उत्तराधिकार में कई फिल्टर का उपयोग करने की आवश्यकता है, और आपको कई छवियों पर इस ऑपरेशन को करने की आवश्यकता है, तो यह समय से पहले एक फिल्टर में कई फिल्टर को समझाने के लिए समझ में आता है।

Comments

यदि आप एक उदाहरण के रूप में दो अलग-अलग फिल्टर के साथ एक छवि को फ़िल्टर करना चाहते हैं, तो क्या आप इस संबंध में दोषी वीएस सहसंबंध की सहानुभूति पर विस्तार कर सकते हैं?

— द ग्रेबॉयनॉन्ड

मैंने उत्तर संपादित किया है। क्या यह अब स्पष्ट है?

— दिमा

हाँ दीमा, धन्यवाद। तो आप कह रहे हैं कि हम पहले और सहसंबंधित नहीं कर सकते और फिर सहसंबंधित कर सकते हैं ? $g$$h$$f$

— theGrapeBeyond 5

@ TheGrapeBeyond, यह सही है। सहसंबंध सहयोगी नहीं है। सामान्य स्थिति में, जब आपकी फिल्टर, सममित नहीं हैं सम्बंधित में और और फिर साथ परिणाम सम्बंधित आप सम्बंधित के रूप में एक ही परिणाम नहीं देंगे के साथ के साथ और फिर । $g$$h$$f$$f$$g$$h$

— दिमा

@ डिमा, उत्तर के लिए धन्यवाद। क्या आप कृपया अधिक विस्तृत रूप से बता सकते हैं कि आपका मिलान खाके से क्या है?

— the_naive