博客

信号处理是指对信号进行获取、存储、传输、处理、分析等操作的技术过程。信号处理在不同的领域中都有应用，如音频处理、图像处理、通信等。

在信号处理中，一般有以下几个步骤：

1. 采样：将连续的信号转换为离散的信号。采样频率决定了信号的最高频率。如果采样频率不够高，高频信号会被混叠到低频信号中，产生误差。

示例1：从麦克风获取声波信号，并将其转换为数字信号。

import sounddevice as sd
import numpy as np
import matplotlib.pyplot as plt

# 采样率为44100Hz，时长为5秒
duration = 5
fs = 44100
samples = duration * fs

# 从麦克风获取声音
recording = sd.rec(samples, samplerate=fs, channels=1)

# 等待采样完成
sd.wait()

# 将声音信号转换为一维数组
audio_data = np.array(recording).flatten()

# 绘制声音波形图
fig, ax = plt.subplots()
ax.plot(audio_data)
ax.set_xlabel('Time')
ax.set_ylabel('Amplitude')
plt.show()

1. 滤波：滤除不需要的信号。高通滤波器可以将低频噪声滤除，低通滤波器可以将高频噪声滤除，带通滤波器可以只保留特定频率段的信号。

示例2：从图像中提取某一颜色区域。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('image.jpg')

# 将图像从BGR空间转换为HSV空间
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义蓝色范围
lower_blue = np.array([110, 50, 50])
upper_blue = np.array([130, 255, 255])

# 创建蓝色掩模
mask = cv2.inRange(hsv, lower_blue, upper_blue)

# 将掩模应用于原图像，只保留蓝色区域
result = cv2.bitwise_and(image, image, mask=mask)

# 显示原图像和处理后的图像
fig, ax = plt.subplots(1, 2)
ax[0].imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
ax[1].imshow(cv2.cvtColor(result, cv2.COLOR_BGR2RGB))
plt.show()

这些步骤可以组合使用，根据实际需求进行选择和调整。