La mejor manera de hacer esto (en mi opinión) sería utilizar un buffer circular para almacenar sus imágenes. En un buffer circular o de anillo, el elemento de datos más antiguo de la matriz es sobrescrito por el elemento más nuevo insertado en la matriz. Los conceptos básicos de la creación de una estructura de este tipo se describen en el breve video de Mathworks Implementación de un buffer circular simple. Para cada iteración de su bucle principal que se ocupa de una sola imagen, sólo cargue una nueva imagen en el buffer circular y luego utilice la función MATLAB s built in mean para tomar el promedio de manera eficiente. Si necesita aplicar una función de ventana a los datos, haga una copia temporal de los fotogramas multiplicada por la función de ventana y tome el promedio de la copia en cada iteración del bucle. Respondió ago 6 12 at 10:11 calcula una especie de media móvil para cada una de las 10 bandas sobre todas sus imágenes. Esta línea calcula un promedio móvil de valor medio sobre sus imágenes: Para ambos, querrá agregar una estructura de búfer que mantenga sólo las últimas 10 imágenes. Para simplificarlo, también puede guardar todo en la memoria. Aquí hay un ejemplo para Yout: Cambiar esta línea: (Añadir una dimensión) Y cambiar esto: Entonces para mostrar el uso que haría algo. Similar para meanvalue29 Septiembre, 2013 Media móvil por convolución ¿Qué es el promedio móvil y para qué sirve? ¿Cómo se realiza el promedio móvil usando convolución? El promedio móvil es una operación sencilla utilizada generalmente para suprimir el ruido de una señal: fijamos el valor de cada punto Al promedio de los valores en su vecindario. Por una fórmula: Aquí x es la entrada yy es la señal de salida, mientras que el tamaño de la ventana es w, se supone que es impar. La fórmula anterior describe una operación simétrica: las muestras se toman de ambos lados del punto real. A continuación se muestra un ejemplo de la vida real. El punto en el que se coloca la ventana es en realidad rojo. Valores fuera de x se supone que son ceros: Para jugar y ver los efectos de la media móvil, echar un vistazo a esta demostración interactiva. Cómo hacerlo por convolución Como puede haber reconocido, calcular el promedio móvil simple es similar a la convolución: en ambos casos se desliza una ventana a lo largo de la señal y se resumen los elementos de la ventana. Por lo tanto, darle un intento de hacer lo mismo mediante la convolución. Utilice los siguientes parámetros: La salida deseada es: Como primera aproximación, intentemos lo que obtenemos convolucionando la señal x con el k kernel siguiente: La salida es exactamente tres veces mayor que la esperada. También puede verse que los valores de salida son el resumen de los tres elementos de la ventana. Es porque durante la convolución la ventana se desliza a lo largo, todos los elementos en él se multiplican por uno y luego se resumen: yk 1 cdot x 1 cdot x 1 cdot x Para obtener los valores deseados de y. La salida será dividida por 3: Por una fórmula que incluye la división: Pero no sería óptimo hacer la división durante la convolución Aquí viene la idea reorganizando la ecuación: Así que usaremos el k kernel siguiente: De esta manera vamos a Obtener la salida deseada: En general: si queremos hacer el promedio móvil por convolución teniendo un tamaño de ventana de w. Usaremos el siguiente núcleo k: Una función simple que hace la media móvil es: Un ejemplo de uso es: Necesito calcular una media móvil sobre una serie de datos, dentro de un bucle for. Tengo que obtener el promedio móvil en N9 días. El array Im computing in es 4 series de 365 valores (M), los cuales son valores medios de otro conjunto de datos. Quiero trazar los valores medios de mis datos con el promedio móvil en una parcela. Busqué un poco sobre los promedios móviles y el comando conv y encontré algo que intenté implementar en mi código. Por lo tanto, básicamente, calculo mi media y lo trace con una media móvil (errónea). Escogí el valor de wts justo en el sitio de mathworks, por lo que es incorrecto. (Fuente: mathworks. nl/help/econ/moving-average-trend-estimation. html) Mi problema, sin embargo, es que no entiendo lo que este wts es. ¿Podría alguien explicar Si tiene algo que ver con los pesos de los valores: que no es válido en este caso. Todos los valores se ponderan igual. Y si estoy haciendo esto totalmente mal, podría obtener alguna ayuda con ella Mis más sinceras gracias. El uso de conv es una excelente manera de implementar un promedio móvil. En el código que está usando, wts es cuánto está pesando cada valor (como usted adivinó). La suma de ese vector siempre debe ser igual a uno. Si desea ponderar cada valor uniformemente y hacer un filtro N de tamaño N, entonces lo haría. Usar el argumento válido en conv resultará en tener menos valores en Ms que en M. Utilice lo mismo si no le importan los efectos de Relleno cero. Si tiene la caja de herramientas de procesamiento de señales, puede usar cconv si desea probar una media móvil circular. Algo así como usted debe leer la documentación conv y cconv para obtener más información si ya no lo ha hecho.
No comments:
Post a Comment