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 heteroclinic (asymptotically stable) 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
【在 timefall(时光崩塌)的大作中提到:】 :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
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
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。
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
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。。。
宝宝我吓哭了QQ
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?
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
当然 out of focus 也不是一点都不能还原,但确实有信息损失。
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!
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
图像需要2个因子,强度和相位
你相位丢了还还原个屁
你想过没有人眼也是滤波器么
卷积是线性方程了???
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
机器学习你听说过吗/先验知识你听过吗?
都会这么减小尺寸,10KB也是流量啊
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
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。
反正卷席是不像了lol
A,B,C are n by n matrix
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。
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?
画家手工还原罪犯肖像其实看起来也差了十万八千里
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。
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
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。
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。
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?
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。
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
卷积
还是
自身的四则运算?
哥傻傻地问。
smoothing的卷积放频域上图像基本跟low pass一样
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。
这个图片明显是高斯模糊的结果。
然通俗情况下常常把数字卷积 smoothing 也叫成 LPF。。。
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
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。。。
如何在窗函数未知的情形下重建?
排除AI。
高斯模糊,无非是二维正太函数赋权重。
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?
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
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
,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。
超定方程组,直接算出窗函数。
搞定。
这就是前面那哥们说的,其实人眼也是个滤波器。。。
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
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
要看原信号的性质,如果高频的比较多,那也是很难恢复得
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。。。
不知道理解的对不对
1. 消噪
2. 卷积模板(窗函数)比图还大的流氓情形