使用Python的scipy做高通濾波和低通濾波

2021-03-06 Python乾貨鋪子

第一次在微信公眾號寫的啥鳥文，感覺很low，希望慢慢進步吧，其實頭腦裡想法的，但是一寫字就難了，看來得訓練一把

在學習的過程中，我逐漸發現分享能夠產生更大的價值，也不清楚這種習慣是好是壞，但在分享的過程中我對學習的東西一定是加深了印象。因此我想把學到的東西一點一點得積累下來，希望在運用的時候儘量做到遊刃有餘。

高通濾波和低通濾波在學ENVI的時候接觸過，但那時候沒仔細看，也沒有運用過，直到後來的研究生複試我才被問到這個問題，我很想解決這個問題，因此在網上查找了一些資料和Python實現的方法。至於它的實際運用，大家可以在網上搜索到。

在Python中做高通濾波和低通濾波主要使用的是scipy庫中signal模塊，scipy的官網有所介紹，參數解釋也是比較詳細的。那就說到這裡吧，現在開始我們的任務。1，先構建一個濾波器（這裡使用的是巴特沃斯濾波器）,2，再對數據做濾波處理。命令signal.butter(A,B,btype)，裡面的參數分別是濾波器階數，臨界頻率和最後的類型，類型有高低通，帶通濾波和帶阻濾波。這裡選擇highpass。濾波器構建好後就開始濾吧，

FFF = signal.filtfilt(m, n, y,axis = 0)

這裡的mn是上一步構建的濾波器，y是一維時間序列數據，axis這裡是指定哪一維數據，直接出結果吧，數據是自己輸入的，還沒有使用xlrd讀取xlsx的數據來分析，先用這個小例子測試一下吧，過後再遷移運用

相關焦點

  • Python讀取並提取xlsx數據+去趨勢和高通濾波與低通濾波
    模塊，如下，我們來把數據讀取進來tem = pd.read_excel("D:\LIUCAS\Python\TEM.xlsx")   然後我們可以使用潘大師看看數據長啥樣print(tem.shape)#康康tem這個xlsx數據的維度，顯示為696行和3列print(tem.columns)#揭開他的面紗看看長啥樣（列INDEX），第一列是
  • 【聽力學名詞釋義(18)】高通濾波、低通濾波、帶通濾波和陷波器
    我們在【聽力學名詞釋義（9）】中學習了「濾波和濾波器」的概念，實際應用中為了獲得不同頻率成分的有用信號，往往要濾掉不需要頻率區域的信號，這時就要求使用不同類型的濾波器。通常濾波器按其頻率響應分為低通濾波、高通濾波、帶通濾波。
  • 在Labview中快速實現濾波——低通,高通,帶通濾波實例
    濾波算法通常在Matlab中實現，需要變成使用。但是，Labview同樣可以實現濾波算法，而且比Matlab更為簡單易用。Labview圖形化程式語言對入門用戶非常友好，今天來給大家介紹一下如何在Labview中快速部署濾波器。
  • 濾波電路原理分析
    波的基本概念本文引用地址：http://www.eepw.com.cn/article/78377.htm濾波是信號處理中的一個重要概念。濾波分經典濾波和現代濾波。經典濾波的概念，是根據富立葉分析和變換提出的一個工程概念。
  • 使用 matlab 進行傅立葉分析和濾波
    濾波利用快速傅立葉簡單濾波下例是將振幅為1的5Hz正弦波和振幅為0.5的10Hz正弦波相加之後，濾除8Hz以上的信號。H是模擬濾波器的傳遞函數，a1表示待濾波信號，t是信號的橫坐標，s1是濾波後的信號。其他說明：這裡僅以低通濾波器為例，其他巴特沃斯濾波器如高通、帶通、帶阻調用方式類似，只是函數butter的參數略有不同，請參看matlab關於butter函數的介紹。
  • Python下opencv使用筆記(三)(圖像的濾波卷積操作)
    圖像處理-模板、卷積的整理http://blog.csdn.net/lanbing510/article/details/7425952對於2D圖像可以進行低通或者高通濾波操作，低通濾波（LPF）有利於去噪，模糊圖像，高通濾波（HPF）有利於找到圖像邊界。
  • Neuron文章解讀 | 數據處理之濾波
    ③  預處理包括低通、高通、陷波等等，視需求而定。低通：一般用於濾除高頻分量和消除毛刺。高通：一般用於消除直流（DC）分量和緩慢漂移電位的影響。陷波：一般用於消除市電幹擾（50、60Hz）。我們再來說說濾波器的性能：性能取決於過渡帶的陡度，過渡帶的陡度取決於濾波器的類型和階數。過渡帶可以大致理解為：通帶與阻帶間的部分。下圖為四種常見類型的濾波器：低通，高通，帶通和陷波。
  • opencv-python圖像預處理-濾波
    為了消除外界環境對圖像採集的幹擾，增強圖像的邊緣及灰度跳變的部分，使圖像變得清晰以及提高圖像處理速度需要對圖像進行預處理操作，主要是對圖像進行濾波和增強操作。使用的方法可以分為空間域處理和頻率域處理兩類。空間域指圖像平面本身，這類圖像處理方法用各種模板直接與圖像進行卷積運算，實現對圖像的處理。
  • FPGA圖像處理之高斯濾波算法理論篇
    而濾波器算法在信號處理、信號檢測、通信領域有著重要的作用，在實時信息處理系統中，對濾波器的性能和處理速度有著嚴格的要求，特別是在滿足系統性能的條件下，處理速度至關重要。對於圖像來說，高斯濾波器是利用高斯核的一個2維的卷積算子，用於圖像模糊化（去除細節和噪聲）。1.
  • 一階低通濾波器_一階低通濾波器公式_一階低通濾波器原理
    按其工作頻率範圍的不同，濾波電路可分為低通濾波器、高通濾波器、帶通濾波器、帶阻濾波器和全通濾波器。僅由電阻、電容、電感這些無源元件組成的濾波電路稱為無源濾波器。如果濾波電路中含有有源元件，如集成運放等，則稱為有源濾波器。與無源濾波器相比，有源濾波器具有體積小、效率高、帶負載能力強、頻率特性好，而且在濾波的同時還可以將有用信號放大等一系列優點，因而得到廣泛應用。
  • 高斯濾波的理解與學習
    一幅圖像中輪廓和邊緣這種變化比較劇烈的地方高頻信號(噪聲和噪聲周邊的像素相比,其灰度變化同樣比較劇烈),其他的部分(可反應整副圖像的強度)是低頻信號,所以經過低通濾波器後圖像的輪廓和邊緣信號會被濾掉一部分,直觀感受是圖片變模糊了,這是平滑.從另一方面講,加權是將一個像素用鄰域幾個像素的均值代替,這樣會使信號的變化變得平緩(拉大小的值,拉小大的值),信號變化劇烈的地方是高頻信號,所以,這樣就達到了低通的效果
  • 【數字圖像處理系列五】圖像濾波之空間濾波:圖像平滑降噪和圖像銳化
    python版本：python3.5.4 ； opencv-python版本：opencv-python3.4.2.17使用的開發環境是
  • 麥克風上的低切濾波、衰減和指向性,有什麼用?怎麼用?
    這個是低切濾波開關，有時候也會被稱為高通濾波。【低切濾波】舉個慄子一輛小汽車裡播放非常大的歌，在另外一個車中的人聽來卻是低音，因為封閉的汽車和空氣間隔起到了低通濾波器的作用，減弱了的高音應用在麥克風上，低切可以去除一些噪音，因為大部分人聲都在100hz頻率以上，而把100以下恰恰是電流聲的高發頻率
  • 單片機系統中經常採用的濾波方法
    連續採樣N個數據，去掉一個最大值和一個最小值，然後計算N-2個數據的算術平均值。 C、缺點：測量速度較慢，和算術平均濾波法一樣，比較浪費RAM。A、方法：取a=0~1，本次濾波結果=（1-a）*本次採樣值+a*上次濾波結果。
  • 單片機軟體濾波的幾種方法
    > A、方法： 相當於「中位值濾波法」+「算術平均濾波法」 連續採樣N個數據，去掉一個最大值和一個最小值 對於偶然出現的脈衝性幹擾，可消除由於脈衝幹擾所引起的採樣值偏差 C、缺點： 測量速度較慢，和算術平均濾波法一樣
  • Matlab 數字濾波入門詳解
    實際應用中，通常用更高（>2倍）的採樣率去採集信號Anti-Aliasing Filters除了提高採樣率，另外一種避免Aliasing的方法是使用 Anti-Aliasing Filter. 通常在數位化之前使用一個low-pass filter把噪聲濾掉即可。舉例：採樣之前安裝一個低通濾波器，截止頻率為10Hz.
  • 為何總是追悔莫及:人的「高通濾波」特性
    同樣，人類的感官系統從本質上來說，也是一個高通濾波器：緩慢的變化往往被過濾掉而不會引起我們的注意，只有劇烈的變化才容易傳達到我們的大腦裡。例如，佛教中的「當頭棒喝」，是讓一個人頓悟的方式。對普通人來說，往往經歷一個突然的變故和大事件，才能讓一個人改變或成熟起來。我們往往只能對這些瞬間劇烈變化的「高頻信號」有明顯的響應。
  • 一文看懂二階lc低通濾波器的設計及原理
    LC濾波器一般是由濾波電容器、電抗器和電阻器適當組合而成，與諧波源並聯，除起濾波作用外，還兼顧無功補償的需要；LC濾波器按照功能分為LC低通濾波器、LC帶通濾波器、高通濾波器、LC全通濾波器、LC帶阻濾波器；按調諧又分為單調諧濾波器、雙調諧濾波器及三調諧濾波器等幾種。LC濾波器設計流程主要考慮其諧振頻率及電容器耐壓，電抗器耐流。
  • RC(微分、積分、耦合、濾波)電路大總結
    在模擬及脈衝數字電路中，常常用到由電阻R和電容C組成的 RC電路，在些電路中，電阻R和電容C的取值不同、輸入和輸出關係以及處理的波形之間的關係，產生了RC電路的不同應用，下面分別談談微分電路、積分電 路、耦合電路、脈衝分壓器以及濾波電路。
  • 詳解圖像濾波原理及實現!
    學習目標：了解圖像濾波的分類和基本概念理解幾種圖像濾波的原理掌握OpenCV框架下濾波API的使用算法理論介紹濾波器分類高斯濾波在進行均值濾波和方框濾波時。其鄰域內每個像素的權重是相等的。在高斯濾波中，會將中心點的權重值加大，原理中心點的權重值減小，在此基礎上計算鄰域內各個像素值不同權重的和。在高斯濾波中，核的寬度和高度可以不相同，但是它們都必須是奇數。在實際應用中，卷積核都會經過歸一化，歸一化後可以表示為小數形式或分數形式。