S matikou suhlasim a navrh - urobme z toho "study group". Podrobnosti viz inline reply.
On 06/20/2012 11:09 PM, Petr Baudis wrote:
Na wiki je mnoho dalsich zajimavych temat, nektera nezadana, jina napsana na lidi, kteri tak casto nechodi. Pokud workshop nema zacatkem prazdnin skoncit, bylo by dobre, aby se (treba do pristiho workshopu) na 4.7. do wiki napsali Ti, kteri jsou ochotni o necem mluvit. Pokud se nikdo nenajde, jeste muzeme zkusit usporadat 1-2 workshopy zacatkem zari.
Som zacal znova citat ten Image Processing, Analysis and Machine Vision a dost veci som si rozpamatal. Postupoval by som podla tych kapitol - celkom dobre navazuju a obsahuju veci co nam na wiki chybaju (sum, interpolace, colorspaces, zaklady waveletky...).
Proste by sme sli kapitoly za radom, co este nevieme by sme nejak vysvetlili navzajom. BTW neni to az tak strasny humus co si pamatam z analyzy :-)
Samozrejme by bylo zajimave i pokracovat matematickou casti workshopu, ke ktere se nabidl David Klusacek (ma-li stale cas). Vzhledem ke klesajici ucasti mam ale trochu obavu, aby v predzvesti sum a komplexnich cisel vubec nekdo prisel - takze je to opet hlavne o Vasem feedbacku, zda byste meli zajem.
Najlepsie na vysvetlenie Fourierky je asi ukazat dokazy (myslienku dokazu) jej vlastnosti; ze jej baza je ortogonalna baza vektoroveho prostoru, ze FT je linearny operator a dalsie "pekne" vlastnosti.
Trebars DFT sa zo "spojitej fourierky" spravi tak, ze si predstavime vsetky namerane sample ako "hreben", tj. funkciu vsade 0, len sample su reprezentovane ako "nekonecne tenke" Diracove pulzy (Diracova \delta). Akurat vynasobene magnitudou a posunute v case. Z coho myslim vyplyva aj to, ze v DFT sa nam mensie frekvencie nestratia medzi "tymi meranymi" - inak by v zdrojovom signale musel byt nejaky sample, ktory sa tam ocitol mimo vzorkovaciu frekvenciu.
Co tak pozeram, rok analyzy sa asi hodi, ale na pochopenie zakladov staci najskor prvy semester linearnej algebry s trochou snahy.
OM