cpuimage

摘要： WebRTC提供一套音频处理引擎， 包含以下算法： AGC自动增益控制(Automatic Gain Control) ANS噪音抑制(Automatic Noise Suppression) AEC是声学回声消除(Acoustic Echo Canceller for Mobile) VAD是静音 阅读全文

摘要： 前面分享过一个算法《音频增益响度分析 ReplayGain 附完整C代码示例》 主要用于评估一定长度音频的音量强度， 而分析之后，很多类似的需求，肯定是做音频增益，提高音量诸如此类做法。 不过在项目实测的时候，其实真的很难定标准， 到底在什么样的环境下，要增大音量，还是降低。 在通讯行业一般的做法就 阅读全文

摘要： 降噪是音频图像算法中的必不可少的。 目的肯定是让图片或语音 更加自然平滑，简而言之，美化。 图像算法和音频算法 都有其共通点。 图像是偏向 空间 处理，例如图片中的某个区域。 图像很多时候是以二维数据为主，矩形数据分布。 音频更偏向 时间 处理，例如语音中的某段时长。 音频一般是一维数据为主，单声道 阅读全文

摘要： 之前有大概介绍了音频采样相关的思路，详情见《简洁明了的插值音频重采样算法例子 (附完整C代码)》。 音频方面的开源项目很多很多。 最知名的莫过于谷歌开源的WebRTC, 其中的音频模块就包含有 AGC自动增益补偿(Automatic Gain Control)自动调麦克风的收音量，使与会者收到一定的 阅读全文

摘要： 绝大数人都知道mp3格式编码，以及aac,amr等压缩格式编码。 而在语音通信界有一个强悍的音频格式编码opus. 经过实测，压缩比最高可以达到1:10。 100KB 压缩后 10KB 虽然是有损压缩， 但是根据实际对比试听， 几乎听不出差别。 而且还原度还比mp3高，压缩比也比mp3高。 用来压缩 阅读全文

摘要： 人们所熟知的图像方面的3A算法有： AF自动对焦(Automatic Focus)自动对焦即调节摄像头焦距自动得到清晰的图像的过程 AE自动曝光(Automatic Exposure)自动曝光的是为了使感光器件获得合适的曝光量 AW自动白平衡(Automatic White Balance)白平衡的 阅读全文

摘要： 前几天无意间看到一个项目rnnoise。 项目地址: https://github.com/xiph/rnnoise 基于RNN的音频降噪算法。 采用的是 GRU/LSTM 模型。 阅读下训练代码，可惜的是作者没有提供数据训练集。 不过基本可以断定他采用的数据集里，肯定有urbansound8k。 阅读全文

摘要： 近一段时间在图像算法以及音频算法之间来回游走。 经常有一些需求，需要将音频进行采样转码处理。 现有的知名开源库，诸如: webrtc , sox等, 代码阅读起来实在闹心。 而音频重采样其实也就是插值算法。 与图像方面的插值算法没有太大的区别。 基于双线性插值的思路。 博主简单实现一个简洁的重采样算 阅读全文

摘要： mser 的全称:Maximally Stable Extremal Regions 第一次听说这个算法时，是来自当时部门的一个同事， 提及到他的项目用它来做文字区域的定位，对这个算法做了一些优化。 也就是中文车牌识别开源项目EasyPR的作者liuruoze,刘兄。 自那时起就有一块石头没放下，想 阅读全文

摘要： 2年前在学习图像算法的时候看到一个文档倾斜矫正的算法。 也就是说能将一些文档图像进行旋转矫正， 当然这个算法一般用于一些文档扫描软件做后处理 或者用于ocr 文字识别做前处理。 相关的关键词: 抗倾斜 反倾斜 Deskew 等等。 最简单算法实现思路，采用 霍夫变换(Hough Transform) 阅读全文