主要内容

dwt2

单一离散二维小波变换

描述

dwt2计算单层二维小波分解。比较dwt2wavedec2这可能是更有用的应用程序。分解完成对一个特定的小波(见wfilters更多信息)或特定的小波分解过滤器。

例子

(cA,cH,简历,cD)= dwt2 (X,wname)计算单层二维离散小波变换(DWT)的输入数据X使用wname小波。dwt2返回近似系数矩阵cA和细节系数矩阵cH,简历,cD(分别为水平、垂直、对角线)。

例子

(cA,cH,简历,cD)= dwt2 (X,LoD,)计算单级2 d DWT使用小波分解低通滤波器LoD和高通滤波器。分解过滤器必须具有相同的长度和偶数个样本。

(cA,cH,简历,cD)= dwt2 (___“模式”,extmode)计算单级2 d DWT的扩展模式extmode。包括这个论点毕竟其他参数。

请注意

gpuArray输入,支持的模式金宝app“symh”(“符号”),“每”。所有“模式”选择除了“每”被转换成“symh”。看这个例子在GPU单层二维离散小波变换

例子

全部折叠

加载和显示一个图像。

负载女人显示亮度图像(X) colormap(地图)

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的形象。

获得单层二维离散小波变换的图像使用订单4 symlet和周期性扩展。

(钙、cH、简历、cD) = dwt2 (X,“sym4”,“模式”,“每”);

显示垂直细节系数和近似系数。

显示亮度图像(cV)标题(“垂直细节系数”)

图包含一个坐标轴对象。标题为垂直的坐标轴对象细节系数包含一个类型的对象的形象。

显示亮度图像(cA)标题(“近似系数”)

图包含一个坐标轴对象。坐标轴对象与标题近似系数包含一个类型的对象的形象。

加载和显示一个图像。

负载雕塑显示亮度图像(X) colormap灰色的

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象的形象。

生成的低通和高通分解滤波器Haar小波。

(LoD、藏)= wfilters (“哈雾”,' d ');

使用过滤器来执行一个单层二维小波分解。使用比对称扩展。显示近似系数和细节。

(钙、cH、简历、cD) = dwt2 (X, LoD,藏,“模式”,“symh”);次要情节(2、2、1)显示亮度图像(cA) colormap灰色的标题(“近似”次要情节(2,2,2)显示亮度图像(cH) colormap灰色的标题(“水平”次要情节(2,2,3)显示亮度图像colormap(简历)灰色的标题(“垂直”次要情节(2,2,4)显示亮度图像colormap (cD)灰色的标题(“对角线”)

图包含4轴对象。坐标轴对象1标题近似包含一个类型的对象的形象。坐标轴对象2标题水平包含一个类型的对象的形象。与标题垂直坐标轴对象3包含一个类型的对象的形象。坐标轴对象4标题对角包含一个类型的对象的形象。

GPU的金宝app支持版本(并行计算工具箱)看看支持gpu。金宝app

加载一个图像。把图像使用GPUgpuArray。保存当前扩展模式。

负载面具imgg = gpuArray (X);origMode = dwtmode (“状态”,“nodisp”);

使用dwtmode改变扩展模式,零填充。获得图像的单一层次2 d DWT GPU使用db2小波。

dwtmode (“zpd”,“nodisp”)(钙、cH、简历、cD) = dwt2 (imgg,“db2”);

当前的扩展模式zpd不支持金宝appgpuArray输入。因此,DWT而是进行使用信谊扩展模式。通过DWT的证实了这一点imgg设置为扩展模式信谊并与之前的结果。

[cAsym, cHsym cVsym cDsym] = dwt2 (imgg,“db2”,“模式”,“符号”);(max (abs (cA (:) -cAsym(:)))马克斯(abs (cH (:) -cHsym (:)))马克斯(abs(简历(:)-cVsym(:)))马克斯(abs (cD (:) -cDsym (:))))
ans = 0 0 0 0

一个不支持金宝app的扩展模式指定为转换为一个输入参数“符号”。确认的DWTimgg“模式”设置为一个不受支持的模式金宝app也默认了信谊扩展模式。

(钙、cH、简历、cD) = dwt2 (imgg,“db2”,“模式”,“社会民主党”);(max (abs (cA (:) -cAsym(:)))马克斯(abs (cH (:) -cHsym (:)))马克斯(abs(简历(:)-cVsym(:)))马克斯(abs (cD (:) -cDsym (:))))
ans = 0 0 0 0

改变当前的扩展模式周期。获得单层DWT的图像使用的GPUdb2小波。

dwtmode (“每”,“nodisp”)(钙、cH、简历、cD) = dwt2 (imgg,“db2”);

确认当前的扩展模式支持金宝appgpuArray输入。

[雀跃,共和人民党,cvp, cdp] = dwt2 (imgg,“db2”,“模式”,“每”);(max (abs (cA(:)雀跃(:)))马克斯(abs (cH (:) -cHper (:)))马克斯(abs(简历(:)-cVper(:)))马克斯(abs (cD (:) -cDper (:))))
ans = 0 0 0 0

扩展模式恢复到原来的设置。

dwtmode (origMode“nodisp”)

输入参数

全部折叠

输入数据,指定为一个数字或逻辑数组。X可以是一个——- - - - - -n数组索引图像或代表——- - - - - -n3代表真彩图像数组。真彩图像的更多信息,请参阅RGB(真彩)图像

数据类型:

小波分析用于计算2 d DWT,指定为一个特征向量或字符串标量。下面的小波的小波分析从一个家庭:Daubechies, Coiflets, Symlets, Fejer-Korovkin,离散Meyer,双正交的,反向双正交的。看到wfilters小波可在每个家庭。

小波分解低通滤波器,指定为一个就是实值向量。LoD必须是相同的长度吗

数据类型:

小波分解高通滤波器,指定为一个就是实值向量。必须是相同的长度吗LoD

数据类型:

扩展模式时使用执行DWT,指定为以下之一:

模式

DWT扩展模式

“zpd”

零扩展

“sp0”

平滑扩展秩序的0

“社会民主党”(或“sp1”)

订单1的平滑扩展

“符号”“symh”

对称扩展(点)一半:边界值对称复制

“symw”

对称扩展(重点):边界值对称复制

“asym”“asymh”

反对称扩展(一半点):边界值反对称复制

“asymw”

反对称扩展(重点):边界值反对称复制

“产后抑郁症”

周期化扩展(1)

“每”

周期化扩展(2)

如果信号长度是奇数,wextend增加了对额外的样品,等于最后一个值,并执行扩展使用“产后抑郁症”模式。否则,“每”减少到“产后抑郁症”。这个规则也适用于图像。

管理的全局变量dwtmode指定默认的扩展模式。

例子:(钙、cH、简历、cD) = dwt2 (x,‘db4’,‘模式’,‘symw’);

输出参数

全部折叠

近似系数,作为一个数组,其大小取决于返回X。让sx大小(X) =如果=分解滤波器的长度。

  • 如果DWT扩展模式设置为周期化,那么这个输出的大小装天花板(sx / 2)

  • 对于其他扩展模式,这个输出的大小地板((sx + lf-1) / 2)

数据类型:

水平的细节系数,作为一个数组,其大小取决于返回X。让sx大小(X) =如果=分解滤波器的长度。

  • 如果DWT扩展模式设置为周期化,那么这个输出的大小装天花板(sx / 2)

  • 对于其他扩展模式,这个输出的大小地板((sx + lf-1) / 2)

数据类型:

垂直细节系数,作为一个数组,其大小取决于返回X。让sx大小(X) =如果=分解滤波器的长度。

  • 如果DWT扩展模式设置为周期化,那么这个输出的大小装天花板(sx / 2)

  • 对于其他扩展模式,这个输出的大小地板((sx + lf-1) / 2)

数据类型:

对角细节系数,作为一个数组,其大小取决于返回X。让sx大小(X) =如果=分解滤波器的长度。

  • 如果DWT扩展模式设置为周期化,那么这个输出的大小装天花板(sx / 2)

  • 对于其他扩展模式,这个输出的大小地板((sx + lf-1) / 2)

数据类型:

算法

二维小波分解算法对图像类似于一维的情况。二维小波和扩展功能是通过一维小波的张量产品和扩展功能。下载188bet金宝搏这种二维DWT导致分解近似系数的水平j在四个组成部分:近似的水平j+ 1,细节在三个方向(水平、垂直、对角线)。下面的图表描述了图像的基本分解步骤。

在哪里

  • ——Downsample列:保持偶数列

  • - Downsample行:保持偶数行

  • ——卷积过滤器X的行条目

  • ——卷积过滤器X列的条目

初始化分解通过设置近似系数等于形象年代:cA0=年代

请注意

处理signal-end影响途径引入的一个算法,一维,二维DWT由使用一个全局变量dwtmode。这个变量定义所使用的信号扩展模式。可能的选项包括零填充和对称扩展,这是默认的模式。

引用

[1]Daubechies,英格丽德。十个专题小波。61年应用数学CBMS-NSF地区会议系列。费城,宾夕法尼亚州:工业与应用数学学会,1992年。

[2]Mallat,信号发生器”小波多分辨率信号分解的一个理论:表示。“IEEE模式分析与机器智能11日,没有。7(1989年7月):674 - 93。https://doi.org/10.1109/34.192463。

[3]Meyer Y。小波和运营商。由d·h·塞林格翻译。英国剑桥:剑桥大学出版社,1995年。

扩展功能

版本历史

之前介绍过的R2006a