主要内容

idwt2

单层反离散二维小波变换

折叠整个页面

    语法

    x = idwt2 (cA, cH,简历,cD, wname)
    x = idwt2 (cA, cH,简历,cD,生气,雇佣)
    x = idwt2 (＿＿＿,年代)
    x = idwt2 (＿＿＿、“模式”模式)
    x = idwt2 (cA ,[],[],[],＿＿＿）
    cH, x = idwt2 ([] [], [],＿＿＿）
    x = idwt2([][],简历,[],＿＿＿）
    x = idwt2 ([],[],[], cD,＿＿＿）

    描述

    例子

    x= idwt2 (cA，cH，简历，cD，wname）基于近似矩阵进行二维小波重构cA矩阵和细节cH，简历,cD(水平的、垂直的和对角线的)，使用指定的小波wname．有关其他信息，请参见dwt2．

    让sa =大小(cA) =大小(cH) =大小(简历) =大小(cD）,让低频等于所关联的重构滤波器的长度wname．如果将DWT扩展模式设置为周期化，则x，sx等于2 * sa．对于其他扩展模式，sx = 2 * sa-lf + 2．有关其他信息，请参见dwtmode．

    x= idwt2 (cA，cH，简历，cD，生气,雇佣）使用指定的低通和高通小波重构滤波器不要生气和HiR,分别。

    x= idwt2 (＿＿＿，年代）收益的大小,年代重构的中心部分，使用前面的任何语法。

    x= idwt2 (＿＿＿“模式”,模式）使用指定的扩展模式计算小波重构模式．有关其他信息，请参见dwtmode．此语法可以与前面的任何语法一起使用。

    x= idwt2 (cA,[],[],[],＿＿＿）返回单层重构近似系数矩阵x基于近似系数矩阵cA．

    x= idwt2 ([]cH[] [],＿＿＿）返回单层重构近似系数矩阵x基于水平细部系数矩阵cH．

    x= idwt2 ([] [],简历[],＿＿＿）返回单层重构近似系数矩阵x基于竖向细部系数矩阵简历．

    例子

    x= idwt2 ([],[],[],cD，＿＿＿）返回单层重构近似系数矩阵x基于对角细部系数矩阵cD．

    例子

    全部折叠

    打开生活的脚本

    加载一个图像。

    负载女人谁X
    名称大小字节类属性X 256x256 524288双

    工作空间变量X包含图像。的单级小波分解X使用db4小波。

    (cA1、cH1 cV1 cD1] = dwt2 (X,“db4”）;

    反分解X使用第1级的系数。

    A0 = idwt2 (cA1、cH1 cV1, cD1、“db4”）;

    检查是否有完美的重建。

    马克斯(abs (X (:) a0 (:)))
    ans = 3.4171平台以及
    打开生活的脚本

    加载一个图像。

    负载格子呢显示亮度图像(X) colormap(灰色)

    图包含一个坐标轴对象。轴线对象包含一个图像类型的对象。

    方法执行单级小波分解db4小波。

    (钙、cH、简历、cD) = dwt2 (X,“db4”）;

    仅利用对角细节系数得到小波重构。

    xrecD = idwt2 ([],[],[], cD,“db4”）;

    获得第二次小波重构，这一次使用水平和对角细节系数。

    xrecHD = idwt2 ([] [], cH, cD,“db4”）;

    显示重建。

    次要情节(1、2、1)显示亮度图像(xrecD)标题(“对角线”) subplot(1,2,2) imagesc(xrecHD) title(“Horizontal-Diagonal”) colormap(灰色)

    图中包含2个轴对象。标题为“对角”的坐标轴对象1包含一个图像类型的对象。标题为水平对角线的轴对象2包含一个图像类型的对象。

    输入参数

    全部折叠

    近似系数，指定为一个数组。cA期望的输出是dwt2．

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    水平细节系数，指定为数组。cD期望的输出是dwt2．

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    垂直细节系数，指定为数组。简历期望的输出是dwt2．

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    对角细节系数，指定为一个数组。cD期望的输出是dwt2．

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    小波，指定为字符向量或字符串标量。idwt2金宝app只支持正交或双正交小波。看到wfilters对于正交小波和双正交小波的列表。

    指定的小波必须是相同的小波用于获得近似和细节系数。

    小波重构滤波器，指定为一对偶数长度实值向量。不要生气低通重构滤波器，和HiR为高通重构滤波器。的长度不要生气和HiR必须是相等的。看到wfilters额外的信息。

    数据类型:单|双

    要返回的重构中心部分的大小，指定为两个正整数元素向量。年代必须小于sx，大小x．

    数据类型:单|双

    小波重构中使用的DWT扩展模式，指定为字符向量或字符串标量。有关可能的扩展模式，请参见dwtmode．

    提示

    • 如果cA，cH，简历,cD是从索引图像分析或真彩色图像分析中获得的，它们是米——- - - - - -N矩阵或米——- - - - - -N分别3数组。有关图像格式的更多信息，请参见图像和imfinfo．

    算法

    图像的二维小波重构算法类似于一维情况。通过取一维小波和尺度函数的张量积，得到二维小波和尺度函数。下载188bet金宝搏这种二维逆DWT导致在水平上重构近似系数j从四个分量:近似水平j+1，以及三个方向的细节(水平，垂直和对角)。下图描述了图像的基本重建步骤。

    在哪里

    • -上样本列:在奇数索引列插入零

    • -上行样本行:在奇数索引的行插入0

    • -与过滤器卷积X元素的行数

    • -与过滤器卷积X条目的列

    参考文献

    [1] Daubechies,英格丽德。关于小波的十讲．CBMS-NSF应用数学区域会议系列61。费城，宾州:工业和应用数学学会，1992年。

    多分辨率信号分解的理论:小波表示>。IEEE模式分析与机器智能汇刊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．D. H.塞林格翻译。英国剑桥:剑桥大学出版社，1995年。

    扩展功能

    另请参阅

    ||

    之前介绍过的R2006a

    小波工具箱文档

    金宝app

    尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

    得到审判现在