lwt2
描述
例子
提升小波变换的二维数据
加载和显示xbox的形象。
负载xbox显示亮度图像(xbox)
获得图像的二维轻型使用默认设置。
(噢,lh,霍奇金淋巴瘤,hh) = lwt2 (xbox);
显示第一层细节系数。
次要情节(1、3、1)显示亮度图像(lh{1})标题(“水平”次要情节(1、3、2)显示亮度图像(hl{1})标题(“垂直”次要情节(1,3,3)显示亮度图像(hh{1})标题(“对角线”)
提升小波变换的RGB图像使用提升方案
加载一个RGB图像。RGB图像也被称为真彩的形象。的形象是一个三维数组类型uint8。
x = imread (“ngc6543a.jpg”);图像(x)
创建相关的吊装方案bior3.7小波。获得图像的3级轻型使用吊装方案。保持整数值数据。
= 3级;lScheme = liftingScheme (“小波”,“bior3.7”);(噢,lh,霍奇金淋巴瘤,hh) = lwt2 (x, LiftingScheme = lScheme =级水平,Int2Int = true);
确认近似系数都是整型值。选择一个级别并确认所有的细节系数这一水平是整数价值。
approxDiffs = ll-floor (ll);马克斯(abs (approxDiffs (:)))
ans = 0
列弗= 2;horizDiffs = lh{列弗}地板(lh{列弗});vertDiffs = hl{列弗}地板(hl{列弗});diagDiffs = hh{列弗}地板(hh{列弗});(max (abs (horizDiffs(:)))马克斯(abs (vertDiffs(:)))马克斯(abs (diagDiffs (:))))
ans =1×30 0 0
重建图像使用的红色和蓝色分量系数。显示重建。
拉兹=你;拉兹(::2)= 0;为k = 1:级lhx {k} = lh {k};hlx {k} = hl {k};hhx {k} = hh {k};lhx {k} (:: 2) = 0;hlx {k} (:: 2) = 0;hhx {k} (:: 2) = 0;结束xrec = ilwt2(拉兹,lhx、hlx hhx, LiftingScheme = lScheme Int2Int = true);显示亮度图像(uint8 (xrec)标题(“重建”)
确认整数价值重建。
recDiffs = xrec-floor (xrec);马克斯(abs (recDiffs (:)))
ans = 0
输入参数
输出参数
算法
在每个阶段的二维小波分解,近似系数的水平j分解为四个部分:近似的水平j+ 1和细节在三个方向(水平、垂直、对角线)。每个组件是卷积的结果的行和列的水平j近似与适当的低通和高通滤波器的组合,LoD和藏分别,其次是将采样:
近似,行和列的低通滤波器卷积(
噢)水平——与低通滤波器卷积行,列和卷积高通滤波器(
韩)垂直行用高通滤波器卷积,卷积列和一个低通滤波器(
霍奇金淋巴瘤)对角线,缠绕的行和列一个高通滤波器(
hh)
下面的图表描述了基本分解步骤。
在哪里
——Downsample列:保持偶数列
- Downsample行:保持偶数行
——卷积与过滤条目的行X
——列条目的卷积过滤器X
初始化分解通过设置近似系数等于形象年代:cA0=年代。
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]斯特朗、吉尔伯特和Truong阮。小波和过滤器银行。启。韦尔斯利,质量:Wellesley-Cambridge出版社,1997年。
[4]Sweldens,维姆·。“提升方案:建设第二代小波。”暹罗在数学分析》杂志上29日,没有。2(1998年3月):511 - 46所示。https://doi.org/10.1137/S0036141095289051。
