主要内容

dwt2

单级离散二维小波变换

描述

dwt2计算单层二维小波分解。比较dwt2wavedec2这可能对您的应用程序更有用。分解是针对一个特定的小波(参见Wfilters.有关更多信息)或特定小波分解过滤器。

例子

[加利福尼亚州CH.简历光盘) = dwt2 (XWname.计算输入数据的单层二维离散小波变换(DWT)X使用Wname.小波。dwt2返回近似系数矩阵加利福尼亚州细节系数矩阵CH.简历,光盘(分别是水平,垂直和对角线)。

例子

[加利福尼亚州CH.简历光盘) = dwt2 (XLoD使用小波分解低通滤波器计算单级2-D DWTLoD和高通滤波器.分解过滤器必须具有相同的长度和偶数样本。

[加利福尼亚州CH.简历光盘) = dwt2 (___,'模式',EXTMODE.使用扩展模式计算单级2-D DWTEXTMODE..在所有其他参数之后包含这个参数。

笔记

为了gpuArray输入,支持的模式是金宝app'ysh''ysm'),'每'.全部“模式”选择除了'每'转换为'ysh'.看到这个例子基于GPU的单级二维离散小波变换

例子

全部收缩

加载并显示图像。

加载女士ImageC(x)Colormap(地图)

图中包含一个轴。轴包含一个图像类型的对象。

利用4阶小波和周期扩展对图像进行单级二维离散小波变换。

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

显示垂直细节系数和逼近系数。

显示亮度图像(cV)标题(“垂直细节系数”

图中包含一个轴。标题垂直细节系数的轴包含类型图像的对象。

显示亮度图像(cA)标题(“近似系数”

图中包含一个轴。标题为“近似系数”的轴包含一个类型图像对象。

加载并显示图像。

加载雕塑显示亮度图像(X) colormap灰色的

图中包含一个轴。轴包含一个图像类型的对象。

生成哈尔小波的低通和高通分解滤波器。

[lod,hid] = wfilters(“哈雾”' d ');

使用过滤器执行单级别的2-D小波分解。使用半点对称扩展。显示近似和细节系数。

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

图中包含4个轴。标题为近似的坐标轴1包含一个类型为image的对象。标题为“水平”的轴2包含一个图像类型的对象。标题为Vertical的坐标轴3包含一个图像类型的对象。标题为“对角线”的轴4包含一个类型为image的对象。

GPU支金宝app持版本(并行计算工具箱)看看支持的GPU。金宝app

加载一个图像。把图像放在GPU上使用gpuArray.保存当前的扩展模式。

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

DWTMode.将扩展模式更改为零填充。获取图形处理器上的图像单级二维DWTdb2小波。

dwtmode ('ZPD'“nodisp”)[ca,ch,cv,cd] = dwt2(imgg,“db2”);

当前扩展模式zpd不支持金宝appgpuArray输入。因此,DWT将使用信谊扩展模式。通过取DWT来确认这一点im使用扩展模式设置为信谊并与上一个结果进行比较。

[cAsym, cHsym cVsym cDsym] = dwt2 (imgg,“db2”“模式”'ysm');(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

将指定为输金宝app入参数的不受支持的扩展模式转换为'ysm'.确认取DWTim“模式”设置为不支持的模式也默认金宝app为信谊扩展模式。

(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

修改当前扩展模式为周期扩展。获取图形处理器上的图像的单层DWTdb2小波。

dwtmode ('每'“nodisp”)[ca,ch,cv,cd] = dwt2(imgg,“db2”);

确认当前的扩展模式支持金宝appgpuArray输入。

[Caper,Chper,Cver,Cdper] = DWT2(IMGG,“db2”“模式”'每');[max(abs(ca(:)  -  caper(:))max(abs(ch(:) - 湿湿(:)))...MAX(ABS(CV(:) -  CVPER(:)))MAX(ABS(CD(:) -  CDPER(:)))]
Ans = 0 0 0 0

将扩展模式恢复为原始设置。

dwtmode(origmode,“nodisp”

输入参数

全部收缩

输入数据,指定为数字或逻辑阵列。X可以是一个m——- - - - - -N表示索引图像或索引的数组m——- - - - - -N表示真彩色图像的-by-3数组。有关真彩色图像的更多信息,请参见RGB(真彩)图像

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

分析用于计算2-D DWT的小波,指定为字符向量或字符串标量。分析小波来自以下小波家族之一:Daubechies,Coiflet,Symlet,Fejér-Korovkin,离散Meyer,Biorthogong和反向双正交。看Wfilters.对于每个家庭的小波。

小波分解低通滤波器,指定为偶数长度实值向量。LoD必须和

数据类型:|

小波分解高通滤波器,指定为偶数长度实值向量。必须和LoD

数据类型:|

执行DWT时使用的扩展模式,指定为以下之一:

模式

DWT扩展模式

'ZPD'

零扩展

“sp0”

阶0的平滑扩展

“社会民主党”(或者“sp1”

阶1的平滑扩展

'ysm''ysh'

对称扩展(半点):边界值对称复制

“symw”

对称扩展(整点):边值对称复制

“asym”“asymh”

反对称延伸(半点):边界值反对称复制

“asymw”

反对称延伸(整点):边界值反对称复制

'ppd'

延长(1)

'每'

周期化扩展(2)

如果信号长度是奇数,we添加到右额外的样本等于最后一个值,并使用该示例使用'ppd'模式。否则,'每'减少到'ppd'.此规则也适用于图像。

被管理的全局变量DWTMode.指定默认的扩展方式。

例子:[ca,ch,cv,cd] = dwt2(x,'db4','mode','symw');

输出参数

全部收缩

近似系数,作为大小取决于的数组X.让sx大小(X) =如果=分解过滤器的长度。

  • 如果DWT扩展模式被设置为周期化,那么这个输出是有大小的装天花板(sx / 2)

  • 对于其他扩展模式,此输出大小相同地板((SX + LF-1)/ 2)

数据类型:|

水平细节系数,返回为大小取决于的数组X.让sx大小(X) =如果=分解过滤器的长度。

  • 如果DWT扩展模式被设置为周期化,那么这个输出是有大小的装天花板(sx / 2)

  • 对于其他扩展模式,此输出大小相同地板((SX + LF-1)/ 2)

数据类型:|

垂直细节系数,作为一个数组返回,其大小取决于X.让sx大小(X) =如果=分解过滤器的长度。

  • 如果DWT扩展模式被设置为周期化,那么这个输出是有大小的装天花板(sx / 2)

  • 对于其他扩展模式,此输出大小相同地板((SX + LF-1)/ 2)

数据类型:|

对角细节系数,作为一个数组返回,其大小取决于X.让sx大小(X) =如果=分解过滤器的长度。

  • 如果DWT扩展模式被设置为周期化,那么这个输出是有大小的装天花板(sx / 2)

  • 对于其他扩展模式,此输出大小相同地板((SX + LF-1)/ 2)

数据类型:|

算法

图像的二维小波分解算法类似于一维情况。利用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DWT导致了近似系数在层次上的分解j在四个部分:水平上的近似j+ 1,以及三个方向的细节(水平,垂直和对角线)。以下图表描述了图像的基本分解步骤。

在哪里

  • —Downsample列:保持偶数索引列

  • - DownSample行:保持均匀的行

  • -与滤波器卷积X条目的行数

  • -与滤波器卷积X条目的列

通过设置等于图像的近似系数来初始化分解S.加利福尼亚州0.=S.

笔记

为了处理基于卷积的算法引入的信号端效应,一维和二维DWT使用全局变量管理DWTMode..此变量定义了所用信号扩展模式的种类。可能的选项包括零填充和对称扩展,即默认模式。

参考文献

[1] Daubechies,英格丽德。关于小波的十讲.CBMS-NSF地区会议系列应用数学61.费城,帕:工业和应用数学协会,1992年。

<多分辨率信号分解理论:小波表示>。图案分析和机器智能的IEEE交易11,不。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:剑桥大学出版社,1995。

扩展功能

之前介绍过的R2006a