主要内容

DWT2.

单级离散二维小波变换

页面上倒塌

句法

[ca，ch，cv，cd] = dwt2（x，wname）
[ca，ch，cv，cd] = dwt2（x，lod，hid）
[ca，ch，cv，cd] = dwt2（___，'mode'，extmode）

描述

DWT2.计算单级2-D小波分解。相比DWT2.和wavedec2.这对您的申请可能更有用。对特定小波进行分解（见Wfilters.有关更多信息）或特定小波分解过滤器。

例子

[加利福尼亚州那CH.那简历那光盘] = DWT2（X那Wname.）计算输入数据的单级2-D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和细节系数矩阵CH.那简历， 和光盘（分别是水平，垂直和对角线）。

例子

[加利福尼亚州那CH.那简历那光盘] = DWT2（X那l那隐藏）使用小波分解低通滤波器计算单级2-D DWTl和高通滤波器隐藏．分解过滤器必须具有相同的长度和偶数样本。

[加利福尼亚州那CH.那简历那光盘] = 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此参数。

笔记

为了GPUArray.输入，支持的模式是万博1manbetx'ysh'（'ysm'） 和'每'．全部“模式”选择除外'每'转换为'ysh'．看到这个例子GPU上的单级2-D离散小波变换．

例子

全部收缩

打开直播脚本

加载并显示图像。

加载女士ImageC（x）Colormap（地图）

使用订单4个SELF和周期性扩展获得图像的单级2-D离散小波变换。

[ca，ch，cv，cd] = dwt2（x，'符号4'那“模式”那'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”）

ImagesC（CA）标题（'近似系数'）

打开直播脚本

加载并显示图像。

加载雕塑ImagesC（x）ColorMap灰色的

为HAAR小波产生低通和高通分解滤波器。

[lod，hid] = wfilters（'哈尔'那'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。

[ca，ch，cv，cd] = dwt2（x，lod，hid，“模式”那'ysh'）;子图（2,2,1）ImageC（CA）Colormap灰色的标题（'近似'）子图（2,2,2）ImageC（CH）Colormap灰色的标题（'水平的'）子图（2,2,3）ImageC（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'）

此示例使用：

打开直播脚本

参考GPU通万博1manbetx过发布支持（并行计算工具箱）看看支持的GPU。万博1manbetx

加载一个图像。将图像放在GPU使用GPUArray.．保存当前的扩展模式。

加载面具imgg = gpuarray（x）;ORIGMODE = DWTMODE（'地位'那'nodisp'）;

用DWTMode.将扩展模式更改为零填充。使用使用的GPU上的图像的单级2-D DWTdb2小波。

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

当前的扩展模式zpd不受支持万博1manbetxGPUArray.输入。因此，DWT是使用轶事扩展模式。通过取DWT来确认这一点im使用扩展模式设置为轶事并与上一个结果进行比较。

[CASYM，CHSYM，CVSYM，CDSYM] = DWT2（IMGG，'db2'那“模式”那'ysm'）;[max（abs（ca（:)  -  casym（:)）max（abs（ch（：） -  chsym（:)））......max（abs（cv（：） -  cvsym（:)）max（abs（cd（：） -  cdsym（:)））]
ans = 0 0 0 0

将指定为输万博1manbetx入参数的不受支持的扩展模式转换为'ysm'．确认取的DWTim和“模式”设置为不支持的模式也默认万博1manbetx为轶事扩展模式。

[ca，ch，cv，cd] = dwt2（imgg，'db2'那“模式”那'spd'）;[max（abs（ca（:)  -  casym（:)）max（abs（ch（：） -  chsym（:)））......max（abs（cv（：） -  cvsym（:)）max（abs（cd（：） -  cdsym（:)））]
ans = 0 0 0 0

将当前扩展模式更改为定期。使用使用的GPU上的图像的单级DWTdb2小波。

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

确认当前的扩展模式每支持万博1manbetxGPUArray.输入。

[Caper，Chper，Cver，Cdper] = DWT2（IMGG，'db2'那“模式”那'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-3阵列表示TrueColor图像。有关TrueColor图像的更多信息，请参阅RGB（TrueColor）图像．

数据类型：单身的|双倍的|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.对于每个家庭中可用的小波。

小波分解低通滤波器，指定为偶数实值矢量。l必须与隐藏．

数据类型：双倍的|单身的

小波分解高通滤波器，指定为偶数实值矢量。隐藏必须与l．

数据类型：双倍的|单身的

执行DWT时使用的扩展模式指定为以下内容之一：

模式

DWT扩展模式
'ZPD'

零扩展
“sp0”

顺序延长订单0
'spd'（或者“sp1”）

顺利延长订单1
'ysm'或者'ysh'

对称扩展（半点）：边界值对称复制
'符号'

对称扩展（整点）：边界值对称复制
'是的或者“asymh”

反对称延伸（半点）：边界值反对称复制
'asmw'

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。除此以外，'每'减少到'ppd'．此规则也适用于图像。

由此管理的全局变量DWTMode.指定默认扩展模式。

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 = size（x）和lf =分解过滤器的长度。

  • 如果DWT扩展模式设置为周期化，则此输出大小CEIL（SX / 2）．

  • 对于其他扩展模式，此输出大小地板（（SX + LF-1）/ 2）．

数据类型：双倍的|单身的

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

  • 如果DWT扩展模式设置为周期化，则此输出大小CEIL（SX / 2）．

  • 对于其他扩展模式，此输出大小地板（（SX + LF-1）/ 2）．

数据类型：双倍的|单身的

垂直细节系数，作为数组返回，其大小取决于X．让sx = size（x）和lf =分解过滤器的长度。

  • 如果DWT扩展模式设置为周期化，则此输出大小CEIL（SX / 2）．

  • 对于其他扩展模式，此输出大小地板（（SX + LF-1）/ 2）．

数据类型：双倍的|单身的

对角线细节系数，作为大小取决于的数组返回X．让sx = size（x）和lf =分解过滤器的长度。

  • 如果DWT扩展模式设置为周期化，则此输出大小CEIL（SX / 2）．

  • 对于其他扩展模式，此输出大小地板（（SX + LF-1）/ 2）．

数据类型：双倍的|单身的

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。s manbetx 845这种二维小波变换导致在水平处的近似系数分解j在四个组件中：级别的近似值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：保持均匀索引的列

  • - DownSample行：保持均匀的行

  • -卷积与过滤器X条目的行

  • -卷积与过滤器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

要处理由基于卷积的算法引入的信号 - 结束效果，1-D和2-D DWT使用由此管理的全局变量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，Ingrid。在小波上的十次讲座．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。

[2] Mallat，S.G。“一种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(D. H. Salinger)翻译。英国剑桥:剑桥大学出版社，1995。

扩展能力

也可以看看

|||||||

在R2006A之前介绍

小波工具箱文档

万博1manbetx

尝试matlab，sim万博1manbetxulink等产品s manbetx 845

立即获得审判