1. 全栈程序员必看首页

图像的变换——dwt、idwt、wcodemat、dwt2、idwt2、wavedec2、waverec2

全栈程序员-站长 • • 未分类 • 阅读 10

图像的变换——dwt、idwt、wcodemat、dwt2、idwt2、wavedec2、waverec2文章目录三、图像小波变换1.一维小波变换dwt函数idwt函数2.二维小波变换wcodemat函数dwt2函数wavedec2函数idwt2函数waverec2函数三、图像小波变换1.一维小波变换dwt函数idwt函数2.二维小波变换wcodemat函数dwt2函数wavedec2函数idwt2函数waverec2函数…

大家好，又见面了，我是你们的朋友全栈君。

文章目录

图像小波变换

一、一维小波变换

1. dwt函数

功能： 单级一维离散小波变换
句法：

  • [cA,cD] = dwt(x,wname)
    使用小波’wname’对信号X进行单层分解，求得的近似系数存放在数组cA中，细节系数存放在数组cD中
  • [cA,cD] = dwt(x,LoD,HiD)
    分别使用指定的低通和高通滤波器计算小波分解
  • [cA,cD] = dwt(…,‘mode’,extmode)
    使用指定的扩展模式计算小波分解。MODE是包含扩展模式的字符串。

代码示例：

%装载一维原始信号 
load noissin;%带噪声的正弦信号   
s=noissin(1:1000); %取信号的前1000个采样点
%画出原始信号的波形 
subplot(411);plot(s);  %函数subplot的作用是在标定位置上建立坐标系 
title('原始信号'); 
%下面用haar小波函数进行一维离散小波变换 
[ca1,cd1]=dwt(s,'haar'); 
subplot(4,2,3);plot(ca1); axis tight;%自动设置x轴和y轴的范围使图形区域正好占满整个显示空间
ylabel('haar(ca1)'); 
subplot(4,2,4);plot(cd1); axis tight;
ylabel('haar(cd1)'); 
%给定一个小波db2,计算与之相关的分解滤波器 
[Lo_D,Hi_D]=wfilters('db2','d'); 
%用分解滤波器Lo_D,Hi_D计算信号s的离散小波分解系数 
[ca2,cd2]=dwt(s,Lo_D,Hi_D); 
subplot(4,2,5);plot(ca2); axis tight;
ylabel('db2(ca2)'); 
subplot(4,2,6);plot(cd2); axis tight;
ylabel('db2(cd2)');

结果显示：
在这里插入图片描述
代码示例：

load noissin;  %装载信号 
s=noissin(1:1000); 
ls=length(s);  %计算信号点的个数ls 
%对s进行一维连续小波变换，把返回系数存到矩阵w中 
w=cwt(s,[12.12,10.24,15.48,1.2,2:2:10],'db3','plot');   
xlabel('时间'); 
ylabel('变换尺度'); 
title('对应于尺度a=12.12,10.24,15.48,1.2,2,4,6,8,10小波变换系数的绝对值');

结果显示：
在这里插入图片描述

2.idwt函数

功能： 单级逆离散一维小波变换
句法：

  • x = idwt(cA,cD,’wname‘)
    返回基于近似和细节系数向量CA和CD，并使用小波“wname”的单层重构近似系数向量X

代码示例：

load noisdopp;% 装载信号
[A,D] = dwt(noisdopp,'sym4');%使用Symlet(symN)小波
x = idwt(A,D,'sym4');
max(abs(noisdopp-x))

运行结果：
在这里插入图片描述

  • x = idwt(cA,cD,LoR,HiR)
    如上所述，使用指定的过滤器进行重建：
    LoR是重构低通滤波器。
    HiR是重建高通滤波器。
    LoR和HiR的长度必须相同。

代码示例：

load noisdopp;
[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('bior3.5');
%返回与正交或双正交小波wname关联的四个低通和高通、分解和重建滤波器。
[A,D] = dwt(noisdopp,Lo_D,Hi_D);
x = idwt(A,D,Lo_R,Hi_R);
max(abs(noisdopp-x))

运行结果：
在这里插入图片描述

  • x = idwt(…,l)
    返回使用idwt（CA，CD，‘wname’）获得的结果的长度为L的中心部分。L必须小于X的长度。
  • x = idwt(…,‘mode’,mode)
    使用指定的扩展模式计算小波重构。
  • x = idwt(cA,[],…)
    返回基于近似系数向量CA的单层重构近似系数向量X。
  • x = idwt([],cD,…)
    返回基于近似系数向量CD的单层重构近似系数向量X。

二、二维小波变换

1.wcodemat函数

功能： 扩展的伪彩色矩阵缩放折叠全部页面
句法：

  • Y = wcodemat(X)
    将矩阵X重新缩放为[1,16]范围内的整数。

代码示例：

X = [100 110 130;112 115 116;45 164 45];
disp(X);
Y = wcodemat(X);
disp(Y);

运行结果：
在这里插入图片描述

  • Y = wcodemat(X,NBCODES)
    将输入重新缩放X为[1，NBCODES]范围内的整数。

代码示例：

X = [100 110 255;112 115 116;45 164 45];
disp(X);
Y = wcodemat(X,150);
disp(Y);

运行结果：
在这里插入图片描述

  • Y = wcodemat(X,NBCODES,OPT)
    沿OPT指定的维度重新缩放矩阵。OPT可以是：“column”（或“c”）、“row”（或“r”）和“mat”（或“m”）之一。“column”按行缩放X，“row”按列缩放X，“mat”按全局缩放X。OPT的默认值为“mat”。

代码示例：

X = imread('rabbit.jpg');
subplot(221);X = rgb2gray(X);imshow(X);
subplot(222);Y = wcodemat(X,150,'c');imshow(Y);
subplot(223);Y = wcodemat(X,150,'r');imshow(Y);
subplot(224);Y = wcodemat(X,150,'m');imshow(Y);

运行结果：
在这里插入图片描述

  • Y = wcodemat(X,NBCODES,OPT,ABSOL)
    如果绝对值为非零则根据X中条目的绝对值重新调整输入矩阵X、或者当绝对值等于零时基于X的符号值来重新调整输入矩阵X。绝对值默认为1。

代码示例：

X = imread('girl.jpg');
subplot(221);X = rgb2gray(X);imshow(X);
subplot(222);Y = wcodemat(X,150,'r',0);imshow(Y);
subplot(223);Y = wcodemat(X,150,'r',5);imshow(Y);
subplot(224);Y = wcodemat(X,150,'r',-1);imshow(Y);

运行结果：
在这里插入图片描述

2.dwt2函数

  • [CA,CH,CV,CD] = dwt2(X,‘wname’)
    计算通过输入矩阵X的小波分解获得的近似系数矩阵CA和细节系数矩阵CH，CV，CD。’“wname”是包含小波名称的字符串。
  • [CA，CH，CV，CD] = dwt2(X,Lo_D,Hi_D)
    计算二维小波,使用指定的过滤器作为输入进行上述分解：
    Lo_D是分解低通滤波器。
    Hi_D是分解高通滤波器。
    Lo_D和Hi_D的长度必须相同。
  • [CA，CH，CV，CD] = dwt2(…,‘mode’,MODE)

代码示例：

X = imread('rabbit.jpg');
X = rgb2gray(X);
[LoD,HiD] = wfilters('haar','d');%小波滤波器
[cA,cH,cV,cD] = dwt2(X,LoD,HiD,'mode','symh');
subplot(2,2,1);
imagesc(cA);%使用缩放颜色显示图像
colormap gray;%将当前图窗的颜色图设置为预定义的颜色图之一
title('Approximation')%近似系数矩阵
subplot(2,2,2);imagesc(cH);colormap gray;title('Horizontal');%水平系数矩阵
subplot(2,2,3);imagesc(cV);colormap gray;title('Vertical');%垂直系数矩阵
subplot(2,2,4);imagesc(cD);colormap gray;title('Diagonal')%对角系数矩阵

运行结果：
在这里插入图片描述

3.idwt2函数

功能： 二维离散小波反变换
格式：

  • X=idwt2(cA,cH,cV,cD,‘wname’)
    由信号小波分解的近似信号 cA 和细节信号cH、cH、cV、cD 经小波反变换重构原信号 X ；

代码示例：

[X,map] = imread('girl.jpg');
X = rgb2gray(X);
[cA,cH,cV,cD]=dwt2(X,'haar');
Y=idwt2(cA,cH,cV,cD,'haar');%单尺度二维离散小波重构(逆变换)
subplot(1,2,1),imshow(X,map),title('原始图像');
subplot(1,2,2),imshow(Y,map),title('重构图像');

运行结果：
在这里插入图片描述

  • X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R)
    使用指定的重构低通和高通滤波器 Lo_R 和 Hi_R 重构原信号 X ；

代码示例：

X = imread('rabbit.jpg');
X = rgb2gray(X);
[Lo_D,Hi_D]=wfilters('db2','d'); 
[cA,cH,cV,cD]=dwt2(X,Lo_D,Hi_D);
%单尺度二维离散小波重构(逆变换)
A=idwt2(cA,cH,cV,cD,Lo_D,Hi_D);
subplot(1,2,1);imshow(X);title('原图');
subplot(1,2,2),imshow(uint8(A)),title('重构图');

运行结果：
在这里插入图片描述

  • X=idwt2(cA,cH,cV,cD,‘wname’,S) 和 X=idwt2(cA,cH,cV,cD,Lo_R,Hi_R,S)
    返回中心附近的 S 个数据点

代码示例：

X = imread('rabbit.jpg');
X = rgb2gray(X);
[cA,cH,cV,cD]=dwt2(X,'haar');
%单尺度二维离散小波重构(逆变换)
A=idwt2(cA,[],[],[],'haar');
H=idwt2([],cH,[],[],'haar');
V=idwt2([],[],cV,[],'haar');
D=idwt2([],[],[],cD,'haar');
imshow(X);
figure;
subplot(2,2,1),imshow(uint8(A)),title('低频重构图');
subplot(2,2,2),imshow(uint8(H)),title('水平高频重构图');
subplot(2,2,3),imshow(uint8(V)),title('竖直高频重构图');
subplot(2,2,4),imshow(uint8(D)),title('对角高频重构图');

运行结果：
在这里插入图片描述

4.wavedec2函数

功能： 二维小波分解
句法：

  • [C,S] = wavedec2(X,N,wname)
    返回矩阵X在N级的小波分解，使用字符串“wname”中命名的小波。输出是分解向量C和相应的记账矩阵S。

代码示例：

I = imread('girl.jpg');
[C,S]=wavedec2(I,2,'haar');
disp(size(C));
disp(size(S));

运行结果：
在这里插入图片描述

  • [C,S] = wavedec2(X,N,LoD,HiD)

代码示例：

I = imread('girl.jpg');
[LoD,HiD] = wfilters('haar','d');
[C,S]=wavedec2(I,2,LoD,HiD);
disp(size(C));
disp(size(S));

运行结果：
在这里插入图片描述

5.waverec2函数

功能：
语法：

  • x = waverec2(c,s,wname)
    基于多级小波分解结构[C，S]重构矩阵X。‘wname’ 为使用的小波基函数；

代码示例：

[X,map] = imread('girl.jpg');
X = rgb2gray(X);
[c,s]=wavedec2(X,2,'haar');%进行2尺度二维离散小波分解。分解小波函数haar
%多尺度二维离散小波重构(逆变换)
Y=waverec2(c,s,'haar');
figure;
subplot(1,2,1),imshow(X,map),title('原始图像');
subplot(1,2,2),imshow(Y,map),title('重构图像');

结果显示：
在这里插入图片描述

  • x = waverec2(c,s,LoR,HiR)
    使用重构低通和高通滤波器LoR和 HiR重构原信号。

代码示例：

[X,map] = imread('girl.jpg');
X = rgb2gray(X);
[Lo_D,Hi_D]=wfilters('db2','d'); 
[c,s]=wavedec2(X,2,'haar');%进行2尺度二维离散小波分解
Y=waverec2(c,s,Lo_D,Hi_D);
figure;
subplot(1,2,1),imshow(X,map),title('原始图像');
subplot(1,2,2),imshow(Y,map),title('重构图像');

结果显示：
在这里插入图片描述

三、相关单词

wavelet 小波
decomposition 分解
approximation 近似值
coefficient 系数
discrete 离散的
low-pass filter 低通滤波器
high-pass filter 高通滤波器
orthogonal 正交的

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。

发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/163775.html原文链接：https://javaforall.net

赞 (0)
0 0

关于作者

全栈程序员-站长的头像

全栈程序员-站长

133.5K 文章
3 粉丝
本网站汇聚当前互联网主流语音，持续更新，欢迎关注公众号“全栈程序员社区”
上一篇 2022年7月23日 下午11:46
下一篇 2022年7月23日 下午11:46


相关推荐

  • 《哈佛大学幸福课》笔记

    《哈佛大学幸福课》笔记

    《哈佛大学幸福课》笔记题外话：2020.7.25-2021.4.24，视频总时长29小时，看了9个月才看完。刚看的时候又是老毛病急于求成，想一口气看完，结果到8月底看到第4课就放弃了，9月整整中断了一个月，10月才重新拾起来。拾起来也是定了个计划，慢下来，每周只看50分钟，上课做笔记记下最有感触的知识，用一年的时间看完，这样才慢慢坚持了下来。花了大概4个小时整理笔记。这门课一共分为10章，每章一个主题。B站最多播放量视频和网易云课堂上的都是33堂课的版本，给每堂课又都分别起了个名字，很混乱且让人觉得莫名其妙，凸现不了主题，这也

    全栈程序员-站长的头像 全栈程序员-站长
    2022年7月18日
    23
  • 外网访问内网的FTP服务器

    外网访问内网的FTP服务器

    外网访问内网的FTP服务器1 背景简介最近研究如何在内网搭架 FTP 服务器 同时要保证外网 公网 能访问的到 终成正果 但走了一些弯路 在此记下 以飨后人 2 基础知识 FTP 使用 2 个端口 一个数据端口和一个命令端口 也叫做控制端口 这两个端口一般是 21 命令端口 和 20 数据端口 当然你也可以自定义 控制 Socket 用来传送命令 数据 Socket 是用于传送数据 每一个 FTP 命令发送之后

    全栈程序员-站长的头像 全栈程序员-站长
    2026年3月18日
    2
  • 10月最新Curosr无限续杯教程：Claude4.5Max+免魔法 cursor

    10月最新Curosr无限续杯教程：Claude4.5Max+免魔法

    10月最新Curosr无限续杯教程：Claude4.5Max+免魔法

    Ai探索者的头像 Ai探索者
    2026年3月16日
    5
  •  到底什么作用

     到底什么作用

     到底什么作用

    全栈程序员-站长的头像 全栈程序员-站长
    2021年9月22日
    53
  • 一阶惯性环节的性能分析——自动控制原理基础补充（二）

    一阶惯性环节的性能分析——自动控制原理基础补充（二）

    一阶惯性环节的性能分析——自动控制原理基础补充（二）以前读书的时候学习自动控制原理，就是为了考试，各种相频幅频特性题咣咣做，一点都不含糊，但是实际代表什么意义一点都不知道。现在真是发现，这个东西有用得一批。这篇文章从一阶惯性环节为切入点，对自动控制原理进行一个简单的复习。还蛮喜欢博客里面写东西的，按照自己思路，按照逻辑一点一点往下，不像发文章八股文一样。1一阶惯性环节的bode图对于这个非常常见的一阶惯性系统而言，其关键指标就是截止频率。截止频率的定义：从频域响应的角度讲，当保持输入信号的幅度不变，改变频率使输出信号降至最大值的0.707倍

    全栈程序员-站长的头像 全栈程序员-站长
    2022年10月5日
    5
  • RGBA含义

    RGBA含义

    RGBA含义RGBA 范例 RGBA 是代表 Red 红色 Green 绿色 Blue 蓝色 和 Alpha 的色彩空间 alpha 通道一般用作不透明度参数 如果一个像素的 alpha 通道数值为 0 就是完全透明的 为 100 完全不透明

    全栈程序员-站长的头像 全栈程序员-站长
    2026年3月19日
    3

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号