idwt2

Одноуровневый обратный дискретный 2D вейвлет преобразовывает

    Описание

    пример

    x = idwt2(cA,cH,cV,cD,wname) выполняет одноуровневую двумерную реконструкцию вейвлета на основе матрицы приближения cA и матрицы деталей cH, cV, и cD (горизонталь, вертикальная, и диагональная, соответственно), использование вейвлета задано wname. Для получения дополнительной информации смотрите dwt2.

    Позвольте sa = размер (cA) = размер (cH) = размер (cV) = размер (cD), и позвольте lf равняйтесь длине фильтров реконструкции, сопоставленных с wname. Если дополнительный режим DWT установлен в periodization, размер x, sx равно 2*sa. Для других дополнительных режимов, sx = 2*sa-lf+2. Для получения дополнительной информации смотрите dwtmode.

    x = idwt2(cA,cH,cV,cD,LoR,HiR) использует заданный lowpass, и highpass реконструкция вейвлета фильтрует LoR и HiR, соответственно.

    x = idwt2(___,s) возвращает размер-s центральный фрагмент реконструкции с помощью любого из предыдущих синтаксисов.

    x = idwt2(___,'mode',mode) вычисляет реконструкцию вейвлета с помощью заданного дополнительного режима mode. Для получения дополнительной информации смотрите dwtmode. Этот синтаксис может использоваться с любым из предыдущих синтаксисов.

    x = idwt2(cA,[],[],[],___) возвращает одноуровневую восстановленную содействующую матрицу приближения x на основе содействующей матрицы приближения cA.

    x = idwt2([],cH,[],[],___) возвращает одноуровневую восстановленную содействующую матрицу приближения x на основе горизонтальной содействующей матрицы детали cH.

    x = idwt2([],[],cV,[],___) возвращает одноуровневую восстановленную содействующую матрицу приближения x на основе вертикальной содействующей матрицы детали cV.

    пример

    x = idwt2([],[],[],cD,___) возвращает одноуровневую восстановленную содействующую матрицу приближения x на основе диагональной содействующей матрицы детали cD.

    Примеры

    свернуть все

    Загрузите изображение.

    load woman
    whos X
      Name        Size              Bytes  Class     Attributes
    
      X         256x256            524288  double              
    

    Переменная X рабочей области содержит изображение. Выполните одноуровневое разложение вейвлета X используйте db4 вейвлет.

    [cA1,cH1,cV1,cD1] = dwt2(X,'db4');

    Инвертируйте разложение X использование коэффициентов на уровне 1.

    A0 = idwt2(cA1,cH1,cV1,cD1,'db4');

    Проверяйте на совершенную реконструкцию.

    max(abs(X(:)-A0(:)))
    ans = 3.4174e-10
    

    Загрузите изображение.

    load tartan
    imagesc(X)
    colormap(gray)

    Выполните одноуровневое разложение вейвлета с помощью db4 вейвлет.

    [cA,cH,cV,cD] = dwt2(X,'db4');

    Получите реконструкцию вейвлета с помощью только диагональные коэффициенты детали.

    xrecD = idwt2([],[],[],cD,'db4');

    Получите вторую реконструкцию вейвлета, на этот раз с помощью горизонтальных и диагональных коэффициентов детали.

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

    Отобразите обе реконструкции.

    subplot(1,2,1)
    imagesc(xrecD)
    title('Diagonal')
    subplot(1,2,2)
    imagesc(xrecHD)
    title('Horizontal-Diagonal')
    colormap(gray)

    Входные параметры

    свернуть все

    Коэффициенты приближения в виде массива. cA как ожидают, будет выходом dwt2.

    Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    Горизонтальные коэффициенты детали в виде массива. cD как ожидают, будет выходом dwt2.

    Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    Вертикальные коэффициенты детали в виде массива. cV как ожидают, будет выходом dwt2.

    Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    Диагональные коэффициенты детали в виде массива. cD как ожидают, будет выходом dwt2.

    Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

    Вейвлет в виде вектора символов или строкового скаляра. idwt2 поддержки только ортогональные или биоортогональные вейвлеты. Смотрите wfilters для списка ортогональных и биоортогональных вейвлетов.

    Заданный вейвлет должен быть тем же вейвлетом, раньше получал приближение и детализирует коэффициенты.

    Реконструкция вейвлета фильтрует в виде пары ровной длины векторы с действительным знаком. LoR фильтр реконструкции lowpass и HiR highpass фильтр реконструкции. Длины LoR и HiR должно быть равным. Смотрите wfilters для получения дополнительной информации.

    Типы данных: single | double

    Размер центрального фрагмента реконструкции, чтобы возвратиться в виде двух векторов элемента из положительных целых чисел. s должен быть меньше sx, размер x.

    Типы данных: single | double

    Режим расширения DWT, используемый в реконструкции вейвлета в виде вектора символов или строкового скаляра. Для возможных дополнительных режимов смотрите dwtmode.

    Советы

    • Если cA, cH, cV, и cD получены из индексируемого анализа изображения или анализа изображения истинного цвета, они - M-by-N матрицы или M-by-N-by-3 массивы, соответственно. Для получения дополнительной информации о форматах изображения смотрите image и imfinfo.

    Алгоритмы

    2D алгоритм реконструкции вейвлета для изображений похож на одномерный случай. Двумерный вейвлет и масштабирующиеся функции получены путем взятия продуктов тензора одномерного вейвлета и масштабирования функций. Этот вид двумерного обратного DWT приводит к реконструкции коэффициентов приближения на уровне j от четырех компонентов: приближение на уровне j +1 и детали в трех ориентациях (горизонталь, вертикальная, и диагональная). Следующий график описывает основные шаги реконструкции для изображений.

    где

    • — Сверхдискретизируйте столбцы: вставьте нули в нечетных индексированных столбцах

    • — Сверхдискретизируйте строки: вставьте нули в нечетно индексированных строках

    • — Примените операцию свертки с фильтром X строки записи

    • — Примените операцию свертки с фильтром X столбцы записи

    Ссылки

    [1] Daubechies, Ингрид. Десять лекций по вейвлетам. CBMS-NSF региональный ряд конференции в прикладной математике 61. Филадельфия, Па: общество промышленной и прикладной математики, 1992.

    [2] Mallat, S.G. “Теория для Разложения Сигнала Мультиразрешения: Представление Вейвлета”. Транзакции IEEE согласно Анализу Шаблона и Искусственному интеллекту 11, № 7 (июль 1989): 674–93. https://doi.org/10.1109/34.192463.

    [3] Мейер, Y. Вейвлеты и операторы. Переведенный Д. Х. Сэлинджером. Кембридж, Великобритания: Издательство Кембриджского университета, 1995.

    Расширенные возможности

    Смотрите также

    | |

    Представлено до R2006a
    Для просмотра документации необходимо авторизоваться на сайте