Обратное дискретное стационарное 2-D вейвлет
X = iswt2(swc,wname)swc использование вейвлет- wname. Разложение swc - выходы swt2.
Примечание
swt2 использует внутреннюю арифметику двойной точности и возвращает матрицы коэффициентов двойной точности. swt2 предупреждает, если происходит потеря точности при преобразовании в double.
X = iswt2(A,H,V,D,wname)A и массивы коэффициентов детализации H, V, и D. Массивы H, V, и D содержат горизонтальный, вертикальный и диагональный коэффициенты детализации, соответственно. Массивы являются выходами swt2.
Если разложение swc или массивов коэффициентов A, H, V, и D были сгенерированы из многоуровневого разложения матрицы 2-D, синтаксиса X = iswt2(A(:,:,end),H,V,D,wname) восстанавливает матрицу 2-D.
Если разложение swc или массивов коэффициентов A, H, V, и D были сгенерированы из одноуровневого разложения трехмерного массива, синтаксиса X = iswt2(A(:,:,1,:),H,V,D,wname) восстанавливает трехмерный массив.
X = iswt2(A,H,V,D,LoR,HiR)LoR и HiR, соответственно.
Если разложение swc или массивов коэффициентов A, H, V, и D были сгенерированы из многоуровневого разложения матрицы 2-D, синтаксиса X = iswt2(A(:,:,end),H,V,D,LoR,HiR) восстанавливает матрицу 2-D.
Если разложение swc или массивов коэффициентов A, H, V, и D были сгенерированы из одноуровневого разложения трехмерного массива, синтаксиса X = iswt2(A(:,:,1,:),H,V,D,LoR,HiR) восстанавливает трехмерный массив.
Покажите идеальную реконструкцию с помощью swt2 и iswt2 с ортогональным вейвлет.
load woman [Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('db6'); [ca,chd,cvd,cdd] = swt2(X,3,Lo_D,Hi_D); recon = iswt2(ca,chd,cvd,cdd,Lo_R,Hi_R); norm(X-recon)
ans = 1.0126e-08
В этом примере показов, как восстановить изображение RGB из многоуровневого стационарного разложения вейвлета с помощью массивов приближения и коэффициентов детализации.
Загрузка изображения RGB. Изображение RGB также упоминается как изображение truecolor. Изображение является трехмерным массивом типов uint8. Начиная с swt2 требует, чтобы и первое, и вторые измерения делились на степень 2, извлекали фрагмент изображения и просматривали его.
imdata = imread('ngc6543a.jpg');
x = imdata(1:512,1:512,:);
image(x)
Получите стационарное вейвлет уровня 4 изображения с помощью db4 вейвлет. Верните коэффициенты приближения и горизонтальные, вертикальные и детальные коэффициенты как отдельные массивы.
[a,h,v,d] = swt2(x,4,'db4');Восстановите изображение с помощью зеленого и синего компонентов коэффициентов приближения. Отображение реконструкции.
a2 = zeros(size(a)); a2(:,:,2:3,4)=a(:,:,2:3,4); xrec = iswt2(a2,0*h,0*v,0*d,'db4'); xrec2 = (xrec-min(xrec(:)))/(max(xrec(:))-min(xrec(:))); image(xrec2) title('Reconstruction')
[1] Nason, G. P., and B. W. Silverman. «Стационарное преобразование вейвлет и некоторые статистические приложения». В Вейвлетах и статистике под редакцией Анестиса Антониадиса и Жоржа Oppenheim, 103: 281-99. Нью-Йорк, Нью-Йорк: Спрингер Нью-Йорк, 1995. https://doi.org/10.1007/978-1-4612-2544-7_17.
[2] Койфман, Р. Р. и Д. Л. Донохо. «Переводно-инвариантное шумоподавление». В Вейвлетах и статистике под редакцией Анестиса Антониадиса и Жоржа Oppenheim, 103: 125-50. Нью-Йорк, Нью-Йорк: Спрингер Нью-Йорк, 1995. https://doi.org/10.1007/978-1-4612-2544-7_9.
[3] Pesquet, J.-C., H. Krim, and H. Carfantan. «Инвариантные по времени ортонормальные представления вейвлет». Транзакции IEEE по обработке сигналов 44, № 8 (август 1996 года): 1964-70. https://doi.org/10.1109/78.533717.