ウェーブレット変換を計算する：
結果の
DiscreteWaveletDataは変換係数の木構造を表している：
逆変換を行うと入力が再構築される：
DiscreteWaveletDataオブジェクトから有用な特性を抽出することができる：
全特性のリストを得る：
データと係数の次元を求める：
Normalを使ってウェーブレットのすべての係数を明示的に求める：
Allを引数として使ってすべての係数を得ることもできる：
Automaticを使って逆変換に使われた係数だけを求める：
あるいは
を使ってどのウェーブレット係数が使えるかを明らかにする：
特定の係数配列を抽出する：
ウェーブレットの指標指定リストに対応するいくつかのウェーブレット係数を抽出する：
ウェーブレット指標がパターンにマッチするすべての係数を抽出する：
周波数分解能を上げるためにより高い細分化のレベルを使う：
細分化レベルを下げるとより多くの信号エネルギーが
に残される：
細分化レベルをより高めると，
はさらに多くの成分に分解される：
いろいろなウェーブレット族を使って離散ウェーブレット変換を計算する：
係数を比較する：
ウェーブレットのいろいろな族を使って異なる特徴を捉える：
WaveletListPlotを使って，係数を共通水平軸上でプロットする：
共通垂直軸に対してプロットする：
WaveletScalogramを使い，係数を時間と細分化レベルの関数として可視化する：
マウスポインタが係数上にくると，係数指標がツールチップとして現れる：
定数データ：
係数は粗い係数
を除いてすべて小さい：
分解可能な最高の周波数（ナイキスト(Nyquist)周波数）で振動するデータ：
小さくないのは第1詳細化係数
のみである：
大きな不連続箇所のあるデータ：
粗い係数
はデータと同じ大きいスケールの構造を持つ：
詳細化係数は不連続箇所に敏感である：
空間構造と周波数構造の両方を持つデータ：
粗い係数
はデータの局所平均を辿る：
第1詳細化係数は振動している箇所を突き止める：
共通垂直軸上の全係数：
二次元離散ウェーブレット変換を計算する：
ウェーブレット係数の木構造を見る：
逆変換をするともとの信号に戻る：
WaveletMatrixPlotを使ってさまざまなウェーブレット係数を可視化する：
より高い細分化レベルでのウェーブレット変換の
WaveletMatrixPlot：
二次元では，各方向のフィルタリング操作のベクトルが計算できる：
これらのベクトルを二進数展開として解釈するとウェーブレット指標の数が得られる：
Haarウェーブレットのローパスフィルタとハイパスフィルタを得る：
結果の2Dフィルタは2方向のフィルタの外積である：
ステップデータのウェーブレット変換：
垂直方向に不連続性を有するデータ：
垂直詳細化係数，つまりウェーブレット指標
のみが非零である：
水平に不連続性を有するデータ：
水平詳細化係数，つまりウェーブレット指標
のみが非零である：
対角に不連続性を有するデータ：
対角詳細化係数，つまりウェーブレット指標
のみが非零である：
三次元離散ウェーブレット変換を計算する：
すべての係数の木構造を見る：
逆変換でもとの信号に戻る：
三次元クロス配列のウェーブレット変換：
ウェーブレット係数を可視化する：
もとデータのエネルギーは変換された係数内に保存されている：
逆変換すると
Imageオブジェクトが再構築される：
ウェーブレット係数は通常各画像チャンネルのデータのリストとして与えられる：
カラーレベルの再スケールを施していない生の
Imageオブジェクトを得る：
係数の逆変換を
Imageオブジェクトとして得る：
WaveletImagePlotを使って逆変換に使われた係数を階層的格子レイアウトでプロットする：
Imageウェーブレット係数が
ImageTypeの有効範囲の外側にある：
は正規化されていない画像のウェーブレット係数を与える：
色チャンネルが1から0までの有効範囲外にある：
デフォルトで，係数の正規化には
ImageAdjustが使われる：
色チャンネルが有効な1から0の範囲に収まった：
逆変換すると
Soundオブジェクトが再構築される：
デフォルトで，係数は各サウンドチャンネルのデータのリストとして与えられる：
係数を
Soundオブジェクトとして得る：
Soundオブジェクトとしての
係数の逆変換：
MenuViewを使ってすべての係数をブラウズする：
の画像に変換される．
はHaarWavelet
である．
で与えられる．ただし，
は data の最小次元である． »
のウェーブレット係数の木は，粗い係数 
と詳細化係数 
からなる．
は入力 data を表す．
と 
で与えられる． »
で与えられる． »
はローパスフィルタ係数で，
はハイパスフィルタ係数である．どちらもそれぞれのウェーブレット族で定義される．
と 
の次元は 
で与えられる．ただし，
は入力 data の次元であり，fl は対応する wspec のフィルタ長である． »
を使って係数の画像を抽出する：
：
：
：
：
：
：
充填を使う：
充填を使うと非周期的なデータでは境界効果が薄くなる：
を使って厳密計算を行う：
閾値化を行う：
で
閾値化を行う：
の場合，計算される係数はどれも等しい：
で与えられる：
正規化のための相殺：
の粗い係数は 
で与えられる．ただし 
である：
の詳細化係数は 
で与えられる：
の粗い係数は以下で与えられる：
の詳細化係数は以下で与えられる：
の逆ウェーブレット変換は 
で与えられる：
で粗い係数
を再構築する：
で粗い係数
を再構築する：
では，ウェーブレット係数の次元は 
で与えられる．ただし，
は入力 data の次元を表す：
次元と dwd における係数次元を比較する：
と
のウェーブレット係数を計算する：
係数を組み合せる：
係数と比較する：
例題
例 
スコープ 
