DiscreteWaveletDataオブジェクトから有益な特性を抽出することができる：
特性の完全リストを得る：
データと係数の次数を得る：
Normalを使ってすべてのウェーブレット係数を明示的に得る：
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を使って逆変換で使われる係数だけを得る：
または
を使ってどのウェーブレット係数が使えるかを調べる：
特定の係数配列を抽出する：
ウェーブレット指標指定の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：
より高い細分化レベルを使って周波数分解能を高くする：
細分化レベルが低いと，より多くの信号エネルギーが
に残される：
さらに細分化を進めると，
はより一層要素に分解される：
異なるウェーブレット族を使ってウェーブレットパケット変換を計算する：
係数を比較する：
異なるウェーブレット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にプロットする：
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置かれると係数指標がツールチップとして現れる：
定数データ：
粗い係数
を除き，すべての係数が小さい：
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
とその粗い子係数
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
とその粗い子係数
は振動を表す：
共通垂直軸上のすべての係数：
二次元定常ウェーブレットパケ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：
を使い，各係数を
MatrixPlotで可視化する：
対角詳細化係数
とその子係数
を可視化する：
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：
すべての水平および対角詳細化係数，つまりウェーブレット指標
は0である：
水平に不連続性を有するデータ：
すべての垂直および対角詳細化係数，つまりウェーブレット指標
は0である：
三次元ウェーブレットパケット変換を計算する：
計算されたすべてのウェーブレット係数をリストにする：
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：
ローパス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：
代りに，すべての係数を
Imageオブジェクトとして得る：
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：
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．
である．
で与えられる．ただし，
は data の最小次元である．
で与えられる．
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．
，
，
，
で与えられる．ただし，
は対応する wspec のフィルタ長であり，
は入力 data の長さである．
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．
を使って係数画像を抽出する：
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 
