 |
LiftingWaveletTransform
LiftingWaveletTransform[data]
给出 data 阵列的提升小波变换(LWT).
LiftingWaveletTransform[data, wave]
给出使用小波 wave 的提升小波变换.
LiftingWaveletTransform[data, wave, r]
给出使用 r 精细度的提升小波变换.
LiftingWaveletTransform[image, ...]
给出一个图像的提升小波变换.
LiftingWaveletTransform[sound, ...]
给出采样声音的提升小波变换.
更多信息
- LiftingWaveletTransform 给出一个 DiscreteWaveletData 对象.
- DiscreteWaveletData dwd 的属性可以用 dwd["prop"] 找到，可用的属性列表可用 dwd["Properties"] 找到.
- data 可以是任意深度的矩形阵列.
- 默认情况下，输入 image 转换成类型
的图像. - 由此得出的小波系数是与输入 data 具有同样深度的阵列.
- 可能的小波 wave 包括：
-
BiorthogonalSplineWavelet[...] 基于 B 样条的小波 CDFWavelet[...] Cohen-Daubechies-Feauveau 
小波CoifletWavelet[...] Daubechies 小波的对称变体 DaubechiesWavelet[...] Daubechies 小波 HaarWavelet[...] 典型的哈尔小波 ReverseBiorthogonalSplineWavelet[...] 基于 B 样条的小波（逆对偶和原始） SymletWavelet[...] 最不对称正交小波 - 默认的
是 HaarWavelet[]. - 具有更高设置的精细度 r，可以解析更大规模的特征.
- 具有精细度 r，LiftingWaveletTransform 内部预填充 data，所以每维是
的倍数. 预填充使用的填充值是由 Padding 选项的设置给出. » - 精细度设为 Full，r 由
![TemplateBox[{{{InterpretationBox[{log, _, DocumentationBuild`Utils`Private`Parenth[2]}, Log2, AutoDelete -> True], (, n, )}, +, {1, /, 2}}}, Floor]](Files/LiftingWaveletTransform.zh/5.png "TemplateBox[{{{InterpretationBox[{log, _, DocumentationBuild`Utils`Private`Parenth[2]}, Log2, AutoDelete -> True], (, n, )}, +, {1, /, 2}}}, Floor]")
给出. - 默认精细度 r 由
给出，其中 
是 data 长度的整数部分. 对于多维数据，每维进行同样的计算，并使用由此得出的最小精细度. » - 在第
层的小波系数树包括粗系数 
和细节系数 
，其中 
代表输入 data. -
和 
的维数由 
给出，其中 
为 ![2^r TemplateBox[{{l, /, {2, ^, r}}}, Ceiling]](Files/LiftingWaveletTransform.zh/17.png "2^r TemplateBox[{{l, /, {2, ^, r}}}, Ceiling]")
，
是输入 data 的维数. »- 可以使用以下选项：
-
Method Automatic 使用的方法 Padding "Periodic" 如何延伸超越边界的数据 WorkingPrecision MachinePrecision 内部计算使用的精确度 - Padding 的设置包括用于每维数据集周期重复的
和用于常数填充的 
. - 当 Method->"IntegerLifting"，整数数据会变换为整数系数，这样类型为
的输入 image 数据转换为类型 
. - InverseWaveletTransform 给出逆变换.
版本 8 的新功能
