dddtreecfs
提取dual-tree /双密度小波系数或预测
语法
描述
提取系数或子空间预测从一维或二维小波分解,出
= dddtreecfs (outputtype
,wt
,outputspec
,outputindices
)wt
。如果outputtype
=“e”
,出
包含小波或缩放系数。如果outputtype
=“r”
,出
包含小波或缩放子空间投影(重建)。
指定的信号或图像重建或情节分析系数。你可以包括出
= dddtreecfs (outputtype
,wt
,outputspec
,outputindices
“阴谋”)“阴谋”
选择任何后wt
输入。
例子
重建复杂Dual-Tree从一维小波变换
获得复杂dual-tree一维小波变换的嘈杂的多普勒信号。重建一个近似的基础上第三级细节系数以多种方式。
负载的多普勒信号。获得复杂dual-tree变换到3级。
负载noisdopp;wt = dddtree (“cplxdt”noisdopp 3“dtf1”)
wt =结构体字段:类型:“cplxdt”水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[1 x512x2双][1 x256x2双][1 x128x2双][1 x128x2双]}
情节的重建原始信号基于第三级细节系数outputspec
设置为“规模”
。
xr = dddtreecfs (“r”wt,“规模”{3},“阴谋”);
输出xr
是一个1×1细胞数组。通过使用生成相同的重建“cumind”
和第三级树节点。单元阵列中的每个向量的第一个元素表示的水平,和第二个元素表示树。确认重建是相同的。
outputindices = {1 [3]; [3 2]};xr2 = dddtreecfs (“r”wt,“cumind”,outputindices);马克斯(abs (xr2-xr {1}))
ans = 0
输出xr2
是与原始信号相同的数据类型。
从复杂Dual-Tree一维小波变换系数
负载的多普勒信号。获得复杂dual-tree变换到3级。
负载noisdopp;wt = dddtree (“cplxdt”noisdopp 3“dtf1”)
wt =结构体字段:类型:“cplxdt”水平:3过滤器:[1×1 struct]慢性疲劳综合症:{[1×512×2双][1×256×2双][1×128×2双][1×128×2双]}
创建一个向量的单元阵列获得第二和第三级细节系数的小波滤波器组的树木。
outputindices = {1 [2];(2 - 2);1 [3];2 [3]};
单元阵列中的每个向量的第一个元素表示水平或阶段。第二个元素表示树。
提取细节系数。
detailCoeffs = dddtreecfs (“e”wt,印第安纳州的outputindices,“阴谋”);
输出detailCoeffs
是一个1-by-4细胞数组。细胞数组元素包含元素相对应的小波系数outputindices
。例如,确认detailCoeffs {1}
从第一个树包含二级细节系数。
马克斯(abs (wt.cfs {2} (1: 1) -detailCoeffs {1}))
ans = 0
复杂Dual-Tree一维小波变换结构
负载的多普勒信号。获得复杂dual-tree变换到3级。
负载noisdopp;wt = dddtree (“cplxdt”noisdopp 3“dtf1”);
创建一个向量的单元阵列获得第二和第三级细节系数的小波滤波器组的树木。
outputindices = {1 [2];(2 - 2);1 [3];[3 2]};
单元阵列中的每个向量的第一个元素表示水平或阶段。第二个元素表示树。
创建一个结构数组相同wt
的输出dddtree
所有的系数等于零,除了第二和第三级细节系数。
= dddtreecfs (“e”wt,“cumind”outputindices,“阴谋”);
生成一个重建基于第二和第三级细节系数。
xr = idddtree(出);
生成两个重建,基于第二和第三级细节系数。确认两个重建的总和是一样的xr
。
xr2 = dddtreecfs (“r”wt,“规模”,{2,3});马克斯(abs (xr - (xr2 {1} + xr2 {2})))
ans = 4.4409 e-16
从图像中提取对角特征
使用复杂dual-tree小波变换分离对角特征在图像+ 45和-45度。
加载和显示xbox
的形象。
负载xbox显示亮度图像(xbox)
获得复杂dual-tree小波变换到3级。
fdf = dtfilters (“FSfarras”);df = dtfilters (“qshift10”);wt = dddtree2 (“cplxdt”xbox 3 fdf, df);
隔离+ 45和-45对角图像特性的一级小波系数。通过创建一个单元阵列的向量指定包含对角细节的树节点。向量的第一个元素指定的水平。剩下的三元素指定方向,小波树,和实部和虚部分别(见dddtree2
)。
outputindices = {[1 3 1 1]; [1 3 1 2]; [1 3 2 1]; [1 2 3 2]};= dddtreecfs (“e”wt,印第安纳州的outputindices,“阴谋”);
分配系数在小波树结构的分析
这个例子显示了如何分析系数分布,根据变换,在树的输出dddtree
和dddtree2
。
一维小波变换
负载在嘈杂的多普勒信号。生成一个四层小波分解信号的每种类型的变换。根据转换系数的不同维度的数组对应定位、小波树,或实部和虚部。
严格采样离散小波变换
负载noisdoppwt = dddtree (dwt的noisdopp 4“sym4”)
wt =结构体字段:类型:dwt的级别:4过滤器:[1 x1 struct]慢性疲劳综合症:{1}x5细胞
这是通常的nonredundant离散小波变换。的第一个四个元素wt.cfs
小波系数。第五元素的比例系数。
双密度小波变换
wt = dddtree (“ddt”noisdopp 4“filters1”)
wt =结构体字段:类型:“ddt”级别:4过滤器:[1 x1 struct]慢性疲劳综合症:{[1 x512x2双][1 x256x2双][1 x128x2双][1 x64x2双][-1.0010 0.2886 0.8391 0.4359 0.0623 -0.6158 2.5219 -4.7453 9.1360 -2.9925 -11.9090 16.3795 6.2880 -19.6369 -14.5684 13.1839 25.6615 14.6922 -5.2425 -21.2775……]}
第三维的三维小波系数数组对应于树。第五元素的比例系数。
Dual-Tree复小波变换
wt = dddtree (“cplxdt”noisdopp 4“dtf1”)
wt =结构体字段:类型:“cplxdt”级别:4过滤器:[1 x1 struct]慢性疲劳综合症:{[1 x512x2双][1 x256x2双][1 x128x2双][1 x64x2双][1 x64x2双]}
第三维度的三维数组慢性疲劳综合症
对应的实部和虚部。的第一个四个元素慢性疲劳综合症
小波系数,然后呢cfs {5}
是比例系数。
从树节点的系数重构信号[1]
,(5 - 2)
,(3 - 1)
,(4 - 2)
。画出信号。输出是一个包含重建单元阵列。重建是与原始信号相同的长度。
outputindices = {[1]; [5 2] 1 [3]; [4 2]};XR = dddtreecfs (“r”wt,“阴谋”,印第安纳州的,outputindices);
提取和系数用来重建信号的阴谋。输出是一个单元阵列包含各自的系数长度:512,64,128,64。
XR = dddtreecfs (“e”wt,“阴谋”,印第安纳州的,outputindices);
现在使用“cumind”
而不是印第安纳州的
。输出XR
是一个信号长度为1024的情况下,和一个吗“cplxdt”
在第二个dual-tree。
XR = dddtreecfs (“r”wt,“阴谋”,“cumind”,outputindices);
XR = dddtreecfs (“e”wt,“阴谋”,“cumind”,outputindices);
双密度小波变换Dual-Tree复杂
wt = dddtree (“cplxdddt”noisdopp 4“dddtf1”)
wt =结构体字段:类型:“cplxdddt”级别:4过滤器:[1 x1 struct]慢性疲劳综合症:{[1 x512x2x2双][1 x256x2x2双][1 x128x2x2双][1 x64x2x2双][1 x64x2双]}
4 - d小波系数的三维数组对应于树。第四维的四维数组和三维小波系数在3 d缩放系数数组中对应的实部和虚部。
二维小波变换
装载256 - - 256面具的形象。生成一个两级图像的小波分解为每个类型的变换。观察输出系数的尺寸。
严格采样离散小波变换
负载面具我= X;wt = dddtree2 (dwt的我3“sym4”)
wt =结构体字段:类型:dwt的水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[128 x128x3双][64 x64x3双][32 x32x3双][32 x32双]}大小:[10 x2双)
这是通常的nonredundant二维离散小波变换。第三维的三维小波系数数组对应于取向。比例系数的最后一个元素慢性疲劳综合症
。
真正的面向Dual-Tree小波变换
wt = dddtree2 (“realdt”我3“dtf1”)
wt =结构体字段:类型:“realdt”水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[128 x128x3x2双][64 x64x3x2双][32 x32x3x2双][32 x32x2双]}大小:[11 x2双)
第四维的四维数组和三维小波系数在3 d缩放系数数组中对应的树。4 - d小波系数的三维数组对应方向。
面向复杂Dual-Tree小波变换
wt = dddtree2 (“cplxdt”我3“dtf1”)
wt =结构体字段:类型:“cplxdt”水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[5 d双][5 d双][5 d双][32 x32x2x2双]}大小:[11 x2双)
(大小(wt.cfs{1});大小(wt.cfs{2});大小(wt.cfs {3}))
ans =3×5128, 128, 3 2 64 64 3 2 2 2 32 32 3 2 2
5 d小波系数的三维数组表示方向。第四维5 d的数组和第三维度的4 d缩放系数代表了数组树。第五维度5 d的数组和四维空间的四维数组表示实部和虚部。
双密度小波变换
wt = dddtree2 (“ddt”我3“filters1”)
wt =结构体字段:类型:“ddt”水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[128 x128x8双][64 x64x8双][32 x32x8双][32 x32双]}大小:[26 x2双]
第三维的三维小波系数数组代表了方向。
真正的双密度小波变换
wt = dddtree2 (“realdddt”我3“self1”)
wt =结构体字段:类型:“realdddt”水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[128 x128x8x2双][64 x64x8x2双][32 x32x8x2双][32 x32x2双]}大小:[26 x2双]
4 - d小波系数的三维数组表示方向。第四维的四维数组和第三维度的三维扩展系数数组代表树。
面向复杂的双密度小波变换
wt = dddtree2 (“cplxdddt”我3“self1”)
wt =结构体字段:类型:“cplxdddt”水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[5 d双][5 d双][5 d双][32 x32x2x2双]}大小:[26 x2双]
(大小(wt.cfs {1});大小(wt.cfs {2});大小(wt.cfs {3}))
ans =3×5128 128 8 2 2 64 64 8 2 2 32 32 8 2 2
5 d小波系数的三维数组表示方向。第四维5 d的数组和第三维度的4 d缩放系数代表了数组树。第五维度5 d的数组和四维空间的四维数组表示实部和虚部。
重建和阴谋的两个图像基于二级细节系数和缩放系数,分别。
XR = dddtreecfs (“r”wt,“阴谋”,“规模”,{2,4});
输出XR
是一个单元阵列包含256 -,- 256图像。
提取系数用于生产这两个图像。输出是一个包含两个dual-tree结构单元阵列,每个指定一个范围。
XR = dddtreecfs (“e”wt,“规模”,{2,4});XR {1}
ans =结构体字段:类型:“cplxdddt”水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[5 d双][5 d双][5 d双][32 x32x2x2双]}大小:[26 x2双]
XR {2}
ans =结构体字段:类型:“cplxdddt”水平:3过滤器:[1 x1 struct]慢性疲劳综合症:{[5 d双][5 d双][5 d双][32 x32x2x2双]}大小:[26 x2双]
确认在每个结构中包含唯一的非零系数XR
分别是第二级小波系数和尺度系数。
dtInd = 1;(max (abs (XR {dtInd} .cfs{1}(:)));马克斯(abs (XR {dtInd} .cfs {2} (:)));…马克斯(abs (XR {dtInd} .cfs{3}(:)));马克斯(abs (XR {dtInd} .cfs {4} (:))))
ans =4×1143.9924 0 0 0
dtInd = 2;(max (abs (XR {dtInd} .cfs{1}(:)));马克斯(abs (XR {dtInd} .cfs {2} (:)));…马克斯(abs (XR {dtInd} .cfs{3}(:)));马克斯(abs (XR {dtInd} .cfs {4} (:))))
ans =4×1103×1.0545 0 0 0
使用印第安纳州的
重建和显示四个图像基于四个低通滤波器组件,分别。
outputindices = {[4 1 1]; [4 2 1]; [4 1 2]; [4 2 2]};XR = dddtreecfs (“r”wt,“阴谋”,印第安纳州的,outputindices);
输出XR
是一个包含四个单元阵列图像。每个图像是256 - 256。显示系数用来重建图像。
XR = dddtreecfs (“e”wt,“阴谋”,印第安纳州的,outputindices);
输出XR
是一个包含四个低通滤波器组件单元阵列。每个组件是32-by-32。
输入参数
outputtype
- - - - - -输出类型
“e”
|“r”
输出类型,指定为“e”
或“r”
。使用“e”
获取扩展或小波系数。使用“r”
获得一个投影,或重建,到适当的缩放或小波子空间。
wt
- - - - - -小波变换
结构
小波变换,指定为一个结构。结构数组的输出dddtree
或dddtree2
。
outputspec
- - - - - -输出规范
低通滤波器的
|“规模”
|印第安纳州的
|“cumind”
输出规范,指定为之一低通滤波器的
,“规模”
,印第安纳州的
,或“cumind”
。输出规范定义如下:
低通滤波器的
——输出低通滤波器,或缩放系数或信号/图像近似的基础上扩展系数。如果你设置输出规范低通滤波器的
,不指定outputindices
。如果outputtype
是“e”
,出
是一个结构数组字段相同的输入结构数组wt
除了所有的小波系数等于零(细节)。如果outputtype
是“r”
,出
是一个信号或图像近似的基础上扩展系数。信号或图像大小近似等于原来的输入dddtree
或dddtree2
。“规模”
——输出系数或信号/图像近似基于中指定的尺度outputindices
。如果outputtype
是“e”
,出
是一个单元阵列结构数组。结构数组的字段出
相同的字段输入结构数组wt
。的系数慢性疲劳综合症
场都是等于零,除了相应的尺度系数outputindices
。如果outputtype
是“r”
,出
是一个信号或图像近似基础上的尺度吗outputindices
。信号或图像大小近似等于原来的输入dddtree
或dddtree2
。印第安纳州的
——输出系数或基于tree-position信号/图像近似指数中指定outputindices
。如果outputtype
是“e”
,出
的单元阵列包含指定的系数向量或矩阵tree-position指数outputindices
。如果outputtype
是“r”
,出
单元阵列的向量或矩阵包含基于相应的信号或图像近似tree-position指数outputindices
。“cumind”
——输出系数或基于tree-position信号/图像近似指数中指定outputindices
。如果outputtype
是“e”
,出
是一个结构数组。结构数组的字段相同的字段输入数组结构wt
。的系数慢性疲劳综合症
场都是等于零,除了职位相对应的系数树outputindices
。如果outputtype
是“r”
,出
是一个信号或图像近似基于系数对应tree-position指数outputindices
。
例子:印第安纳州,{[1];[1 - 2]}
outputindices
- - - - - -产出指数
单元阵列
输出指标,指定为一个单元阵列与标量或矢量元素。如果outputspec
=“规模”
一个标量元素选择对应的元素慢性疲劳综合症
领域的wt
。如果outputspec
=印第安纳州的
或“cumind”
的元素outputspec
行向量。行向量的第一个元素对应于元素慢性疲劳综合症
领域的wt
。随后行向量中的元素对应于数组的索引中包含的细胞数组元素。后续元素的描述,请参阅分配系数在小波树结构的分析。有关更多信息,请参见dddtree
和dddtree2
。
例子:“规模”,{1;2;3}
输出参数
出
——信号或图像重建或系数
单元阵列结构| | |向量矩阵
信号或图像重建系数,返回为一个向量,矩阵结构数组、向量或矩阵单元阵列,或细胞结构数组的数组。的形式出
取决于的价值outputspec
和outputindices
。
版本历史
介绍了R2013b
Beispiel offnen
您有一张这本Beispiels geanderte版本。您这本Beispiel麻省理工学院古老Anderungen offnen吗?
MATLAB-Befehl
您有窗户的链接geklickt,汪汪汪der diesem MATLAB-Befehl entspricht:
在das MATLAB-Befehlsfenster Fuhren您窝Befehl军队Eingabe来自。浏览器unterstutzen MATLAB-Befehle。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。