image离散小波变换及pytorch_wavelets实现
一、定义：
(DiscreteWaveletTransform, DWT)离散小波变换是一种近似的小波变换方法，使用离散的小波函数和离散的时间尺度，通过低通滤波器，高通滤波器和下采样操作来实现信号的分解， 分解为原信号的近似系数和原信号的细节系数两个部分。
通过离散小波变换提取我们感兴趣的特征。离散小波变换可以将原信号分解为信号本身特征（低频部分）和其细节特征（高频部分）两种，而且可以对于分解后得到的信号本身特征（低频部分）再迭代运用小波变换，进而得到相应的不同分辨率的信号本身特征和细节特征，这就为我们提供了多分辨率的信号特征。即可根据具体的应用，来决定对信号进行几层变换，获取相应Level的特征信息。
如下图（二维图像Haar变换）所示：图a表示原图，图b表示经过一级小波变换的结果：b表示下2采样的图像（低频部分），h1 表示水平反向的细节，v1 表示竖直方
原文地址：https://blog.csdn.net/xiangyong58/article/details/142680647
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！