[Python ]小波变化库——Pywalvets 学习笔记
来源:互联网 发布:译呗需要网络才能用 编辑:程序博客网 时间:2024/05/11 15:14
相关资料
- PyWavelets 官网: https://pywavelets.readthedocs.io/en/latest/ref/index.html
- PyWavelets 用例:https://pywavelets.readthedocs.io/en/latest/regression/index.html
- PyWavelets git上的demo:https://github.com/PyWavelets/pywt/tree/master/demo
- 介绍小波族的网站(在API Reference中有提到):http://wavelets.pybytes.com/
- 简明讲解小波函数与尺度函数的文档: [小波分析与尺度函数](# http://wenku.baidu.com/link?url=ePULUtQMQaWl13tVaX5B4b4241M31OH-Gx6Mr9oJnyOM2zTTKjAUEgHdxVoN8DbbgRtrUA5dnSPvYDrsbK1pV1MKVAtgBVJzKWP6FAZGQNK)
笔记
术语(中英对照):
- 尺度函数 : scaling function (在一些文档中又称为父函数 father wavelet )
- 小波函数 : wavelet function(在一些文档中又称为母函数 mother wavelet)
- 连续的小波变换 :CWT
- 离散的小波变换 :DWT
小波变换的基本知识
- 不同的小波基函数,是由同一个基本小波函数经缩放和平移生成的。
- 小波变换是将原始图像与小波基函数以及尺度函数进行内积运算,所以一个尺度函数和一个小波基函数就可以确定一个小波变换
- 小波变换后低频分量
基本的小波变换函数
Pywalvets API 说明
下面是我使用过程中对Pywalvets 提供的API 的部分理解与说明(里面如果有不对的地方请指出,大家也可以直接看官方提供的API说明文档)
小波函数
我在文章开头就提供了一个查看小波族的网址,在Pywalvets中也提供了API,你可以用这个函数来查看它提供哪些小波族,每个小波族下又有哪些系数
查看小波族 pywt.families
查看每个小波族中提供的系数 pywt.wavelist
pywt.wavelist(family=None, kind=’all’)
family: 小波族的名称
kind:可以查看小波族下全部、离散或者连续的小波
二维小波变换(一维和n维类似):
单层变换 pywt.dwt2
pywt.dwt2(data, wavelet, mode=’symmetric’, axes=(-2, -1))
data: 输入的数据
wavelet:小波基
mode: 默认是对称的
return: (cA, (cH, cV, cD))要注意返回的值,分别为低频分量,水平高频、垂直高频、对角线高频。高频的值包含在一个tuple中。
单层逆变换 pywt.idwt2
pywt.idwt2(coeffs, wavelet, mode, axes)
coeffs: 经小波变换后得到的各层的系数
wavelet:小波基
多尺度变换 wavedec2
pywt.wavedec2(data, wavelet, mode=’symmetric’, level=None, axes=(-2, -1))
data: 输入的数据
wavelet:小波基
level: 尺度(要变换多少层)
return: 返回的值要注意,每一层的高频都是包含在一个tuple中,例如三层的话返回为 [cA3, (cH3, cV3, cD3), (cH2, cV2, cD2), (cH1, cV1, cD1)]
阈值函数 pywt.threshold
pywt.threshold (data, value, mode=, substitute=)
data: 输入的数据
value:阈值
mode:阈值函数的类型 ,API提供四种类型(soft hard greater less),具体实现效果可以参考API的实例来理解
substitute:要替换的值(经阈值函数处理后的值)
利用小波变换对图像进行处理时注意的问题
我想通过小波变换来提取图像的特征。在此过程中遇到一些问题分享给大家。
小波基的选择问题
可以看到API给出了很多小波族,每个小波族又有很多系数可供我们去选择,那我们在处理图片时要怎么去选择呢?其实这个问题是没有标准答案的。我在实验的过程中,主要是用最后的结果 ——“相同类的统计特征相近,不同类的统计特征相差很大”,来挑选小波基函数。
小波基的选择也是研究人员在实验时要考虑的(据我看的论文所得)大家在实践中可以查阅相关的文章作为参考,或者就拿结果来衡量。
多尺度(多次)小波变化中层数的选择
多尺度小波变换一般是3~4层,但是要注意的是,如果实践中所用的图片太小,或者纹理并不丰富,其实用单层的小波变换就足够了。如果你用多层的小波变换,Pywalvets 仍只会返回给你一层变换的结果,因为信息量过小导致不能采样来进一步进行变换。
- [Python ]小波变化库——Pywalvets 学习笔记
- Python 学习小笔记
- python学习笔记——列表在做extend,+=和+的时候对象的变化与内存分配
- Python学习小笔记1
- Python学习小笔记2
- vue学习笔记04——vue2.0的变化
- Python学习笔记1(小甲鱼)—— 安装Python3
- Python学习笔记2(小甲鱼)—— 内置函数BIF
- Python学习笔记—常用库简介
- Python学习笔记--一些小细节
- Python学习小笔记with语句
- python学习—几个简单小程序
- Python(编程小白的第一本 Python 入门书) 学习笔记2——代码练习
- python 学习笔记——python globals()
- Python学习笔记 — 函数
- Python学习笔记—钱珺
- python学习笔记—输入输出
- OpenCV—Python 学习笔记
- maven web项目pom.xml文件头部报错
- C#关键字ref和out的区别
- 欢迎关注“测试开发进阶”微信公众号
- 关于prototype的理解
- 命令行中提示"THEANO_FLAGS"不是内部或外部命令,也不是可运行的程序或批处理文件
- [Python ]小波变化库——Pywalvets 学习笔记
- maven命令将本地jar包发布至maven仓库
- jquery日期选择控件
- android开发 RecycleView之No adapter attached; skipping layout
- 《机器学习实战》——朴素贝叶斯分类
- RSA加密解密的使用!
- 三、通过 FactoryBean 来配置bean
- 简单树形动态规划(Ural 1018 Binary Apple Tree)
- 谷歌官方 MVVM-DataBinding Demo