scipy.fftpack.dct

函数原型： scipy.fftpack.dct (x,type=2,n=None,axis=-1,norm=None,overwrite_x=False)

返回任意类型序列x的离散余弦变换。

• 参数：

  x： array_like

  ​ 输入的序列、矩阵

  type：可选参数

  ​ 可以是｛1，2，3，4｝，默认为2；是DCT的类型参数（参阅注释）

  n：int，可选参数

  ​ DCT的长度，如果n <x.shape [axis]，则x被截断。 如果n> x.shape [axis]，则x补零。 默认结果为n = x.shape [axis]。

  axis： int，可选参数

  ​ 计算dct的轴； 默认值位于最后一个轴上（即axis = -1）。

  norm：{None, ‘ortho’},可选参数

  ​ 规范化模式（参阅注释），默认为无。

  overwrite_x：bool，可选参数

  ​ 如果为True，则x的内容可以被销毁； 默认值为False。

• 返回：

  y：实数数组

  ​ 输入序列转换后的数组。

• 注释

  对于一维数组x，dct（x，norm ='ortho'）等于MATLAB dct（x）。

  理论上，DCT有8种类型，只有前4种类型可以实现。 "the"DCT通常是指DCT类型2，而“ the” Inverse DCT通常是指DCT类型3。

  • 类型1

    类型1有几种定义。 我们使用以下内容（对于norm = None）：

                                       N-2
    y[k] = x[0] + (-1)**k x[N-1] + 2 * sum x[n]*cos(pi*k*n/(N-1))
                                       n=1
    

    如果norm =‘ortho’，则将x [0]和x [N-1]乘以sqrt（2）的比例因子，并将y [k]乘以比例因子f：

    f = 0.5*sqrt(1/(N-1)) if k = 0 or N-1,
    f = 0.5*sqrt(2/(N-1)) otherwise.
    

    注意：仅当输入大小 > 1时，类型1才可以用。

  • 类型2

    类型2有几种定义，我们使用以下内容（对于norm = None）：

              N-1
    y[k] = 2* sum x[n]*cos(pi*k*(2n+1)/(2*N)), 0 <= k < N.
              n=0
    

    如果norm =‘ortho’，则将y [k]乘以缩放因子f：

    f = sqrt(1/(4*N)) if k = 0,
    f = sqrt(1/(2*N)) otherwise.
    

    这使得相应的系数矩阵正交。

  • 类型3

    类型3有几种定义，我们使用以下内容（对于norm = None）：

                      N-1
    y[k] = x[0] + 2 * sum x[n]*cos(pi*(k+0.5)*n/N), 0 <= k < N.
                      n=1
    

    或者，对于norm ='ortho’且0 <= k <N：

                                        N-1
    y[k] = x[0] / sqrt(N) + sqrt(2/N) * sum x[n]*cos(pi*(k+0.5)*n/N)
                                        n=1
    

    （未归一化的）DCT-III是（未归一化的）DCT-II的倒数，最大为2N；正交规范化的DCT-III恰好是正交规范化的DCT-II的逆。

  • 类型4

    类型4有几种定义，我们使用以下内容（对于norm = None）：

              N-1
    y[k] = 2* sum x[n]*cos(pi*(2k+1)*(2n+1)/(4*N)), 0 <= k < N.
              n=0
    

    如果norm =‘ortho’，则将y [k]乘以缩放因子f：

    f = 0.5*sqrt(2/N)
    

• 举例

  对于实数,偶对称的输入，类型1的DCT等效于FFT（尽管更快）。 输出也是实数，甚至是对称的。 一半的FFT输入用于生成一半的FFT输出：

  >>> from scipy.fftpack import fft, dct
  >>> fft(np.array([4., 3., 5., 10., 5., 3.])).real
  array([ 30.,  -8.,   6.,  -2.,   6.,  -8.])
  >>> dct(np.array([4., 3., 5., 10.]), 1)
  array([ 30.,  -8.,   6.,  -2.])