Python图像处理之小波变换

最新推荐文章于 2024-07-30 10:25:21 发布

白马负金羁

最新推荐文章于 2024-07-30 10:25:21 发布

阅读量7.1k

点赞数 10

分类专栏：深入理解数字图像处理文章标签：图像处理 Python 小波变换

本文链接：https://blog.csdn.net/baimafujinji/article/details/6469687

版权

深入理解数字图像处理专栏收录该内容

48 篇文章 1551 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了Python中使用PyWavelets库进行小波分析，重点在于图像的小波分解。通过实例代码展示了如何进行多层小波分解，并列举了pywt内置的小波族。此外，还提及了对CIFAR10数据集中图像的通道进行单层小波分解的方法。

摘要由CSDN通过智能技术生成

小波变换或小波分析在很多领域中都有重要应用，例如石油勘探、数据压缩，以及接下来所要探讨的图像处理等。作为后续系列文章的铺垫，本文将主要介绍在Python中进行小波分析所需要用到的一个重要的软件包PyWavelets。关于小波的一些原理性的知识，请参考我已出版的《图像处理中的数学修炼》一书（清华大学出版社）或《数字图像处理：原理与实践》（电子工业出版社）。

下面这个示例代码源自PyWavelets的官方文档，主要演示利用该包提供的函数实现图像小波分解的基本方法。首先，引入必要的包（主要是pywt等）并读入一张图片。注意，这里使用的是pywt包中自带的示例图片。如果你要读入一张保存在本地某个路径下的文件，请参考【１】中所给出的各种方法。

import numpy as np
import pywt
from matplotlib import pyplot as plt
%matplotlib inline
from pywt._doc_utils import wavedec2_keys, draw_2d_wp_basis

x = pywt.data.camera().astype(np