函数说明:
pywt.swt2(data, wavelet, level, start_level=0, axes=(-2, -1), trim_approx=False, norm=False)
二维平稳小波变换
参数:
二维数组
data:array_like
使用小波,可以应用到元组,也可以应用到对应的轴
wavelet:Wavelet object or name string, or 2-tuple of wavelets
要执行的分解层数
level:int
默认为0,分解开始的层数
start_level:int, optional
用于计算平稳小波变换的轴,不允许重复元素
axes:2-tuple of ints, optional
如果为True,近似系数将在分解的最高层数保存
trim_approx:bool, optional
如果为True,变换进行归一化,默认为False
norm:bool, optional
返回:
近似系数和细节系数组成的列表
coeffs:list
代码示例
import cv2
import numpy as np
import pywt
#生成图片的低频系数和高频系数
img=cv2.imread(r'D:\pycharm\pytorch\study\data\LR\X4\9x4.jpg', 0)
coeffs=pywt.swt2(img,'haar',level=1)
[(cA,(cH,cV,cD))]=coeffs
#生成四个子图
cv2.imwrite('ca.png',np.uint8(cA))
cv2.imwrite('ch.png',np.uint8(cH))
cv2.imwrite('cv.png',np.uint8(cV))
cv2.imwrite('cd.png',np.uint8(cD))