我无法理解图像上的离散小波变换。我按照 Robi Polikar 的教程对这个理论有了一个简要的了解。但我无法理解 wrt 图像。
ndwt2('chess.jpg', 2, 'haar')在棋盘上使用Matlab的函数，我得到了相册中的另外7张图片。（最后给出的专辑链接）
ndwt2()返回一个结构，其成员dec包含近似 (A)、水平 (H)、垂直 (V) 和对角线 (D)细节。
这是我有问题的地方。图像的 A、H、V 和 D 细节是什么意思？
另外，专辑中的第一张图片怎么是棋盘近似值（假设近似值意味着对图像的粗略估计）？它只是在国际象棋框的边界处有线条。这是一个近似值，还是我理解错了？
编辑
ndwt2我在将（这是double数据类型）返回的图像的数据类型转换为uint8.
这些是我现在得到的图像。
为什么 H 细节图像也包含一些 V 细节，尽管 H 中的 V 是嘈杂的？V 也一样，它还包含一些 H 细节。
以前不是这样，H只有垂直线，V只有水平细节，D是空白的。
可以在图像上实现标准离散小波变换 (DWT)（dwt2在 Matlab 中），对行和列进行一系列滤波和抽取操作。而小波本身是由不同层次的迭代产生的。
从 Haar 小波开始。在一维空间中，它可以通过一系列的和和差来实现（和过滤器）上-像素集。如果你在行和列上结合这两个过滤器，你会得到可能的组合。它们在四矩阵。
所以拿小号挡住帽子（左图）。如果对行和列上的像素求和，则全局对所有四个像素求和。这会给你右图左上角的青色。如果你对所有重复这个过程 块，您会得到左上角的小图像，通常称为级别 1 (A1) 的近似值。如果你申请在行上，并对列求和，你会得到右上角的小图像。如您所见（或多或少的垂直边缘），沿行的差异检测到一些垂直细节。它被称为级别 1 (V1) 的垂直细节。现在，如果你申请在列上，对行求和，你会得到左下角的小图像，它检测到更多的水平细节，称为 H1。左下角的小图像计算行和列的差异。它被称为对角线的 D1，虽然它不是很精确，一般来说，在检测边缘。
在那里，您有 A、H、V 和 D。标准 DWT 进一步分解左上角的小图像。以同样的推理，您可以在第二层（在您的命令中）：A2，D2，H2，V2。
由于 A1 已分解，剩下 A2、V2、H2、D2、V1、H1 和 D1，因此图片。使用 DWT，这些图像更小（通过和）。
在这里，我们采取了单独的原件块。另一个词是抽取，由，在每个过滤器通过之后。
Wiht ndwt2，主要区别在于您不会抽取，就像采用重叠的块一样。因此，通常，A、V、H、D 图像看起来大致相同，只是它们的大小与原始图像几乎相同（直到边框效果和扩展）。
我对你展示的近似感到惊讶。确实，我相信它存在读取或格式问题。用图像编辑器打开它，再次保存一个新的 JPG 或 PNG 似乎可以解决问题。