问题标签 [wavelet-transform]

请有人帮助解决在 R 中运行离散小波变换的解决方案。

我尝试过以下数据格式；Year, Rain.

年份的形式是 1970,1972,1973.... 和 Rain 的形式是 200, 85, 34, 56 23, 0.5... 等等。我不知道我的数据框是否正确。或者如果我需要在运行数据之前对数据做一些事情。

尚未将 data.frame 保存为 wave，我运行如下：

这是我的代码：

我收到了这个错误：

请提供示例帮助，以便我理解为什么会出现此错误

我想使用 wavemulcor 包，特别是 wave.multiple.cross.correlation 函数来对我的数据执行小波多重互相关。

我按照包装手册中的示例进行操作，但改用我的数据。该函数适用于示例数据，但当我尝试使用我的数据时会引发错误。该错误是指“替换长度为零”，但我不确定这究竟意味着什么。

我已经用谷歌搜索了这个错误，但是对于不同的函数有很多相同问题的例子，而且通常它们都与代码中的循环有关。

然后我用谷歌搜索了如何解决问题并阅读了有关调试的信息。我尝试调试代码，但我不知道它在哪里出现故障，我仍处于学习编码的早期阶段。我认为可能是导致问题的 wave.multiple.cross.correlation 函数中的这段代码：

有没有其他方法可以确定为什么这不起作用？

实际错误如下：

我试图追踪原始代码中的所有变量，但我就是想不通。

这是我正在尝试使用的代码，为了完整起见，这里是 xx 的 dput() 的链接，它是我希望使用的变量列表，有关 xx 的详细信息，请参见下面的代码

任何帮助解决/解决此问题将不胜感激。

如果输入数据不均匀，我该怎么办？如果输入数据不是 2 的幂呢？我应该忽略其余的数字吗？

在计算图像的4级离散小波变换后，如何在matlab中显示这个多级变换？以及如何绘制相应 DWT 系数的直方图？

这是我到目前为止所做的：

我想从仅从最大系数的 5% 的多级 DWT 变换中重建图像，同时将其余系数设置为零。我不确定我需要从哪些系数中选择最大的 5%？A、H、V 还是 D？

这是我到目前为止所做的：

任何帮助，将不胜感激！

我正在尝试对从小波分解生成的“近似系数”使用基于区域的直方图均衡。

这是代码： -

加载图像

离散小波变换 - cA Approx Coeff；cD细节系数

在 cA 上应用 CLAHE（对比度受限自适应直方图均衡） - 近似系数

我想在“cA”（近似系数）上应用对比度受限自适应直方图均衡，但是 python 会引发错误。有人可以告诉我我哪里出错了吗？

更新：我正在尝试完成图表的 Approx Coefficients-> REgion based histogram enhancement 部分。 框图

要获得信号（函数）的高通和低通滤波器的输出，我们可以使用以下数学定义 ：

因此，我尝试在没有库的情况下使用以下代码和 python 2.7 计算它：

然后我得到 cD 的 (-0.7071067, -0.7071067) 和 cA 的 (0.7071067, 3.535533)。但是当我使用库中的这段代码时，我得到了不同的答案：

结果与我自己的代码不同。即 cA 为 [ 2.12132034 4.94974747] ， cD 为 [-0.70710678 -0.70710678]。

所以，我想问的是，小波分解实际上是如何计算的？

我对这个小波主题真的很陌生，我已经阅读了这个主题的一些介绍，但我仍然对它的计算感到困惑。非常感谢您的回答，在此先感谢:)

如果我执行标准小波变换然后执行逆，我希望得到原始信号：

除了偏移之外，平坦周期信号也会失真。
似乎可以执行变换/逆变换并具有接近恒等函数的东西，就像这里的时间序列 R 的小波重建一样，但是阅读 cwt 的教程/帮助我不知道如何实现这一点。

可能重复 -如何将 Gabor 小波应用于图像？

我浏览了上面链接中的答案，但我真的无法理解。第一个答案，即接受的答案，在进行逆 FFT 之前将图像的 FFT 与自身相乘。这对我来说根本没有意义

这是我的问题。我正在尝试重现论文“基于多层阈值的血管分割用于糖尿病性视网膜病变筛查”（http://search.proquest.com/openview/94a1d9b4eed15c442da4f8a62c82a83b/1?pq-origsite=gscholar&cbl=326339）的结果

为了绘制小波（或者它是过滤器？）对于比例 = 1 到 4 和方向 = 1 到 8，这些是产生的小波（绘制实部）：

结果图：

现在，主要焦点是，我有视网膜的图像，特别是血管高度对比的倒置绿色通道。我必须使用上述小波之一（或滤波器？请在这里纠正我滤波器和小波之间的区别）对其进行“一些操作”。

我必须在我获得的小波和图像之间执行什么操作以增加血管的对比度？：

这里也是小波绝对值的图像：

请帮我解决这个问题。我被困在这里几天了，没有谷歌搜索和阅读论文的帮助。我是该领域的初学者。

非常感谢

我有一张通过手机摄像头获得的图像，我需要找到球所在的区域。例如，图像可以如下所示：

我尝试了分割，但结果不如我想的那么好。

我目前的想法是：

在一维中，当我有球时，我可以使用连续小波变换和 Morlet 小波来找到它。有球信号的一维CWT图像：

而这个带有 Morlet 小波的信号 CWT 看起来像这样：（ 注：图像在 Y 方向拉伸）

我可以在图像中使用类似的东西吗？是否存在 2D CWT 之类的东西？如果是这样，它是否在某个地方实现（C++）？还是有更好的解决方案？

谢谢你的时间

编辑（对 YvesDaoust 的评论回复）：

在这里你可以看到 OpenCV HoughCircles 的结果。如您所见，结果完全不适合球。

编辑 2（对 YvesDaoust 的评论回复）：

我修改了 Canny 阈值参数并将中心阈值（OpenCV 实现中的参数 2）设置为 1。这些是前 300 个圆圈。仍然有太多误报。